PENERAPAN METODE LEAST SQUARE REGRESSION LINE DAN ECONOMIC ORDER QUANTITY PADA SISTEM PENGENDALIAN PERSEDIAAN Herfian Setiawan1, Arip Mulyanto2, Lylian Hadjaratie3 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Negeri Gorontalo (UNG)
INTISARI Biaya persediaan yang tinggi menjadi salah satu masalah yang sering dihadapi oleh sebuah perusahaan. Jumlah permintaan yang tidak pasti membuat perusahaan sering mengalami kehabisan ataupun kelebihan persediaan, kondisi tersebut mengakibatkan perusahaan mengalami keruginan (Setiawan, 2013). Penelitian ini bertujuan untuk menerapkan metode least square regression line dan economic order quantity pada sistem pengendalian persediaan. Dengan menerapkan metode tersebut diharapkan perusahaan dapat menentukan kuantitas pemesanan optimal sehingga dapat meminimalisis biaya persediaan. Metode penelitian yang digunakan adalah research and development dengan beberapa tahapan yaitu identifikasi potensi dan masalah, analisis data, desain sistem, pembuatan aplikasi dan pengujian. Hasil dari analisis data membuktikan bahwa penerapan metode economic order quantity dapat menghemat biaya persediaan sebesar 20,27 % atau Rp 6.460.053,16 pada data penjualan tahun 2012. Selain itu, dari analisis data juga menunjukan bahwa metode least square regression line dapat memprediksi jumlah permintaan dengan keakuratan rata-rata 97,1 %. Dengan demikian penerapan metode LSRL dan EOQ pada sistem pengendalian persediaan dapat mengurangi biaya persediaan. Kata kunci : Sistem Pengendalian Persediaan, Least Square Regression Line, Economic Order Quantity
ABSTRACT High inventory cost is usually the problem that often occurs in a company. The inevitable number of demands leads the company to either run out or excess the inventory and causes loss. This research aimed to apply the least square regression line and economic order quantity method in the system of inventory control to determine the quality of optimal order in order to minimalize inventory cost. The method of this research was research and development method consists of few stages; potential problem identification, data analysis, system design, and application making and testing. The result of the data analysis proved that the application of economic order quantity method can save the inventory cost of 20.27% or Rp. 6,460,053.16 according to the sales information of 2012. Moreover, the data analysis also shows that least square regression line method is able to predict the number of demands with the average accuracy level of 97.1%. Thus, the application of LSRL and EOQ methods in the system of inventory control are able reduce the inventory cost. Keywords: System of Inventory Control, Least Square Regression Line, Economic Order Quantity.
1
Herfian Setiawan Mahasiswa Jurusan Teknik Informatika UNG Arip Mulyanto, S.Kom, M.Kom Dosen Jurusan Teknik Informatika UNG 3 Lillyan Hadjaratie, S.Kom, M.Si Dosen Jurusan Teknik Informatika UNG 2
1
PENGANTAR Jumlah permintaan dan waktu tunggu pemesanan yang relatif lama membuat sebuah perusahaan sering mengalami kehabisan stok. Hal tersebut akan menurunkan tingkat pelayanan perusahaan dikarenakan perusahaan tidak dapat memenuhi kebutuhan
pelanggan.
