SISTEM PENGENDALIAN PERSEDIAAN BAHAN BAKAR MINYAK SOLAR DENGAN SIMULASI MONTE CARLO M Hudori
Abstract Inventories of high speed diesel used in palm oil plantation company as fuel of diesel equipment, such as automobile, heavy equipment, generator and other supplies is one fast moving, because their need are daily need. Therefore, supplies of high speed diesel should be considered carefully so as not to cause a high accumulation of asset and does not cause a shortage of inventory which will have an impact on the productivity of the company, particularly the productivity of the equipments.In this inventory control system, sometimes companies have problems of uncertainty, namely the uncertainty of the amount of the need and uncertainty of the order of arrival time. The condition is called probabilistic condition, where everything happen according to the probability. The condition can not be solved with the system used in the deterministic problem. It required another approach. One is by using a Monte Carlo simulation model.From the simulation results as much as 61 times, from June 1st, 2013 to July 31st, 2013 obtained frequency of order are 6 times. While the lead time that happened just 2 days, 4 days and 6 days. The daily requirement ranges from 158 liters to 860 liters. The minimum of ending inventory is 1,450 liters and the maximum is 8,180 liters. Thus never in short supply during the period. Similarly, over stock also never happened because it was never done a double order for the duration of waiting for order. Keyword: Inventory control, safety stock, reorder point, Monte Carlo simulation. dapat bekerja secara optimal. Akan tetapi,
PENDAHULUAN
terlalu besarnya persediaan bahan baku dapat Setiap perusahaan selalu memerlukan persediaan
upaya
guna menyimpan dan memelihara bahan
mengantisipasi permintaan. Tanpa adanya
tersebut. Selama penyimpanan digudang akan
persediaan, pihak perusahaan akan dihadapkan
memperbesar kemungkinan kerugian karena
pada resiko bahwa pada suatu waktu tidak
kerusakan, turunnyakualitas sertakeusangan
dapat memenuhi keinginan para pelanggannya.
sehingga
Persediaan
perusahaan.
persediaan
(inventory)sebagai
mengakibatkan terlalu tingginya beban biaya
pada
umumnya
bahan
terdiri
baku
dari (raw
dapat
Heizer
memperkecil
dan bahwa
Render
keuntungan
(2009)
terlalu
juga
material),persediaan bahan setengah jadi (work
menyatakan
banyaknya
in process),dan persediaan produk (finished
persediaan ini jika ditinjau dari segi finansial
goods).
merupakan hal yang tidak efektif karena terlalu Russel dan Taylor (2011) mengatakan
besarnya barang modal yang menganggur dan
bahwa persediaan bahan baku merupakan salah
tidak berputar.Untuk dapat berproduksi secara
satu faktor yang sangat penting. Kekurangan
efisien,harus
bahan baku akan mengakibatkan terhentinya
kegiatan yang dilakukan sehingga apa yang
proses karena habisnya bahan yang akan
menjadi tujuan perusahaan dapat tercapai.
diproses. Dengan demikian perusahaan tidak
Untuk 1
memperhitungkan
melakukan
pemesanan,
semua
perlu
diperhitungkan mengenai kuantitas barang
aset yang tinggi serta tidak menimbulkan
yang dibeli, karena hal ini akan mendatangkan
kekurangan persediaan yang akan berdampak
resiko
pada produktivitas perusahaan, khususnya
berupa
aktivitas
terhambatnya
perusahaan.
kelancaran
Untuk
menjaga
produktivitas
alat-alat
kelancaran proses produksi tidakcukup hanya
Demikian
seperti
ditentukan jumlah persediaan yangdibeli tetapi
Masriani (2013).
tersebut
yang
di
atas.
dinyatakan
oleh
harus diperhitungkan pula apakah barang yang
Faktor waktu tunggu pemesanan (lead
dipesan bisa sampai padawaktunya yang
time) sangat mempengaruhi status persediaan.
