SKRIPSI MOHAMMAD ARYA WICAKSANA F

MODEL PEGENDALIAN PERSEDIAAN KEMASAN GALON DENGAN MEMPERTIMBANGKAN TINGKAT PENGEMBALIAN DAN PERMINTAAN PRODUK DI PERUM PERHUTANI UNIT III JAWA BARAT DAN BANTEN

SKRIPSI

MOHAMMAD ARYA WICAKSANA F34070053

FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011

MODELING OF INVENTORY CONTROL GALLON PACKAGING BY CONSIDERING OF RATE RETURN AND LEVEL OF PRODUCT DEMAND (PERUM PERHUTANI UNIT III WEST JAVA & BANTEN) Mohammad Arya Wicaksana and Machfud Departement of Agroindustrial Technology, Faculty of Agricultural Technology and Engineering . Bogor Agricultural University, IPB Darmaga Campus, PO Box 220, Bogor, West Java, Indonesia. Phone 62 51 7533431, e-mail:[email protected]

ABSTRACT Gallon is a critical factor in the planning and production control of drinking water companies. The number of gallons that return to the factory will affect the number of products manufactured and shipped to consumers in the next period. Gallons are returned to the factory may compromise of quality, quantity and time. Inventory control and production planning gallons of drinking water must be done properly in order to service levels are met demand. This research was conducted with the purpose of making a model that is able to integrate between the rate of return gallons and level of product demand. The research was carried out with planning approach that starts from field observations until verification of model. Modeling is developed from three main models,secondly, returns of gallon to simulation data actual with its time series method model and the last is gallons inventory estimation model. The selected forecasting method is naif method and simulations carried out in accordance gallon rate of return distribution that has been identified, Cauchy Distribution. Based on the gallons of inventory estimation model, the company will have a shortage of about 1093 gallons and necessary addition. In addition, Models capable of estimating the number of gallons of return. Models can also find out the number of gallons for the lack of production in those periods. So that procurement can be determined number of gallons that will be ordered. Keywords: Inventory, Modeling, Control, Simulation , Gallon, and Water

Mohammad Arya Wicaksana. F34070053. Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian Dan Permintaan Produk di Perum Perhutani Unit III Jawa Barat dan Banten dibawah bimbingan Machfud, 2011.

RINGKASAN Perum Perhutani Unit III Jawa Barat Dan Banten merupakan salah satu perusahaan yang bergerak dalam bidang usaha agro dengan produk air minum dalam kemasan. Perkembangan Industri Air minum dalam kemasan sangat pesat. Perum Perhutani memproduksi air minum dalam beberapa kemasan yaitu kemasan gelas, botol dan galon. Saat ini permintaan kemasan galon terus meningkat dibandingkan dengan permintaan kemasan lainnya. Manajemen persediaan galon berbeda dengan manajemen persediaan bahan baku atau bahan penolong lainnya Pengendalian persediaan galon mempertimbangkan pengembalian galon dari tangan konsumen mengenai jumlah dan waktu pengembalian. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Galon kosong yang tersedia di gudang harus mampu memenuhi kebutuhan produksi yang telah direncanakan. Permasalahan ketidakpastian mengakibatkan perusahaan sering mengalami kerugian hilangnya penjualan, tuntutan dari pelanggan karena keterlambatan kedatangan pesanan dan tambahan biaya karena tidak teraturnya proses produksi. Kebijakan pengendalian persediaan galon akan berpegaruh terhadap biaya pengadaan persediaan galon yang harus dikeluarkan perusahaan seperti biaya investasi untuk pembelian galon baru dan carrying cost yang meliputi biaya bunga dan biaya penyimpanan. Kelebihan galon akan mengakibatkan besarnya biaya investasi yang dikeluarkan sedangkan kekurangan galon akan menyebabkan hilangnya peluang mendapatkan pendapatan. Penelitian ini bertujuan untuk mempelajari faktor-faktor yang berpengaruh terhadap kebijakan perusahaan dalam mengendalikan persediaan galon, mengembangkan model simulasi pengendalian persediaan galon dengan mengintegrasikan antara tingkat pengembalian galon yang memiliki ketidakpastian tinggi dan tingkat permintaan produk Pengendalian persediaan galon yang dikaji dalam penelitian ini terbatas pada satu area pabrik dan tidak melakukkan estimasi kondisi persediaan di gudang cabang. Model dikembangkan untuk kebutuhan bagian produksi agar target penjualan atau produksi dapat tercapai. Observasi lapang dilakukan dengan mengamati langsung kegiatan pengendalian persediaan galon dan perencanaan produksi. Kebijakan pengendalian persediaan galon dipengaruhi oleh beberapa faktor seperti tingkat permintaan produk dan tingkat pengembalian galon kosong per periode, kerusakan atau kebocoran kemasan galon selama penyimpanan, jumlah pekerja dan waktu kerja, tingkat persediaan yang diharapkan, dan kapasitas produksi. Data yang digunakan mulai dari bulan Januari sampai Maret 2011. Data diperoleh dengan mengambil data sekunder dan wawancara langsung terhadap pihak-pihak yang berhubungan dengan pengendalian galon, perencanaan produksi dan pihak gudang. Data yang dikumpulkan berupa data pengiriman atau pemesanan produk harian, data galon yang kembali ke pabrik, data galon yang dijual ke konsumen, data galon setelah produksi, data persediaan akhir galon, dan data galon rusak atau kebocoran selama penyimpanan. Model pengendalian persediaan galon dikembangkan kedalam tiga model dan terdiri dari delapan sub model. Model utama yaitu model prakiraan permintaan, model tingkat pengembalian galon dan model estimasi persediaan galon. Model estimasi persediaan galon terdiri dari sub model diantaranya tingkat persediaan, estimasi kekurangan produk, estimasi permintaan produk, realisasi

produksi, rencana pengiriman produk, stok produksi, pengembalian galon kosong, dan kekurangan galon kosong. Model disimulasikan berdasarkan data yang dihimpun. Simulasi dilakukkan sebanyak 91 periode mendatang. Prakiraan permintaan dilakukkan dengan metode time series dengan membandingkan 3 metode peramalan yaitu perataan bergerak tunggal, pemulusan eksponensial tunggal, dan pemulusan eksponensial ganda. Berdasarkan perhitungan MAPE dari ketiga metode peramalan memiliki nilai MAPE diatas 100 persen atau memiliki error sangat tinggi maka metode peramalan yan tepat untuk digunakan yaitu metode naif. Keluaran dari data peramalan digunakan sebagai input model estimasi kondisi persediaan galon. Identifikasi sebaran data tingkat pengembalian galon menggunakan software EasyFit 5.5. Tingkat pengembalian galon mengikuti sebaran Cauchy dengan nilai parameter skala 0.1615 dan nilai parameter lokasi 0.98269. Identifikasi sebaran tingkat pengembalian galon menggunakan software Easy fit 5.5. Kemudian data dibangkitkan dengan parameter tersebut dan data pembangkitan digunakan sebagai input model estimasi kondisi persediaan galon. . Berdasarkan hasil simulasi pada Lampiran 6 diketahui bahwa akan terjadi kekurangan galon untuk produksi pada periode 8, 10, 13, 14, 28, dan 55. Selain itu, akan terjadi kekurangan produk pada periode 6 dan akan berdampak pada periode 8, 9, 10, dan 11. Kekurangan produk yang mengakibatkan tidak terpenuhinya permintaan terjadi pada periode 13 dan 14. Keterlambatan pemenuhan produk akan terjadi pada periode ke 17, 25, 52, 53, 54, dan 56. Kekurangan produk pada periode 27 juga akan berdampak pada kekurangan persediaan pada periode ke 28 dan 29. Pengadaan galon kosong yang diperlukan sebanyak 1.093 galon kosong. Berdasarkan hasil simulasi penambahan galon kosong diperlukan pada periode 6 sebanyak 242 galon, periode 9 sebanyak 104 galon, periode 11 sebanyak 148 galon, periode 16 sebanyak 198 galon, periode 24 sebanyak 156 galon, periode 27 sebanyak 159 galon. Model pengendaliaan persediaan kemasan galon dikembangkan dalam perangkat lunak berbasis komputer sehingga memudahkan pengguna untuk menggunakannya. Perangkat lunak ini diberi mama PMIG 1.0. Pemrograman dikembangkan dengan bahasa Delphi XE dengan sistem operasi Windows 7. Basis data yang digunakan adalah Ms.Access 2007 dengan versi data Ms.Access (*.mdb). Selain itu, model tingkat pengembalian galon untuk mengidentifikasi sebaran data dan pembangkitan data menggunakan perangkat lunak EasyFit 5.5.

MODEL PENGENDALIAN PERSEDIAAN KEMASAN GALON DENGAN MEMPERTIMBANGKAN TINGKAT PENGEMBALIAN DAN PERMINTAAN PRODUK DI PERUM PERHUTANI UNIT III JAWA BARAT DAN BANTEN

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN pada Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor

Oleh Mohammad Arya Wicaksana F34070053

FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011

Judul

: Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian dan Tingkat Permintaan Produk di Perum Perhutani Unit III Jawa Barat dan Banten.

Nama

: Mohammad Arya Wicaksana

NIM

: F 34070053

Menyetujui, Pembimbing,

Dr. Ir. Machfud, MS NIP. 19510321 197803 1 003

Mengetahui : Ketua Departemen,

Prof. Dr. Ir. Nastiti Siswi Indrasti NIP 19621009 198903 2 001

Tanggal Lulus :

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul Model Pengendalian Persediaan Kemasan Galon dengan mempertimbangkan tingkat pengembalian dan permintaan produk di Perum Perhutani Unit III Jawa Barast dan Banten adalah hasil karya sendiri dengan arahan Dosen Pebimbing Akademik, dan belum diajukan dalam bentuk apapun pada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan manapun tidak diterbitkan dan penulis lain telah disebutkan dalam teks dan dicantum dalam Daftar Pustaka di bagian akhir skripsi ini.

Bogor, Juli 2011 Yang membuat pernyataan

Mohammad Arya Wicaksana F 34070053

© Hak Cipta milik Mohammad Arya Wicaksana, tahun 2011 Hak cipta dilindungi

Dilarang mengutip dan memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak. Fotocopy, microfilm, dan sebagainya

BIODATA PENULIS

Mohammad Arya Wicaksana. Lahir di Jakarta, 15 Januari 1990 dari ayah Ferry Firmansyah dan Ibu Amellya, sebagai seorang putra petama dari dua bersaudara. Penulis menamatkan SMA pada tahun 2007 dari SMA Negeri 2 Bogor dan pada tahun yang sama diterima di IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih Program Studi Teknologi Pertanian, Departemen Teknologi Industri Pertanian. Selama mengikuti perkuliahan, penulis aktif dalam berbagai kegiatan termasuk menjadi asisten praktikum Teknik Pengemasan, Distribusi dan Transportasi pada tahun 2009 dan Analisis Dan Sistem Pengambilan Keputusan pada tahun 2011. Pada Tahun 2008 dan 2009 mengikuti lomba Pekan Kreatifitas Mahasiswa dalam bidang penelitian dan dibiayai oleh DIKTI. Selain itu, penulis aktif dalam organisasi mahasiswa dengan menjadi staf di Divisi Agritech BEM Fakultas Teknologi Pertanian pada tahun 2008-2009 dan menjadi Ketua Departemen Profesi Himpunan Mahasiswa Teknik Industri (Himalogin) pada tahun 2009-2010.

KATA PENGANTAR Puji dan Syukur dipanjatkan kehadapan Allah SWT atas izin dan karuniaNya sehingga skripsi ini berhasil diselesaikan. Penelitian dengan judul Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian dan Tingkat Permintaan Produk dilaksanakan di Perum Perhutani Unit III Jawa Barat Dan Banten sejak bulan Maret sampai Juli 2011. Dengan telah selesainya penelitian hingga tersusunya skripsi ini, penulis ingin menyampaikan penghargaan dan terima kasih yang sebesar-besarnya kepada: 1. Dr. Ir Machfud, MS sebagai dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis dalam proses penyusunan skripsi ini sehingga penulis dapat menyelesaikan skripsi ini dengan baik 2. Pimpinan Perum Perhutani Unit III Jawa Barat dan Banten yang telah memberikan kesempatan kepada penulis untuk melakukan penelitian di perusahaan air minum dalam kemasan di Perum Perhutani Unit III Jawa Barat dan Banten 3. Seluruh staf dan pekerja di pabrik Perum Perhutani Unit III Jawa Barat dan Banten yang telah memberikan informasi dan pendamping selama penulis melakukan obeservasi lapangan. 4. Ibunda tercinta Amellya Firmansyah dan Kakak terbaik Annisa Tiara Istriastuti serta keluarga besar yang telah memberikan dukungan, motivasi dan doa yang tulus terutama saat proses penyusunan skripsi ini. 5. Alia Mustika Nur yang selalu menjadi teman berbagi dan memberikan motivasi kepada penulis selama ini. 6. Teman-teman satu bimbingan, yaitu Dimas dan Herga yang telah memberikan banyak masukan dan bertukar pikiran mengenai skripsi ini. 7. Jawa, Agung, Fahri, Faiz, Aw, Iqbal, Ija, dan seluruh keluarga TIN 44 yang telah menjadi teman seperjuangan dan selalu memeberikan inspirasi kepada penulis. 8. Teman-teman BEM FATETA 2008-2009. 9. Teman-teman Himpunan Mahasiswa Teknik Industri IPB periode 2009-2010.

iii

DAFTAR ISI Halaman KATA PENGANTAR ........................................................................................................... iii DAFTAR TABEL.................................................................................................................. iv DAFTAR GAMBAR ............................................................................................................. v DAFTAR LAMPIRAN .......................................................................................................... vi I. PENDAHULUAN ................................................................................................................. 1 II. TINJAUAN PUSTAKA ........................................................................................................ 3 2.1 MANAJEMEN RANTAI PASOK ................................................................................. 3 2.2 REVERSE LOGISTIC ................................................................................................... 4 2.3 PENGENDALIAN PERSEDIAAN................................................................................ 5 2.4 PERENCANAAN PRODUKSI ...................................................................................... 6 2.5 MODEL DAN SIMULASI SISTEM.............................................................................. 6 2.5 TEKNIK HEURISTIK ................................................................................................... 7 2.6 TEKNIK SIMULASI MONTE CARLO ........................................................................ 7 2.7 DISTRIBUSI CAUCHY................................................................................................. 9 2.8 UJI STATISTIK ............................................................................................................. 10 2.9 PENELITIAN TERDAHULU ........................................................................................ 11 III. METODOLOGI ..................................................................................................................... 12 3.1 KERANGKA PEMIKIRAN ........................................................................................... 12 3.2 PENDEKATAN BERENCANA .................................................................................... 13 3.3 TATA LAKSANA.......................................................................................................... 14 IV. PEMODELAN SISTEM ........................................................................................................ 19 4.1 ASUMSI MODEL .......................................................................................................... 19 4.2 KONFIGURASI MODEL .............................................................................................. 20 4.3 KERANGKA MODEL ................................................................................................... 21 4.4 RANCANGAN MODEL ................................................................................................ 23 V. HASIL DAN PEMBAHASAN .............................................................................................. 34 5.1 OBSERVASI LAPANG ................................................................................................. 34 5.2 PRAKIRAAN PERMINTAAN ...................................................................................... 36 5.3 SIMULASI TINGKAT PENGEMBALIAN GALON KOSONG .................................. 38 5.4 ESTIMASI KONDISI PERSEDIAAN GALON ............................................................ 40 5.5 PENGGUNAAN PERANGKAT LUNAK ..................................................................... 43 VI. SIMPULAN DAN SARAN ................................................................................................... 47 6.1 SIMPULAN .................................................................................................................... 47 6.2 SARAN ........................................................................................................................... 48 DAFTAR PUSTAKA ................................................................................................................... 49 LAMPIRAN .................................................................................................................................. 50

DAFTAR TABEL

Tabel 1. Tabel 2. Tabel 3. Tabel 4.

Halaman Parameter pemilihan teknik prakiraan permintaan deret waktu ............................................25 Perbandingan Nilai MAPE berdasarkan metode peramalan .................................................37 Nilai Goodnees of Fit Sebaran Cauchy .................................................................................38 Masukan dan Paramter Model Estimasi Kondisi Perediaan Galon .......................................40

iv iii

DAFTAR GAMBAR Halaman Gambar 1. Proses reverse logistic ........................................................................................................ 5 Gambar 2. Diagram alir simulasi Monte Carlo .................................................................................... 8 Gmabar 3. Fungsi probabilitas sebaran Cauchy ................................................................................... 9 Gambar 4. Fungsi distribusi kumulatif sebaran Cauchy......................................................................10 Gambar 5. Tahapan dalam pendekatan berencana ..............................................................................13 Gambar 6. Diagram alir tahapan penelitian.........................................................................................16 Gambar 7. Kerangka kajian analisis penelitian ...................................................................................18 Gambar 8. Konfigurasi perangkat lunak PMIG 1.0 ...........................................................................20 Gambar 9. Form utama perangkat lunak PMIG 1.0 ............................................................................23 Gambar 10. Diagram alir deskriptif model pengendalian persediaan galon .........................................33 Gambar 11. Grafik permintaan air minum dalam kemasan galon .........................................................36 Gambar 12. Grafik data tingkat pengembalian galon kosong ...............................................................37 Gambar 13. Grafik Perbandingan data aktual tingkat pengembalian dengan data simulasi ..................39 Gambar 14. Form menu utama perangkat lunak PMIG 1.0 ..................................................................43 Gambar 15. Form menu data tingkat pengembalian galon kosong .......................................................43 Gambar 16. Form input data permintaan ..............................................................................................44 Gambar 17. Form model prakiraan permintaan ....................................................................................45 Gambar 18. Form model estimasi kondisi persediaan galon .................................................................45 Gambar 19. Form model penambahan galon kosong ............................................................................46

v iii

DAFTAR LAMPIRAN Halaman Lampiran 1. Data aktual pengiriman produk.........................................................................................51 Lampiran 2. Data aktual tingkat pengembalian galon kosong ..............................................................52 Lampiran 3. Peringkat kesesuaian data aktual tingkat pengembalian dengan sebaran teoritis tertentu 55 Lampiran 4. Hasil simulasi tingkat pengembalian galon kosong ..........................................................56 Lampiran 5. Hasil uji perhitungan median ............................................................................................57 Lampiran 6. Hasil akhir model pengendalian persediaan galon ...........................................................58 Lampiran 7. Hasil penambahan galon kosong ......................................................................................62