Biaya
pemesanan
akan
semakin
menurun
dengan
meningkatnya kuantitas pemesanan, sedangkan biaya penyimpanan berbanding terbalik dengan biaya pemesanan (Taylor, 2005). Oleh karena itu, diperlukan sebuah metode yang dapat menjawab permasalahan tersebut. Salah satu metode yang bisa digunakan adalah Economic Order Quantity (EOQ). Metode EOQ digunakan untuk menentukan kuantitas pesanan optimal dan salah satu asumsi pada metode tersebut adalah jumlah permintaan atau penjualan harus diketahui (Prasetyo, 2011). Untuk mengatasi ketidakpastian jumlah permintaan maka diperlukan sebuah prediksi penjualan atau permintaan. Oleh karena prediksi bersifat time series atau tanpa melihat variabel apa yang mempengaruhinya, sehingga metode Least Square Regression Line (LSRL) dapat digunakan untuk memprediksi permintaan (Prasetyo, 2011). Dengan menerapkan metode EOQ dan LSRL diharapkan dapat membuat pengendalian persediaan yang sesuai dengan jumlah permintaan pelanggan. Pengendalian persediaan barang sangat diperlukan untuk membantu perusahaan meminimalisir biaya persediaan barang. Dengan demikian perusahaan akan lebih menghemat biaya persediaan barang sehingga dana yang tersisa bisa digunakan untuk keperluan lainnya. TINJAUAN PUSTAKA A Sistem Pengendalian Persediaan Menurut Herjanto (2006), sistem pengendalian persediaan dapat didefinisikan sebagai serangkaian kebijakan pengendalian untuk menentukan tingkat persediaan yang harus dijaga, kapan pesanan untuk menambah persediaan harus dilakukan dan berapa besar pesanan harus diadakan. Sistem ini menentukan dan menjamin tersediannya persediaan yang tepat dalam kuantitas dan waktu yang tepat. Dari penjelasan tersebut dapat ditarik kesimpulan bahwa sistem pengendalian persediaan
2
sangat diperlukan sebuah perusahaan untuk meningkatkan pelayanan dengan cara menyediakan barang sesuai jumlah kebutuhan pelanggan. B. Kuantitas Pesanan Ekonomis ( Economic Order Quantity) Kuantitas pesanan ekonomis adalah suatu metode yang digunakan untuk menentukan berapa kuantitas pesanan optimal dalam sistem kontinu (Taylor, 2005). Dengan demikian, sistem ini berguna bagi perusahaan dalam meminimumkan total biaya persediaan yang meliputi biaya penyimpanan dan biaya pemesanan. Total biaya persediaan (TC) merupakan penjumlahan dari biaya pemesanan dan penyimpanan. ππΆ = πΆ0
π· π + πΆπ π 2
(1)
Fungsi total biaya persediaan dapat dilihat pada Gambar 1. Pada gambar tersebut memperlihatkan hubungan yang berlawanan antara biaya pemesanan dan biaya penyimpanan, yang menghasilkan kurva biaya cembung. Biaya tahunan
Kemiringan = 0 Biaya total Biaya penyimpanan
Biaya total minimum
Biaya pemesanan Pesanan Optimal, Qopt
Kuantitas pesanan, Q
Gambar 1 Model Biaya EOQ (Taylor, 2005)
Pada Gambar 2.3. diperlihatkan ada kecenderungan peningkatan pada kurva total biaya penyimpanan. Saat kuantitas pesanan Q (yang diperlihatkan sebagai sumbu horizontal) meningkat, biaya pesana total (yang berupa sumbu vertikal) juga meningkat. Hal ini logis karena pesanan yang besar menyebabkan persediaan yang lebih besar. Kemudian perhatikan kurva biaya pemesanan pada gambar tersebut. Saat
3
kuantitas pesanan, Q, naik, biaya pemesanan turun (atau kebalikan pada biaya penyimpanan). Hal ini terjadi karena kenaikan kuantitas pesanan menyebabkan menurunya frekuensi pemesanan. Karena satu biaya naik sedangkan biaya lain turun, penjumlahan keduanya menghasilkan kurva total biaya yang cembung. Kuantitas pesanan optimal terjadi pada titik diamana total biaya mencapai minimum, yang kebetulan merupakan titik dimana kurva biaya pemesanan berpotongan dengan kurva biaya penyimpanan. Hal ini menyebabkan nilai optimal Q dapat ditentukan dengan membuat persamaan kedua fungsi biaya dan mencari Q sebagai berikut. C0
D Q = Cc Q 2
Q2 =
(2)
2C0 D Cc
Qopt =
(3)
2C0 D Cc
(4)
Total biaya minimum ditentukan dengan memasukan nilai kuantitas pesanan optimal, Qopt, kedalam persamaan total biaya. TCmin = Co
Qopt D + Cπ Qopt 2
(5)
C. Least Square Regression Line Least square regression line atau linier trend line adalah sebuah metode yang digunakan untuk memprediksi atau meramalkan sesuatu dimasa yang akan datang berdasarkan
variabel
waktu.