dibutuhkan. Oleh karena itu, meskipun ditinjau
Russel dan Taylor (2011) mengungkapkan
dari segi kelancaran proses produksi, kelebihan
bahwa ketidakpastian waktu kedatangan setiap
persediaan dapat berarti positif. Akan tetapi
pesanan akan menyebabkan status persediaan
ditinjau dari segi lain terutama dari segi biaya
menjadi terganggu. Dengan demikian perlu
dapat berarti negatif, yaitu tingginya biaya
dilakukan
yang
terjadinya kehabisan persediaan, yaitu melalui
harus
ditanggung
oleh
perusahaan
tersebut.
antisipasi
untuk
mencegah
penetapan adanya persediaan pengaman (safety
Untuk melakukan
itu
perusahaan
pengendalian
hendaknya
persediaan
stock). Di samping itu juga perlu ditetapkan
yang
level persediaan minimum yang akan menjadi
bertujuan agar proses produksi dapat berjalan
acuan bagi perusahaan untuk melakukan
dengan lancar dan tidak terjadi kekurangan
pemesanan kembali (reorder point). Kedua hal
persediaan tersebut. Namun demikian perlu
tersebut
ditegaskan bahwa tidak berarti akan dapat
mengelola sistem pengendalian persediaan.
akan
menghilangkan resiko yang timbul akibat
Di
adanya persediaan yang terlalu besar atau
persediaan
terlalu
dihadapkan
kecil,
mengurangi
melainkan resiko
hanya
tersebut.
berusaha
Jadi
dalam
menjadi
dalam ini,
acuan
sistem
ada
dalam
pengendalian
kalanya
dengan
di
perusahaan permasalahan
ketidakpastian, yaitu ketidakpastian jumlah
pengendalian persediaan dapat membantu
kebutuhan
mengurangi
kedatangan pesanan. Kondisi ini disebut
terjadinya
resiko
tersebut
seminimal mungkin. Persediaan
dan
ketidakpastian
waktu
dengan kondisi probabilistik, dimana segala bahan
bakar
minyak
sesuatu
terjadi
berdasarkan
Russel
dan
kemungkinan
(BBM) solar yang digunakan di perusahaan
(probability).
Taylor
(2011)
perkebunan kelapa sawit sebagai bahan bakar
mengatakan bahwa kondisi yang demikian
peralatan bermesin diesel, seperti mobil, alat
tidak dapat diselesaikan dengan sistem yang
berat, genset dan lain-lain merupakan salah
biasa digunakan dalam masalah deterministik.
satu persediaan yang pergerakannya cepat (fast
Untuk itu diperlukan sistem pendekatan yang
moving), karena kebutuhannya merupakan
lain. Salah satunya dengan menggunakan
kebutuhan harian. Oleh karena itu persediaan
model simulasi Monte Carlo.
BBM solar ini harus diperhitungkan secara
Berdasarkan gambaran di atas terlihat
cermat agar tidak menimbulkan penimbunan
bahwa faktor ketidakpastian merupakan salah 2
satu
hal
yang
harus
perusahaan
diperhatikan
untuk
oleh
persediaan yang terlalu besar berarti terlalu
mengendalikan
besar juga barang modal yang menganggur dan
persediaannya, khususnya BBM solar yang
tidak
merupakan persediaan yang sangat vital untuk
kekurangan persediaan (out of stock) dapat
menunjang produktivitas perusahaan. Oleh
menganggu
karena itu sistem pengendalian persediaan ini
sehingga
harus dirancang sedemikian rupa agar mampu
sebagaimana telah ditetapkan oleh pelanggan
mengantisipasi
tidak terpenuhi yang ada sehingga pelanggan
faktor
kemungkinan
yang
berputar.
Begitu
kelancaran ketepatan
sebaliknya
proses waktu
perusahaan dapat melakukan tindakan yang
pengendalian persediaan merupakan usaha-
diperlukan untuk setiap kondisi yang dihadapi
usaha
serta dapat mengendalikannya secara cermat.
diperlukan untuk proses produksi sehingga
simulasi
mengenai
sistem
bahan-bahan
yang
bahan serta dapat diperoleh biaya persediaan yang sekecil-kecilnya.
simulasi Monte Carlo.
