I

PERENCANAAN INVENTORY PART TRASNMISI

OTOMATIS DI PT MANNOH TSUDA

Oleh :

Zalal Bakti Pane

NIM: 004201405114

Laporan Skripsi disampaikan kepada Fakultas Teknik President

University diajukan untuk memenuhi Persyaratan akademik mencapai

gelar Sarjana Teknik Program Studi Teknik Industri

2018

I

LEMBAR REKOMENDASI PEMBIMBING

Skripsi berjudul PERENCANAAN INVENTORY PART

TRASNMISI OTOMATIS DI PT MANNOH TSUDA yang

disusun dan diajukan oleh Zalal Bakti Pane sebagai salah satu

persyaratan untuk mendapatkan gelar Sarjana Strata Satu (S1) pada

Fakutas Teknik telah ditinjau dan dianggap memenuhi persyaratan

sebuah skripsi. Oleh karena itu, Saya merekomendasikan skripsi ini

untuk maju sidang.

Cikarang, Indonesia, 2018

Ir. Hery Hamdi Azwir, MT

II

LEMBAR PERNYATAAN ORISINALITAS

Saya menyatakan bahwa skripsi berjudul PERENCANAAN

INVENTORY PART TRASNMISI OTOMATIS DI PT

MANNOH TSUDA adalah hasil dari pengetahuan terbaik Saya dan

belum pernah diajukan ke Universitas lain maupun diterbitkan baik

sebagian maupun secara keseluruhan.

Cikarang, Indonesia, 2018

Zalal Bakti Pane

III

PERENCANAAN INVENTORY PART TRASNMISI

OTOMATIS DI PT MANNOH TSUDA

Oleh

Zalal Bakti Pane

NIM: 004201405114

Disetujui Oleh

Ir. Hery Hamdi Azwir, MT

Dosen Pembimbing

Ir. Andira, MT

Kepala Program Studi Teknik Industri

IV

ABSTRAK

Perusahaan Mannoh Tsuda merupakan Perusahaan manufaktur yang

memproduksi transmisi otomatis kendaraan roda empat yang akan di Supply

ke perusahaan pembuat mobil yang ada di indonesia. PT. Mannoh Tsuda

berupaya dalam melakukan efisiensi biaya. Jika dilihat dari aspek biaya

persediaan bahan baku merupakan faktor penentu efisiensi karena biaya untuk

memperoleh bahan baku dan biaya-biaya lain yang disebabkan oleh adanya

persediaan bahan baku cukup besar. Oleh karena itu perlu adanya usaha untuk

mengelola persediaan secara efektif dan efisien. Salah satunya dengan

menemukan metode peramalan atau forecasting yang terbaik dan melakukan

penjadwalan produksi dan pengadaaan material sebaik mungkin. Dalam

penelitian ini analisis terhadap metode peramalan dengan membandingkan

hasil peramalan model Trend Linier,Double Exponential Smoothing,Double

Moving Average dan Trend Seasonal. dengan membandingkan MAD(Mean

Absolute Deviation),MSE(Mean Square Error) dan nilai RSFE dari Tracking

Signal, dari ketiga model peramalan yang memiliki MAD,MSE dan RSFE

yang paling kecil yaitu Trend Linier dimana MAD 35560, MSE 1631200890

dan RSFE 26. Sehingga hasil peramalan Trend Linier digunakan sebagai

acuan menentukan penjadwalan kebutuhan material selama satu tahun. Dalam

penyusunan jadwal kebutuhan material dilakukan penentuan Lot Sizing teknik

Economic Order Quantity dan teknik Lot For Lot dengan membandingkan

dengan metode perusahaan. Hasil perbandingan biaya antara metode

Economic Order Quantity,Lot For Lot dan metode perusahaan didapatkan

biaya terkecil dari ketiga model tersebut yaitu metode Economic Order

Quantity sebesar Rp 2.438.429.762 atau menghemat sebanyak 16,69% dari

metode yang berjalan pada perusahaan. Oleh karena itu alternatif metode

perencanaan pengendalian material yang diusulkan untuk diterapkan adalah

metode Economic Order Quantity.

Kata kunci : Forecasting,Economic Order Quantity,Lot For Lot,Material

Requirement planning .

