Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
PENGEMBANGAN MODEL KLASIFIKASI INVENTORY DENGAN MEMPERTIMBANGKAN COMPONENT COMMONALITY 1)
Indra Dwi F1), Imam Baihaqi2), dan Erwin Widodo3) Program Studi Magister Teknik Industri, Institut Teknologi Sepuluh Nopember Sukolilo, Surabaya, 60117, Indonesia e-mail:
[email protected] 2) dan 3) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember
ABSTRAK Perkembangan industri membuat semua pelaku industri berpikir keras agar dapat mempertahankan eksistensi perusahaan. Produk–produk mana saja yang perlu mendapatkan perhatian ekstra agar dikelola secara efektif dan efisien, oleh karena itu metode klasifikasi inventory diperlukan. Dalam rangka meraih tujuan yang ada salah satu aspek yang perlu diperhatikan adalah sistem persediaan. Penelitian ini mengusulkan model klasifikasi persediaan mana yang sesuai dengan mempertimbangkan commonality. Metode yang digunakan adalah Metode Fuzzy AHP. Pemilihan Metode Fuzzy AHP digunakan untuk menentukan bobot relatif dari atribut atau kriteria dan mengklasifikasikan item–item yang ada ke dalam masing–masing kelas (A, B, dan C). Selain itu dalam penelitian ini juga dilakukan perhitungan total biaya persediaan untuk masing–masing model klasifikasi tanpa commonality (Skenario 1) dan model klasifikasi dengan commonality (Skenario 2). Dari hasil percobaan numerik diperoleh hasil total biaya persediaan menggunakan data existing didapatkan total biaya persediaan sebesar $54.540,8 sedangkan untuk Skenario 1 sebesar $54.294 dengan efisiensi sebesar 0,45%. Apabila menggunakan Skenario 2 total biaya persediaan sebesar $54.481 dengan efisiensi sebesar 0,1%. Katakunci: Klasifikasi Inventory, Metode Fuzzy AHP, Commonnality, Item, Existing.
PENDAHULUAN Persaingan dunia industri yang semakin ketat mengharuskan perusahaan untuk selalu meningkatkan produktivitasnya serta melakukan efisiensi pada berbagai aspek, salah satu aspek yang perlu mendapat perhatian adalah inventory atau persediaan. Persediaan ada karena pasokan dan permintaan sulit untuk bersinergi dengan sempurna dan membutuhkan waktu untuk melakukan. Pengendalian persediaan bahan baku merupakan fungsi manajerial yang penting agar bahan baku yang tersedia sesuai dengan yang dibutuhkan dan dilaksanakan pada waktu yang tepat. Dalam prakteknya, seluruh item yang ada tidak dapat dikontrol dengan mudah oleh karena itu untuk memudahkan di dalam mengontrol persediaan dan menentukan kebijakan yang tepat, maka metode klasifikasi persediaan digunakan. Metode klasifikasi yang paling klasik adalah metode ABC, adapun penelitian tentang metode ini adalah Pareto (1971) memunculkan sebuah aturan baru yang dikenal dengan aturan 80-20. Dimana 20% dari item termasuk grup A, 30% dari item termasuk grup B, dan 50% dari item termasuk grup C. Karena masih ditemukan kelemahan dalam Metode ABC salah satunya adalah berdasarkan single-criterium yang tidak dapat mepresentasikan secara
ISBN : 978-602-70604-3-2 A-35-1
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