Menurut Heizer dan Render (2009), pada
Batasan Masalah
proses
tulisan ini adalah berdasarkan bilangan random secara
dasarnya
pengendalian
persediaan
dimaksudkan untuk membantu kelancaran
Permasalahan yang akan dibahas pada
dibangkitkan
Singkatnya
dapat berjalan lancar tidak terjadi kekurangan
pengendalian persediaan BBM solar dengan
yang
penyediaan
lain.
pengiriman
lari
membuat
perusahaan
produksi
sifatnya dinamis tersebut. Dengan demikian
Tujuan dari penelitian ini adalah untuk
ke
juga
produksi,
melayani
kebutuhan
perusahaan akan bahan-bahan atau barang jadi
komputerisasi
dari waktu ke waktu. Sedangkan tujuannya
sebagai alat identifikasi kemungkinan jumlah
adalah sebagai berikut:
kebutuhan dan lead time.
1. Menjaga agar jangan sampai perusahaan kehabisan material sehingga menyebabkan
KAJIAN PUSTAKA
terhenti atau terganggunya proses produksi. 2. Menjaga agar keadaan persediaan tidak
Pengendalian Persediaan
terlalu besar atau berlebihan sehingga biaya
Menurut Russel dan Taylor (2011),
yang timbul dari persediaan tidak besar.
pengendalian persediaan adalah usaha-usaha yang
dilakukan
oleh
suatu
3. Selain
perusahaan
pelanggan,
termasuk keputusan-keputusan yang diambil sehingga
kebutuhan
akan
bahan
juga
diperlukan
atau barang (stock out) relatif besar. Safety Stock dan Reorder Point
mungkin. Persediaan yang terlalu besar (over pemborosan
persediaan
permintaan
penggantian atau biaya kehabisan bahan
secara optimal dengan resiko yang sekecil
merupakan
memenuhi
apabila biaya untuk mencari barang/bahan
untuk
keperluan proses produksi dapat terpenuhi
stock)
untuk
Russel dan Taylor (2011) mengatakan
karena
bahwa persediaan pengaman atau safety stock
menyebabkan terlalu tingginya beban biaya
adalah
guna penyimpanan dan pemeliharaan selama
persediaan
minimum
yang
harus
tersedia dan hanya dapat digunakan dalam
penyimpanan di gudang. Disamping itu juga 3
keadaan yang betul-betul darurat. Dengan
tingkat persediaan dimana saat itu harus
adanya safety stock maka perusahaan dapat
dilakukan pesanan.
mengalami resiko seminimal mungkin yang
Dengan rumus sebagai berikut:
dapat
ROP = (U x L) + Safety Stock
ditimbulkan
karena
adanya
ketidakpastian kedatangan bahan. Besarnya
dimana ROP = reorder point; U = tingkat
safety stock (SS) dapat dicari dengan rumus:
kebutuhan per periode; L = lead time.
SS = (Pemakaian Max – Pemakaian Rata-rata) x L
Simulasi Monte Carlo
dimana L = lead time.
Metode Monte Carlo merupakan dasar
Gaspersz (2005) mengatakan bahwa
untuk semua algoritma dari metode simulasi
yang dimaksud dengan reorder point adalah
yang didasari pada pemikiran penyelesaian
saat atau titik dimana pemesanan kembali
suatu masalah untuk mendapatkan hasil yang
harus diadakan sehingga kedatangan atau
lebih
penerimaan bahan tepat pada waktunya dimana
sebanyak-banyaknya
jumlah persediaan sama dengan safety stock.
ketelitian yang lebih tinggi. Metode ini
Penentuan
menganut sistem pemrograman yang bebas
titik
menunjukkan
pemesanan
kepada
kembali
bagian
ini
pembelian
baik
dengan
cara
memberi
untuk
nilai
mendapatkan
tanpa telalu banyak diikat oleh aturan tertentu.