V

KATA PENGANTAR

Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan

hidayah-Nya kepada penulis sehingga penulis dapat menyelesaikan skripsi yang

berjudul “PERENCANAAN INVENTORY PART TRASNMISI OTOMATIS DI

PT MANNOH TSUDA ”. Penulisan skripsi ini merupakan salah satu syarat

penulis untuk dapat memperoleh gelar Sarjana Teknik Jurusan Teknik Industri di

President University. Atas terselesaikannya penyusunan skripsi ini, penulis

mengucapkan terima kasih yang setulus-tulusnya kepada semua pihak yang telah

mendukung, khususnya kepada :

1. Allah Subhanahu wa Ta’ala atas segala kemudahan dan kekuatan yang besar

sehingga penulis berhasil menyelesaikan skripsi ini.

2. Untuk ibu dan ketiga saudara penulis yang selalu memberikan doa dan

dukungan selama ini.

3. Ir. Hery Hamdi Azwir, MT, selaku dosen pembimbing yang telah meluangkan

waktu, tenaga dan pikiran dalam pelaksanaan bimbingan selama ini, serta

memberikan pengarahan dan dorongan dalam penyusunan skripsi sehingga

dapat selesai tepat pada waktunya.

4. Ir.Andira, MT, sebagai Kepala Prodi Teknik Industri President University.

5. Seluruh dosen Teknik Industri President University yang telah membekali

penulis dengan ilmu pengetahuan dan pembelajaran yang berharga selama

perkuliahan yang tidak bisa saya sebutkan satu persatu.

6. Manager, Supervisor, dan rekan-rekan kerja di departemen Production

Planning and Inventory Control di PT. Mannoh Tsuda, yang telah memberikan

arahan, dukungan serta bantuannya.

7. Auliya Rahmi Ritonga yang selalu memberikan semangat, doa, dorongan, serta

pengertian yang besar kepada penulis selama mengikuti perkuliahan maupun

dalam menyelesaikan Skripsi di President University.

8. Untuk sahabat terbaik Heris, Nisa, Rani, dan Fariz yang selalu memberikan

semangat.

VI

9. Rekan-rekan seperjuangan batch 2014 Industrial Engineering President

University

Penulis menyadari, didalam penyusunan skripsi ini masih jauh dari

kesempurnaan serta banyak kekurangan. Untuk itu, besar harapan penulis jika

terdapat kritik dan saran yang membangun untuk membantu dalam

penyempurnaan dimasa yang akan datang.

Penyusun

,

Cikarang, 10 Februari 2018

VII

DAFTAR ISI

LEMBAR REKOMENDASI PEMBIMBING .......................................................I

LEMBAR PERNYATAAN ORISINALITAS ..................................................... II

ABSTRAK ........................................................................................................ IV

KATA PENGANTAR ........................................................................................ V

DAFTAR ISI ....................................................................................................VII

DAFTAR TABEL .............................................................................................. X

DAFTAR GAMBAR ...................................................................................... XIII

BAB I .................................................................................................................. 1