Menurut
Taylor
(2005),
jika
permintaan
memperlihatkan tren nyata selama beberapa waktu, metode least square regression line dapat digunakan untuk meramalkan permintaan. Least square regression line menghubungkan satu variabel terikat dengan satu variabel bebas dalam bentuk persamaan linier sebagai berikut y = a + bx
(6)
4
CARA PENELITIAN Adapun tahapan penelitian dapat dilihat pada tabel 1. Tabel 1 Tahapan Penelitian Langkah
Teknik/Alat
Identifikasi Potensi dan 1. Studi Literatur Masalah 2. Observasi 3. Wawancara Analisis Data
Desain Sistem
Pembuatan Aplikasi
Pengujian Sistem
Output 1. Potensi yang dimiliki perusahaan 2. Daftar Masalah
1. Analisis Autokorelasi 1. Pola data penjualan. 2. Uji kesalahan rata-rata 2. Tingkat keakuratan kuardrat prediksi. 3. Eksperiment 3. Perbandingan Biaya pada sistem lama dan baru. 1. Use Case Diagram 1. Diagram Use Case. 2. Use Case Specification 2. Spesifikasi Use Case 3. Component Diagram 3. Diagram Component. 4. Deployment Diagram 4. Diagram Deployment 1. Macromedia Aplikasi pengendalian Dreamweaver berbasis web. 2. Photoshop 3. AprServ black box testing Hasil pengujian
HASIL PENELITIAN DAN PEMBAHASAN A. Identifikasi Potensi dan Masalah Permasalahan yang sering timbul pada sistem pengendalian perusahaan sebelumnya adalah jumlah atau kuantitas pesanan yang tidak sesuai dengan kebutuhan pelanggan. Hal tersebut terjadi karena jumlah pemesanan hanya berdasarkan perkiraan manajer atau pimpinan. Dengan waktu pengiriman pesanan yang relatif lama membuat perusaan sering kali mendapat keluhan dari pelanggan atau sub distributor karena kebutuhan akan pupuk sangat mendesak. Daftar permasalahan sistem pengendalian yang telah diterapkan oleh perusahaan dapat dilihat pada tabel 2.
5
Tabel 2. Daftar Permasalahan No. 1. 2. 3. 4. 5.
Permasalahan Tidak bisa memprediksi jumlah permintaan. Tidak bisa menentukan kuantitas pesanan yang optimum Jumlah persediaan tidak sesuai dengan permitaan. Tidak bisa menentukan titik pemesanan. Besarnya total biaya persediaan.
B. Analisis Data 1. Analisis Autokorelasi Kesalahan standar untuk time lag 1 dihitung dengan tingkat keyakinan 95 % adalah 0,326667, hasil tersebut didapatkan dari 1,96 X 1 /
36.
Nilai 1,96
didapatkan dari tabel Z dengan 95% tingkat keyakinan. Demikian juga untuk time lag 2 hingga 12 pada data penjualan empat produk dihitung menggunakan cara yang sama yaitu dengan tingkat keyakinan 95 %. Jika koefisien autokorelasi lebih besar dari nilai kesalah standar maka koefisien autokorelasi berbeda nyata dengan nol, tetapi sebaliknya apabila koefisien autokorelasi berada diantara plus minus nilai kesalahan standar maka koefisien autorkorelasi tersebut tidak berbeda nyata dengan nol. Koefisien autokorelasi dari data penjualan dapat dilihat pada tabel 3. Tabel 3 Data Koefisien Autokorelasi Autokorelasi
Time Lag
Bintang Sawit
Niposca
1
0,359
2
0,344
3
Bioposca
Grend Leaf
0,494
0,195
0,109
0,302
-0,088
0,155
0,346
0,164
0,110
-0,043
4
0,243
0,233
0,224
0,001
5
0,234
0,386
0,168
0,100
6
0,348
0,448
0,087
0,266
7
0,222
0,300
-0,042
-0,111
8
0,201
0,161
0,080
-0,065
9
0,088
0,013
0,225
-0,228
10
0,102
0,107
0,083
0,240
11
0,050
0,152
-0,073
0,085
0,187
0,167
0,196
12 0,244 (Sumber: Setiawan, 2013)
6
2. Uji Keakuratan Nilai MSE dari hasil prediksi menggunakan metode LSRL dapat dilihat pada tabel 4. Tabel 4 Nilai MSE Nilai
Bintang Sawit
Niposca
Bioposka
Grend Leaf
MSE
3726,722
5373,389
280,056
126840,1
3. Analisis Biaya Persediaan Perbadingan biaya persedian perusahaan tahun 2012 dengan biaya persediaan menggunakan metode economic order quantitu dapat dilihat pada tabel 5. Tabel 5 Perbandingan Biaya Persediaan
No
Pupuk
Total Biaya Persediaan Perusahaan (Rp)
Total Biaya Persediaan EOQ (Rp)