terhadap barang yang akan dibutuhkan. Hal ini
Russel
dan
Taylor
(2011)
ditunjukkan untuk menjaga keseimbangan
mengemukakan bahwa metode simulasi Monte
persediaan serta perusahaan tidak kehabisan
Carlo
bahan jika sewaktu-waktu terdapat jumlah
mengevaluasi suatu model deterministik yang
pesanan
besar
melibatkan bilangan acak sebagai salah satu
jumlahnya. Pada kenyataannya,bahan yang
input. Metode ini sering digunakan jika model
lebih besar jumlahnya pada kenyataan bahan
yang digunakan cukup kompleks, non linier
yang dipesan tidak dapat dipenuhi atau tersedia
atau melibatkan lebih dari sepasang parameter
karena
untuk
tidak pasti. Sebuah simulasi Monte Carlodapat
pengiriman. Agar datangnya bahan tersebut
melibatkan 10.000 evaluasi atas sebuah model,
tepat pada safety stock maka perusahaan harus
suatu pekerjaan di masa lalu hanya bisa
melakukan pemesanan terlebih dahulu.
dikerjakan oleh sebuah software komputer.
atau
produk
dibutuhkan
yang
jangka
lebih
waktu
Heizer dan Render (2009) mengatakan bahwa
untuk
dapat
suatu
metode
untuk
Suatu model memerlukan parameter
kapan
input dan beberapa persamaan yang digunakan
pemesanan kembali dapat dilakukan maka
untuk menghasilkan output (variabel respon).
harus
Dengan menggunakan parameter input berupa
diperhatikan
menerapkan
adalah
tiga
unsur
yang
mempengaruhi, yaitu:
bilangan random, maka dapat mengubah suatu
1. Waktu antar saat melakukan pemesanan
model deterministik menjadi model stokastik,
dengan saat bahan sampai di gudang
dimana model deterministik merupakan suatu
merupakan jumlah safety stock.
model pendekatan yang diketahui dengan pasti
2. Jumlah kebutuhan tiap kali proses reorder
sedangkan model stokastik tidak pasti.
point (ROP) adalah menunjukkan suatu 4
Simulasi Monte Carlo adalah metode
3. Penentuan reorder point (ROP).
untuk menganalisa perambatan ketidakpastian,
4. Pembuatan
dimana tujuannya adalah untuk menentukan bagaimana
variasi
frekuensi
data
kebutuhan harian BBM solar.
atau
5. Pembuatan probabilitas kumulatif masing-
errormempengaruhi sensitivitas, performa atau
masing kelas pada distribusi frekuensi
reliabilitas
kebutuhan harian BBM solar (DD).
dari
dimodelkan.
random
distribusi
sistem
Simulasi
yang
sedang
Monte
Carlo
6. Pembuatan probabilitas kumulatif masing-
digolongkan sebagai metode sampling karena
masing lead time pemesanan (LT).
input dibangkitkan secara random dari suatu
7. Aplikasi simulasi persediaan harian BBM
distribusi probabilitas untuk proses sampling
solar.
dari suatu populasi nyata. Oleh karena itu,
Sedangkan untuk aplikasi simulasi
suatu model harus memilih suatu distribusi
persediaan tersebut akan dilakukan dengan
input yang paling mendekati data yang
algoritma seperti terlihat pada Gambar 1.
dimiliki. Demikian menurut Russel dan Taylor
Start
(2011).
Safety stock (SS) Reorder point (ROP) Persediaan awal (BI) Kebutuhan harian (DD) Laed time (LT) Fixed order quantity (FOQ) Tanggal kedatangan pesanan (PORec) Tanggal pemesanan (PORel) Persediaan akhir (EI)
METODOLOGI
Penentuan safety stock (SS)
Pengendalian persediaan BBM solar
Penentuan reorder point (ROP)
dengan simulasi Monte Carlo ini dapat dilakukan
dengan
menggunakan
kebutuhan
harian
solar
pemesanan
BBM
solar
dan
variabel
lead
dari
Tentukan jumlah perlakuan (N)
time
Perulangan i = 1 s/d N
pemasok. Ada pesanan datang?
Penggunaan data historis pemakaian BBM Ya
solar selama bulan Januari hingga Mei 2013 di
Pembangkitan bilangan random kebutuhan harian
perkebunan kelapa sawit PT. XYZ. Demikian Identifikasi kebutuhan harian (DD)
pula data lead time yang digunakan adalah data Penghitungan persediaan akhir (EI = BI + FOQ – DD)
selama kurun waktu tersebut, yaitu sebanyak 13
kali
pemesanan.