PENDAHULUAN ............................................................................................... 1

1.1. Latar Belakang Permasalahan ................................................................ 1

1.2. Rumusan Masalah .................................................................................. 2

1.3. Tujuan ................................................................................................... 3

1.4. Batasan Masalah .................................................................................... 3

1.5. Asumsi .................................................................................................. 3

1.6. Sistematika penulisan............................................................................. 4

BAB II TINJAUAN PUSTAKA .......................................................................... 6

2.1. Peramalan (Forecasting) ........................................................................ 6

2.1.1. Defenisi peramalan ......................................................................... 6

2.1.2. Tujuan Peramalan ........................................................................... 6

2.1.3. Proses Peramalan ............................................................................ 7

2.1.4. Metode Peramalan .......................................................................... 8

2.1.5. Metode Pemulusan (Smoothing)...................................................... 9

2.1.6. Analisis Kesalahan Peramalan ...................................................... 15

2.2. Persediaan ........................................................................................... 16

VIII

2.2.1. Defenisi Persediaan ...................................................................... 16

2.2.2. Faktor Penyebab Munculnya Persediaan ....................................... 17

2.2.3. Mamfaat Persediaan ...................................................................... 18

2.2.4. Tujuan Pengelolaan Persediaan ..................................................... 18

2.2.5. Jenis Persediaan ............................................................................ 19

2.3. Material Requirement Planning (MRP) ................................................ 21

2.3.1. Teknik kuantitas Pesanan Ekonomis ............................................. 22

2.3.2. Teknik Lot For Lot ....................................................................... 24

BAB III METODOLOGI PENELITIAN............................................................ 26

3.1. Observasi Awal ................................................................................... 26

3.2. Identifikasi Masalah ............................................................................. 26

3.3. Studi Pustaka ....................................................................................... 26

3.4. Pengumpulan Data ............................................................................... 27

3.5. Analisis................................................................................................ 27

3.6. Simpulan dan Saran ............................................................................. 28

BAB IV DATA DAN ANALISIS ...................................................................... 31

4.1. Gambaran Umum Perusahaan .............................................................. 31

4.2. Pengumpulan Data ............................................................................... 31

4.2.1. Data Penjualan .............................................................................. 32

4.2.2. Data Struktur Produk .................................................................... 33

4.2.3. Data Bill Of Material .................................................................... 35

4.2.4. Data Harga Material Atau Komponen ........................................... 37

4.2.5. Data Biaya .................................................................................... 38

4.2.6. Data Lead Time............................................................................. 41

4.3. Pengolahan Data .................................................................................. 43

4.3.1. Pengolahan Data Peramalan Permintaan ....................................... 43

4.3.2. Jadwal Induk Produksi (Master Production Schedule) .................. 66

4.3.3. Perhitungan Kebutuhan Part atau komponen ................................ 67

4.3.4. Lot Sizing ...................................................................................... 70

IX

4.4. Analisis Data ....................................................................................... 80

4.4.1. Analisis Model Peramalan Single Exponential Smoothing ............. 81

4.4.2. Analisa Model Peramalan Double Exponential Smoothing ............ 82

4.4.3. Analisa Model Peramalan Trend Linier ......................................... 83

4.4.4. Analisa Model Peramalan Winters’ (Musiman) ............................. 83

4.4.5. Perbandingan Biaya Total Persediaan ........................................... 85

BAB V KESIMPULAN DAN SARAN.............................................................. 87

5.1. Kesimpulan.......................................................................................... 87

5.2. Saran ................................................................................................... 88

DAFTAR PUSTAKA ........................................................................................ 89

X

DAFTAR TABEL

Tabel 4. 2 BILL OF MATERIAL FLOOR SHIFT ASSY TRANSMISSION ..... 35

Tabel 4.2 (Lanjutan) BILL OF MATERIAL FLOOR SHIFTASSY

TRANSMISSION .............................................................................................. 36

Tabel 4. 3 Tabel Daftar harga material atau komponen ....................................... 37

Tabel 4.3 (lanjutan) Daftar harga material atau komponen ................................ 38

Tabel 4.4 (lanjutan) Daftar Biaya Pemesanan Untuk Tiap komponen Produk Floor

Shift Assy Transmission .................................................................................... 40

Tabel 4.5 (Lanjutan) Data Biaya Penyimpanan Untuk Tiap Komponen Produk

Floor Shift Assy Transmission per bulan ............................................................ 41

Tabel 4.6 Lead Time material Floor Transmission ............................................. 42

Tabel 4.6 (lanjutan) Lead Time material Floor Transmission.............................. 43

Tabel 4.7 Perhitungan Peramalan Menggunakan Metode Double Exponential

Smoothing .......................................................................................................... 44

Tabel 4.9 Tracking Signal Model Peramalan Double Exponential Smoothing (α =

0,5) .................................................................................................................... 46

Tabel 4.9 (lanjutan) Tracking Signal Model Peramalan Double Exponential

Smoothing (α = 0,5) ........................................................................................... 47

Tabel 4.10 Hasil perhitungan menggunakan metode Trend Linier ...................... 49

Tabel 4.11 hasil peramalan permintaan pada tahun 2018 - 2029 menggunakan

metode trend Linier ........................................................................................... 50

Tabel 4.11(lanjutan) hasil peramalan permintaan pada tahun 2018 - 2029

menggunakan metode trend Linier ..................................................................... 51

Tabel 4.12 Hasil perhitungan untuk menentukan ukuran hasil peramalan dengan

Trend linier ........................................................................................................ 51

XI

Tabel 4.13 Tracking Signal model Trend Linier ................................................. 52

Tabel 4.14 Hasil perhitungan menggunakan metode Double Moving Average .... 54

Tabel 4.16 Hasi perhitungan untuk menentukan ukuran hasil peramalan dengan

Double moving average ..................................................................................... 55

Tabel 4.16 (lanjutan) Hasi perhitungan untuk menentukan ukuran hasil peramalan

dengan Double moving average ......................................................................... 56

Tabel 4.17 tracking signal model Double Moving Average ................................ 57

Tabel 4.18 Perhitungan Indeks musiman pada metode Trend seasonal ............... 59