Penghematan
1
Bintang Sawit
6378043,01
5485985,58
892057,43
2
Niposca
8026660,51
6792379,94
1234280,57
3
Bioposkaaa
9464212,55
6259278,36
3204934,19
4
Grend Leaf
8000732,76
6871951,79
1128780,97
31869648,83
25409595,67
6460053,16
Total
C. Desain Sistem Diagram use case dari sistem yang dibuat dapat dilihat pada gambar 2.
Gambar 2 Use Case Diagram
7
D. Pembuatan Aplikasi Aplikas dibuat menggunakan bahasa pemrograman PHP dan menggunakan database MySql. Salah satu contoh laporan yang dihasilkan oleh aplikasi dapat dilihat pada gambar 3.
Gambar 3 Grafik Laporan
E. Pengujian Sistem Pengujian sistem menggunakan Black Box. Hasil dari pengujian dapat dilihat pada tabel 6. Tabel 6 Pengujian Sistem Input/Event
Lankah Pengujian
Output
Output yang Seharusnya
Hasil Pengujian
Tambah Data Barang
Login, Klik Barang, Input Data Barang, Klik Daftar
Data berhasil di simpan
Data berhasil di simpan
Sesuai
Data berhasil di simpan
Data berhasil di simpan
Sesuai
Data berhasil di simpan
Data berhasil di simpan
Sesuai
Memproses inputan Password terganti
Memproses inputan Password terganti
Data Tersimpan
Data Tersimpan
Sesuai
Laporan EOQ
Laporan EOQ
Sesuai
Tambah Data Barang Masuk Tambah Data Barang keluar Melakukan Login Mengganti Password Mengimput Data Perencanaan Melihat Laporan Stok
Login, Klik Barang Masuk, Input Data Barang Masuk, Klik Daftar Login, Klik Barang Keluar, Input Data Barang, Klik Daftar Mengimput username dan password Melakukan Login , mengganti password Login sebagai sekretaris, Klik Perencaanaan, isi Form, Klik Simpan Login, Klik Laporan EOQ
8
Sesuai Sesuai
Input/Event
Lankah Pengujian
Output
Melihat Laporan Keluar Masuk Barang
Login, Klik Laporan Keluar Masuk Barang
Laporan Keluar Masuk Barang
Output yang Seharusnya Laporan Keluar Masuk Barang
Input Data User
Login, Klik User Management, Input Data User, Klik Simpan
Data User Tersimpan
Data User Tersimpan
Hasil Pengujian Sesuai
Sesuai
Dari hasil analisis data menggunakan autokorelasi dapat diketahui bahwa data penjualan keempat produk pupuk dari tahun 2010 sampai 2012 mempunyai pola tren yang berarti bahwa metode least square regression line cocok digunakan untuk memprediksi penjualan. Hal tersebut dikarenakan metode LSRL cenderung lebih akurat apabila data yang digunakan mempunyai pola tren. Hasil prediksi penjualan nantinya akan digunakan untuk menentukan kuantitas pemesanan optimal pada tahun tersebut. Hasil lainnya yang didapat adalah data tidak mempunyai pola musiman karena pada time lag 1 dan 12 koefisien korelasinya berbeda nyata dengan nol. Sedangkan hasil dari pengukuran keakuratan prediksi menunjukan bahwa ada kecenderungan nilai kesalahan rata-rata akan semakin meningkat apabila jumlah data yang diprediksi semakin besar. Selain itu, hasil perhitungan biaya persediaan yang dikeluarkan oleh perusahaan pada tahun 2012 menunjukan bahwa jumlah persediaan mempengaruhi biaya penyimpanan dan biaya pengiriman. Oleh karena itu, penentuan kuantitas optimum sangat dibutuhkan untuk mengurangi biaya persediaan yang terdiri dari biaya penyimpanan dan biaya pengiriman. Hasil analisis data juga menunjukan bahwa metode EOQ dapat menentukan kuantitas optimal sehingga dapat mengurangi biaya persediaan sebesar 20,27 %