keseluruhan dari tingkat kepentingan suatu item maka muncullah metode klasifikasi persediaan berdasarkan multi-criteria (MCIC). Metode ini pertama kali dikenalkan oleh Flores et al. (1992) merumuskan kegunaan dari matriks joint–criteria untuk dua kriteria yang merupakan pengembangan dari model Analytic Hierarchy Process (AHP) milik Saaty (1980). Kemudian Partovi dan Burton (1993) menggunakan Metode AHP untuk pengklasifikasian persediaan dengan mengikutkan dua kriteria yaitu kualitatif dan kuantitatif. Selanjutnya pada tahun 1996, Chang memunculkan Metode fuzzy AHP yang merupakan varian dari Metode AHP sebelumnya dengan menggunakan matriks evaluasi fuzzy dari kriteria dibangun melalui perbandingan berpasangan dari atribut yang berbeda relevan dengan keseluruhan tujuan menggunakan variabel linguistik dan bilangan fuzzy segitiga. Sejak saat itu penelitian tentang klasikasi persediaan banyak dilakukan hingga sekarang. Kebutuhan akan produk yang semakin bervariasi dari konsumen membuat produsen harus melakukan pengembangan produk baru secara terus–menerus. Oleh karena itu selain metode klasifikasi bisa juga digunakan konsep commonality untuk mengatasi semakin bertambahnya jenis dan jumlah komponen. Kesamaan (commonality) adalah sebuah pendekatan di bidang manufaktur, produksi dan sistem manajemen persediaan dimana komponen yang berbeda diganti dengan komponen yang umum atau sama yang digunakan untuk beberapa produk (Wazed et al., 2008). Beberapa manfaat dari commonality antara lain: menurunkan tingkat persediaan dan kompleksitas proses produksi (Pujawan, 2010), penjadwalan rencana produksi yang lebih sederhana (Berry et al., 1992), biaya setup dan biaya penyimpanan yang lebih rendah (Collier, 1981). Adapun penelitian tentang commonality antara lain oleh: Baker (1985) telah menggunakan dua level Bill of Material (BOM) untuk menggambarkan bahwa merakit multiproduct dengan permintaan yang tidak pasti, kesamaan (commonality) dapat mengurangi total safety stock. Bagchi dan Gutirrez (1992) telah memaksimalkan agregat service level dengan kendala pada ketersediaan komponen ketika permintaan produk memiliki distribusi eksponensial atau geometrik. Chew et al. (2006) telah meneliti tentang tradeoff antara gain melalui pooling risiko dan kerugian yang berakibat untuk komponen tidak cocok dalam sistem Assembly To Stock (ATS) ketika berbagi komponen diperbolehkan. Kesimpulan yang bisa diambil adalah belum adanya penelitian tentang metode klasifikasi persediaan dengan mempertimbangkan commonality hingga sekarang. Tujuan penelitian ini adalah mengembangkan model klasifikasi inventory dengan mempertimbangkan commonality dan melakukan perbandingan total biaya persediaan antara model klasifikasi inventory dengan commonality dan tanpa commonality. METODE 1. Penentuan bobot tiap kriteria dengan Metode Fuzzy AHP untuk mengklasifikasikan item mengacu pada artikel Chang (1996) dengan langkah-langkah sebagai berikut: a. Menentukan kriteria yang digunakan Lima kriteria yang digunakan dalam penelitian ini antara lain: annual dollar usage, average unit cost, criticality, lead time, dan commonality. b. Menentukan bobot dari kriteria dengan menggunakan Fuzzy AHP Membuat matriks perbandingan fuzzy dari lima kriteria yang ada. Menghitung nilai eigen terbesar dari matriks ( ), Consistency Index (CI), Consistency Ratio (CR). Menghitung tingkat kemungkinan dari masing–masing kriteria dengan rumus: V (M2 ≥ M1) = sup [min (µ M1 (x), µ M2 (x))]. ISBN : 978-602-70604-3-2 A-35-2
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
Menentukan bobot vektor dari tingkat kemungkinan yang paling kecil diantara lima kriteria yang ada. Menghitung vektor berat normal dengan rumus: W = (d (A1), d (A2),..., d (An))T dengan W adalah bilangan non fuzzy. 2. Menghitung Commonality Index dengan rumus sebagai berikut (Wacker dan Trevelen, 1986): 1– (%) (1)
3. 4.
5.
6. 7.
8.