Tabel 4.19 hasil perhitungan peramalan dengan dipengaruhi indeks musiman .... 60

Tabel 4.20 hasil peramalan tahun 2018 menggunakan metode trend seasonal .... 60

Tabel 4.21 Hasil perhitungan untuk menentukan ukuran hasil peramalan

menggunakan Trend seasonal ............................................................................ 61

Tabel 4.22 Tracking Signal Mode peramalan Trend Seasonal ............................ 62

Tabel 4.23 Perbandingan hasil peramalan permintaan Floor shift assy

trasnmission....................................................................................................... 64

Tabel 4.23 (lanjutan) Perbandingan hasil peramalan permintaan Floor shift assy

trasnmission....................................................................................................... 65

Tabel 4.24 Rencana Jumlah Floor Shift Assy Transmission yang akan diproduksi

pada tahun 2018. ................................................................................................ 66

Tabel 4.24 (lanjutan) Rencana Jumlah Floor Shift Assy Transmission yang akan

diproduksi pada tahun 2018. .............................................................................. 67

Periode (Bulan) .................................................................................................. 67

Permintaan ......................................................................................................... 67

Rencana Produksi .............................................................................................. 67

Safety Stock (5%) .............................................................................................. 67

Inventory ........................................................................................................... 67

XII

Tabel 4.25 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy

Transmission Periode Januari 2018 sampai Juni 2018. ....................................... 68

Tabel 4.26 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy

Transmission Periode Juli 2018 sampai Desember 2018. .................................... 69

Tabel 4.27 Economic Order Quantity (EOQ) Komponen Plate (TG24700-10100)

.......................................................................................................................... 72

Tabel 4.28 Hasil Perhitungan Biaya Menggunakan Model EOQ ......................... 73

Tabel 4.29 Contoh Perhitungan MRP Plate (TG24700-10100) Menggunakan

Metode Lot For Lot............................................................................................ 74

Tabel 4.30 Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018 . 76

Tabel 4.30 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk

periode 2018 ...................................................................................................... 77

Tabel 4.31 Perhitungan total biaya persediaan bahan baku dengan metode yang

sudah berjalan pada perusahaan. ........................................................................ 79

Tabel 4.31 (lanjutan) Perhitungan total biaya persediaan bahan baku dengan

metode yang sudah berjalan pada perusahaan. .................................................... 80

Tabel 4.32 Perbandingan total biaya pengadaaan persediaan tahun 2018. ........... 85

Tabel 4.32 (lanjutan) Perbandingan total biaya pengadaaan persediaan tahun

2018. .................................................................................................................. 86

XIII

DAFTAR GAMBAR

Gambar 2.1 Biaya total sebagai fungsi dari kuantitas pemesanan ....................... 22

Gambar 2.2 Perubahan persediaan sepanjang waktu dengan pemesanan kembali 24

Gambar 3.1 Diagram Alir (Flow Chart) ........................................................... 30

Gambar 4.1 Transmisi Manual ........................................................................... 31

Gambar 4.2 Transmisi Automatic....................................................................... 31

Gambar 4.3 Grafik Data Permintaan Floor shift assy transmission periode 2017. 33

Gambar 4.4 Struktur Produk Floor Shift Assy Transmission .............................. 34

Gambar 4.5 Peta Control Tracking Signal dari model peramalan Double

Exponential Smoothing α = 0,5. ......................................................................... 48

Gambar 4.6 Grafik permintaan aktual pada tahun 2017 ...................................... 49

Gambar 4.7 Peta control tracking signal dari model peramalan Trend Linier ...... 53

Gambar 4.8 Peta control Tracking Signal dari model peramalan Double Moving

Average ............................................................................................................. 58

Gambar 4.9 Peta control tracking signal dari model peramalan trend seasonal.... 63

Gambar 4.10 Grafik Perbandingan hasil Forecasting model Single Exponential

menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 81

Gambar 4.11 Grafik Perbandingan hasil Forecasting Model Double Exponential

menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 82

Gambar 4.12 Grafik Perbandingan hasil Forecasting Model Trend Linier

menggunakan Minitab 16 dengan permintaan aktual tahun 2017 ........................ 83