vi iii

BAB I PENDAHULUAN

1.1

LATAR BELAKANG

Air minum dalam kemasan semakin populer dikalangan masyarakat dengan sifat kepraktisannya saat dikonsumsi. Dengan adannya air minum dalam kemasan konsumen tidak perlu mengolah air mentah menjadi air minum ketika ingin dikonsumsi. Selain itu, air minum dalam kemasan memiliki mutu yang telah terjamin sesuai dengan persyaratan sebagai air minum konsumsi. Sifat kepraktisan air minum dalam kemasan membantu konsumen dalam hal waktu dan tenaga. Sifat kepraktisan air minum dalam kemasan mampu mendorong peningkatan jumlah konsumen sehingga bisnis air minum dalam kemasan semakin berkembang Perum Perhutani Unit III Jawa Barat dan Banten merupakan perusahaan yang bergerak dalam bisnis air minum dalam kemasan. Perusahaan telah berjalan lebih kurang selama 5 tahun. Perusahaan memproduksi beberapa jenis kemasan, seperti air minum dalam kemasan gelas, botol, dan galon. Manajemen persediaan galon berbeda dengan manajemen persediaan bahan baku atau bahan penolong lainnya. Pengendalian persediaan galon mempertimbangkan kuantitas, kualitas dan waktu pengembalian galon kosong. Kuantitas galon yang keluar dari pabrik dalam bentuk produk akan berbeda dengan kuantitas galon yang diterima industri atau pabrik. Perbedaan ini disebabkan karena selama proses pemasaran, penjualan dan saat konsumsi, sejumlah galon memungkinkan galon mengalami kerusakan atau hilang. Selain itu, waktu pemasaran sampai konsumsi produk memiliki rentan waktu yang sulit diperkirakan sehingga waktu pengembalian galon kosong tidak dapat ditentukan. Ketidakpastian menyebabkan perusahaan sulit dalam mengambilan keputusan untuk mengendalikan persediaan. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Galon kosong yang tersedia di gudang harus mampu memenuhi kebutuhan produksi yang telah direncanakan. Permasalahan ketidakpastian mengakibatkan Perum Perhutani Unit III Jawa Barat dan Banten sering mengalami kerugian hilangnya penjualan atau tuntutan pelanggan dalam ketepatan waktu pemenuhan permintaan. Permasalahan ini membutuhkan solusi kebijakan yang tepat dalam mengendalikan persediaan, seperti berapa jumlah permintaan produk masa yang akan datang, berapa jumlah galon kosong yang akan kembali, berapa tingkat persediaan yang perlu disediakan, kapan dan berapa jumlah galon baru perlu pengadaan serta kapan penarikan galon kosong dari konsumen perlu ditingkatkan. Kebijakan akan berpengaruh terhadap biaya pengadaan persediaan galon yang harus dikeluarkan perusahaan seperti biaya investasi untuk pembelian galon baru. Selain itu, masalah yang dihadapi oleh perusahaan adalah belum adanya suatu perangkat alat bantu pengambilan keputusan untuk mengelola pengadaan galon kosong sehingga proses produksi tidak terhambat dan kebutuhan pelanggan terhadap produk dapat terpenuhi. Persediaan dapat menentukan tingkat likuiditas dan menentukan besar kecilnya laba atau rugi perusahaan. Apabila persediaan terlalu besar dibandingkan dengan kebutuhan maka akan memperbesar biaya serta akan memperkecil keuntungan perusahaan. Sebaliknya, apabila persediaan terlalu kecil dibandingkan kebutuhan maka akan menghambat kegiatan operasional sehingga perusahaan akan merugi. Persediaan kemasan galon menjadi faktor kritis dalam kelancaran produksi sehingga diperlukan manajemen persediaan galon yang baik.

1

1.2

TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah mempelajari faktor-faktor yang berpengaruh terhadap kebijakan perusahaan dalam mengendalikan persediaan galon dan mengembangkan model simulasi pengendalian persediaan galon dengan mengintegrasikan antara tingkat pengembalian galon dengan ketidakpastian yang tinggi dan tingkat permintaan.

1.3

CAKUPAN KAJIAN

Cakupan kajian dalam penelitian ini meliputi persediaan galon dibatasi pada tingkat pabrik dan permintaan produk dibatasi pada tingkat distributor.

1.4

MANFAAT DAN KELUARAN

Manfaat penelitian yang diharapkan dari penelitian ini adalah memberikan masukkan berupa informasi yang dapat dijadikan pertimbangan dalam pengambilan keputusan untuk mengendalikan persediaan galon dengan suatu metode atau aturan tertentu. Aturan ini digunakan untuk mengendalikan galon secara efektif sehingga persediaan dapat tersedia dalam kuantitas yang tepat dan pada waktu yang diperlukan. Keluaran yang dihasilkan dari ini adalah suatu model simulasi pengendalian persediaan galon yang mampu mengintegrasikan antara tingkat pengembalian galon yang memiliki ketidakpastian tinggi dengan tingkat permintaan produk.

2

BAB II TINJAUAN PUSTAKA

2.1

MANAJEMEN RANTAI PASOK

Sejarah perkembangan manajemen rantai pasokan tidak terlepas dari perkembangan manajemen logistik di tahun 1960-1975 yang dikenal sebagai push era. Pada periode tersebut perusahaan membanjiri pasar dengan berbagai produk. Karena persaingan belum tinggi, maka apapun yang dilempar ke pasar dapat terjual. Sejak sekitar tahun 70-an, terjadi perubahan dimana persaingan menjadi semakin ketat yang mengakibatkan pasar lebih menentukan dibandingkan dengan produksi. Manajemen rantai pasokan sendiri secara konsep sudah lama dikemukakan, namun mulai sukses dipakai pada akhir 80-an ketika banyak perusahaan terdesak untuk menerapkan sistem logistik terintegrasi (Widjaja, 2000). Rantai pasokan terdiri dari seluruh organisasi yang terlibat baik secara langsung maupun tak langsung, dalam memenuhi kebutuhan konsumen. Rantai pasokan tidak hanya meliputi perusahaan dan pemasok, tetapi juga transportasi, penggudangan, distributor, dan konsumen itu sendiri. Tujuan utama dari rantai pasokan adalah memuaskan kebutuhan pelanggan, dan bagi perusahaan adalah untuk mendapatkan keuntungan. Aktivitas rantai pasokan dimulai dari permintaan konsumen dan berakhir ketika pelanggan atau konsumen telah terpuaskan (Chopra dan Meindl, 2004). Manajemen rantai pasok merupakan filosofi manajemen berkelanjutan untuk mencari dan mengkolaborasikan sumber fungsi bisnis yang kompeten, baik dari internal atau eksternal perusahaan, sehingga terciptanya suatu sistem pasokan yang berkompetitif tinggi dan memperhatikan kebutuhan pelanggan. Sistem pasokan yang fokus pada pengembangan solusi inovatif dan sinkronisasi aliran produk, jasa dan informasi untuk menciptakan sumber nilai pelanggan yang bersifat unik (Widjaja, 2000). Manajemen rantai pasok merupakan pendekatan untuk mengintegrasikan supplier, pengusaha, gudang dan tempat penyimpanan lainnya secara efisien sehingga produk yang dihasilkan sesuai dengan jumlah atau kuantitas yang tepat, lokasi tepat dan waktu tepat untuk meminimalisasi biaya dan memuaskan kebutuhan pelanggan (Simichi, 2000). Manajemen rantai pasok memiliki peranan sebagai alat untuk memaksimalkan persaingan dan keuntungan bagi perusahaan termasuk pelanggan dan konsumen akhir. Pemasok, perusahan transportasi dan penggudangan, distributor dan konsumen merupakan objek-objek yang berperan dalam kegiatan manajemen rantai pasok. Objek-objek ini akan berkolaborasi menjadi suatu sistem guna untuk mencapai tujuan dari manajemen rantai pasok. Terdapat 4 aktivitas penting dalam rantai pasok: 1. Pembelian: Supply base reduction, supplier alliances, SRM, Strategic sourcing, green sourcing, VMI. 2. Operasi dan Produksi: Demand management, CPFR, Inventory management, MRP (Master Requirment Planning) ERP (Enterprise Requirement Planning), RFID, Lean Systems, Six Sigma quality. 3. Distribusi: Logistics management, CRM, Security, network design, global supply chains, service response logistic, green logistic. 4. Integration: Integration activities and problem,risk management, performance measurement.

3

Peralatan fungsional yang dimiliki sistem manajemen rantai pasok adalah: 1. Manajemen permintaan Perangkat peralatan dengan menggunakan teknik-teknik peramalan secara statistik. Perangkat ini dimaksudkan untuk mendapatkan hasil peramalan yang lebih akurat. 2. Perencanaan dan pengendalian agregat Suatu peralatan dalam rangka menciptakan taktik perencanaan jangka menengah dan panjang berikut keputusan-keputusan menyangkut sumber yang harus diambil dalam rangka melengkapi jaringan pasok. 3. Manajemen transportasi Suatu fungsi yang berkaitan dengan proses pendistribusian produk dalam rantai pasok. 4. Distribusi dan pembangunan Suatu alat perencanaan yang menyeimbangkan dan mengoptimalkan jaringan distribusui pada waktu yang diperlukan. Dalam hal ini, Vendor Managed Inventory dijadikan pertimbangkan dalan rangka optimasi. 5. Perencanaan produksi Perencanaan produksi dan jadwal penjualan menggunakan taraf yang dinamis dan teknik yang optimal. 6. Available to promise Tanggapan yang cepat dengan mempertimbangkan alokasi, produksi dan kapasitas teransportasi serta biaya dalam keseluruhan rantai pasok. 7. Model Rantai Pasok Perangkat dalam bentuk model yang dapat digunakan secara mudah guna menngarahkan serta mengontrol rantai pasok. Melalui model ini, mekanisme kerja dari konsep rantai pasok dapat diamati. 8. Optimasi Optimasi merupakan jantung dari sistemmanajemen rantai pasok.

2.2

REVERSE LOGISTIC

Reverse logistic merupakan bentuk logistik baru yang aliran barangnya berbalik dari pelanggan atau distributor ke produsen dan bertentangan dengan tradisional logistik. Reverse logistic terjadi akibat adanya beberapa produk kehilangan nilai pakai jelas seperti kemasan, kehilangan fungsi seperti produk rusak, sulit untuk dijual di pasar umum, seperti kelebihan stok, atau harus dikembalikan untuk beberapa alasan karena cacat, semuanya harus dikembalikan atau mengalir terbalik dari hilir ke hulu dalam rantai pasok (Jun-Ji, 2008). Dapat dilihat proses reverse logistic pada Gambar 1. `

4

Materi Baru

Gambar 1. Proses reverse logistic Proses langsung logistik

K L I E N

Pasokan

MateriAntisipasi

Produksi

Distribusi

K L I E N

Proses Kembali logistik Tempat Penjualan dan Konsumsi Matarial

Gambar1. Proses reverse logistic (Sumber: Roggers and Tibben Lembeke,1995) Reverse logistic memiliki sifat ketidakpastian yang tinggi. Jun-Ji (2008) memaparkan bahwa ada empat karakteristik utama yang menyebabkan ketidakpastian yaitu tempat tidak pasti, waktu tidak pasti, alasan tidak pasti, distribusi pelanggan tidak pasti, dan pembuangan tidak pasti. Manajemen harus mampu bekerja secara fleksibel dan lincah dalam beroperasi karena adanya ketidakpastian tersebut. Reverse logistic memerlukan investasi biaya yang besar dan sumber daya yang mumpuni yang mempengaruhi setiap cara.

2.3

PENGENDALIAN PERSEDIAAN

Rangkuti (2002) memaparkan bahwa persediaan merupakan sejumlah bahan-bahan, bagianbagian yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi permintaan dari konsumen atau langganan setiap waktu. Handoko (1997) mengemukakan bahwa persediaan merupakan sejumlah sumberdaya organisasi yang disimpan dalam antisipasinya terhadap pemenuhan permintaan. Keberadaan persediaan berkaitan dengan faktor waktu, faktor ketidakpastian, faktor diskontinuitas, dan faktor ekonomi. Pada pengendalian persediaan ada dua alternatif keputusan yang dapat diambil, yaitu jumlah setiap kali pemesanan dan kapan pemesanan itu harus dilakukan. Prinsip dari persediaan yaitu mempermudah atau memperlancar jalannya operasi perusahaan pabrik yang harus dilakukan secara berturut-turut untuk memproduksi barang-barang, serta selanjutnya menyampaikan kepada para pelanggan atau konsumen. Persediaan memungkinkan produk-produk dihasilkan pada tempat yang jauh dari pelanggan dan atau sumber bahan mentah (Rangkuti, 2002). Proses mengendalikan persediaan merupakan kegiatan yang berhubungan dengan perencanaan, pelaksanaan, dan pengawasan penentuan kebutuhan material sedemikian rupa sehingga di satu pihak kebutuhan operasi dapat dipenuhi pada waktunya dan di pihak lain investasi persediaan material dapat ditekan secara optimal (Indrajit dan Djokopranoto,2003). Johns dan Harding (1996) mengemukakan tujuan pengendalian persediaan adalah meminimalkan investasi dalam sediaan, namun tetap konsisten dengan penyediaan tingkat pelayanan yang diminta, sedangkan fungsi utama dikemukakan oleh Starr dan Miller (1986) yaitu menjamin bahwa fungsi produksi tidak dihambat oleh kekurangan bahan baku yang diperlukan dan untuk

5

menjamin bahwa pengembangan prosedur untuk mendapatkan dan menyimpan bahan persediaan yang diperlukan telah dilaksanakan dengan biaya minimum. Rangkuti (2002) mengemukakan beberapa tujuan diadakannya mulai dari bahan baku sampai barang jadi antara lain: 1. Menghilangkan resiko keterlambatan datangnya barang. 2. Menghilangkan resiko barang yang rusak. 3. Mempertahankan stabilitas operasi perusahaan. 4. Mencapai penggunaan mesin yang optimal. 5. Memberi pelayanan yang sebaik-baiknya bagi konsumen. Menurut Handoko (2000), fungsi-fungsi persediaan adalah sebagai berikut: 1. Fungsi “Decoupling” Fungsi ini memberikan peluang perusahaan untuk dapat memenuhi permintaan langganan tanpa tergantung pada supplier. Fungsi ini disebut juga dengan istilah fluctuation stock. Persediaan bahan mentah diadakan agar perusahaan tidak akan sepenuhnya tergantung pada pengadaannya dalam hal kuantitas dan waktu pengiriman. 2. Fungsi “Economic Lot Sizing” Fungsi ini dapat mengurangi biaya per-unit produk dengan membeli sejumlah sumber daya dalam kuantitas yang lebih besar sehingga mendapatkan potongan harga atau diskon. akan tetapi terkadang dapat meningkatkan biaya investasi, biaya penggudangan dan risiko kerusakan. 3. Fungsi Antisipasi Fungsi ini digunakan untuk menghadapi fluktuasi permintaan yang dapat diramalkan berdasarkan pengalaman atau data masa lalu karena adanya ketidakpastian jangka waktu tertentu terhadap permintaan barang-barang selama periode tertentu.

2.4

PERENCANAAN PRODUKSI

Perencanaan produksi merupakan salah satu fungsi manajemen. Gasperz (2002) berpendapat bahwa perencanaan produksi merupakan suatu proses penetapan tingkat output secara keseluruhan guna memenuhi tingkat penjualan yang direncanakan dan persediaan yang diinginkan. Handoko (2000) berpendapat bahwa kegiatan perencanaan produksi dimulai dengan melakukkan peramalan untuk mengetahui terlebih dahulu apa dan berapa barang yang perlu diproduksi pada waktu yang akan datang. Assauri (1993) mengemukakan bahwa tujuan perencanaan produksi yaitu untuk mencapai tingkat keuntungan tertentu, untuk menguasai pasar tertentu sehingga hasil atau output perusahaan ini tetap mempunyai pangsa pasar tertentu, untuk mengusahakan dan mempertahankan agar permasalahan supaya perusahaan dapat bekerja pada tingkat efisiensi tertentu dan untuk mengusahakan dan mempertahankan agar pekerja dan kesempatan kerja yang sudah ada tetap pada tingkatnya dan berkembang.

2.5

MODEL DAN SIMULASI SISTEM

Model merupakan penyederhanaan terhadap kondisi atau keadaan nyata pada sistem dan bergantung pada tujuan pembuatan model itu sendiri. Ketika model yang digunakan berbentuk model komputer dan sistem yang dikaji bersifat dinamis, maka simulasi dapat didefinisikan sebagai imitasi dari sistem melalui model komputer yang ditunjukan untuk mengevaluasi serta meningkatkan kinerja sistem (Harrel,et al 2004).

6

Secara umum, pemodelan ditunjukan untuk membuat suatu lingkungan eksperimen sehingga eksperimen dapat dilakukkan terhadap model tersebut seaolah-olah eksperimen dilakukan terhadap sistem nyata. Ada sejumlah kelebihan penggunaan sistem simulasi beserta kondisi penggunaan sistem tersebut. Kondisi yang sesuai bagi pengguna simulasi sebagai alat bantu pemecahan masalah seperti permasalahan atau keputusan yang akan dibuat bersifat operasional, permasalahan terdefinisikan dengan baik dan bersifat repetitive, dan aktivitas serta kejeadian bersifat saling bergantung satu sama lain serta berubah-ubah. Kelebihan pemodelan dan simulasi sistem dibandingkan dengan metode lain yaitu mampu menangkap faktor saling ketergantungan dalam sistem, mampu memperhitungkan variabilitas dalam sistem, cukup mampu memodelkan sistem dengan karakterisik apapun, menunjukan prilaku sistem dari waktu ke waktu, dalam hal biaya murah dan lebih cepat dalam hal waktu apabila dibandingkan dengan melakukan eksperimen terhadap sistem nyata dan tidak menimbulkan risiko terhadap sistem nyata jika ternyata eksperimen menimbulkan kondisi yang tidak diinginkan.

2.6

TEKNIK HEURISTIK

Teknik heuristik merupakan pengembangan dari operasi aritmatika dan matematika logika. Secara umum ciri teknik heuristik adalah adanya operasi aritmatika (penjumlahan, pengurangan, perkalian, dan pembagian), adanya perhitungan yang bertahap dan tahapannya terbatas sehingga dapat dibuat algoritma komputernya. Menurut Thierauf dan Klekamp dalam Hadisaputra (1994), program heuristik merupakan titik pandang dalam perancangan tugas pemrosesan informasi yang kompleks. Pada program heuristik ini tidak terdapat suatu model yang baku, sehingga tiap permasalahan menggunakan program heuristik yang spesifik. Penggunaan teknik heuristik memiliki banyak alasan diantaranya adalah teknik heuristik mempermudah atau menyederhanakan lingkungan dari pembuat keputusan sehingga memungkinkan dengan cepat tanpa tergantung pada jumlah jalan dimana setiap keputusan dapat dibuat. Banyak permasalahan kompleks, walaupun inti permasalahan dapat dibuat pola kerja matematikanya, akan tetapi kebutuhan perhitungannya tidak layak, bahkan menggunakan komputer besar sekalipun. Perencanaan dan penentuan kebijaksanaan-kebijaksanaan sangat sulit untuk dikuantitatifkan dan mempunyai struktur yang kurang baik, sehingga model matematika tidak mencerminkan karakter yang terpenting. Meskipun model matematika dapat digunakan, tahapan pemodelan harus jelas sehingga dapat dimengerti oleh orang lain yang menggunakannya.