Sedangkan
ukuran
EI £ ROP
pemesanan adalah dengan sistem fixed order
Ya Pembangkitan bilangan random lead time
quantity (FOQ) yaitu 5.000 liter untuk setiap kali pemesanan. Metodologi
Tidak
Identifikasi lead time (LT)
simulasi
yang
digunakan
Penentuan tanggal kedatangan pesanan (PORec = PORel + LT)
adalah sebagai berikut: i=N
1. Uji keseragaman data kebutuhan harian
Tidak
Ya
BBM solar dengan moving range chart
End
(MR-chart).
Gambar 1. Algoritma Simulasi Monte Carlo Persediaan Harian BBM Solar
2. Penentuan safety stock (SS). 5
kendali tersebut. Dengan demikian akan terjadi
HASIL DAN PEMBAHASAN
perubahan batas kendali sebagai berikut: Hasil Kajian
̅̅̅̅̅ 𝑀𝑅 =
Berdasarkan data historis pemakaian
∑ 𝑀𝑅𝑖 (29.447) = = 202 𝑛 − 1 (147 − 1)
BBM solar yang diperoleh dari PT. XYZ,
̅̅̅̅̅ = 3,267 × 202 = 659 𝑈𝐶𝐿 = 3,267 × 𝑀𝑅
maka akan dilakukan analisis data sebagai
̅̅̅̅̅ = 0 × 202 = 0 𝐿𝐶𝐿 = 0 × 𝑀𝑅 Hasil pengujiannya dapat dilihat pada
berikut:
Gambar 3.
1. Uji keseragaman data dengan MR-chart. Tujuannya adalah untuk memperoleh data yang homogen sehingga tidak mengganggu hasil simulasi nantinya. Pembuatan MRchart tersebut dapat dilakukan dengan menghitung parameter-parameter sebagai berikut (Montgomery, 2009): 𝑀𝑅𝑖 = |𝑥𝑖 − 𝑥𝑖−1 | ∑ 𝑀𝑅𝑖 𝑛−1 ∑ 𝑀𝑅𝑖 (31.483) ̅̅̅̅̅ 𝑀𝑅 = = = 213 𝑛 − 1 (149 − 1) ̅̅̅̅̅ = 𝑀𝑅
Gambar 3. Revisi MR-chart Data Pemakaian Harian BBM Solar
𝑈𝐶𝐿 = 3,267 × ̅̅̅̅̅ 𝑀𝑅 = 3,267 × 213 = 695
Dari Gambar 2 terlihat tidak ada lagi data
𝐿𝐶𝐿 = 0 × ̅̅̅̅̅ 𝑀𝑅 = 0 × 213 = 0
yang berada di luar batas kendali. Dengan
Hasil pengujiannya dapat dilihat pada
demikian data yang tersisa, yaitu sebanyak
Gambar 2.
147 data inilah yang akan digunakan sebagai data acuan untuk membuat model simulasi. 2. Penentuan safety stock (SS). SS = (916 – 464) x 5 = 2.260 liter 3. Penentuan reorder point (ROP). ROP = (416 x 5) + 2.260 = 4.580 4. Pembuatan
distribusi
frekuensi
data
kebutuhan harian BBM solar. Distribusi frekuensi data kebutuhan harian
Gambar 2. MR-chart Data Pemakaian Harian BBM Solar
BBM solar dapat dilihat pada Tabel 1.
Dari Gambar 2 terlihat bahwa ada dua data yang berada di luar batas kendali. Oleh karena itu akan dilakukan revisi dengan cara mengeluarkan data yang berada di luar batas
6
Tabel 1. Distribusi Frekuensi Kebutuhan Harian BBM Solar Kelas 100 217 334 451 568 685 802
-
216 333 450 567 684 801 918
5. Pembuatan
timepemesanan (LT).
xi
fi
158 275 392 509 626 743 860
11 30 26 37 24 14 5 147
probabilitas
6. Pembuatan probabililitas kumulatif lead
Probabilitas kumulatif lead time adalah seperti terlihat pada Tabel 3. Tabel 3. Probabilitas Kumulatif Lead Time Pemesanan
kumulatif
kebutuhan harian BBM solar (DD). Probabilitas
kumulatif
berdasarkan
distribusi frekuensi di atas adalah seperti terlihat pada Tabel 2. Tabel 2. Probabilitas Kumulatif Kebutuhan Harian BBM Solar
Kelas
fi
Prob.