Gambar 4.13 Grafik Perbandingan hasil Forecasting Model musiman

menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 84

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Permasalahan

Perencanaan produksi merupakan bagian penting yang harus dilakukan di

industri manufaktur. Perencanaan produksi bertujuan untuk menentukan

jumlah produk yang harus dihasilkan dengan waktu yang sesuai dengan

jadwal produksi,sehingga proses produksi dapat berjalan dengan lancar dan

ekonomis.Perencanaan produksi yang baik akan dapat meningkatkan

keuntungan perusahaan karena mampu meminimalkan biaya produksi dan

dapat memenuhi kebutuhan dari permintaan produk. Sasaran perusahaan

melakukan perencanaan untuk menetapkan tingkat output secara menyeluruh

dalam jangka waktu tertentu untuk menghadapi permintaan pasar yang

bersifat fluktuatif atau tidak pasti. Kelancaran proses produksi juga banyak

dipengaruhi oleh ketersediaan bahan baku,yaitu persediaan bahan baku yang

memadai,untuk mengatasi masalah tersebut perusahaan perlu membuat atau

menetapkan perencanaan bahan baku dan jadwal induk produksi yang baik

sehingga dapat diketahui kapan dan berapa banyak produk harus di produksi

dan akhirnya dapat memenuhi permintaan konsumen tepat waktu dan jumlah

yang sesuai.

PT Mannoh Tsuda merupakan salah satu perusahaan industri yang bergerak

di bidang produksi otomotif berupa part dan engine mobil yang bekerja sama

dengan Car Maker yang ada di indonesia seperti Toyota, Suzuki,Astra

Daihatsu dan Mitsubishi. Untuk menjaga kelancaran dan kepercayaan

pelanggan PT. Mannoh Tsuda selalu berupaya dalam memenuhi permintaan

dan selalu menjaga kualitas serta tepat waktu pada saat pengiriman produk

sesuai waktu yang ditentukan oleh customer.

2

Kegiatan produksi yang dilakukan masih ada operasi kerja yang terhenti

akibat keterlambatan material. Perusahaan berusaha mengoptimalkan seluruh

sumber daya yang ada untuk mencapai target perusahaan dengan baik.

Perusahaan belum mempunyai model penjadwalan produksi dan perencanaan

persediaan yang baik sehingga sering terjadi keterlambatan material dan

kebutuhan bahan baku untuk periode berikutnya belum bisa diketahu dengan

pasti sehingga sering kali proses pemesanan material atau komponen diluar

perkiraan sehingga akan menimbulkan biaya yang berlebihan. Berdasarkan

kondisi tersebut maka perlu adanya perencanaan produksi dan pengendalian

material yang baik agar proses produksi dapat berjalan lancar sehingga dan

dapat meminimumkan biaya pengeluaran untuk proses pengadaan material.

Selama ini perusahaan menggunakan sistem kanban untuk mengendalikan

persediaan dan menentukan kuantitas kebutuhan material yang akan di order

ke supplier. Karena sering terjadi kehilangan kartu kanban maka sering

terjadi kesalahan pada order kanban atau order material dan juga akibat dari

kurang support dari supplier dan kondisi geografi di indonesia seperti

kondisi jalan di saaat hari hari besar yang berdampak pada keterlambatan

pengiriman material serta tingginya fluktuatif permintaan pelanggan sering

kali terjadi kehabisan material yang mengkibatkan terganggunya proses

produksi dan mengakibatkan bertambahnya biaya yang harus dikeluarkan

oleh perusahaan.

1.2. Rumusan Masalah

Permasalahan yang menjadi fokus penelitian adalah bagaimana membuat

model peramalan yang bisa di andalkan yang bisa diterapkan dalam

perusahaan dan mengurangi tingginya biaya yang dikeluarkan perusahaan

dalam pengadaan persediaan.

3

1.3. Tujuan

1. Menentukan peramalan terbaik untuk memperkirakan permintaan pada

periode yang akan datang.

2. Melakukan pengendalian persediaan berdasarkan metode Lot Sizing

terbaik dengan biaya paling rendah.

3. Melakukan perencanaan kebutuhan material dengan menggunakan

metode yang terbaik dengan biaya paling minimum.