Dimana: d = jumlah dari komponen–komponen yang berbeda dalam set produk akhir atau tingkat struktur produk φj = banyaknya parent item langsung yang dimiliki oleh komponen j dalam set produk akhir atau tingkat struktur produk. Menggunakan metode Economic Order Quantity (EOQ) dan metode Economic Order Interval (EOI) untuk menghitung total biaya persediaan. Penentuan order Q* yang optimal untuk tiap–tiap kelas dibagi dalam 4 kombinasi sebagai berikut: a. Metode Economic Order Quantity multi item (Kelas A) dan metode Economic Order Interval multi item (Kelas B dan Kelas C). b. Metode Economic Order Quantity multi item (Kelas A dan Kelas B) dan metode Economic Order Interval multi item (Kelas C). c. Metode Economic Order Interval multi item (Kelas A) dan metode Economic Order Quantity multi item (Kelas B dan Kelas C). d. Metode Economic Order Interval multi item(Kelas A dan Kelas B) dan metode Economic Order Quantity multi item (Kelas C). Pengolahan data untuk data existing (Skenario 0), Model tanpa commonality (Skenario 1), dan Model dengan commonality (Skenario 2) menggunakan data dari artikel Park et al (2014) untuk annual dollar usage, average unit cost, criticality, dan lead time. Sedangkan untuk commonality merupakan kriteria tambahan dalam penelitian ini. Setelah didapatkan total biaya persediaan untuk masing–masing skenario maka dipilih mana yang memiliki total biaya persediaan paling rendah. Kemudian langkah berikutnya adalah melakukan analisa hasil. Analisa hasil bertujuan agar para praktisi mendapatkan wawasan manajerial di dalam menentukan kebijakan inventory yang sesuai dalam konteks klasifikasi persediaan dengan commonality serta nantinya dapat berguna bagi pengembangan keilmuan metode klasifikasi inventory. Kesimpulan dan saran Bagian ini menjelaskan tentang hasil atau jawaban terhadap pertanyaan penelitian dalam bentuk penyampaian yang mudah dipahami serta beberapa kelemahan tesis yang dapat disarankan sebagai future work.
HASIL DAN PEMBAHASAN Pada bagian sub bab ini berisi tentang analisis dan pembahasan terhadap temuan–temuan yang didapatkan pada percobaan numerik. Analisis dan pembahasan ditekankan terhadap hasil pembobotan kriteria, hasil klasifikasi ulang, dan total biaya untuk masing–masing model.
ISBN : 978-602-70604-3-2 A-35-3
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
1.
Analisis Hasil Pembobotan Kriteria
Berdasarkan perhitungan bobot kriteria yang telah dilakukan dapat diketahui tingkat kepentingan masing–masing kriteria seperti pada Tabel 1 di bawah ini: KRITERIA
Tabel 1 Tingkat Kepentingan Kriteria SKENARIO 1
SKENARIO 2
Annual Dollar Usage
0,240
0,202
Average Unit Cost
0,245
0,194
Criticality Factor
0,226
0,194
Lead Time
0,287
0,189
-
0,219
Commonality
Berdasarkan hasil pembobotan diatas untuk Model klasifikasi persediaan Fuzzy AHP tanpa commonality (Skenario 1), lead time merupakan kriteria yang memiliki bobot tertinggi dengan nilai 0,287 sedangkan criticality factor merupakan krtiteria yang memiliki bobot terendah dengan nilai 0,226. Untuk Model klasifikasi persediaan Fuzzy AHP dengan commonality (Skenario 2), commonality merupakan kriteria yang memiliki bobot tertinggi dengan nilai 0,219 sedangkan lead time merupakan kriteria yang memiliki bobot terendah dengan nilai 0,189. 2.
Analisis Hasil Klasifikasi Ulang
Berdasarkan hasil klasifikasi ulang yang dilakukan untuk masing–masing skenario dibandingkan dengan hasil klasifikasi yang ada pada artikel Park et al (2014) terdapat perbedaan jumlah item untuk masing–masing kelas. Hal ini dapat dilihat pada Tabel 2, Tabel 3, dan Tabel 4 di bawah ini: Tabel 2 Perbandingan Klasifikasi Ulang Jumlah Item untuk 50-30-20 KELAS PARK ET AL SKENARIO 1 A 10 32 B 14 10 C 23 5 JUMLAH 47
SKENARIO 2 31 10 6