2.7

TEKNIK SIMULASI MONTE CARLO

Menurut Watson dan Blackstone (1989), permasalahan yang rumit dalam pemilihan kebijaksanaan pengendalian persediaan, umumnya disebabkan adanya ketidakpastian. Sifat ketidakpastian tersebut disebabkan oleh keragaman yang tidak berpola akibat fenomena alamiah yang tidak konsisten. Simulasi merupakan duplikasi atau abstraksi dari persoalan dalam kehidupan nyata ke dalam model matematik (Subagyo,1992). Simulasi berkenaan dengan percobaan untuk menaksir suatu tingkah laku (perangai) dari sistem nyata untuk maksud perancangan sistem atau pengubahan tingkah laku sistem. Sistem dapat dibedakan dalam dua keadaan, yaitu berdasarkan keadaan deterministik lawan yang stokastik atau probabilistik dan berdasarkan waktu antara yang statik lawan yang dinamik. Simulasi stokastik menyangkut distribusi peluang dari beberapa atau semua variabel dan parameter.

7

Simulasi tidak dapat dipisahkan dengan unsur ketepatan. Simulasi menunjukan suatu estimasi statistik, dibandingkan hasil eksak dan cenderung hanya merupakan suatu perbandingan dari berbagai alternatif untuk mencapai titik optimum. Hillier dan Lieberman (1974) mengemukakan bahwa metode simulasi Monte Carlo merupakan simulasi teknik pengambilan contoh (sampling) yang diterapkan pada populasi teoritis. Metode ini mencakup penetapan distribusi peluang dari peubah dan menarik contoh secara acak (probabilistik) kemudian dirata-ratakan. Ada beberapa cara membangkitkan nilai acak dari Monte Carlo yang merupakan cara terbaik terutama untuk distribusi diskrit yang empiris. Bilangan acak berguna untuk membangkitkan nilai yang memiliki sebuah distribusi probabilitas yang dapat mewakili data secara nyata. Metode ini dapat digunakan untuk simulasi baik bersifat stokastik maupun yang deterministik. Watson dan Blackstone (1989) mengatakan simulasi monte carlo merupakan simulasi yang menggunakan distribusi peluang dengan penarikan contoh secara acak, dimana jenis distribusi peluang tersebut diantaranya yaitu distribusi normal, eksponensial, poisson, binomial, dan sebagainya. Bentuk distribusi peluang suatu kejadian perlu dilakukan uji distribusi. Diagram alir simulasi Monte Carlo dapat dilihat pada Gambar 2

Parameter

Pembangkit Bilangan Acak

Cetak Variabel Acak

Pembangkit Variabel Acak/Distribusi Peluang

n=N

ya Selesai

tidak N = n +1

Gambar 2. Diagram Alir Simulasi Monte Carlo (Sumber : Gottfried, 1984) Pengujian nilai kecukupan simulasi digunakan perhitungan dengan menggunakan rumus sebagai berikut (Gottfried, 1984):

=

2

( (

)

)

Dimana : N = Panjang hari simulasi n

= Jumlah data pengamatan = standar deviasi pengamatan =standar deviasi pada tingkat kepercayaan tertentu.

Dalam simulasi Monte Carlo terdapat dua bagian yaitu bilangan acak dan variabel acak, yaitu: 1. Pembangkit bilangan acak Bilangan acak biasa digunakan dalam pengembangan simulasi. Pembangkit bilangan acak dapat dilakukan dengan menggunakan fungsi standar randomize. Fungsi standar ini merupakan suatu fungsi untuk menghasilkan bilangan acak denagn nilai yang lebih besar atau sama dengan nol dan lebih kecil dari satu.

8

2.

2.8

Pembangkit Variabel Acak Pembangkit variabel acak ini menggunakan metode transformasi invers, berdasarkan pola distribusi dari data sampel pengamatan. Oleh karena itu data sampel pengamatan harus diuji dulu distribusinya. Distribusi sampel harus mewakili distribusi secara statistik tidak berbeda nyata.

DISTRIBUSI CAUCHY

Distribusi Cauchy atau yang sering diketahui adalah distribusi Lorentz, fungsi Lorentz atau distribusi Breit-Wigner. Distribusi Cauchy merupakan distribusi yang tidak memiliki rata-rata, varian atau lebih tinggi dari yang didefinisikan. Modus dan mean didefinisikan dengan baik dan keduanya sama dengan X0. Ketika U dan V merupakan dua independen terdistribusinormal variabel dengan nilai harapan 0 dan varian 1 sehingga ratio U/V memiliki standard distribusi cauchy. Jika X 1, … ,Xn adalah independen dan terdistribusi identik variabel acak, masing-masing dengan distribusi Cauchy standar, maka sampel mean ( X1 + … + Xn) /n memiliki standar Cauchy distribusi yang sama (median sampel, yang tidak dipengaruhi oleh nilai-nilai ekstrim, dapat digunakan sebagai ukuran tendensi). Distribusi Cauchy merupakan distribusi probabilitas dibagi tak terhingga. Ini juga merupakan sangat stabil. Distribusi Cauchy standar bertepatan dengan distribusi t-Student’s dengan satu derajat kebebasan. Seperti semua distiribusi stabil, skala keluarga lokasi yang distribusi Cauchy adalah univariat distribusi saja yang tertutup dibawah transformasi fraksional linear dengan koefisien nyata. Distribusi Cauchy memiliki fungsi kepadatan probabilitas:

Dimana X0 adalah parameter lokasi yang menentukan lokasi puncak distribusi dan adalah parameter skala yang menetukan nilai tengah dan lebar maksimum. Selain itu juga sama dengan setengah rentang kuartil dan sering disebut dengan kemungkinan kesalahan Cauchy. Fungsi probabilitas sebaran Cauchy dapat dilihat pada Gambar 3.

Gambar 3. Fungsi Probabilitas Sebaran Cauchy (Sumber :Wikipedia)

9

Fungsi distribusi kumulatif dari sebaran Cauchy dapat dilihat pada Gambar 4 dan rumus fungsi sebagai berikut:

Gambar 4. Fungsi Distribusi Kumulatif Sebaran Cauchy (Sumber :Wikipedia)

2.9

UJI STATISTIK

Pendekatan simulasi yang dilakukan akan mewakili keadaan nyata jika adanya persamaan parameter antara kedua populasi yang sama. Apabila parameter kedua populasi tidak sama, maka diperlukan evaluasi terhadap hasil simulasi. Pengujian statistik diperlukan untuk mengetahui benar atau salahnya suatu hipotesis terhadap populasi (Sumantri, 1990).

2.9.1

Uji Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov merupakan uji statistik yang bertipe Godness of Fit, dimana penarikan terhadap suatu sampel acak akan diuji apakah suatu sampel tersebut ditarik berdasarkan suatu distribusi tertentu seperti distribusi normal, distribusi Weibull, distribusi eksponensial, dan lainlain. Hipotesis nol merupakan distribusi pengamatan tidak berbeda nyata atau sesuai dengan distribusi teoritis. Tes Kolmogrov-Smirnov memperhatikan pada terjadinya penyimpangan terbesar yang dinotasikan dengan D. Nilai dapat dihitung dengan persamaan sebagai berikut: D = Maksimum | F (X) – SN (X) | dimana : F(X) = fungsi distribusi frekuensi kumulatif teoritis. SN (X) = fungsi distribusi frekuensi kumulatif yang diobservasi dari suatu sampel random.

2.9.1 Uji Anderson-Darling Uji Anderson-Darling digunakan untuk menguji apakah data berasal dari populasi yang mengikuti distribusi khusus. Adapun rumusan hipotesis untuk uji Anderson-Darling adalah sebagai berikut: H0 :Data mengikuti distribusi khusus. H1 : Data tidak mengikuti distribusi khusus. 10

Bila ada n pengamatan diurutkan x(i), maka EDF Fn(x) didefinisikan sebagai:

Fn( X ) 

N ( x ( i )  x) , i  1, 2,3,..., n n

dimana N(x(i) ≤ x) adalah jumlah pengamatan berurut yang kurang dari atau sama dengan x. Untuk n pengamatan diurutkan x(i), statistik uji Anderson-Darling adalah:

A2  n  1n i1 (2i  1) ln Fo( x ( i ))  ln 1  Fo( x ( n  1  i ))  n

Nilai A2 hasil perhitungan ini dibandingkan nilai kritis yang besarnya adalah 1.092, 0.787, dan 0.656 untuk sebesar 1%, 5%, dan 10% dengan scaling factor (1 + 4/n – 25/n2), dimana n adalah jumlah pengamatan.

2.9.2 UJI MEDIAN Sudjana (2005) memaparkan bahwa uji median merupakan uji statistic non parametik yang digunakan untuk data bebas distribui atau tidak berdistribusi normal. Pengujian hipotesis digunakan uji chi-kuadrat dengan kontingensi 2X2. Hipotesis yang digunakan : Ho: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang sama. Hi: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang beda.

2.10

PENELITIAN TERDAHULU

Hernajad (1994) membuat model estimasi lamanya waktu kerusakan mesin dan memberikan informasi dini terhadap jumlah persediaan produk minuman botol berdasarkan estimasi kerusakan mesin dan prakiraan permintaan konsumen di PT DBBC Jakarta. Estimasi lama kerusakan mesin produksi dan prakiraan jumlah permintaan konsumen dilakukkan menggunakan teknik simulasi. Model ini memberikan informasi dini kondisi jumlah dan tingkat persediaan produk. Model ini tidak memperhitungkan faktor ketersediaan botol kosong yang diperlukan untuk produksi. Hadisaputra (1994) membuat model estimasi kondisi darurat persediaan produk gudang pusat di PT DBBC Jakarta. Paket program mengeluarkan informasi berupa jumlah permintaan per periode, tingkat persediaan produk, jumlah stok botol, jadwal produksi taiap lini, peringatan ketersediaan botol kosong. Informasi ini memberikan sinyal bahwa adanya hubungan erat antara jumlah kembalian botol, jumlah permintaan dan jadwal produksi tiap lini terhadap tingkat persediaan. Akan tetapi program ini tidak mempertimbangkan ketersediaan botol kosong dalam periode waktu harian sehingga tidak menggambarkan keadaan perediaan botol kosong yang sebenarnya. Junaidi (1998) membuat model sistem penunjang keputusan estimasi persediaan botol minuman ringan di PT PCIB. Model ini mengolah data runtun waktu masa lalu tentang permintaan pengiriman produk untuk memberikan informasi prakiraan tingkat permintaan dari produk yang dianalisa dan mengestimasi kondisi persediaan produk dan botol. Teknik estimasi persediaan botol kosong menggunakan simulasi sebaran normal sedangkan permintaan produk dilakukkan dengan teknik deret waktu pemulusan winter. Model ini memberikan informasi jumlah permintaan produk, tingkat persediaan produk dan botol, kebutuhan botol, kembalian botol kosong dan periode kekurangan persediaan botol. Akan tetapi model ini tidak memberikan informasi aktual kondisi persediaan botol kosong harian.

11

BAB III METODOLOGI

3.1

KERANGKA PEMIKIRAN

Manajemen rantai pasok merupakan salah satu alat bersaing di industri, mulai dari pasokan bahan baku, bahan tambahan, kemasan, pasokan produk akhir ke tangan konsumen hingga bahan yang kembali ke pabrik (reuse). Perusahaan perlu menerapakan manajemen rantai pasok yang baik, terutama untuk perusahaan yang menggunakan kembali salah satu bahan sebagai input produksi selanjutnya. Perusahan perlu mengeluarkan kebijakan yang tepat dengan tujuan agar kegiatan produksi tidak terhambat akibat adanya kekurangan persediaan sehingga perusahaan merugi. Selain itu, apabila persediaan terlalu besar dibandingkan dengan kebutuhan maka akan memperbesar biaya serta akan memperkecil keuntungan perusahaan. Kelancaran proses produksi air minum kemasan galon di Perum Perhutani Unit III Jawa Barat dan Banten sangat dipengaruhi oleh ketersediaan galon kosong di pabrik. Ketersediaan galon kosong harus mampu memenuhi kebutuhan produksi. Permasalahan timbul ketika pabrik perlu menarik kembali galon kosong dari konsumen dalam kuantitas yang tak tentu, tidak terjaminnya kualitas galon yang dapat digunakan kembali dan waktu pemakaian galon sulit diprediksi. Ketidakpastian kuantitas, waktu dan kualitas menyebabkan perusahaan sulit dalam mengambilan keputusan untuk mengendalikan persediaan. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Kelancaran pengembalian galon kosong sangat mempengaruhi penyediaan kemasan galon kosong. Selain itu, belum adanya suatu alat bantu untuk mengelola pengadaan jumlah galon kosong maka perusahaan sering mengalami kesulitan dalam pengadaan dan berimplikasi pada proses produksi terhambat dan kebutuhan pelanggan terhadap produk tidak dapat terpenuhi. Pada penelitian ini, penyusunan model dilakukan dengan pendekatan berencana yang dimulai dengan observasi lapang, identifikasi masalahan, pengumpulan data yang diperlukan, analisis data, perancangan model dan implementasi serta verifikasi. Model yang dikembangkan merupakan model simulasi dengan mempertimbangkan tingkat permintaan dan tingkat pengembalian galon kosong. Tingkat permintaan terhadap produk dimasa mendatang dapat diramalkan dengan suatu teknik peramalan deret berkala (time series) dan tingkat pengembalian galon kosong dapat diprakirakan dengan mensimulasikannya sesuai dengan sebaran data. Model diimplementasikan dan diverifikasi dalam perangkat lunak. Keluaran dari model simulasi diharapkan memberi masukan bagi manajer produksi dan pihak manajemen persediaaan dalam mengambil alternatif kebijakaan berdasarkan informasi mengenai jumlah permintaan produk, tingkat persediaan produk, galon kosong yang kembali, periode kekurangan produk serta galon kosong dan waktu dilakukkan pengadaan galon kosong beserta kuantitasnya. Selain itu, model mampu mengestimasi jumlah persediaan di gudang secara efektif dan efisien sehingga tidak terjadi kelebihan atau kekurangan produk dan galon kosong.

12

3.2

PENDEKATAN BERENCANA

Pendekatan yang dilakukkan dalam penelitian ini menggunakan pendekatan berencana. Pendekatan berencana digunakkan untuk mengembangkan dan menerapkan model-model kuantitatif dalam pemecahan masalah-masalah spesifik. Tahapan dalam pendekatan berncana dimulai dengan pengamatan awal gejala permasalahan yang timbul, sedangkan metode penyelesaian disesuaikan dengan tujuan, peubah, batasan dan asumsi-asumsi dari alternatif solusi permasalahan yang ada. Pada Gambar 5 dapat dilihat secara garis besar langkah-langkah dalam pendekatan berencana. Data yang diperlukan

Tahapan pemecahan

Teknik yang digunakan

masalah

Faktor, ide, pendapat dan lain-lain

Observasi terhadap gejala Permasalahan dan masalah

Pendefinisian masalah yang nyata

Informasi dari seluruh sumber yang diperlukan

Data empiris seluruhnya

Data empiris

Pengembangan alternatif penyelesaian berdasarkan

Peralatan standar (metode, teknik dan model)

Pengembangan model minimasi

pada faktor yang mempengaruhi

Pemilihan penyelesaian optimum berdasarkan analisa alternatif

Alat bantu komputer

Verifikasi dari solusi optimum (model) melaui implementasi

Perbuatan kendali yang sesuai untuk deteksi perubahan yang dipengaruhi oleh solusi

Gambar 5. Tahapan dalam Pendekatan Berencana (Sumber: Thierauf dan Klekamp, 1975)

13

Tahapan pendektan berencana yang dilakukan pada penelitian adalah sebagai berikut: 1. Observasi Lapang Observasi lapang digunakan untuk mengetahui permasalahan yang terjadi secara nyata berupa fakta. Observasi merupakan pandangan selintas atau terkonsentrasi, terperinci, dan panjang lebar berdasarkan keperluan atas permasalahan persediaan yang sedang dipelajari. Dalam tahap ini dicari fakta-fakta, opini dan gejala yang mengarah terhadap permasalahan yang dapat membantu mengembangkan pemahaman terhadap permasalahan persediaan, sehingga masalah dapat diidentifikasi dengan baik. Cara yang dilakukkan dengan mengajukan beberapa pertanyaan: apa, dimana, kapan, siapa, bagaimana dan mengapa. 2. Perumusan Masalah Perumusan suatu permasalahan yang nyata merupakan suatu interaksi yang efektif dari faktafakta yang ada, yaitu: prosedur persediaan yang sedang dilakasanakan dengan pemahaman permasalahan berdasarkan alasan-alasan yang ada atau nyata. Tahap ini dapat menentukan faktorfaktor dan parameter yang mempengaruhi permasalahan yang ada seperti variabel-variabel yang berpengaruh terhadap kebijakan, kendala-kendala terhadap penyelesaian masalah, serta asumsi-asumsi yang diperlukan untuk menyelesaikan permasalahan. 3. Pengembangan Alternatif Penyelesaian Pengembangan alternatif-alternatif penyelesaian merupakan pengembangan alternatif-alternatif sebagai suatu rangkaian aksi atau penyelesaian sementara dari permasalahan persediaan yang nyata. Dalam tahap ini dilakukan perumusan model-model matematika yang merupakan hipotesa-hipotesa penyelesaian sementara. Setiap pengembangan model matematika melaului tahap analisis data serta kendala yang ada di perusahaan. 4. Pemilihan Penyelesaian Optimal Pemilihan penyelesaian optimal melalui tahap alternatif keputusan yang berdasarkan suatu analisis data dengan bantuan komputer. 5. Verifikasi Model Verifikasi solusi optimal dilakukan dengan penerapan solusi tersebut pada sistem melalui tahap implementasi.

3.3

TATA LAKSANA

Diagram alir tahapan penelitian dapat dilihat pada Gambar 6 dan kerangka kajian analisis penelitian dapat dilihat pada Gambar 7. Penguraian dari tiap tahapan penelitian sebagai berikut : 1.

Observasi Lapang dan Studi Pustaka Observasi lapang dilakukan dengan mengamati langsung kegiatan pengendalian persediaan galon dan perencanaan produk`si di Perusahaan Umum Perhutani Unit III Jawa Barat dan Banten. Waktu penelitian dilakukan selama kurang lebih dua bulan terhitung bulan Maret sampai dengan bulan April 2010. Studi pustaka dilakukan untuk mempelajari sistem pengendalian persediaan galon yang diterapkan di perusahaan. 2. Identifikasi Masalah Permasalahan utama yang terjadi diperusahaan dalam pengendalian kemasan galon adalah kekurangan galon kosong untuk mencukupi kebutuhan produksi yang diakibatkan kebijakan perusahaan yang tidak memiliki persediaan stok galon kosong. Ketiadaan stok galon kosong menyebabkan perusahaan tidak mampu memenuhi kebutuhan permintaan konsumen pada periode tertentu atau konsumen mengalami penundaan pemenuhan permintaan. Selain itu, belum adanya 14

suatu perangkat alat bantu pengambilan keputusan untuk mengelola pengadaan galon kosong sehingga proses produksi terhambat dab kebutuhan pelanggan terhadap produk tidak dapat terpenuhi. 3.