1.4. Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut :

1. Penelitian dilakukan di PT. Mannoh Tsuda.

2. Penelitian hanya dilakukan terhadap Floor assy Transmission D99B atau

Line AT3 (Automatic)

3. Perhitungan material hanya pada material untuk model yang kanan.

4. Data yang digunakan adalah data selama satu tahun, yaitu Januari 2017

sampai Desember 2017

1.5. Asumsi

Asumsi yang di gunakan dalam penelitian ini adalah Lead Time diasumsikan

Determenistik,dalam hal ini perusahaan telah menetapkan waktu pemesanan

ke pemasok,dalam hal pembuatan purchase order dan waktu pengadaan

barang dari pemasok hingga kegudang, dijaga agar tepat waktu sehingga

pemasok yang telah sepakat untuk memenuhi permintaan ,setiap kegiatannya

mulai dari penerimaan pemesanan,pembuatan barang,pengiriman

barang,hingga barang tersebut sampai kegudang akan dipantau perusahaan.

struktur biaya tidak berubah,dimana harga harga per unit barang adalah tetap

dan biaya pemesanan serta penyimpanan adalah tetap. Hari kerja dalam

sebulan yaitu 22 hari. Kapasitas gudang dan modal cukup untuk menampung

4

dan membeli pesanan.tidak ada quantity discount.biaya variabel hanya terdiri

atas set up cost dan holding cost.

1.6. Sistematika penulisan

Berikut ini adalah sistematika penulisan :

BAB I PENDAHULUAN

Bab ini menguraikan tentang latar belakang permasalahan,diagram keterkaitan

permasalahan,tujuan penelitian,ruang lingkup penelitian dan asumsi

penelitian.

BAB II STUDI PUSTAKA

Bab ini menguraikan teori-teori yang berkaitan dengan topik utama yang

dibahas yaitu statistik permasalahan dan pengelolaan persediaan. Teori-teori

tersebut dijadikan landasan pengolahan data. Teori tersebut meliputi teori

statistik mengenai peramalan, metode Material Requirement Planning

Requirement,meliputi EOQ ,Lot For Lot kemudian defenisi persediaa,tujuan

persediaan,jenis-jenis persediaan dan biaya –biaya persedian.

BAB III METODOLOGI PENELITIAN

Bab ini merupakan gambaran terstruktur tahap demi tahap proses pelaksanaan

penelitian yang digambarkan dalam bentuk flow chart dan tiap tahapnya

diberi penjelasan

BAB IV DATA DAN ANALISIS

Bab ini menguraikan pengolahan data-data yang didapat dengan menggunakan

metode peramalan Trend Linier dan Double Exponential Smoothing dan

metode MRP yakni metode Economic Order Quantity dan Lot For Lot.

5

BAB V SIMPULAN DAN SARAN

Bab ini menguraikan kesimpulan yang ditarik berdasarkan hasil penelitian dan

saran yang diajukan untuk pengembangan penelitian selanjutnya.

6

BAB II

TINJAUAN PUSTAKA

2.1. Peramalan (Forecasting)

Peramalan atau yang biasa disebut forecasting merupakan suatu teknik untuk

memprediksi atau memperkirakan suatu nilai pada masa yang akan datang

dengan memperhatikan data atau informasi masa lalu maupun saat ini, baik

secara matematik maupun statistik

2.1.1. Defenisi peramalan

Menurut Gaspersz (2004) Aktivitas peramalan merupakan suatu fungsi bisnis

yang berusaha memperkirakan penjualan dan penggunaan produk sehingga

produk-produk itu dapat dibuat dalam kuantitas yang tepat. Dengan demikian

peramalan merupakan suatu dugaan terhadap permintaan yang akan datang

berdasarkan pada beberapa variabel peramalan,seringkali berdasarkan data

deret waktu historis. Peramalan dapat menggunakan teknik-teknik peramalan

yang yang bersifat formal maupun informal.

Menurut Awat (2000) menjelaskan bahwa peramalan merupakan kegiatan

untuk mengetahui nilai variabel yang dijelaskan (variabel dependen) pada

masa yang akan datang dengan mempelajari variabel independen pada masa

lalu,yaitu dengan menganalisis pola data dan melakukan ekstrapolasi bagi

nilai-nilai masa yang akan datang.

Menurut Adam dan Ebert (2002) peramalan merupakan suatu perkiraan

keadaan pada masa yang akan datang dengan menggunakan data dimasa lalu.

2.1.2. Tujuan Peramalan

Menurut Gapersz (2004) tujuan utama dari peramalan dalam manajemen

permintaan adalah untuk meramalkan permintaan dari item-item independent

7

demand dimasa yang akan datang. Selanjutnya dengan

mengkombinasikannya dengan pelayanan pesanan (order service) yang

bersifat pasti kita tidak dapat mengetahui pasti,kita tidak dapat mengetahui

total permintaan dari suatu item atau produk agar memudahkan manajemen

produksi dan inventori. Perencanaan produksi dan inventori termasuk

kapasitas dan sumber daya lainnya dalam indusitri manufaktur.