Tabel 3 Perbandingan Klasifikasi Ulang Jumlah Item untuk 75-15-10 KELAS PARK ET AL SKENARIO 1 A 10 41 B 14 4 C 23 2 JUMLAH 47
SKENARIO 2 40 4 3
Tabel 4 Perbandingan Klasifikasi Ulang Jumlah Item untuk 80-15-5 KELAS PARK ET AL SKENARIO 1 A 10 42 B 14 4 C 23 1 JUMLAH 47
SKENARIO 2 41 5 1
ISBN : 978-602-70604-3-2 A-35-4
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
3. Analisis Total Biaya Tabel 5 Perbandingan Total biaya untuk Existing, Skenario 1 dan Skenario 2 50-30-20
75-15-10
80-15-5
TOTAL BIAYA
EXISTING
SKENARIO 1
SKENARIO 2
SKENARIO 1
SKENARIO 2
SKENARIO 1
SKENARIO 2
KOMBINASI 1
$54.417,88
$54.517,08
$54.530,03
$54.536,05
$54.483,44
$54.497,16
$54.481,45
KOMBINASI 2
$41.064,19
$54.497,16
$54.481,45
$54.294,81
$54.458,74
$54.257,52
$54.257,52
KOMBINASI 3
$54.417,88
$54.517,08
$54.530,03
$54.536,05
$54.483,44
$54.497,16
$54.481,45
KOMBINASI 4
$54.540,80
$54.497,16
$54.481,45
$54.294,81
$54.458,74
$54.257,52
$54.257,52
Dari tabel 5 dapat ditarik kesimpulan bahwa untuk kombinasi 1 kombinasi 2 dan kombinasi 3, tidak dipilih karena total biaya untuk Skenario 1 (Model tanpa commonality) dan Skenario 2 (Model dengan commonality) menghasilkan total biaya yang lebih tinggi bila dibandingkan dengan existing (Skenario 0). Selanjutnya kombinasi 4, skenario 2 (model dengan commonality) menghasilkan total biaya lebih rendah dari Skenario 1 (Mmodel tanpa commonality) pada aturan 50-30-20 dengan selisih sebesar $59,34 dan tingkat efisiensi yaitu 0,1%. Sedangkan pada aturan 75-15-10 Skenario 1 (Model tanpa commonality) menghasilkan total biaya lebih rendah dibandingkan dengan Skenario 2 (Model dengan commonality) dengan selisih sebesar $245,9 dan tingkat efisiensi yaitu 0,45%. Untuk aturan 80-15-5 kedua skenario memiliki total biaya yang sama sebesar $54.257,52 dengan efisiensi 0,51%. KESIMPULAN DAN SARAN Kesimpulan dari hasil penelitian adalah sebagai berikut: 1. Pada kombinasi 1 (metode EOQ multi item: Kelas A; metode EOI multi item: Kelas B dan Kelas C), kombinasi 2 (metode EOQ multi item: Kelas A dan Kelas B; metode EOI multi item: Kelas C), dan kombinasi 3 (metode EOQ multi item: Kelas B dan Kelas C; metode EOI multi item: Kelas A) total biaya persediaan Skenario 0 (existing) selalu lebih rendah dibandingkan dengan Skenario 1 (Model tanpa commonality) dan Skenario 2 (Model dengan commonality) sehingga kombinasi ini tidak dipilih. 2. Pada kombinasi 4 (metode EOQ multi item: Kelas C; metode EOI multi item: Kelas A dan Kelas B), total biaya persediaan Skenario 2 (Model dengan commonality) lebih rendah bila dibandingkan dengan Skenario 0 (existing) dan Skenario 1 (Model tanpa commonality) dikarenakan oleh jumlah item Kelas A dan Kelas B yang ada pada metode EOI multi item lebih sedikit. Pada kombinasi ini, Skenario 2 (Model dengan commonality) memiliki selisih sebesar $59,34 dan tingkat efisiensi yaitu 0,1% pada aturan 50-30-20. 3. Pada kombinasi 4 (metode EOQ multi item: Kelas C; metode EOI multi item: Kelas A dan Kelas B), total biaya persediaan Skenario 1 (Model tanpa commonality) lebih rendah bila dibandingkan dengan Skenario 0 (existing) dan Skenario 2 (Model dengan commonality) dikarenakan oleh jumlah item Kelas A dan Kelas B yang ada pada metode EOI multi item lebih sedikit. Pada kombinasi ini, Skenario 1 (Model tanpa commonality) memiliki selisih sebesar $245,9 dan tingkat efisiensi yaitu 0,45% pada aturan 75-15-10. 4. Pada kombinasi 4 (metode EOQ multi item: Kelas C; metode EOI multi item: Kelas A dan Kelas B), total biaya persediaan Skenario 1 (Model tanpa commonality) sama dengan ISBN : 978-602-70604-3-2 A-35-5
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