Pengumpulan data Pengumpulan data dilakukan pada bagian yang melakukan perencanaan produksi dan pengendaliaan persediaan yaitu bagian produksi dan bagian penggudangan. Pengumpulan data dilakukan melalui data sekunder dan observasi di lapangan secara langsung serta wawancara dengan pihak-pihak terkait dengan pengendalian persediaan galon dan perencanaan produksi. Data yang dikumpulkan berupa data permintaan (sales order), data galon yang kembali ke pabrik, data galon yang didistribusikan ke distributor atau konsumen, data persediaan produk, dan data galon yang rusak, kapasitas produksi, waktu produksi, waktu pemesanan galon kosong. Data yang diperlukkan dalam periode waktu bulan Januari sampai Maret 2011. 4. Pengolahan dan Analisis data Persediaan kemasan galon dirumuskan dalam bentuk persamaan matemasika dan diimplementasikan dalam suatu perangkat lunak perhitungan. Pada pengembangan model digunakan teknik penelitian operasional yaitu teknik simulasi untuk membangkitkan nilai dari tingkat pengembalian galon kosong (rasio) berdasarkan sebaran data mengikuti suatu sebaran teoritis tertentu. Data prakiraan permintaan dapat diperoleh dengan menggunakan teknik peramalan. Data yang dijadikan masukkan model pengendalian persediaan adalah data permintaan (sales order), data galon yang kembali ke pabrik, data galon yang didistribusikan ke distributor dan konsumen, data galon setelah produksi, data persediaan akhir galon, data produksi aktual galon setelah produksi pada tiap periode. data galon yang cacat pada saat produksi dan saat pengembalian dari distributor dan konsumen. 5. Perancangan Model Pada perancangan model, input model berupa data permintaan atau pengiriman produk, data pengembalian galon kosong, data persediaan produk. Output yang akan dihasilkan berupa prakiraan permintaan harian produk,tingkat persediaan produk, tingkat pengembalian galon kosong tiap periode dan kekurangan galon kosong (rasio). Output ini akan memberikan alternatif dalam pengadaan galon kosong untuk mengantisipasi kekurangan galon kosong untuk kebutuhan produksi. 6. Implementasi dan Verifikasi Pada tahap implementasi hasil perancangan sistem diimplementasikan dalam bentuk program komputer menggunakan pemrograman Delphi 7 sebagai perangkat lunak user interface dan Ms.Acces digunakan sebagai perangkat lunak basis data. Verifikasi model dengan membandingkan perilaku model yang dihasilkan dengan keadaan aktual dari persediaan galon dengan keadaan aktual di pabrik atau industry.

15

Mulai

Pengamatan Lapangan dan Studi Pustaka

Pengambilan Data

Pengolahan dan Analisis Data

Perancangan Model

Tidak

Implementasi Model

Verifikasi Model

Baik Ya Model Pengendalian Persediaan Galon Selesai

Gambar 6. Diagram Alir Tahapan Pelaksanaan Penelitian

16

Mulai

Data Permintaan Produk

Data Pengembalian Galon Kosong

Analisis Pola Data : Plot Data per periode hari

Tingkat Pengembalian TP= Data Pengembalian/ Data Pengiriman

Uji Distribusi Data (EasyFit 5.5)

Pemilihan Teknik Perkiraan

H0: data berdistribusi teoritis tertentu

Model Peramalan Permintaan

Uji Kolmogrov Sminorv Hasil Prakiraan Permintaan Tidak

Terima H0 Ya Uji Anderson Darling

Terima Nilai Error (MAPE)

Terima H0

Ya

TIdak

Ya

Model Estimasi Prakiraan Permintaan

Tidak Estimasi Tingkat Pengembalian Galon Menggunakan Simulasi Teoritis

Estimasi Prakiraan Permintaan menggunakan Pemulusan Eksponensial Tunggal

Estimasi Tingkat Pengembalian Galon Meggunakan Simulasi empiris Model Estimasi Kondisi Persediaan

A

17

A

Model Estimasi Kondisi Persediaan

Input : Persediaan Produk, Kapasitas Produksi, Target Kerusakan Galon, Galon Kosong Kembali, Target Penyimpangan Perencanaan Periksa Stok Produk Terhadap Permintaan

Hitung kekurangan Produk

Estimasi Permintaan Produksi

Periksa Galon Kosong Kembali

Realisasi Produksi

Hitung Stok Akhir Produk

Hitung produk yang dapat dikirim

Estimasi Galon Kosong kembali

Hitung kekurangan galon kosong

Selesai

Gambar 7. Kerangka Kajian Analisis Penelitian

18

BAB IV PEMODELAN SISTEM

4.1

ASUMSI PERHITUNGAN MODEL

Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi ini yang digunakan antara lain : 1. Model pengendalian persediaan galon yang dilakukan terhadap satu ukuran galon yaitu galon dengan ukuran 19 liter. 2. Perhitungan hal-hal yang terdapat dalam model antara lain: estimasi jumlah permintaan per periode waktu, tingkat persediaan produk, estimasi kekurangan produk, estimasi produksi, realisasi produksi, pengiriman produk, tingkat pengembalian galon kosong, jumlah galon kosong yang kembali, kekurangan galon kosong, dan penambahan galon kosong serta antisipasi galon kosong 3. Ruang lingkup pemodelan hanya dalam rentang bulan Januari – Maret 2011. 4. Model pengendalian persediaan galon dikembangkan dalam periode harian. 5. Periode estimasi dilakukkan sebanyak 91 periode mendatang. 6. Pengendalian persediaan galon terbatas pada satu areal pabrik, sedangkan kondisi persediaan di gudang distribusi dan pemasaran tidak dipertimbangkan sebagai kajian dalam model. 7. Mesin-mesin, fasilitas dalam proses produksi, dan keadaan alat transportasi galon diasumsikan tidak terdapat gangguan. 8. Kegiatan produksi dilakukkan satu minggu selama 6 hari waktu kerja. 9. Kegiatan produksi dilakukkan dalam satu shift atau 8 jam waktu kerja, overtime dilakukan maksimal satu shift 10. Kapasitas produksi dalam satu shift kerja yaitu 800 buah galon atau setara dengan 1500 liter. 11. Pengiriman produk dan pengembalian galon kosong dilakukkan setiap hari. 12. Kerusakan atau reject galon diasumsikan 0,1 % dari total produksi yang dihasilkan dalam waktu satu shift kerja. 13. Estimasi penyimpangan pengiriman dari prakiraan permintaan diasumsikan 1%.

4.2

KONFIGURASI MODEL

Model pengendalian persediaan galon diberi nama PMIG 1.0 merupakan program aplikasi yang berguna untuk membantu perusahaan dalam mengambil kebijakan pengendalian persediaan galon dengan mempertimbangkan tingkat pengembalian galon dan permintaan terhadap produk. PMIG 1.0 terdiri dari sistem manajemen basis data, sistem manajemen basis model, dan sistem manajemen dialog. Pengembangan bahasa pemrograman menggunakan Borland Delphi 7.0 untuk pengembangan sistem, Microsoft Accsess 2007 untuk pengembangan tabel data, dan menggunakan perangkat lunak easy fit 5.5 untuk mengidentifikasi dan mensimulasikan data. Konfigurasi model dapat dilihat pada Gambar 8.

19

Pengguna Sistem Manajemen Dialog Sistem Pengolahan Problematik

Sistem Manajemen Basis Data

Sistem Manajemen Basis Model 1

Basis 1. Data Pengiriman 2. Data Pengembalian 3. Data Tingkat Pengembalian Galon Kosong 4. Data Persediaan Produk

2 4

Sub Model Tingkat Pengembalian Galon Kosong

Sub Model Prakiraan Permintaan

Konstanta Model

Konstanta Model

Hasil Estimasi

Hasil Prakiraan

EasyFit 3 Dokumentasi Data dan Hasil

Sub Model Estimasi Kondisi Persediaan Tingkat Persediaan Hasil Estimasi

Gambar 8. Konfigurasi Perangkat Lunak PMIG 1.0

4.3

KERANGKA MODEL

Kerangka model terdiri dari sistem manajemen dialog, sistem manajemen basis data dan sistem manajemen model yang terdiri dari beberapa sub model yaitu: 4.3.1

Sistem Manajemen Dialog

Sistem ini merupakan model yang berfungsi untuk mengatur interaksi antara pengguna dengan perangkat lunak sehingga dalam penggunaannya sesuai dengan fungsi. Pengaturan keluaran perangkat lunak dibuat dalam bentuk tabel dan kotak teks (textbook) yang mudah digunakan oleh pengguna. 4.3.2

Sistem Manajemen Basis Data

Sistem ini berfungsi untuk mengelola data-data yang diperlukan dalam perangkat lunak tersebut. Kelengkapan pengelolaan data, penghapusan data, perubahan data, dan tampilan data.

20

4.3.3

Sistem Manajemen Basis Model

Sistem ini terdiri dari model-model matematika yang digunakan untuk megelola data sehingga diperoleh solusi akhir yang diinginkan. Model-model tersebut memiliki fungsi tertentu dan saling berhubungan terdiri dari : 1.

Model Prakiraan Permintaan Produk Model ini digunakan untuk memprakirakan jumlah permintaan produk selama periode estimasi. Input data dari model ini adalah data pengiriman produk. Teknik estimasi yang disediakan metode peramalan deret waktu (time series). Penggunaan teknik prakiraan disesuaikan dengan pola data dan model prakiraan yang memiliki nilai persentase kesalahan absolut rata-rata (MAPE) terkecil. Output dari model ini menjadi masukan untuk model estimasi keadaan persediaan galon.

2.

Model Tingkat Pengembalian Galon Kosong Model ini menggunakan perangkat lunak easy fit 5.5 dengan mensimulasikan rasio tingkat pengembalian galon kosong dengan membandingkan antara pengembalian galon kosong dengan pengiriman produk pada periode tertentu. Model ini dimulai dengan mengidentifikasi jenis sebaran data dari nilai rasio tertentu apakah mengikuti sebaran teoritis tertentu atau tidak lalu disimulasikan berdasarkan sebaran data yang telah teridentifikasi. Input model ini adalah data pengiriman produk dan data pengembalian galon kosong. Output model ini menjadi masukan untuk model estimasi keadaan persediaan galon.

3.

Model Estimasi Kondisi Persediaan Galon Model estimasi ini mensimulasikan kondisi persediaan produk dan galon kosong di gudang Perum Perhutani Unit III Jawa Barat dan Banten jika dilakukan kebijakan persediaan tertentu. Input data dari model ini adalah data prakiraan permintaan, hasil estimasi rasio tingkat pengembalian galon kosong, estimasi kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. Model terdiri dari tujuh sub model yaitu:

3.1

Sub Model Tingkat Persediaan Produk Sub model ini berfungsi untuk menghitung tingkat persediaan produk pada setiap periode estimasi. Hasil perhitungan ini menunjukan jumlah persediaan produk di gudang setelah terpenuhinya permintaan produk pada periode sekarang. Sub model akan memberikan informasi mengenai jumlah persediaan yang tersedia sebagai input untuk mengestimasi kekurangan produk dalam model estimasi kekurangan galon. Apabila tingkat persediaan minus menandakan bahwa stok produk periode sebelumnya tidak mencukupi permintaan pada periode sekarang. Persediaan produk ditentukan oleh banyaknya stok produk yang tersedia di gudang. Pengiriman produk ke gudang distributor dan kebocoran produk saat penyimpanan.

3.2

Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengestimasi jumlah produk yang tidak mampu memenuhi permintaan pada periode sekarang atau periode mendatang. Sub model memberikan perintah untuk dilakukan rencana produksi minimal sejumlah kekurangan

21

produk tersebut. Output dari sub model akan memberikan masukan kepada model estimasi produksi untuk dilakukkan rencana produksi. 3.3

Sub Model Estimasi Produksi Sub model ini berfungsi sebagai rencana produksi oleh bagian produksi dengan mempertimbangkan estimasi kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Selain itu, sub model memberikan informasi banyaknya jumlah galon kosong yang diperlukan untuk berproduksi. Semakin besar jumlah kekurangan produk maka semakin besar produk yang harus dihasilkan dan semakin banyak pula galon kosong yang diperlukan. Output sub model ini menjadi input untuk sub model realisasi produksi.

3.4

Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Sub model ini mensimulasikan jumlah produk yang akan dihasilkan bagian produksi. Realisasi produksi ditentukan oleh banyak atau sedikitnya galon kosong yang kembali pada setiap produk. Input sub model ini adalah jumlah produk yang harus diproduksi dari model estimasi produksi dengan jumlah stok galon kosong yang kembali pada periode sebelumnya. Output sub model ini menjadi masukan untuk model pengiriman produk.

3.5

Sub Model Pengiriman Produk Sub model ini menghitung jumlah produk yang siap dikirim per periode. Pertama sub model akan menghitung rencana jumlah pengiriman produk dengan mengalikan prakiraan permintaan dengan estimasi penyimpangan prakiraan permintaan. Setelah itu, sub model akan membandingkan antara nilai rencana jumlah pengiriman produk terhadap stok produk, stok awal ditambah denganproduk dari produksi. Nilai yang lebih kecil akan digunakan sebagai produk yang siap dikirim untuk periode tersebut. Output sub model ini menjadi masukan untuk model stok produk dan sub model estimasi pengembalian galon kosong.

3.6

Sub Model Stok Produk Sub model ini berfungsi untuk menghitung jumlah stok produk pada tiap akhir periode estimasi. Nilai stok diperoleh dari jumlah stok produk di awal periode ditambah dengan hasil produksi dikurangi volume produk yang dikirim ke gudang cabang dan estimasi kerusakana atau kebocoran galon. Output sub model ini menjadi masukan bagi sub model tingkat persediaan dan sub model pengiriman produk.

3.7

Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk mengestimasi jumlah kosong yang akan kembali pada periode estimasi. Banyak atau kecilnya estimasi galon kosong yang kembali bergantung pada rencana pengiriman produk. Sub model ini didapatkan dari perkalian antara rasio tingkat pengembalian galon kosong dengan jumlah produk yang akan dikirimkan pada periode tersebut. Rasio tingkat pengembalian galon kosong didapatkan dari hasil simulasi dengan sebaran data tertentu yang disimpan dalam basis data yang merupakan output dari sub model tingkat pengembalian galon kosong. 22

3.8

Sub Model Kekurangan Galon Kosong Sub model ini berfungsi menghitung kekurangan galon kosong untuk produksi yang didapatkan dari selisih antara volume galon kosong yang dibutuhkan untuk produksi dengan volume galon kosong yang kembali jika volume galon kosong kembali lebih kecil dari volume galon kosong yang dibutuhkan.

3.9

Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong. Kelebihan galon diperoleh apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kelebihan galon kosong dihitung dari selisih antara kapasitas produksi yang terpasang dikurangi dengan estimasi jumlah produksi.

4.4

RANCANGAN MODEL

4.4.1

Sistem Manajemen Dialog

Sistem digunakan untuk mempermudah pengguna dalam melakukan pengolahan data dengan memasukan data-data dari pengguna serta untuk menyampaikan solusi yang dihasilkan pengolahan perangkat lunak kepada pengguna. Dialog dibuat sebaik mungkin agar memudahkan interaksi antara pengguna dengan model. Tampilan program dapat dilihat pada Gambar 9.

Gambar 9. Form Utama Perangkat Lunak PMIG 1.0

23

4.4.2

Sistem Manajemen Basis Data

Sistem Manjemen basis data terdiri dari dua modul yaitu untuk menyiman data dan untuk menyimpan paramenter evaluasi data. 4.4.2.1 Modul Data Modul ini menyimpan data dari jumlah pengiriman produk, jumlah pengembalian galon kosong, data hasil estimasi prakiraan permintaan dan data hasil simulasi tingkat pengembalian galon kosong. 4.4.2.2 Modul Parameter Parameter yang dimasukan dalam model ini adalah data terbaru saat dilakukan estimasi, parameter jumlah periode yang akan diestimasi, estimasi kerusakan atau kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. 4.4.3

Sistem Manajemen Basis Model

Model dikembangkan dalam tiga model yaitu model prakiraan permintaan, model tingkat pengembalian galon kosong dan model estimasi kondisi persediaan galon. Model prakiraaan permintaan berfungsi sebagai acuan untuk menyusun rencana produksi. Prakiraan permintaan dapat dijadikan acuan dalam penentuan tingkat persediaan, pengiriman produk dan kebutuhan galon kosong untuk produksi. Model prakiraan permintaan memberikan beberapa metode untuk menghitung perkiraan jumlah permintaan masa depan dengan menggunakan data historis pengiriman galon isi. Model estimasi kondisi persediaan galon berfungsi untuk menggambarkan keadaan nyata mutasi galon mulai dari kedatangan galon kosong atau penambahan galon baru, produksi, sampai dengan persediaan galon isi. Model ini memperhitungkan tingkat persediaan produk, kekurangan produk, estimasi permintaan produksi, realisasi produksi, pengiriman produk, hasil produksi, estimasi galon kembali, kekurangan galon kosong, dan stok produk. Diagram alir yang menggambarkan keterkaitan antara model dan sub model dapat dilihat pada Gambar 10. 1.

Model Prakiraan Permintaan Galon Isi Model ini berfungsi untuk memprediksi jumlah permintaan produksi dari konsumen. Model memprakirakan permintaan dalam periode harian dengan menggunakkan data historis pengiriman sebanyak 91 hari dari tanggal 2 Januari 2011 sampai dengan tanggal 2 April 2011. Model akan mengestimasi prakiraan permintaan sebanyak 91 periode mendatang. Dalam model ini akan disediakan beberapa metode pemulusan seperti, perataan bergerak tunggal, eksponensial tunggal, eksponensial ganda dan metode winters. Pemilihan teknik prakiraan permintaan dapat dilihat dari pola data yang terbentuk. Tabel 1 menunjukan cara pemilihan teknik prakiraan permintaan berdasarkan pola data yang terbentuk.

24

Tabel 1. Parameter Pemilihan Teknik Prakiraan Permintaan Deret Waktu Pola Data Perataan Perataan Perataan Metode Winters Bergerak Eksponensial Eksponensial Tunggal Tunggal Ganda Kerandoman Acak/Berpola Acak/Berpola Acak / Bepola Berpola/ Tidak Dapat Ditentukan Stasioner Non Stasioner Linear Non Stasioner Non Linear Non Stasioner Musiman

Ya

Tidak

Tidak

Ya

Ya

Tidak / Ya

Ya

Ya

Tidak / Ya

Tidak Tidak

Tidak

Tidak

Tidak

Ya

Ya

Pertama, data historis diplotkan dalam grafik lalu dibaca sesuai dengan pola data yang terbentuk. Teknik peramalan perataan bergerak tunggal dipilih apabila pola data yang terbentuk stasioner. Teknik perataan bergerak tunggal dipilih karena mampu mengubah pengaruh data masa lalu terhadap nilai tengah. Setiap muncul nilai observasi baru, nilai ratarata baru dapat dihitung dengan membuang nilai observasi yang paling tua dan memasukkan nilai observasi yang terbaru. Jika pola data menunjukan kecenderungan (trend) atau membentuk deret eksponensial, digunakan peramalan dengan teknik pemulusan eksponensial tunggal dan teknik pemulusan eksponensial ganda. Sedangkan apabila pola data menunjukan pola data tertentu dan adanya pengaruh musiman ataupun tidak dapat ditentukan pola datanya maka metode winters dapat digunakan. Setelah pemilihan teknik peramalan yang sesuai dengan pola data terbentuk maka nilai estimasi X(t) = nilai peramalan F(t+m). 1.1

Metode Perataan Bergerak Tunggal (SMA) Langkah-langkah pemodelan dengan metode perataan bergerak tunggal adalah: a. b.