2.1.3. Proses Peramalan

Terdapat beberapa proses dalam melakukan kegiatan peramalan diantaranya:

1. Menentukan tujuan melakukan peramalan

Mamfaat dalam menentukan tujuan peramalan adalah untuk mengetahui

informasi-informasi yang dibutuhkan dalam peramalan.informasi tersebut

diantaranya adalah variabel-variabel yang akan diramalkan,periode

peramalan,waktu penggunaan hasil peramalan,derajat ketepatan hasil

peramalan,dan orang yang akan menggunakan hasil peramalan.

2. Pengembangan model

Maksud dari model disini adalah kerangka analisis yang digunakan dalam

melakukan peramalan dimana apabila dimasukkan data akan menghasilkan

suatu perkiraan yang dapat menggambarkan secara nyata perilaku variabel

yang digunakan.

3. Penguji model

Pengujian model bertujuan untuk mengetahui keakuratan model peramalan

yang digunakan. Keakuratan model peramalan ditentukan oleh derajat

ketepatan hasil peramalan terhadap kenyataan sebenarnya.

4. Penerapan model

Setelah model dikembangkan dan diuji ketepatannya,model yang telah

tepat tersebut digunakan untuk mengolah data historis agar menghasilkan

suatu data perkiraan kondisi dimasa yang akan datang.

8

5. Revisi

Kegiatan revisi ini diperlukan jika terdapat perubahan-perubahan dari

suatu kejadian yang dapat memengaruhi proses peramalan.

6. Evaluasi

Evaluasi ini dilakaukan dengan cara membandingkan hasil peramalan

yang didiapt dengan hasil sebenarnya

2.1.4. Metode Peramalan

Menurut Sinulinnga (2009) metode peramalan dapat diklasifikasikan atas dua

kelompok besar yaitu peramalan metode kualitatif dan kuantitatif. Kedua

kelompok tersebut memberikan hasil peramalan yang kuantitatif.

Perbedaannya terletak pada cara peramalannya.

1. Peramalan kualitatif

Metode kualitatif pada umumnya digunakan apabila data kuantitatif tentang

permintaan masa lalu tidak tersedia atau akurasinya tidak memadai. Misalnya

peramalan tentang permintaan produk baru yang akan dikembangkan, jelas

data masa lalu tidak tersedia. Walaupun data masa lalu tersedia, kalau kondisi

lingkungan masa yang akan datang sama sekali sudah berbeda dengan kondisi

masa lalu maka keberadaan data masa lalu itu tidak akan menolong

peramalan permintaan masa yang akan datang.

2. Peramalan kuantitatif

Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif

pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang

digunakan dalam peramalan tersebut. Baik tidaknya penggunaan metode

ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan

keadaan sebenarnya. Semakin kecil penyimpangan atau tingkat Error dengan

hasil kenyataan yang terjadi berarti metode yang digunakan semakin baik.

Peramalan kuantitatif digunakan apabila kondisi berikut terpenuhi :

a. Adanya informasi tentang masa lalu

9

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data

c. Informasi terbaru dapat diasumsikan bahwa pola masa lalu akan berulang

dimasa yang akan datang

Kategori peramalan kuantitatif memamfaatkan data historis untuk

diproyeksikan sebagai hasil peramalan di masa yang akan datang. Data ini

tergolong kedalam runtutan waktu (Time series). Pengertian time series

adalah himpunan observasi berurut dalam rentang waktu tertentu. Teknik

peramalan yang menggunakan data time series memiliki beberapa

asumsi,diantaranya :

a. Keteraturan (regularity) merupakan variabel dimasa lalu akan secara

teratur muncul dimasa yang akan datang.

b. Keajegan (persistence) merupakan pola yang terjadi di masa lalu akan

tetap terjadi di masa yang akan datang.

c. Kehandalan (reliability) dan kesahihan (validity) merupakan ketepatan

peramalan tergantung pada kehandalan dan kesahihan data yang

tersedia.

Terdapat beberapa contoh metode peramalan berdasarkan peramalan

berdasarkan pendekatan time series, diantaranya adalah metode moving

average, metode exponential smoothing,metode dekomposisi, metode

ARIMA, dan lain-lain. Metode exponential smoothing terdiri dari single

exponential smoothingi,exponential smoothing berganda, dan metode Holt-

winters exponential smoothing.