Prob. kumulatif
2 3 4 5 6 8 9
2 2 5 1 1 1 1 13
0,15 0,15 0,38 0,08 0,08 0,08 0,08
0,15 0,31 0,69 0,77 0,85 0,92 1,00
7. Aplikasi simulasi persediaan harian BBM solar.
xi
fi
Prob.
Prob. kumulatif
158 275 392 509 626 743 860
11 30 26 37 24 14 5 147
0,07 0,20 0,18 0,25 0,16 0,10 0,03
0,07 0,28 0,46 0,71 0,87 0,97 1,00
Kelas 100 217 334 451 568 685 802
-
216 333 450 567 684 801 918
Dengan menggunakan softwareMicrosoft Excel dapat dilakukan simulasi selama 62 hari (tanggal 1 Juni 2013 s/d 31 Juli 2013) yang hasilnya terlihat pada Tabel 4.
Tabel 4. Simulasi Persediaan Harian BBM Solar Dengan Simulasi Monte Carlo Tanggal
BI
01/06/2013 02/06/2013 03/06/2013 04/06/2013 05/06/2013 06/06/2013 07/06/2013 08/06/2013 09/06/2013 10/06/2013 11/06/2013 12/06/2013 13/06/2013 14/06/2013 15/06/2013 16/06/2013 17/06/2013 18/06/2013
5.000 4.491 4.099 3.356 3.081 7.689 7.414 7.139 6.747 6.238 5.729 4.869 4.009 3.617 8.108 7.716 7.441 6.815
PORec
5.000
5.000
Prob (DD) 0,53 0,35 0,94 0,17 0,41 0,20 0,12 0,29 0,57 0,65 0,98 0,98 0,45 0,59 0,41 0,21 0,75 0,39
Prob (LT)
EI
PORel
509 392 743 275 392 275 275 392 509 509 860 860 392 509 392 275 626 392
4.491 4.099 3.356 3.081 7.689 7.414 7.139 6.747 6.238 5.729 4.869 4.009 3.617 8.108 7.716 7.441 6.815 6.423
5.000
0,66
4
05/06/2013
5.000
0,14
2
14/06/2013
7
LT
Tgl Kedatangan
DD
Tabel 4. Simulasi Persediaan Harian BBM Solar Dengan Simulasi Monte Carlo Tanggal
BI
19/06/2013 20/06/2013 21/06/2013 22/06/2013 23/06/2013 24/06/2013 25/06/2013 26/06/2013 27/06/2013 28/06/2013 29/06/2013 30/06/2013 01/07/2013 02/07/2013 03/07/2013 04/07/2013 05/07/2013 06/07/2013 07/07/2013 08/07/2013 09/07/2013 10/07/2013 11/07/2013 12/07/2013 13/07/2013 14/07/2013 15/07/2013 16/07/2013 17/07/2013 18/07/2013 19/07/2013 20/07/2013 21/07/2013 22/07/2013 23/07/2013 24/07/2013 25/07/2013 26/07/2013 27/07/2013 28/07/2013 29/07/2013 30/07/2013 31/07/2013
6.423 5.797 5.288 5.130 4.738 3.995 3.720 3.445 3.170 2.310 1.450 6.058 5.315 4.806 3.946 3.320 3.045 2.653 2.144 6.401 5.775 5.032 4.640 3.897 3.622 2.762 2.370 1.978 1.820 6.311 5.919 5.527 5.135 4.860 4.234 3.491 2.865 7.590 6.964 6.689 6.531 6.139 5.630
PORec
5.000
5.000
5.000
5.000
Prob (DD) 0,80 0,46 0,06 0,31 0,89 0,23 0,13 0,20 0,99 0,99 0,30 0,95 0,67 0,99 0,71 0,21 0,33 0,58 0,89 0,71 0,90 0,38 0,88 0,12 0,98 0,31 0,29 0,06 0,66 0,42 0,34 0,41 0,16 0,85 0,93 0,78 0,17 0,85 0,21 0,07 0,30 0,65 0,68
DD
EI
626 509 158 392 743 275 275 275 860 860 392 743 509 860 626 275 392 509 743 626 743 392 743 275 860 392 392 158 509 392 392 392 275 626 743 626 275 626 275 158 392 509 509
5.797 5.288 5.130 4.738 3.995 3.720 3.445 3.170 2.310 1.450 6.058 5.315 4.806 3.946 3.320 3.045 2.653 2.144 6.401 5.775 5.032 4.640 3.897 3.622 2.762 2.370 1.978 1.820 6.311 5.919 5.527 5.135 4.860 4.234 3.491 2.865 7.590 6.964 6.689 6.531 6.139 5.630 5.121