Penentuan panjang periode perataan bergerak N, banyak data m prakiraan . Perhitungan rata-rata data T-n+1 sampai data ke t, S

ST  c.

Xt  Xt  1  Xt  2  ...  Xt  N  1 N

Tentukan peramalan data ke t dengan m =1 dengan persamaan

Ft  1  ST atau MAT 1.2

Metode Pemulusan Eksponensial Tunggal (SES) Langkah-langkah pemodelan dengan metode pemulusan eksponensial tunggal adalah: a.

Penentuan nilai konstanta alfa ( ) antara 0 sampai 1, banyak data m prakiraan

b.

Inisiasi F 1  X 1  X 2  X 3  X 4  X 5  X 6 6

25

c.

Perhitungan peramalan (F(t)) : Ft 1   X t  1    Ft atau Ft   X t 1  1    Ft 1 Ft 1  Ft    X t  Ft  atau Ft 1  Ft     t 

dimana, Ft = Nilai peramalan = Konstanta Pemulusan t

1.3

= Kesalahan (error)

Metode Pemulusan Eksponensial Ganda (Holt’s Method) Langkah-langkah pemodelan dengan merode pemulusan eksponensial (Holt‟s Method) adalah: a.

Penentuan nilai konstanta alfa ( ) dan beta ( ), banyak data m prakiraan

b.

Inisiasi nilai F1 =X1 dan b1 = X2-X1

c.

Perhitungan pemulusan:

St   X t  1    St 1  bt 1  bt    St  St 1   1    bt 1 dimana, St = Pemulusan Keseluruhan bt = Pemulusan Trend d. 1.4

Perhitungan Peramalan F(t) : Ft  m  St  bt (m)

Metode Winters Langkah-langkah pemodelan dengan metode winters adalah : a. Penentuan nilai konstanta alfa ( ), beta ( ),dan gamma ( ), banyak data m prakiraan _

b.

_

Inisiasi nilai I t  X t / X , X 

L

X i 1

bawal 

c.

i

/ L , dan

 X  X1   , S  X 1   X L1  X 1   X L 2  X 2      L L   L1 L 1 L L L L 

Perhitungan pemulusan St  

Xt  1    St 1  bt 1  It L

bt    St  St 1   1    bt 1 It  

Xt  1    I t  L St

dimana, St = Pemulusan Keseluruhan bt = Pemulusan Trend It = Pemulusan Musiaman d.

Perhitungan Peramalan F  (S  b m) I tm t t t Lm

26

2.

Model Tingkat Pengembalian Galon Kosong

Model ini akan mensimulasikan rasio tingkat pengembalian yang didapatkan dari perbandingan antara jumlah galon kosong yang kembali dengan jumlah produk yang dikirim. Pertama hitung rasio tingkat pengembalian dari data historis jumlah pengembalian galon kosong dari konsumen atau distributor dan data historis jumlah pengiriman produk. Setelah dihitung nilai rasio dari data historis maka nilai tersebut diidentifikasi menurut sebaran teoritis tertentu. Kemudian pembangkitan data menggunakan teori simulasi monte carlo dengan menggunakan bantuan program EasyFit 5.5 sebanyak data yang diperlukan. 3.

Model Kondisi Persediaan Galon Model Kondisi Persediaan galon terdiri dari banyak sub bab yaitu :

3.1

Sub Model Tingkat Persediaaan Sub model berfungsi untuk mengetahui tingkat persediaan yang ada di gudang apabila kebutuhan permintaan periode sekarang telah terpenuhi. Input dari sub model ini adalah prakiraan permintaan pada setiap periode dan jumlah persediaan produk pada periode sebelumnya. Output yang dihasilkan merupakan selisih antara jumlah persediaan produk pada periode sebelumnya dengan jumlah prakiraan permintaan pada periode sekarang. Kondisi persediaan tingkat persediaan diperoleh dengan menggunakan persamaan 1. TPP(t) = SGI(t-1) – PP(t) .................................................(1) dimana, TPP(t) = Tingkat persediaan galon isi pada periode ke-t SGI(t-1) = Volume stok galon isi satu periode sebelum periode ke-t PP(t) = Prakiraan permintaan periode pada periode ke-t (galon/hari)

3.2

Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengetahui kekurangan sejumlah produk yang tidak mampu mencukupi permintaan pada periode estimasi. Estimasi kekurangan produk dibagi ke dalam dua kondisi. Kondisi pertama untuk periode 6, 13, 20 dan kelipatannya, dimana periode estimasi pada hari sabtu. Kondisi kedua untuk periode selain 6, 13, 20 dan kelipatannya, dimana periode estimasi berada pada hari senin, selasa, rabu, kamis, dan jumat. Output sub model ini akan menjadi input bagi sub model estimasi permintaan produksi. Sub model dapat ditulis pada persamaan 2, 3, 4, dan 5. Untuk t < > 6, 13, 20…dst. Jika TPP(t) >= 0 maka EKP(t) = “0” ................................................................(2) Jika TPP(t) < 0 maka EKP(t) = |TPP(t)|...............................................................(3) Untuk t = 6, 13, 20…dst. Jika TPP(t) >= PP(t+1) maka EKP(t) = “0” ..........................................................(4) Jika TPP(t) < PP(t+1) maka EKP(t) = PP(t+1) – TPP(t) ...........................................(5) dimana, EKP(t) = Estimasi kekurangan produk pada periode ke-t PP(t+1) = Prakiraan permintaan pada satu periode setelah periode ke-t

27

3.3

Sub Model Estimasi Permintaan Produksi Sub model ini berfungsi untuk memberikan perintah kepada bagian produksi untuk memproduksi minimal sejumlah produk berdasarkan kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Pada periode ke 7 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga estimasi produksi tidak dilakukan atau bernilai nol. Output model ini akan menjadi input bagi model realisasi produksi. Sub model ini dituliskan dengan persamaan 6, 7, dan 8. Untuk t = 7, 14, 21…dst. EPP(t) = “0” ......................................................................................................(6) Untuk t < > 7, 14, 21…dst. Jika EKP(t) > = GKK(t-1) + KeGK(t-1) maka EPP(t) =EKP(t) ...............................(7) Jika EKP(t) < GKK(t-1) + KeGK(t-1) maka EPP(t) = GKK(t-1) + KeGK(t-1) .........(8) dimana, EPP(t) = Estimasi permintaan produksi periode ke-t EKP(t) = Estimasi kekurangan produk periode ke-t GKK(t-1) = Galon kosong yang kembali satu periode sebelum periode ke-t KeGK(t-1) = Estimasi kelebihan galon kosong satu periode sebelum periode ke-t

3.4

Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Setelah dilakukkan penyesuaian maka jumlah produk yang harus diproduksi sesuai dengan penyesuaian tersebut. Pada periode ke 7, 14 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga realisasi produksi tidak dilakukan. Sedangkan periode ke 8, 15, 22 dan kelipatannya merupakan hari senin. Output sub model ini merupakan jumlah produk yang akan dihasilkan dan akan menjadi masukan bagi sub model pengiriman produk dan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 9, 10, 11, 12, dan 13. Untuk t = 7, 14, 21…dst. RP(t) = “0” ........................................................................................................(9) Untuk t = 8, 15, 22…dst. Jika EPP(t) > = 1600 maka RP(t) = 1600 ...........................................................(10) Jika EPP(t) < 1600 maka RP(t) = EPP(t) + GKK(t-2) ..........................................(11) Untuk t < > 7, 14, 21…dst dan t < > 8, 15, 22 dst. Jika EPP(t) > = 1600 maka RP(t) = 1600 ...........................................................(12) Jika EPP(t) < 1600 maka RP(t) = EPP(t) .............................................................(13) dimana, RP(t) = Realisasi produksi pada periode ke-t GKK(t-2) = Estimasi galon kosong kembali dua periode sebelum periode ke- t

28

3.5

Sub Model Pengiriman Produk Sub model ini berfungsi untuk pengiriman produk yang siap untuk dikirim ke distributor atau konsumen. Sub model ini bergantung pada jumlah prakiraan permintaan dan kecukupan stok akhir setelah produksi untuk memenuhi jumlah permintaan pengiriman. Sub model ini dapat dituliskan dengan persamaan 14 dan 15. Jika PP(t) * (1-Est. Pen) > = RP(t) + SGI(t-1) maka MPP(t) = RP(t) + SGI(t-1) ........(14) Jika PP(t) * (1-Est. Pen) < RP(t) + SGI(t-1) maka MPP(t) = PP(t)*(1- Est. Pen) ..... (15) dimana, MPP(t) = Model pengiriman produk pada periode ke-t SGI(t) = Stok Produk pada periode ke-t Est. Pen = Persentase penyimpangan pengiriman produk dari prakiraan permintaan.

3.6

Sub Model Stok Produk Sub model ini berfungsi untuk menghitung total stok produk akhir setelah penambahan produk yang dihasilkan dengan stok produk periode sebelumnya dan dikurangi dengan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 16. SGI(t) = (SGI(t-1) + RP(t) – MPP(t)) *(1- Est. Bocor) .......................(16) dimana, SGI(t) = Stok produk pada periode ke-t RP(t) = Relalisasi produksi pada periode ke-t Est.Bocor = Persentase kemungkinan produk akan bocor selama penyimpanan.

3.7

Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk memprakirakan galon kosong yang akan kembali ke pabrik. Pengembalian galon kosong sangat bergantung pada hasil simulasi dari tingkat pengembalian galon kosong. Sub model ini dapat dituliskan dengan persamaan 17. GKK(t) = TP(t) *( PP(t)*(1- Est. Pen)) .................................(17) dimana, GKK(t) = Galon Kosong yang kembali pada periode ke-t TP(t) = Tingkat pengembalian galon kosong pada periode ke-t

3.8

Sub Model Kekurangan Galon Kosong Sub model ini berfungsi untuk menghitung kekurangan galon kosong berdasarkan estimasi permintaan produksi. Pada periode 7, 14 dan kelipatannya tidak ada aktivitas produksi, sehingga tidak ada kekurangan galon kosong untuk produksi. Sub model ini dapat dituliskan dengan persamaan 18 dan 19. Untuk t <> 7, 14, 21…dst. KGK(t) = EPP(t) - GKK(t-1) ................................................................................(18) Untuk t = 7, 14, 21…dst. KGK(t) = “0” ....................................................................................................(19) dimana, KGK(t) = Kekurangan galon kosong pada periode ke-t EPP(t) = Estimasi produksi pada periode ke-t

29

3.9

Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kapasitas pabrik yang terpasang adalah 1600. Sub model ini dapat dituliskan dengan persamaan 20 dan 21 Jika EPP(t) >1600 maka KeGK(t) = EPP(t) – 1600 ............................................(20) Jika EPP(t) < 1600 maka KeGK(t) =”0” ............................................................(21) dimana, KeGK(t) = Kelebihan galon kosong pada periode ke-t EPP(t) = Estimasi produksi pada periode ke-t

30

Mulai

Data Permintaan Produk

Data Pengembalian Galon Kosong

Analisis Pola Data : Plot Data per periode hari

Tingkat Pengembalian TP= Data Pengembalian/ Data Pengiriman

Pemilihan Teknik Perkiraan

Uji Distribusi Data (EasyFit 5.5)

Model Peramalan Permintaan

H0: data berdistribusi teoritis tertentu Uji Kolmogrov Sminorv

Hasil Prakiraan Permintaan

Ya Tidak Terima H0

Terima Nilai Error (MAPE)

Uji Anderson Darling

Terima H0

Ya

TIdak

Ya

Model Estimasi Prakiraan Permintaan

Estimasi Tingkat Pengembalian Galon Menggunakan Simulasi Teoritis

Estimasi Prakiraan Permintaan menggunakan Pemulusan Eksponensial Tunggal

Model Estimasi Kondisi Persediaan

Tidak

Estimasi Tingkat Pengembalian Galon Meggunakan Simulasi empiris

A

31

A

Mulai Stok Awal Produk Jumlah Galon Kosong Kembali Estimasi Kerusakan Galon Estimasi Penyimpangan Pengiriman

Data Permintaan Produk PP(t) Periksa Tingkat Persediaan Produk TPP(t) = SGI(t-1) – PP(t) Estimasi Kekurangan Produk (t mod 7) = 6

Ya

TPP(t) < PP(t+1)

Tidak Ya TPP(t) < 0 Ya

Tidak Tidak

EKP =|TPP(t)|

EKP(t) = PP(t+1) – TPP(t)

EKP =”0"

Est. Permintaan Produksi If (t mod 7)=0 then

Ya

EPP(t) = „0‟

Ya

EPP(t) =EKP(t).

Tidak EKP(t) > = GKK(t-1) + KeGK(t-1) Tidak EPP(t) = GKK(t-1) + KeGK(t-1) Ya RP(t) = “0"

Ya

Realisasi Produksi If (t mod 7)=0

Tidak Realisasi Produksi If (t mod 7)=1

Ya

Tidak EPP(t) > = 1600

EPP(t) > = 1600

Tidak

Ya Ya

RP(t) = 1600

RP(t) = EPP(t) + GKK(t-2)

RP(t) =EPP(t)

C

B

32

C

B

Pengiriman Produk PP(t) * (1-Est. penyimpangan) > = RP(t) + SGI(t-1)

Tidak

MPP(t) = PP(t)*(1- Est. penyimpangan)

Ya

MPP(t) = RP(t) + SGI(t-1)

Galon Kosong Kembali GKK(t) = TP(t) *( PP(t)*(1- Est. penyimpangan))

Stok Galon SGI(t) = (SGI(t-1) + RP(t) – MPP(t)) *(1- Est. Kebocoran Galon) Next t

Selesai

Gambar 10. Diagram Alir Deskriptif Model Pengendalian Persediaan Galon

33

BAB V HASIL DAN PEMBAHASAN

5.1

OBSERVASI LAPANG

Perum Perhutani Unit III Jawa Barat dan Banten merupakan salah satu perusahaan yang memproduksi air minum dalam kemasan. Perusahaan memproduksi berbagai jenis kemasan, salah satunya adalah kemasan galon. Perum perhutani memiliki satu areal pabrik air minum dalam kemasan dan satu gudang distribusi. Letak pabrik dan gudang distribusi tidak berada dalam satu lokasi, pabrik berada di Sentul Bogor dan gudang distribusi berada di Bandung. Pemilihan lokasi pabrik berdasarkan kedekatan dengan sumber mata air, sedangkan pemilihan gudang distribusi berdasarkan kedekatan dengan target pasar. Gudang pusat berada di dalam satu areal pabrik, dimana terdapat gudang produk dan gudang galon kosong. Kemasan galon digunakan secara berulang-ulang. Setelah produk di konsumsi oleh konsumen maka galon kosong akan ditarik kembali oleh pabrik dengan tujuan untuk memproduksi kembali air minum dalam kemasan dan kembali didistribusikan ke konsumen. Perusahaan melayani penjualan langsung ke konsumen ataupun melewati distributor. Produk sebagian besar dikirimkan ke gudang distribusi dan sebagian dikirimkan langsung ke konsumen sesuai dengan jumlah permintaan. Pengiriman produk dilakukkan bersamaan dengan kedatangan galon kosong. Pengiriman produk dilakukan setelah pengiriman galon kosong ke pabrik. Dengan demikian jumlah galon kosong kembali ke pabrik ditentukan oleh banyaknya galon kosong yang berhasil dikumpulkan kembali oleh distributor, kapasitas angkut yang tersedia dan jumlah galon kosong yang dikirimkan oleh distributor. Pengiriman produk ke tempat distributor berdasarkan permintaan dari bagian pemasaran. Jumlah pengiriman produk dilakukan dengan mempertimbangan jumlah pemesanan konsumen, sedikitnya persediaan di tempat distributor adanya ketersediaan produk di gudang pusat. Pengiriman produk langsung ke konsumen ada yang sifatnya permintaan rutin atau tidak rutin. Perputaran galon dimulai dari gudang pusat ke bagian produksi kemudian kembali ke gudang dalam bentuk produk Gudang kemudian mendistribusikan produk ke gudang distributor atau konsumen. Pengangkutan produk dan galon kosong menggunakan truk dan mobil angkutan. Pengiriman produk dan galon kosong dilakukkan setiap hari termasuk hari minggu. Ketersediaan galon kosong merupakan faktor yang sangat berperan dalam perencanan produksi sehingga secara langsung menentukan pula jumlah pengiriman dan distribusi produk. Galon menjadi faktor yang sangat penting karena sifatnya yang dapat digunakan secara berulang. Terdapat dua kepentingan yang membutuhkan galon, pihak konsumen atau distributor ketersediaan produk atau galon isi sangat penting sedangkan pihak pabrik membutuhkan galon kosong yang kembali dari konsumen untuk diproduksi kembali. Ketersediaan galon kosong menjadi pembatas volume produksi, penjadwalan produksi dan rencana pengiriman produk ke gudang distribusi. Oleh karena itu, kelancaran produksi dan distribusi sangat ditretukan oleh kelancaran perputaran galon. Ketersediaan galon kosong dipengaruhi pengembalian galon kosong. Pengembalian galon kosong setiap periode berbeda-beda. Kekurangan galon kosong untuk produksi sering terjadi karena ketidakpastian pengembalian galon kosong. Perusahaan pernah terjadi kekurangan galon kosong akibat dari perusahaan hanya mengandalkan galon kosong yang kembali dari konsumen sebagai rencana produksi. Selama ini, perusahaan melakukan pembelian galon baru berdasarkan kekurangan dengan membeli galon kosong kurang lebih 500 galon per bulan untuk mengantisipasi kekurangan galon kosong.