Skenario 2 (Model dengan commonality) yaitu sebesar $54.257,52 dikarenakan oleh jumlah item Kelas C yang ada pada metode EOQ multi item sama. Pada kombinasi ini, tingkat efisiensi yaitu 0,51% pada aturan 80-15-5. 5. Dari penjelasan poin–poin diatas dapat ditarik kesimpulan bahwa Skenario 2 (Model dengan commonality) yang sesuai adalah menggunakan kombinasi 4 (metode EOQ multi item: Kelas C; metode EOI multi item: Kelas A dan Kelas B), dengan aturan 50-30-20 karena memiliki efisiensi sebesar 0,1%. 6. Untuk Skenario 1 (Model tanpa commonality) kebijakan inventory yang diambil adalah sebagai berikut: Kelas A dan Kelas B menggunakan metode EOI multi item dengan jumlah order atau review selama 1 tahun (m*) sebesar 4,7 5 dan interval order (T*) selama 1 tahun sebesar 0,21. Kelas C menggunakan metode EOQ multi item dengan jumlah order atau review selama 1 tahun (m*) sebesar 1,8 2 dan interval order (T*) selama 1 tahun sebesar 0,54. 7. Untuk Skenario 2 (Model dengan commonality) kebijakan inventory yang diambil adalah sebagai berikut: Kelas A dan Kelas B menggunakan metode EOI multi item dengan jumlah order atau review selama 1 tahun (m*) sebesar 4,2 4 dan interval order (T*) selama 1 tahun sebesar 0,23. Kelas C menggunakan metode EOQ multi item dengan jumlah order atau review selama 1 tahun (m*) sebesar 2,79 3 dan interval order (T*) selama 1 tahun sebesar 0,35. Saran yang dapat diberikan pada penelitian yang akan datang (future work) antara lain sebagai berikut: 1. Commonality dapat digunakan sebagai salah satu konsep dalam manajemen inventory untuk mendapatkan total biaya persediaan yang lebih rendah sehingga para manajer dapat mengaplikasikan konsep ini ke dalam dunia industri. 2. Metode EOQ (Economic Order Quantity) multi item dan metode EOI (Economic Order Interval) multi item dapat digunakan dalam menentukan kebijakan inventory pada konteks klasifikasi inventory. 3. Penambahan kriteria lagi selain 5 kriteria yang digunakan dalam penelitian ini. 4. Dapat menggunakan metode lain selain metode EOQ (Economic Order Quantity) multi item dan metode EOI (Economic Order Interval) multi item dalam menghitung total biaya sebagai perbandingan. DAFTAR PUSTAKA Bagchi, U. dan Gutierrez, G. (1992). Effect of Increasing Component Commonality on Service Level and Holding Cost, Neval Research Logistics, Vol.39, hal.815-832. Baker, K. R. (1985). Safety Stocks and Commonality, Journal of Operations Management, Vol.6, hal.13-22. Berry, W. L., Tallon, W. J. dan Boe, W. J.(1992). Product Structure Analysis for the Master Scheduling of Assemble-to-order Products, .International Journal of Operations & Production Management, Vol.12, hal.24-41. ISBN : 978-602-70604-3-2 A-35-6
Prosiding Seminar Nasional Manajemen Teknologi XXIV Program Studi MMT-ITS, Surabaya 23 Januari 2016
Chang, D. Y. (1996). Applications of the extent analysis method on fuzzy AHP, European Journal of Operational Research, Vol.95, No.3, hal.649-655. Chew, E. K. P., Lee, L. H. dan Lau, Y. L., (2006). Component Commonality in Assembledto-stock Systems, IIE Transactions, Vol.38, hal.239-251. Collier, D. A. (1981). The Measurement and Operating Benefits of Component Part Commonality, Decision Sciences, Vo.12, hal.85-96. Flores, B. E., Olson, D. L., dan Dorai, V. K. (1992). Management of Multicriteria Inventory Classification, Mathematical and Computer Modelling, Vol.16, No.12, hal.71–82. Pareto, V. (1971). Manual of Political Economy. AM Kelley, New York. Partovi, F., dan Burton, J. (1993). Using the Analytical Hierarchy Process for ABC Analysis, International Journal Operation Production Management, Vol.13, No.9, hal.29–44. Pujawan, I N. (2010). Supply chain management, Guna Widya, Edisi ke 2. Saaty, T.L., (1980). The Analytic Hierarchy Process, McGraw Hill, New York. Wazed, M. A., Ahmed, S., dan Yusoff, N. (2008). Commonality Models in Manufacturing Resources Planning : State-of-the-Art and Future Directions, European Journal of Scientific Research, Vol.23, No.3, hal.421-435.
ISBN : 978-602-70604-3-2 A-35-7