PORel
Prob (LT)
LT
Tgl Kedatangan
5.000
0,81
6
29/06/2013
5.000
0,38
4
07/07/2013
5.000
0,43
4
17/07/2013
5.000
0,06
2
25/07/2013
range) dengan hari sebelum atau sesudahnya
Pembahasan Dari hasil analisis data terlihat bahwa
sangat ekstrim, yaitu data tanggal 19 Mei 2013
dari 149 data harian pemakaian BBM solar,
(127 liter) dan 25 Mei 2013 (20 liter) sehingga
hanya 147 data yang layak digunakan sebagai
menyebabkan timbulnya pencilan (outlier).
acuan untuk simulasi persediaan ini. Adapun
Setelah kedua data tersebut dikeluarkan maka
dua data di antaranya tidak layak digunakan
kondisi data sudah seragam.
karena mempunyai selisih pemakaian (moving 8
Dari
hasil
pembuatan
distribusi
KESIMPULAN
frekuensi data harian pemakaian BBM solar diperoleh 7 kelas. Dengan demikian bilangan
Dari pembahasan di atas terlihat
random yang dibangkitkan akan dikonversikan
bahwa persediaan BBM solar dengan simulasi
menjadi kuantitas kebutuhan harian BBM
Monte Carlo dapat menghasilkan persediaan
solar,
yaitu
probabilitas Demikian
dengan
mengacu
kepada
harian yang terkendali, yaitu tidak terlalu besar
kumulatif
kelas
tersebut.
dan juga tidak sampai habis. Dengan demikian
pula
dengan
data
lead
time
perusahaan tidak perlu khawatir terjadinya
pemesanan yang ada dikelompokkan menjadi 7
kekurangan
persediaan
BBM
solar
kelas
terjadinya
persediaan
yang
berlebihan
sehingga
bilangan
random
yang
dibangkitkan juga akan dikonversikan menjadi
dan
sehingga menimbulkan pemborosan.
lead time pemesanan dengan mengacu kepada DAFTAR PUSTAKA
probabilitas kumulatifnya. Dari hasil simulasi sebanyak 61 kali
Gaspersz, V. (2005). Total Quality Management. Jakarta: PT. Gramedia Pustaka Utama.
percobaan, yaitu tanggal 1 Juni 2013 s/d 31 Juli 2013 diperoleh frekuensi pemesanan sebanyak 6 kali. Sedangkan lead time yang
Heizer, J., Render, B. (2009). Operation Management (Terjemahan). 9th Ed. Jilid 1. Jakarta: Salemba Empat.
terjadi hanya 2 hari, 4 hari dan 6 hari. Kebutuhan harian berkisar antara 158 liter s/d
Masriani. (2013). Tugas Akhir Program Diploma Tiga, Program Studi Manajemen Logistik, Politeknik Kelapa Sawit Citra Widya Edukasi.
860 liter. Persediaan akhir minimal sebesar 1.450 liter dan maksimal 8.180 liter. Dengan demikian tidak pernah terjadi kekurangan
Montgomery, D.C. (2009). Introduction to Statistical Quality Control. 6th Ed. USA: John Wiley & Sons, Inc.
persediaan selama periode tersebut. Begitu pula halnya dengan kelebihan persediaan (over
Russel, R.S., Taylor, B.W. (2011). Operations Management. 7th Ed. USA: John Wiley & Sons, Inc.
stock) juga tidak pernah terjadi karena tidak pernah dilakukan pemesanan ganda selama masa menunggu kedatangan pesanan.
9