34

Kondisi kekurangan galon kosong menyebabkan keterlambatan proses produksi atau penjadwalan produksi tidak teratur sehingga akan terjadi keterlambatan pemenuhan permintaan atau terjadinya stok out dalam pelayanan di tingkat kosumen. Dampak dari stok out dapat berakibat pada kerugian dengan kehilangan potensi keuntungan akibat lost sales dan kehilangan keuntungan di masa depan akibat dari kehilangan pelanggan yang berpindah pada produk lain. Ketidaktersedianya galon kosong juga mengakibatkan sering terjadi kegiatan produksi diluar waktu shift kerja atau dapat dikatakan penjadwalan produksi tidak teratur. Kegiatan produksi dilakukkan selama 6 hari waktu kerja. Target produksi perusahaan berdasarkan kapasitas optimal pabrik akan tetapi berdasarkan sumber daya yang dimiliki dan permintaan pasar maka perusahaan berproduksi sesuai dengan jumlah galon kosong yang kembali pada periode sebelumnya. Selain itu perusahaan melakukan estimasi produksi berdasarkan tingkat persediaan dan kekurangan produk. Kapasitas produksi yaitu 800 produk per shift, satu shift berdurasi 8 jam waktu kerja. Overtime kerja selama 1 shift kerja atau apabila dijumlahkan satu hari kerja perusahaan mampu memproduksi maksimal 1600 produk per hari. Kerusakan galon sering terjadi pada saat transportasi dan dapat teridentifikasi ketika galon dalam bentuk produk yang tersimpan dalam gudang. Sesuai dengan prosedur, produk di karantina selama sehari untuk mengetahui apakah galon mengalami kebocoran atau tidak. Galon yang bocor terlihat dari kurangnya volume air dalam produk. Jumlah kerusakan galon per hari dapat diasumsikan 0.01 % dari total produk yang di karantina Dari hasil observasi lapang ini kemudian disusun model rencana persediaan, tingkat pengembalian galon kosong dan pemilihan teknik peramalan permnitaan yang sesuai. Model ini disusun untuk memberikan informasi bagi perencana persediaan galon dalam mengestimasi kebutuhan galon kosong sesuai dengan kebutuhan permintaan. Model diaplikasikan dalam bentuk perangkat kunak dengan konfigurasi mengikuti struktur model sistem basis data, model sistem basis model, danmodel manajemen dialog. Tingkat persediaan produk merupakan selisih antara stok persediaan produk periode sebelumnya dari gudang dengan permintaan konsumen pada periode sekarang. Persediaan produk akan bertambah jika produk yang diterima dari hasil produksi lebih besar dari pada yang dikirim pada tiap periodenya. Permintaan pengiriman produk berdasarkan permintaan dari distributor dan konsumen, ketersediaan persediaan terdapat di gudang distributor dan ketersediaan produk di gudang pusat. Jumlah permintaan dapat dipengaruhi dari faktor dalam dan dari faktor luar perusahaan. Faktor dari dalam perusahaan adalah kemampuan bagian pemasaran untuk menjual produk ke konsumen, kemampuan pemasaran untuk menjalin kerjasama dengan perusahaan atau pabrik untuk memasok produk secara rutin, jaringan distribusi yang tersedia dan kemampuan bagian persediaan dan produksi untuk memenuhi kebutuhan permintaan terhadap produk. Faktor dari luar perusahaan adalah selera dan kecenderungan konsumsi pasar, tingkat persaingan dengan produk air kemasan galon lain dan kondisi perekonomian. Permintaan produk dan pengembalian galon kosong tidak dapat dikendalikan secara langsung oleh perusahaan karena bersifat probabilistik. Perencanaan persediaan disusun dengan membuat prakiraan permintaan produk dan estimasi galon kosong yang akan kembali pada periode selanjutya. Prakiraan permintaan produk dilakukkan dengan menggunakan metode peramalan deret waktu dan estimasi galon kosong yang akan kembali digunakan metode simulasi sesuai dengan sebaran data yang teridentifikasi.

35

Metode peramalan deret waktu digunakan untuk memprakirakan permintaan masa yang akan datang berdasarkan data penjualan masa lalu dan kondisi sekarang. Metode peramalan deret waktu tidak mempertimbangkan faktor penyebab dan faktor peubah dari pola data yang terbentuk atau mengapa permintaan memiliki nilai tersebut.Selain itu, data diasumsikan terdapat hubungan antara permintaan dan faktor peubahyang mempengaruhinya akan berlanjut pada masa yang akan datang. Metode estimasi galon kosong yang kembali menggunakan metode simulasi probabilistik. Data yang disimulasikan merupakan rasio perbandingan antara jumlah pengembalian galon kosong dengan jumlah pengiriman galon kosong. Penggunaan rasio karena jumlah pengiriman dari gudang pusat tidak terlalu berbeda dengan jumlah pengembalin galon kosong dari gudang distributor. Pertama data diidentifikasi untuk mengetahui jenis sebaran data dan kemudian disimulasikan berdasarkan sebaran data tersebut.

5.2

PRAKIRAAN PERMINTAAN

Jumlah Galon

Model prakiraan permintaan merupakan suatu model untuk mengolah data yang menghasilkan informasi tentang prakiraan permintaan pada periode masa datang. Model prakiraan terdiri dari beberapa teknik peramalan. Teknik-teknik peramalan permintaan yang digunakan adalah metode deret waktu. Model peramalan yang dipilih sesuai dengan pola data historis dan parameter kesalahan minimal yang dihasilkan. Verifikasi model peramalan menggunakan data aktual pengiriman produk sebagai data aktual permintaan yang terdapat dalam Lampiran 1. Plot data permintaan produk dapat dilihat pada Gambar 11. 900 800 700 600 500 400 300 200 100 1 4 7 10131619222528313437404346495255586164677073767982858891 Periode Ke-

Gambar 11. Grafik Permintaan Air Minum Dalam Kemasan Galon Plot data memberikan informasi awal dalam melihat kecenderungan data dan fluktuasi data. Tahapan identifikasi pola data diperlukan sebagai tahap awal untuk memilih teknik peramalan yang tepat dan memungkinkan. Berdasarkan kecenderungan pola yang terbentuk maka pola data dapat dikatagorikan dalam 4 jenis pola data, yaitu pola data yang memiliki efek kecenderungan (trend), musiman, random dan stasioner. Pada Gambar 11 terlihat bahwa data tidak memiliki efek musiman dan berpola stasioner tetapi sedikit ada efek kecenderungan (trend) maka kemungkinan model yang dipilih adalah model perataan bergerak, model pemulusan eksponensial tunggal, model pemulusan eksponensail ganda. Setelah itu maka pemilihan model yang tepat dengan membandingkan nilai MAPE (Mean Absolute Persentage Error) dari ketiga model tersebut dengan nilai parameter yang berbeda-beda. Semakin kecil nilai MAPE maka semakin kecil nilai kesalahan antara ramalan dengan data aktual. Perbandingan nilai MAPE dari ketiga model dapat dilihat pada Tabel 2.

36

Tabel 2. Perbandingan Nilai MAPE Berdasarkan Metode Peramalan Model Peramalan Metode Perataan Bergerak Tunggal Metode Pemulusan Eksponensial Tunggal

Parameter

Nilai MAPE

MA (3)

774.78

MA (4)

647.42

MA (5)

779.67

= 0.0001

418.40

= 0.0234

581.05

= 0.0334

604.54

Model Peramalan

Parameter

Metode Pemulusan Eksponensial Ganda

Nilai MAPE

= 0.0134 =0.0232

727.87

= 0.0234 =0.0013

695.98

= 0.0334 =0.0113

688.49

Pemilihan nilai parameter menggunakan metode trial and error. Pada tabel 2 terlihat bahwa metode peramalan yang memiliki MAPE terkecil adalah metode pemulusan eksponensial tunggal pada tingkat = 0.0001. Akan tetap, nilai MAPE yang dihasilkan diatas 100 maka dapat dikatakan hasil peramalan memiliki persentase error sangat tinggi. Sehingga kurang tepat apabila memilih metode pemulusan eksponensial tunggal sebagai dasar untuk meramal permintaan pada masa yang akan datang. Oleh karena itu, maka metode peramalan tepat apabila menggunakan metode naif yaitu suatu metode yang meramalkan sejumlah permintaan masa depan memiliki jumlah yang sama dengan data historis permintaan.

5.3

SIMULASI TINGKAT PENGEMBALIAN GALON

Tingkat pengembalian galon kosong merupakan rasio perbandingan antar jumlah galon kosong yang kembali dengan jumlah produk yang dikirimkan perusahaan per satu periode. Penggunaan rasio ini berdasarkan mekanisme yang digunakan perusahaan bahwa galon dalam bentuk produk yang dikirimkan, jumlah dan kuantitasnya harus sama atau tidak jauh berbeda dengan galon kosong yang kembali. Tingkat pengembalian galon kosong akan disimulasikan untuk periode mendatang. Tahap awal simulasi yaitu mengidentifikasi pola sebaran data mengikuti sebaran data tertentu. Setelah itu dilakukan proses simulasi berdasarkan pola sebaran data yang terbentuk. Tahap identifikasi dan simulasi menggunakan bantuan perangkat lunak EasyFit 5.5 yang dibuat oleh mathWave. Data aktual tingkat pengembalian galon kosong dapat dilihat pada Lampiran 2 dan grafik data dapat dilihat pada Gambar 12. 12.00 10.00

Rasio

8.00 6.00 4.00 2.00 0.00 1 4 7 10131619222528313437404346495255586164677073767982858891 Periode keGambar 12. Grafik Data Tingkat pengembalian Galon Kosong

37

Data diidentifikasi pola sebaran data menggunakan perangkat lunak EasyFit 5.5. Perangkat lunak tersebut akan memberikan rangking atau peringkat berdasarkan kesesuaian data yang akan diidentifikasi dengan sebaran data teoritis tertentu dengan melihati nilai test goodness of fit terkecil. Test goodness of fit yang digunakan adalah kolmogrov-sminorv, Anderson-Darling, dan Chi-square. Peringkat kesesuaian data aktual dengan sebaran teoritis tertentu berdasarkan test goodness of fit dapat dilihat pada Lampiran 3. Berdasarkan identifikasi sebaran data maka sebaran data yang terpilih adalah sebaran cauchy dengan nilai goodness of fit terkecil dapat dilihat pada Tabel 3 dan nilai parameter skala = 0.1615 dan nilai parameter lokasi = 0.98269. Tabel 3. Nilai Goodnees of Fit Sebaran Cauchy

Hipotesis yang digunakan adalah: Ho: Sebaran mengikuti sebaran teoritis tertentu Hi : Sebaran tidak mengikuti sebaran teoritis tertentu 1. Ho diterima, atau Hi ditolak jika nilai hitung (statistik) < nilai kritis pada tertentu 2. Ho ditolak, atau Hi diterima jika nilai hitung (statistik) > nilai kritis pada tertentu Berdasarkan hasil uji Kolmogrov-Sminorv dan Anderson-Darling sebaran Cauchy pada tingkat kepercayaan 95 % maka tingkat pengembalian galon kosong mengikuti sebaran Cauchy. Pada uji Kolmogrov-Sminorv, nilai hitung sebaran Cauchy lebih kecil dibandingkan dengan nilai kritisnya pada =0,05 (0.11181< 0,1404). Pada uji Anderson-Darling, nilai hitung sebaran Cauchy lebih kecil dibandingkan dengan nilai kritisnya pada =0,05 (2,1594 < 2,5018). Hasil perhitungan dapat dilihat pada Tabel 3.

38

Proses pembangkitan nilai random dan bilangan acak menggunakan software EasyFit 5.5. Data hasil simulasi dapat dilihat pada Lampiran 4. Pengujian validitas hasil simulasi menggunakan uji median. Penggunaan uji median karena data tidak berdistribusi normal. Uji median termauk dalam uji statistik non parametik untuk menguji dua populasi data memiliki tipe sebaran data yang sama. Hipotesesis yang digunakan adalah: Ho: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang sama. Hi: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang beda. 1. 2.

Ho diterima, atau Hi ditolak jika nilai hitung < nilai kritis (chi-kuadrat) pada dan derajat kebebasan tertentu Ho ditolak, atau Hi diterima jika nilai hitung (statistik) > nilai kritis (chi-kuadrat) pada dan derjat kebebasan tertentu

Berdasarkan hasil uji median pada tingkat kepercayaan 95 % dan derajat kebebasan sama dengan 1 maka didapatkan hasil bahwa Ho diterima dan Hi ditolak, dimana nilai hitung lebih kecil dari nilai kritisnya ( 0.8795 < 3.84). Perhitungan uji median dapat dilihat pada Lampiran 5. Gambar 13 merupakan perbandingan antara hasil simulasi tingkat pengembalian galon kosong dan data aktual tingkat pengembalian. 12 10 Hasil Simulasi

Jumlah

8

Data Aktual 6 4 2 0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 Periode ke-

Gambar 13. Grafik Perbandingan data aktual tingkat pengembalian dengan data simulasi

5.4

ESTIMASI KONDISI PERSEDIAAN GALON

Model estimasi kondisi persediaan galon dan produk mengunakan data prakiraan permintaan dan dats simulasi tingkat pengembalian galon kosong. Estimasi dilakukkan untuk 91 periode harian. Penyusunan model dalam periode harian bertujuan untuk mengetahui mutasi galon dan produk dapat terpantau lebih detail dan dapat memberikan informasi aktual kondisi persediaan. Tahapan penggunaan model adalah : 1. 2.

Pemasukan data hasil simulasi tingkat pengembalian galon kosong. Data simulasi akan menjadi dasar prakiraan atau estimasi jumlah galon kosong yang kembali. Pemasukan data prakiraan permintaan untuk 91 periode hari mendatang (3 bulan). Data prakiraan ini akan menjadi dasar penyusunan rencana pengiriman produk.

39

3. 4.

Penentuan estimasi kebocoran galon kosong selama periode dan estimasi penyimpangan pengiriman dari prakiraan permintaan sebagai faktor kebijakan persediaan. Pemasukan informasi stok produk dan jumlah galon kosong kembali periode terahkir

Tabel 4. Masukan dan Parameter Model Estimasi Kondisi Persediaan Galon Stok Produk

Galon Kosong Kembali

Estimasi Perkiraan Kebocoran Produk

Penyimpangan pengiriman dari perencanaan

411

315

0.1 %

1%

Kondisi Persediaan produk akhir dan galon kosong kembali per 2 April 2011 dan parameter masukan model ini dapat dilihat pada Tabel 4. Estimasi perkiraan kebocoran produk merupakan perkiraan kemungkinan produk bocor selama penyimpanan produk. Menurut observasi yang dilakukan, kebocoran produk terjadi selama penyimpanan sebesar 0,1 % dari stok produk yang disimpan. Tampilan akhir model merupakan tabel yang mencantumkan kondisi persediaan produk dan galon kosong. Pada kolom “1” tabel di Lampiran 6, menampilkan periode estimasi dalam satuan harian. Periode estimasi harian karena tidak adanya antrisipasi galon kosong juga menyebabkan perencanaan dilakukan dalam periode harian dan perencanaan sangat bergantung pada galon kosong yang kembali pada periode sebelumnya. Kolom “2” menunjukan data prakiraan permintaan yang merupakan output dari model prakiraan permintaan dan menjadi input pada model estimasi kondisi persediaan galon. Kolom “2” didapatkan dari metode metode pemulusan eksponensial tunggal. Kolom “3” merupakan tingkat persediaan produk yang didapatkan berdasarkan perhitungan dari persamaan 1. Jumlah kekurangan produk dapat dillihat pada kolom “4” dan didapatkan berdasarkan perhitungan dari persamaan antara 2, 3, 4, atau 5. Estimasi kekurangan produk untuk periode 6, 12, 18 dan kelipatannya atau bertepatan pada hari sabtu maka menggunakan persamaan 2 dan 3. Sedangkan untuk periode selain 6, 12, 18 dan kelipatannya maka menggunakan persamaan 4 dan 5. Estimasi kekurangan produk terjadi apabila tingkat persediaan bernilai minus atau tingkat persediaan tidak mampu memenuhi permintaan pada periode selanjutnya. Pada periode ke 6, 12, 18 dan kelipatannya atau pada hari sabtu estimasi kekurangan produk berdasarkan permintaan untuk hari minggu dan senin. Kolom “5” mengestimasi jumlah produk yang harus dihasilkan atau estimasi permintaan produksi. Perhitungan didapatkan berdasarkan persamaan antara 6, 7, atau 8. Estimasi dilakukan pada waktu kerja sedangkan selain waktu kerja tidak dilakukan estimasi permintaan produksi karena pabrik tidak beroperasi. Persamaan yang digunakan yaitu persamaan 6 sedangkan untuk periode hari kerja digunakan persamaan 7 dan 8. Apabila estimasi kekurangan produk melebihi jumlah galon kosong yang kembali ditambahkan jumlah kelebihan galon kosong pada periode sebelumnya maka estimasi produksi sejumlah estimasi kekurangan produk atau dapat dilihat pada persamaan 7. Apabila sebaliknya maka estimasi produksi sejumlah galon kosong yang kembali ditambahkan dengan sejumlah kelebihan galon kosong pada periode sebelumnya atau dapat dilihat pada persaman 8. Kolom “6” menunjukan realisasi produksi yang dilakukkan oleh bagian produksi dan menunjukan jumlah produk yang dihasilkan. Perhitungan didapatkan berdasarkan persamaan antara 9, 10, 11, 12, atau 13. Realisasi produksi dilakukkan berdasarkan estimasi produksi yang disesuaikan dengan kapasitas produksi yang terpasang. Apabila estimasi produksi melebihi dari kapasitas produksi maka jumlah produk yang dihasilkan merupakan jumlah produk maksimal yang mampu dihasilkan pabrik (Full Capacity) atau dapat dilihat pada persamaan 10 dan 12. Pada periode 8, 15, 22

40

dan kelipatannya atau bertepatan hari senin maka realisasi produksi sesuai dengan jumlah galon kosong yang kembali dua periode sebelumnya atau dapat dilihat pada persamaan 11. Sedangkan pada periode lainnya maka realisasi produksi sesuai dengan galon kosong yang kembali satu periode sebelumnya dan dapat dilihat pada persamaan 13. Pengiriman produk ditunjukkan pada kolom “7” dan didapatkan dari perhitungan pada persamaan 14 atau 15. Rencana pengiriman merupakan selisih antara permintaan yang telah diprakiraan dengan estimasi penyimpangan dari target yang telah direncanakan. Jika stok akhir produk setelah produksi tidak mampu memenuhi rencana pengiriman produk yang harus dilakukan maka pengiriman hanya sejumlah produk yang tersedia atau dapat dilihat pada persamaan 14. Stok produk ditunjukan pada kolom “8” yaitu banyaknya persediaan produk akhir yang merupakan pertambahan dari produk yang diproduksi pada periode tersebut ditambahkan dengan persediaan produk periode sebelumnya dan dikurangi pengiriman produk dan kemungkinan kebocoran produk selama penyimpanan atau dapat dilihat pada persamaan 16. Kolom “9” merupakan hasil simulasi dari model tingkat pengembalian galon kosong. Galon kosong kembali ditunjukan pada kolom “10” yang bergantung pada hasil simulasi kolom “9” dan pengiriman produk kolom “7” atau dapat dilihat pada persamaan 17. Kekurangan galon untuk produksi ditampilkan pada kolom “11”. Kekurangan galon kosong disebabkan karena galon kosong yang kembali pada periode sebelumnya tidak mampu mencukupi kebutuhan galon kosong sebanyak periode estimasi produksi atau dapat dilihat pada persamaan 18. Kelebihan galon kosong juga ditampilkan pada kolom “12” dan didapatkan dari persamaan 20 atau 21. Kekurangan galon kosong untuk produksi yang mempengaruhi atau dipengaruhi dari kekurangan produk pada suatu periode. Berdasarkan hasil simulasi pada Lampiran 6 diketahui bahwa akan terjadi kekurangan galon untuk produksi pada periode ke 8, 10, 13, 14, 28, dan 55. Selain itu, akan terjadi kekurangan produk pada periode ke 6 dan akan berdampak pada periode 8, 9, 10, dan 11. Kekurangan produk yang mengakibatkan tidak terpenuhinya permintaan terjadi pada periode ke 13 dan 14. Keterlambatan pemenuhan produk juga akan terjadi pada periode 17, 25, 52, 53, 54, dan 56. Kekurangan produk pada period 27 akan berdampak pada kekurangan persediaan pada periode ke 28 dan 29. Kekurangan produk terjadi berdasarkan estimasi permintaan terjadi pada periode ke 41, 83 dan 90 tetapi tidak berdampak pada periode yang akan datang. Hasil simulasi tingkat pengembalian galon kosong pada periode ke 72 bernilai nol. Angka nol didapatkan karena berdasarkan hasil simulasi nilai tingkat pengembalian galon kosong kurang dari nol atau bernilai negatif. Hal ini menandakan bahwa tidak ada pengembalian galon kosong dari konsumen atau distributor. Tidak adanya pengembalian galon kosong dikarenakan beberapa alasan. Kemungkinan pertama adalah adanya konsumen baru yang mengkonsumsi produk sehingga tidak adanya galon kosong yang kembali. Kemungkinan kedua adalah terjadi penumpukan galon kosong di konsumen atau distributor. Kemungkinan ketiga adalah kurang kemampuan distributor untuk menarik kembali galon kosong dari konsumen. Penambahan galon kosong bersifat sebagai antisipasi kekurangan galon selama periode estimasi. Pertimbangan penambahan galon berdasarkan jumlah kekurangan galon kosong untuk produksi atau ketika tingkat persediaan benilai minus yang berarti bahwa terjadi kekurangan produk. Penambahan galon kosong dilakukan satu periode sebelum tingkat persediaan bernilai minus atau pada periode terjadinya kekurangan galon kosong.