atau Rp 6.460.053,16. Dengan demikian,
penerapan metode LSRL dan EOQ pada sistem pengendalian persediaan akan dapat menentukan kuantitas pemesanan optimum sehingga dapat mengurangi biaya persediaan. Cara kerja aplikasi pengendalian persediaan yang dikembangkan pada penelitian ini yaitu dengan memprediksi jumlah permintaan pada tahun berikutnya dengan memanfaatkan data penjualan 3 tahun sebelumnya. Dari hasil prediksi
9
kemudian dilakukan penentuan jumlah pemesanan yang optimal yang dapat menimalisir biaya pemesanan dan penyimpanan. Selain itu sistem juga dapat menentukan titik pemesanan ulang dan stok cadangan berdasarkan waktu tunggu dan jumlah permintaan atau penjualan. Hal tersebut juga yang menjadi pembeda penelitian ini dengan penelitian-penelitian sebelumnya. Untuk menentukan kuantitas pemesanan optimal, titik pemesanan ulang dan stok cadangan aplikasi membutuhkan data penjualan minimal 2 tahun kebelakang sehingga jika ada produk baru yang belum mempunyai data penjualan minimal 2 tahun belum diproses oleh aplikasi. Data penjualan 2 tahun tersebut digunakan untuk memprediksi penjualan ditahun berikutnya. Besaran biaya pemesanan dan pengiriman dapat diatur oleh sekretaris sehinga biaya dapat menyesuaikan dengan kondisi yang sebenernya. Selain itu dengan aplikasi ini juga proses pencatatan persediaan dapat dilakukan secara kontinu tanpa memakan biaya yang mahal karena proses perhitungan dilakukan secara otomatis oleh aplikasi. Aplikasi juga dapat berjalan dengan baik ketika dilakukan uji coba pada web browser seperti mozila firefox. Dari hasil pengujian black box juga membuktikan sistem dapat berjalan sesuai tujuan pembuatan sistem. Link-link dan tombol berfungsi secara normal ketika dilakukan uji coba. Validasi inputan juga berfungsi dengan baik sehingga dapat mencegah kesalahan dalam pengimputan data. KESIMPULAN Hasil Penelitian ini dapat disimpulkan bahwa penerapan metode least square regression line dan economic order quantity pada sistem pengendalian persediaan dapat memproses inputan dan menghasilkan output sesuai desain sistem yaitu: 1. Dapat mencatat keluar masuk barang. 2. Melakukan prediksi jumlah permintaan. 3. Menentukan jumlah pesanan yang optimum. 4. Menentukan titik pemesanan ulang. 5. Dapat meminimalisir total biaya persediaan sebesar 20,27 % atau Rp 6.460.053,16 pada data penjualan tahun 2012.
10
DAFTAR PUSTAKA Herjanto, E. 2006. Manajemen Operasi, Edisi Ketiga. Jakarta: Grasindo. http://www.books.google.com diakses 15 april 2013. Prasetyo, A. T. 2011. Perencanaan dan Pengendalian Persediaan Komponen dengan Menggunakan Metode EOQ pada C.V. Sinar Baja Electric. Surabaya: Institut Teknologi Sepuluh Nopember. http://digilib.its.ac.id/public/ITS-Master15044-Presentation-806559.pdf, Diakses 21 Maret 2013 Setiawan, H. 2013. Penerapan Metode Least Square Reagression Line dan Economic Order Quantity Pada Sistem Pengendalian Persediaan. Skripsi, Jurusan Teknik Informatika, Universitas Negeri Gorontalo, Gorontalo. Taylor, B. W. 2005. Introduction to Management Science, Edisi Kedelapan, Terjemahan. Jakarta: Salemba Empat.
11