41

Pengadaan galon kosong yang diperlukan sebanyak 1093 galon kosong. Berdasarkan hasil simulasi penambahan galon kosong diperlukan pada periode 6 sebanyak 242 galon, periode 9 sebanyak 104 galon, periode 11 sebanyak 148 galon, periode 16 sebanyak 198 galon, periode 24 sebanyak 156 galon, periode 27 sebanyak 159 galon. Penambahan galon kosong dapat dilakukkan untuk mengantisipasi kekurangan galon kosong. Perhitungan penambahan galon kosong dapat dilihat pada Lampiran 7. Dengan pengembangan model pengendalian persediaan galon maka dapat diketahui jumlah penambahan galon kosong untuk mengantisipasi kekurangan galon pada periode selanjutnya. Apabila dibandingkan antara metode perusahaan yang melakukan pembelian galon kosong sekitar 1500 galon kosong untuk 3 bulan dengan hasil estimasi penambahan galon kosong berdasarkan model yang telah dibuat maka didapatkan hasil yang berbeda. Perusahaan hanya memerlukan 1082 galon kosong untuk 3 bulan dan perusahaan mampu menghemat biaya investasi dalam pengadaan galon kosong.

5.5

PENGGUNAAN PERANGKAT LUNAK

Model pengendaliaan persediaan kemasan galon dikembangkan dalam perangkat lunak berbasis komputer sehingga memudahkan pengguna untuk menggunakannya. Perangkat lunak ini diberi mama PMIG 1.0. Pemrograman dikembangkan dengan bahasa Delphi XE dengan sistem operasi Windows 7. Basis data yang digunakan adalah Ms.Access 2007 dengan versi data Ms.Access (*.mdb). Selain itu, model tingkat pengembalian galon untuk mengidentifikasi sebaran data dan pembangkitan data menggunakan perangkat lunak EasyFit 5.5. Sedangkan hasil model prakiraan, model tingkat pengembalian dan estimasi dapat dibaca pada perangkat lunak Ms.Excel yang umum terdapat dalam sistem operasai Windows 7. Penggunaan PMIG1.0 dilakukan dengan pemilihan menu, menekan tombol perintah dari mouse, pemasukan data dilakukan pada kotak teks untuk kemudahan pemakaian pengguna. Perangkat lunak kompetibel dengan sistem operasi Windows 7 dehingga pengguna dapat mengoperasikan dengan cepat. Kemudahan penggunaan PMIG 1.0 dibantu dengan menggunkan tampilan menu, dialog singkat, tampilan informasi petunjuk pengguna dan kotak pesan atau peringatan. Pemilihan menu dapat dilakukkan dengan mengkik tombol atau menu yang ditampilkan. Pengguna perangkat lunak ini adalah manajer produksi. Pada tahap awal, pengguna perlu mensimulasikan terlebih dahulu tingkat pengembalian galon kosong dengan bantuan perangkat lunak lain yaitu EasyFit 5.5. Pada tahap awal pengguna harus menginputkan data tingkat pengembalian yang didapatkan dari rasio atau perbandingan antara jumlah galon yang kembali dengan jumlah produk yang dikirimkan. Data dapat diperoleh dari program PMIG 1.0 pada menu model tingkat pengembalian galon kosong. Form utama PMIG 1.0 dapat dilihat pada Gambar 14. Form utama terdapat 4 pilihan menu yaitu, data tingkat pengembalian galon kosong, model prakiraan permintaan serta model estimasi persediaan galon, tentang program yang memberikan informasi penggunaan perangkat lunak, dan profil pembuat. Setelah itu, data akan diidentifikasi sesuai dengan sebaran data tertentu dan dilakukan simulasi sesuai dengan sebaran data yang telah teridentifikasi.

42

Gambar 14. Form Menu Utama Perangkat Lunak PMIG 1.0 Gambar 15 merupakan form menu data tingkat pengembalian galon kosong. Pada menu ini, pengguna dapat memasukan, menghapus, mengubah data pengiriman produk, pengembalian galon kosong dan tingkat pengembalian aktual serta hasil simulasi dari program EasyFit 5.5.

Gambar 15. Form Menu Data Tingkat Pengembalian Galon Kosong

43

Setelah pengguna memasukan data hasil simulasi pada menu data tingkat pengembalian maka pengguna kembali ke menu utama. Pengguna memilih menu model prakiraan permintaan dan model estimasi kondisi persediaan galon. Sebelum mengklik menu model prakiraan permintaan, pengguna harus memasukan data historis permintaan produk yang dapat dilihat pada Gambar 16. Selain dapat memasukan data, pengguna dapat mengubah, menyimpan, dan menghapus data. Menu model prakiraan permintaan terdapat empat metode prakiraan yang dapat dipilih yaitu metode perataan bergerak, metode pemulusan tunggal, metode pemulusan ganda dan metode winter‟s. Model akan memprakirakan permintaan pada periode mendatang berdasarkan nilai parameter yang telah diinputkan. Tampilan menu ini dilengkapi dengan grafik hasil plot data historis dan hasil prakiraan. Form menu model prakiraan permintaan dapat dilihat pada Gambar 17.

Gambar 16. Form Input Data Permintaan

44

Gambar 17. Form Model Prakiran Permintaan Data hasil prakiraan menjadi input bagi model estimasi kondisi persediaan galon dan dapat dilihat pada Gambar 18. Pengguna memasukan nilai parameter seperti stok awal produk, jumlah galon kosong yang kembali, persentase estimasi galon akan bocor dan estimasi penyimpangan pengiriman dari prakiraan permintaan. Hasil perhitungan model estimasi kondisi persedian galon berupa tabel hasil perhitungan dari sub model.

Gambar 18. Form Model Estimasi Kondisi Persediaan Galon

45

Kebutuhan galon kosong dapat dihitung dengan menekan tombol “Hitung Kebutuhan Galon” pada tampilan model estimasi galon. Setelah menekan tombol maka akan muncul form penambahan galon kosong dan dapat dilihat pada Gambar 19. Pengguna memasukan jumlah galon yang perlu ditambahkan sesuai dengan periode estimasi yang mengalami kekurangan galon kosong dan kekurangan produk.

Gambar 19. Form Model Penambahan Galon Kosong

46

BAB VI SIMPULAN DAN SARAN 6.1

SIMPULAN

Pengendalian persediaan galon berbeda dengan pengendalian persediaan bahan atau produk lain. Galon merupakan jenis kemasan yang digunakan secara berulang. Penggunaan secara berulang menyebabkan pengendaliannya sedikit berbeda. Dalam pengendalian galon harus mempertimbangkan jumlah galon yang kembali dari konsumen. Jumlah, kuantitas, dan kualitas pengembalian galon tidak dapat ditentukan. Hal ini menyulitkan bagi manajemen untuk mengendalikan kemasan galon. Berdasarkan observasi lapangan dan perhitungan simulasi pengembalian galon kosong dan jumlah permintaan produk merupakan faktor kritis yang mempengaruhi kebijakan dalam mengendalikan persediaan produk dan kemasan galon. Besarnya jumlah produksi sangat bergantung pada pengembalian galon kosong dan jumlah permintaan dari konsumen atau distributor. Selain itu, faktorfaktor yang mempengaruhi kebijakan adalah tingkat persediaan produk, jumlah pengiriman galon kosong, kekurangan produk, kekurangan galon kosong dan stok produk. Model yang dikembangkan untuk mengendalikan persediaan galon di Perum Perhutani Unit III bernama PMIG 1.0. Model dirancang untuk mengendalikan persediaan galon dengan mengintegrasikan antara tingkat permintaan produk dan tingkat pengembalian galon. Model mampu mengestimasi jumlah galon kosong yang kembali dari hasil simulasi tingkat pengembalian galon kosong. Model juga dapat mengetahui jumlah kekurangan galon kosong untuk produksi pada periodeperiode tertentu berdasarkan estimasi jumlah galon kosong yang kembali. Sehingga pengadaan galon kosong dapat ditentukan berapa jumlah galon kosong yang perlu pengadaan. Basis model terdiri dari 3 model utama yaitu model prakiraan permintaan, model tingkat pengembalian galon kosong dan model estimasi kondisi persediaan galon. Model ini dikembangkan dalam periode waktu harian dan dilakukan estimasi selama 91 hari kedepan atau dalam waktu 3 bulan. Estimasi permintaan pada masa yang akan datang menggunakan metode naif yaitu permintaan pada periode sekarang merupakan prakiraan permintaan pada masa yang akan datang. Estimasi tingkat pengembalian galon kosong menggunakan simulasi dengan sebaran data aktual mengikuti sebaran Cauchy dengan nilai parameter skala 0.1615 dan nilai parameter lokasi 0.98269. Berdasarkan hasil simulasi kondisi persediaan galon, perusahaan akan terjadi kekurangan galon kosong untuk produksi pada periode 8, 10, 13, 14, 28, dan 55. Selain itu, akan terjadi kekurangan produk pada periode 6 dan akan berdampak pada periode ke 8, 9, 10, dan 11. Kekurangan produk yang mengakibatkan tidak terpenuhinya permintaan terjadi pada periode 13 dan 14. Keterlambatan pemenuhan produk juga akan terjadi pada periode 17, 25, 52, 53, 54, dan 56. Kekurangan produk pada periode 27 akan berdampak pada kekurangan persediaan pada periode ke 28 dan 29. Pengadaan galon kosong yang diperlukan sebanyak 1.093 galon kosong. Berdasarkan hasil simulasi penambahan galon kosong diperlukan pada periode 6 sebanyak 242 galon, periode 9 sebanyak 104 galon, periode 11 sebanyak 148 galon, periode 16 sebanyak 198 galon, periode 24 sebanyak 156 galon, periode 27 sebanyak 159 galon. Apabila dibandingkan dari cara pengadaan yang selama ini dilakukan perusahaan dengan membeli galon kosong sebanyak 500 galon per bulan atau 1500 selama 3 bulan dengan model yang telah dikembangkan maka pengadaan galon kosong yang perlu pengadaan lebih sedikit dibandingkan estimasi yang dilakukan perusahaan. Hal ini akan mengurangi biaya investasi yang dikeluarkan untuk pengadaan galon kosong. 47

6.2

SARAN

Pengembangan model perlu dilakukan dengan mempertimbangkan peluang terjadinya kerusakan mesin dan waktu perbaikan mesin selama proses produksi. Perusahaan Perum Perhutani Unit III perlu pengadaan galon kosong sebagai persediaan untuk mengantisipasi kekurangan galon kosong sehingga tidak hanya mengandalkan atau mengharapkan pada galon kosong yang kembali dari distributor.

48

DAFTAR PUSTAKA Assauri S. 1980. Manajemen Produksi. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Chopra S, Meindl P. 2001. Supply Chain Management: Strategy, Planning and Operation. Second Edition. New York: Prenctice-Hall. Gasperz V. 2002. Production Planning and Inventory Control. Jakarta: PT Gramedia Pustaka Utama. Hadisaputra. 1994. Pengembangan Model Estimasi Kondisi Darurat Persediaan Produk di Gudang Pusat PT. DBBC [Skripsi]. Bogor: Program Sarjana, Institut Pertanian Bogor. Handoko TH. 2000. Dasar-Dasar Manajemen Produksi dan Operasi. Yogyakarta: BPFE. Harrel C, Bimnan KG and Royce OB. 2004. Simulation Using Promodel. New York: McGraw-Hill. Hernajad AH. 1994. Pengembangan Model Estimasi Kerusakan Mesin Produksi dan Kondisi Persediaan Produk Minuman Ringan di PT DBBC [Skripsi]. Bogor: Program Sarjana, Institut Pertanian Bogor. Indrajit, Eko R , Djokopranoto R. 2003. Manajemen Persediaan. Jakarta: PT Gramedia Widiasarana Indonesia. Ji GJ. 2008. Reverse Logistics Operation Management Based on Virtual Enterprise and Complaint Service Management. J. Serv. Sci. & Management. Scries1: 51-65. Junaidi R. 1994. Model Sistem Penunjang Keputusan Estimasi Persediaan Botol Minuman Ringan [Skripsi]. Bogor: Program Sarjana, Institut Pertanian Bogor. Johns DT, Harding HA .1996. Manajemen Operasi untuk Meraih Keunggulan Kompetitif. Jakarta: Pustaka Binaman Pressindo. Rangkuti F. 2002. Manajemen Persediaan Aplikasi Dalam Bidang Bisnis. Jakarta: PT. Raja Grafindo Persada. Rogers S, Dale, Ronald S. 1999. Tiben-Lembke Gowing Backwards: Reverse Logistics Trends and Practice. Pittsburgh: RLC Press. Simichi-Levi D, Kaminsky P, Simichi-Levi E. 2000. Designing and Managing The Supply Chain: Concepts, Strategies, and Case Studies. Singapura: McGraw-Hill, Inc. Sudjana. 2005. Metode Statistika. Edisi 6. Bandung: Tarsito. Starr, Martin K, Miller DW. 1986. Inventory Control: Theory and Practice. New Jersey: Prentice Hall, Inc. Subagyo P, Asri M, Handoko TH. 1992. Dasar-Dasar Operations Research. Yogyakarta: BPFE Yogyakarta. Watson HJ. Blackstone JH. 1989. Computer Simulation. Singapura: John Wiley and Sons Inc. Widjaja AT. 2009. Supply Chain Managemenet (Manajemen Rantai Pasok). Jakarta: Harvindo.

49

LAMPIRAN

50

Lampiran 1. Data permintaan aktual

Tanggal

Pengiriman Produk

Tanggal

Pengiriman Produk

Tanggal

Pengiriman Produk

2-Jan-11

110

2-Feb-11

478

5-Mar-11

110

3-Jan-11

357

3-Feb-11

0

6-Mar-11

400

4-Jan-11

33

4-Feb-11

11

7-Mar-11

140

5-Jan-11

480

5-Feb-11

600

8-Mar-11

656

6-Jan-11

16

6-Feb-11

0

9-Mar-11

259

7-Jan-11

130

7-Feb-11

471

10-Mar-11

637

8-Jan-11

491

8-Feb-11

493

11-Mar-11

0

9-Jan-11

261

9-Feb-11

80

12-Mar-11

510

10-Jan-11

126

10-Feb-11

424

13-Mar-11

44

11-Jan-11

465

11-Feb-11

65

14-Mar-11

174

12-Jan-11

54

12-Feb-11

515

15-Mar-11

818

13-Jan-11

295

13-Feb-11

10

16-Mar-11

0

14-Jan-11

390

14-Feb-11

738

17-Mar-11

494

15-Jan-11

160

15-Feb-11

0

18-Mar-11

156

16-Jan-11

0

16-Feb-11

407

19-Mar-11

520

17-Jan-11

544

17-Feb-11

100

20-Mar-11

1

18-Jan-11

420

18-Feb-11

267

21-Mar-11

435

19-Jan-11

98

19-Feb-11

522

22-Mar-11

63

20-Jan-11

450

20-Feb-11

126

23-Mar-11

523

21-Jan-11

25

21-Feb-11

522

24-Mar-11

276

22-Jan-11

510

22-Feb-11

126

25-Mar-11

446

23-Jan-11

6

23-Feb-11

538

26-Mar-11

488

24-Jan-11

52

24-Feb-11

244

27-Mar-11

0

25-Jan-11

549

25-Feb-11

523

28-Mar-11

400

26-Jan-11

440

26-Feb-11

704

29-Mar-11

12

27-Jan-11

34

27-Feb-11

0

30-Mar-11

423

28-Jan-11

417

28-Feb-11

117

31-Mar-11

133

29-Jan-11

337

1-Mar-11

400

1-Apr-11

525

30-Jan-11

345

2-Mar-11

400

2-Apr-11

478

31-Jan-11

428

3-Mar-11

472

1-Feb-11

0

4-Mar-11

127

51

Lampiran 2. Data aktual tingkat pengembalian galon kosong

No

Tanggal

Jumlah Pengiriman Produk

Jumlah Pengembalian Galon

Tingkat Pengembalian

1

02 Januari 2011

110

115

1.05

2

03 Januari 2011

357

376

1.05

3

04 Januari 2011

33

33

1.00

4

05 Januari 2011

480

245

0.51

5

06 Januari 2011

16

16

1.00

6

07 Januari 2011

130

230

1.77

7

08 Januari 2011

491

459

0.93

8

09 Januari 2011

261

110

0.42

9

10 Januari 2011

126

151

1.20

10

11 Januari 2011

465

470

1.01

11

12 Januari 2011

54

54

1.00

12

13 Januari 2011

295

285

0.97

13

14 Januari 2011

390

390

1.00

14

15 Januari 2011

160

320

2.00

15

16 Januari 2011

0

0

0.00

16

17 Januari 2011

544

168

0.31

17

18 Januari 2011

420

450

1.07

18

19 Januari 2011

98

219

2.23

19

20 Januari 2011

450

450

1.00

20

21 Januari 2011

25

181

7.24

21

22 Januari 2011

510

408

0.80

22

23 Januari 2011

6

6

1.00

23

24 Januari 2011

52

119

2.29

24

25 Januari 2011

549

585

1.07

25

26 Januari 2011

440

129

0.29

26

27 Januari 2011

34

34

1.00

27

28 Januari 2011

417

383

0.92

28

29 Januari 2011

337

318

0.94

29

30 Januari 2011

345

300

0.87

30

31 Januari 2011

428

425

0.99

31

01 Pebruari 2011

0

0

0.00

32

02 Pebruari 2011

478

510

1.07

33

03 Pebruari 2011

0

0

0.00

34

04 Pebruari 2011

11

110

10.00

35 36

05 Pebruari 2011 06 Pebruari 2011

600 0

707 0

1.18 0.00

37

07 Pebruari 2011

471

464

0.99

52

Jumlah Pengiriman Produk

Jumlah Pengembalian Galon

Tingkat Pengembalian

No

Tanggal

38

08 Pebruari 2011

493

495

1.00

39

09 Pebruari 2011

80

168

2.10

40

10 Pebruari 2011

424

418

0.99

41

11 Pebruari 2011

65

65

1.00

42

12 Pebruari 2011

515

455

0.88

43

13 Pebruari 2011

10

10

1.00

44

14 Pebruari 2011

738

845

1.14

45

15 Pebruari 2011

0

0

0.00

46

16 Pebruari 2011

407

536

1.32

47

17 Pebruari 2011

100

121

1.21

48

18 Pebruari 2011

267

488

1.83

49

19 Pebruari 2011

522

122

0.23

50

20 Pebruari 2011

126

76

0.60

51

21 Pebruari 2011

522

398

0.76

52

22 Pebruari 2011

126

15

0.12

53

23 Pebruari 2011

538

443

0.82

54

24 Pebruari 2011

244

258

1.06

55

25 Pebruari 2011

523

463

0.89

56

26 Pebruari 2011

704

598

0.85

57

27 Pebruari 2011

0

0

0.00

58

28 Pebruari 2011

117

117

1.00

59

01 Maret 2011

400

313

0.78

60

02 Maret 2011

400

121

0.30

61

03 Maret 2011

472

442

0.94

62

04 Maret 2011

127

70

0.55

63

05 Maret 2011

110

245

2.23

64

06 Maret 2011

400

414

1.04

65

07 Maret 2011

140

175

1.25

66

08 Maret 2011

656

656

1.00

67

09 Maret 2011

259

407

1.57

68

10 Maret 2011

637

664

1.04

69

11 Maret 2011

0

0

0.00

70

12 Maret 2011

510

510

1.00

71

13 Maret 2011

44

174

3.95

72

14 Maret 2011

174

175

1.01

73

15 Maret 2011

818

572

0.70

74

16 Maret 2011

0

0

0.00

53

Jumlah Pengiriman Produk

Jumlah Pengembalian Galon

Tingkat Pengembalian

No

Tanggal

75

17 Maret 2011

494

477

0.97

76

18 Maret 2011

156

159

1.02

77

19 Maret 2011

520

489

0.94

78

20 Maret 2011

1

0

0.00

79

21 Maret 2011

435

460

1.06

80

22 Maret 2011

63

138

2.19

81

23 Maret 2011

523

504

0.96

82

24 Maret 2011

276

177

0.64

83

25 Maret 2011

446

497

1.11

84

26 Maret 2011

488

317

0.65

85

27 Maret 2011

0

0

0.00

86

28 Maret 2011

400

386

0.97

87

29 Maret 2011

12

12

1.00

88

30 Maret 2011

423

493

1.17

89

31 Maret 2011

133

179

1.35

90

1 April 2011

525

396

0.75

91

2 April 2011

478

315

0.66

54

Lampiran 3. Peringkat kesesuaian data aktual dengan sebaran teoritis

55

Lampiran 4. Hasil simulasi tingkat pengembalian galon kosong

Hari

Tingkat Pengembalian (Pembangkitan)

Hari

Tingkat Pengembalian (Pembangkitan)

Hari

Tingkat Pengembalian (Pembangkitan)

1

0.997252825

38

0.632986967

75

0.696274344

2

1.043135798

39

0.881977781

76

0.731978762

3

1.115565238

40

0.957644138

77

1.323077642

4

0.842839708

41

1.183377605

78

1.062284116

5

2.278264324

42

0.498311881

79

1.071739278

6

0

43

0.83637561

80

0.642557814

7

0.42176839

44

0.732980066

81

0.97212508569348

8

1.075244781

45

0.836163879

82

1.069985392

9

1.169709408

46

1.245761942

83

1.149678439

10

2.933629609

47

0.416140306

84

1.178894495

11

0.477348944

48

0

85

1.001756412

12

0.879694735

49

1.026289383

86

1.062458959

13

2.09558029

50

0.123832375

87

2.972125086

14

0.271005257

51

0.948713399

88

1.335069207

15

0.792984271

52

0.921011602

89

1.335650251

16

1.135596188

53

1.019460204

90

0.893718335

17

0.914191024

54

0.986224332

91

0.893718335

18

1.242828718

55

1.08689858

19

1.022654815

56

2.066015234

20

1.077409191

57

0.778264682

21

0.879318483

58

1.159329918

22

1.075293822

59

1.185871823

23

1.274427648

60

2.271884873

24

1.202034112

61

1.163304482

25

0.872887473

62

0.917779048

26

1.073212747

63

0.807029457

27

1.028187341

64

0.827721845

28

1.091534592

65

0.865792237

29

0.968905398

66

0.88231023

30

1.762891242

67

0

31

0

68

0.749431656

32

0.766060575

69

0.713355817

33

1.025774311

70

1.041583767

34

1.25076237

71

1.006872303

35

0

72

0

36

1.278649441

73

0.815628061

37

2.069939499

74

1.62861320032268

56

Lampiran 5. Hasil perhitungan uji median Uji Median (Non-Parametrik) Median: 1.00 Data Hasil Aktual Simulasi

Jumlah

Diatas Median

46

47

93

Dibawah Median Jumlah

45

44

89

91

91

182

Dilakukan Uji Chi-Kuadrat X2 = 189*((46*44)-(47*45)-91)^2 = 0.8795 (93*89*91*91) Dari daftar distribusi Chi-kuadrat dengan alfa= 0.05 dan dk=1 didapatkan X2 (0.95) = 3.84. Terlihat bahwa X2 dari perhitungan lebih kecil dari 3.84. Jadi hipotesis bahwa kedua sampel itu berasal dari dua distribusi yang sama tidak dapat ditolak (Terima Ho). Ho = Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang sama. Hi = Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang beda. Pengunaan uji median dikarenakan data tidak berdistribusi normal. Pengunaan uji median dikarenakan data tidak berdistribusi normal. Setelah diidentifikasi data berditribusi Cauchy yang tidak memiliki mean, varians dan momen.

57

Lampiran 6. Hasil akhir model pengendalian persediaan galon Hari (1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Prakiraan Permintaan

Tingkat persediaan

Estimasi Kekurangan Produk

(2)

(3)

(4)

110 357 33 480 16 130 491 261 126 465 54 295 390 160 0 544 420 98 450 25 510 6 52 549 440 34

301 259 339 174 199 469 14 -242 -126 -312 -54 63 -298 -160 0 114 -103 414 344 444 389 388 654 111 -258 262

0 0 0 0 0 283 0 242 126 312 54 0 458 160 0 0 103 0 0 72 0 0 0 0 258 0

Estimasi Produksi (5) 315 109 316 36 401 36 0 242 278 312 411 26 458 0 43 0 612 380 121 456 0 292 6 66 550 380

Realisasi Produksi

Pengiriman Galon Isi

(6)

(7) 315 109 316 36 401 36 0 205 278 146 411 26 257 0 659 198 612 380 121 456 0 319 6 66 550 380

109 353 33 475 16 129 486 224 125 299 53 292 349 0 0 539 416 97 446 25 505 6 51 544 436 34

Stok Produk

Tingkat Pengembalian

(8) 616 372 654 215 599 505 19 0 153 0 358 92 0 0 658 317 512 794 469 899 394 706 660 182 296 641

(9) 0.997252825 0.893718335 1.115565238 0.842839708 2.278264324 0 0.42176839 1.075244781 1.169709408 0.893718335 0.477348944 0.879694735 1.59558029 0.271005257 0.792984271 1.135596188 0.914191024 1.242828718 1.022654815 1.077409191 0.579318483 1.075293822 1.274427648 1.012034112 0.872887473 1.073212747

Galon Kosong Kembali (10) 109 316 36 401 36 0 205 278 146 411 26 257 616 43 0 612 380 121 456 27 292 6 66 550 380 36

Kekurangan Galon Untuk Produksi

Kelebihan Galon Kosong

(11)

(12) 0 0 0 0 0 0 0 37 0 166 0 0 201 160 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

58

Hari (1) 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Prakiraan Permintaan (2) 417 337 345 428 0 478 0 11 600 0 471 493 80 424 65 515 10 738 0 407 100 267 522 126 522 126

Tingkat persediaan (3) 224 -73 -345 18 353 621 625 1049 448 454 583 94 517 402 411 298 293 342 357 485 389 785 356 235 37 -19

Estimasi Kekurangan Produk (4) 458 73 345 0 0 0 0 0 0 0 0 0 0 0 114 0 0 0 0 0 0 0 0 0 0 19

Estimasi Produksi (5) 458 0 364 331 747 0 436 0 0 587 0 499 309 70 402 0 756 8 536 0 663 91 0 324 65 490

Realisasi Produksi (6) 36 0 788 331 747 0 436 0 0 601 0 499 309 70 402 0 788 8 536 0 663 91 0 324 65 490

Pengiriman Galon Isi (7) 413 264 342 424 0 473 0 11 594 0 466 488 79 420 64 510 10 731 0 403 99 264 517 125 517 125

Stok Produk (8) 264 0 446 353 1099 625 1060 1048 454 1054 587 597 826 476 813 303 1080 357 892 489 1052 878 361 559 107 472

Tingkat Pengembalian (9) 1.028187341 1.091534592 0.968905398 1.762891242 0 0.92132432 1.025774312 1.250762374 0.987899966 1.878649441 1.069939499 0.632986967 0.881977781 0.957644138 0.498311881 1.483377605 0.836375611 0.732980066 0.836163879 1.645761942 0.916140306 0 0.626289383 0.523832375 0.948713399 0.921011602

Galon Kosong Kembali (10) 424 364 331 747 0 436 0 14 587 0 499 309 70 402 32 756 8 536 0 663 91 0 324 65 490 115

Kekurangan Galon Untuk Produksi (11) 0 73 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Kelebihan Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

59

Hari (1) 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79

Prakiraan Permintaan

Tingkat persediaan

(2)

(3) 538 244 523 704 0 117 400 400 472 127 110 400 140 656 259 637 0 510 44 174 818 0 494 156 520 1 435

-66 -190 44 -417 0 491 92 4 163 544 978 578 770 442 309 247 253 215 176 678 157 165 331 180 2 6 364

Estimasi Kekurangan Produk (4) 66 190 660 417 0 0 0 0 0 0 0 0 0 0 0 0 301 0 0 0 0 0 0 341 0 0 0

Estimasi Produksi (5) 115 756 660 0 46 0 308 628 504 544 0 88 328 120 573 0 473 0 677 86 0 661 0 341 0 681 1

Realisasi Produksi

Pengiriman Galon Isi

(6)

(7) 115 756 238 0 609 0 308 628 504 544 0 329 328 120 573 0 473 0 677 296 0 661 0 341 0 794 1

533 242 518 287 0 116 396 396 467 126 109 396 139 649 256 631 0 505 44 172 810 0 489 154 515 1 431

Stok Produk

Tingkat Pengembalian

(8) 54 567 287 0 608 492 404 635 671 1088 978 910 1098 568 884 253 725 220 852 975 165 825 336 522 7 799 369

(9) 1.419460204 0.986224332 1.08689858 0.066015234 0.778264682 2.659329918 1.585871823 1.271884873 1.163304482 1.917779048 0.807029457 0.827721845 0.865792237 0.88231023 0 0.749431656 0.713355817 1.341583767 1.96872303 0 0.815628061 2.9286132 0.696274344 0.731978762 1.323077642 1.062284116 1.071739278

Galon Kosong Kembali (10) 756 238 563 46 0 308 628 504 544 241 88 328 120 573 0 473 0 677 86 0 661 0 341 113 681 1 462

Kekurangan Galon Untuk Produksi (11) 0 0 422 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Kelebihan Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0 0 t0 0 0 0 0 0 0 0 0 0 0 0 0 0

60

Hari (1) 80 81 82 83 84 85 86 87 88 89 90 91

Prakiraan Permintaan

Tingkat persediaan

(2)

(3) 63 523 276 446 488 0 400 12 423 133 525 478

306 245 14 73 44 49 436 428 425 331 365 67

Estimasi Kekurangan Produk (4) 0 0 0 415 0 0 0 0 0 0 113 0

Estimasi Produksi (5) 462 40 503 456 0 280 0 421 35 559 176 0

Realisasi Produksi

Pengiriman Galon Isi

(6)

(7) 462 40 503 456 0 788 0 421 35 559 176 537

62 518 273 442 483 0 396 12 419 132 520 473

Stok Produk

Tingkat Pengembalian

(8) 768 290 519 532 49 836 440 848 464 890 545 608

(9) 0.642557814 0.972125086 1.669985392 1.149678439 0.578894495 1.001756412 1.062458959 2.972125086 1.335069207 1.335650251 1.033629609 1.043135798

Galon Kosong Kembali (10) 40 503 456 508 280 0 421 35 559 176 537 494

Kekurangan Galon Untuk Produksi (11) 0 0 0 0 0 0 0 0 0 0 0 0

Kelebihan Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0

Lampiran 7. Hasil penambahan galon kosong 61

Hari (1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Hari

Prakiraan Permintaan

Tingkat persediaan

Estimasi Kekurangan Produk

(2)

(3)

(4)

110 357 33 480 16 130 491 261 126 465 54 295 390 160 0 544 420 98 450 25 510 6 52 549 440 34 Prakiraan

301 259 339 174 199 469 256 0 82 0 97 361 0 101 103 217 0 517 447 546 491 490 756 213 0 519 Tingkat

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Estimasi

Estimasi Produksi

Realisasi Produksi

Pengiriman Galon Isi

Stok Produk

Tingkat Pengembalian

(5) 315 109 316 36 401 36 0 205 278 146 411 26 257 0 43 0 612 380 121 456 0 292 6 66 550 380 Estimasi

(6)

(7)

(8) 616 372 654 215 599 747 261 208 465 151 656 390 261 103 761 420 615 897 571 1001 496 808 762 440 553 898 Stok

(9) 0.997252825 0.893718335 1.115565238 0.842839708 2.278264324 0 0.42176839 1.075244781 1.169709408 0.893718335 0.477348944 0.879694735 1.59558029 0.271005257 0.792984271 1.135596188 0.914191024 1.242828718 1.022654815 1.077409191 0.579318483 1.075293822 1.274427648 1.012034112 0.872887473 1.073212747 Tingkat

315 109 316 36 401 278 0 205 382 146 559 26 257 0 659 198 612 380 121 456 0 319 6 222 550 380 Realisasi

109 353 33 475 16 129 486 258 125 460 53 292 386 158 0 539 416 97 446 25 505 6 51 544 436 34 Pengiriman

Galon Kosong Kembali (10) 109 316 36 401 36 0 205 278 146 411 26 257 616 43 0 612 380 121 456 27 292 6 66 550 380 36 Galon

Kekurangan Galon Untuk Produksi

Kelebihan Galon Kosong

Penambahan Galon Kosong

(11)

(12)

(13)

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Kekurangan

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Kelebihan

242

104 148

198

156

Penambahan

62

(1) 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Permintaan

persediaan

(2)

(3) 417 337 345 428 0 478 0 11 600 0 471 493 80 424 65 515 10 738 0 407 100 267 522 126 522 126

481 342 0 362 696 964 968 1392 791 796 925 436 859 744 752 639 633 682 696 824 727 1123 694 572 374 318

Kekurangan Produk (4) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Produksi (5) 201 0 364 331 747 0 436 0 0 587 0 499 309 70 402 0 756 8 536 0 663 91 0 324 65 490

Produksi

Galon Isi

(6)

(7) 195 0 788 331 747 0 436 0 0 601 0 499 309 70 402 0 788 8 536 0 663 91 0 324 65 490

413 334 342 424 0 473 0 11 594 0 466 488 79 420 64 510 10 731 0 403 99 264 517 125 517 125

Produk

Pengembalian

(8) 679 345 790 696 1442 968 1403 1391 796 1396 929 939 1168 817 1154 643 1420 696 1231 827 1390 1216 698 896 444 808

(9) 1.028187341 1.091534592 0.968905398 1.762891242 0 0.92132432 1.025774312 1.250762374 0.987899966 1.878649441 1.069939499 0.632986967 0.881977781 0.957644138 0.498311881 1.483377605 0.836375611 0.732980066 0.836163879 1.645761942 0.916140306 0 0.626289383 0.523832375 0.948713399 0.921011602

Kosong Kembali (10) 424 364 331 747 0 436 0 14 587 0 499 309 70 402 32 756 8 536 0 663 91 0 324 65 490 115

Galon Untuk Produksi (11) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Galon Kosong (13) 159

63

Hari (1) 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79

Prakiraan Permintaan

Tingkat persediaan

(2)

(3) 538 244 523 704 0 117 400 400 472 127 110 400 140 656 259 637 0 510 44 174 818 0 494 156 520 1 435

270 146 466 4 11 502 102 14 173 554 988 588 780 452 319 257 263 225 186 688 167 175 341 190 12 16 374

Estimasi Kekurangan Produk (4) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Estimasi Produksi (5) 115 756 238 0 46 0 308 628 504 544 0 88 328 120 573 0 473 0 677 86 0 661 0 341 0 681 1

Realisasi Produksi

Pengiriman Galon Isi

(6)

(7) 115 842 238 0 609 0 308 628 504 544 0 329 328 120 573 0 473 0 677 296 0 661 0 341 0 794 1

533 242 518 697 0 116 396 396 467 126 109 396 139 649 256 631 0 505 44 172 810 0 489 154 515 1 431

Stok Produk

Tingkat Pengembalian

(8) 390 989 708 11 619 502 414 645 681 1098 988 920 1108 578 894 263 735 230 862 985 175 835 346 532 17 809 379

(9) 1.419460204 0.986224332 1.08689858 0.066015234 0.778264682 2.659329918 1.585871823 1.271884873 1.163304482 1.917779048 0.807029457 0.827721845 0.865792237 0.88231023 0 0.749431656 0.713355817 1.341583767 1.96872303 0 0.815628061 2.9286132 0.696274344 0.731978762 1.323077642 1.062284116 1.071739278

Galon Kosong Kembali (10) 756 238 563 46 0 308 628 504 544 241 88 328 120 573 0 473 0 677 86 0 661 0 341 113 681 1 462

Kekurangan Galon Untuk Produksi (11) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Kelebihan Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Penambahan Galon Kosong (13) 86

64

Hari (1) 80 81 82 83 84 85 86 87 88 89 90 91

Prakiraan Permintaan

Tingkat persediaan

(2)

(3) 63 523 276 446 488 0 400 12 423 133 525 478

316 255 24 83 54 59 446 438 435 341 375 77

Estimasi Kekurangan Produk (4) 0 0 0 405 0 0 0 0 0 0 103 0

Estimasi Produksi (5) 462 40 503 456 0 280 0 421 35 559 176 0

Realisasi Produksi

Pengiriman Galon Isi

(6)

(7) 462 40 503 456 0 788 0 421 35 559 176 537

62 518 273 442 483 0 396 12 419 132 520 473

Stok Produk

Tingkat Pengembalian

(8) 778 300 529 542 59 846 450 858 474 900 555 618

(9) 0.642557814 0.972125086 1.669985392 1.149678439 0.578894495 1.001756412 1.062458959 2.972125086 1.335069207 1.335650251 1.033629609 1.043135798

Galon Kosong Kembali (10) 40 503 456 508 280 0 421 35 559 176 537 494

Kekurangan Galon Untuk Produksi (11) 0 0 0 0 0 0 0 0 0 0 0 0 Jumlah

Kelebihan Galon Kosong (12) 0 0 0 0 0 0 0 0 0 0 0 0 1093.00

Penambahan Galon Kosong (13)

65

13