2.1.5. Metode Pemulusan (Smoothing)

Metode pemulusan adalah metode peramalan yang mengadakan penghalusan

atau pemulusan terhadap data masa lalu, yaitu dengan mengambil rata-rata

nilai beberapa periode sebelumnya untuk menaksir nilai kebutuhan periode

yang akan datang. Secara umum metode pemulusan (Smoothing) dapat

diklasifikasikan menjadi :

10

2.1.5.1. Metode Rata-Rata (Average)

Peramalan dilakukan dengan mengambil kelompok data masa lalu

kemudian dibuat rata-ratanya. Rata-rata data tersebut dibuat untuk

melakukan peramalan untuk periode selanjutnya. Metode ini biasa disebut

sebagai rata-rata bergerak (moving average) karena terdapat pergerakan

data setiap ada hasil dari rata-rata sebelumnya atau terdapat observasi baru

maka rata-rata yang baru dihitung dan digunakan untuk menghitung rata-

rata periode selanjutnya. Tujuan dari metode rata-rata adalah untuk

memamfaatkan data pada masa lalu untuk mengembangkan suatu sistem

peramalan pada periode yang akan datang.

Metode rata-rata dibagi atas empat bagian yaitu :

1. Nilai tengan (mean)

2. Rata-rata bergerak tunggal (single moving average)

3. Rata-rata bergerak ganda (double moving average )

4. Kombinasi rata-rata bergerak lainnya

Metode rata-rata dapat dirumuskan sebagai berikut :

Moving Average (MA) = ∑𝒙

𝒏

Dimana :

∑x : adalah jumlah data permintaan

n : adalah jumlah periode

Moving average secara efektif meratakan atau menghaluskan fluktuasi

pola data yang ada. Tentu saja semakin panjang periodenya,semakin rata

kurvany. Kebaikan lainnya adalah bahwa metode rata-rata dapat

diterapkan pada jenis data apapun juga,apakah data sesuai dengan suatu

kurva matematik atau tidak.

11

2.1.5.2. Metode Exponential Smoothing

Exponential Smoothing adalah teknik peramalan rata-rata bergerak yang

melakukan penimbangan terhadap data masa lalu dengan cara

eksponensial dengan pemberian bobot pada data sehingga data paling

akhir mempunyai bobot lebih besar dalam rata-rata bergerak. Exponential

Smoothing terdiri dari tiga metode,diantaranya adalah single exponential

smoothing,double exponential smoothing,dan Holt-Winter exponential

smoothing.

1. Single exponential Smoothing

Metode Single Exponential banyak digunakan karena metode tersebut

sederhana,efisien dalam perhitungan,perubahan peramalan mudah

disesuaikan dengan perubahan yang ada,dan ketelitian metode ini cukup

besar. Single Exponential Smoothing banyak digunakan untuk peramalan

jangka pendek dan digunakan jika data cukup konstan atau mengandung

trend yang tidak terlalu signifikan. Single exponential Smoothing

dirumuskan sebagai berikut:

Ft = αAt-1 +(1-α) Ft-1

Dimana :

Ft adalah exponentially smoothed forecast untuk periode t

Ft-1 adalah exponentially smoothed forecast untuk periode sebelumnya

α adalah smoothing constant

At-1 adalah data forecast di periode sebelumnya

Hal utama dalam dilakukan dalam metode exponential smoothing adalah

menentukan nilai α . exponential smoothing sederhana tidak

memperhitungkan pengaruh trend, sehingga tidak ada nilai α yang akan

sepenuhnya menggantikan trend dalam data. Nilai α dapat disesuaikan

12

dengan pola data historis aktual. Apabila pola data historis tidak stabil dari

waktu ke waktu, maka nilai α yang dipilih mendekati 1 karena akan lebih

responsif terhadap fluktuasi permintaan. Namun jika nilai α rendah akan

menyebabkan jarak yang lebih lebar dengan trend maka hal itu akan

memberikan bobot yang lebih kecil pada permintaan sekarang. Oleh

karena itu, pola historis dari data aktual tidak berfluktuasi atau stabil dari

waktu ke waktu memiliki nilai α mendekati 0. Alternatif lain yang dapat

dilakukan adalah dengan melakukan trial and error sehingga menemukan

nilai α yang menghasilkan nilai MAPE terkecil.

2. Double Exponential Smoothing

Pada metode double exponential smoothing mempertimbangkan adanya

level dan trend pada pola permintaan. Double exponential smoothing

dirumuskan sebagai berikut :

St = αYt + ( 1- α) ( St-1 + bt-1 )

bt = β ( St - St-1 ) + ( 1-β ) bt – 1

Ft + m = St + bt m

Dimana :

α : Adalah level smoothing constant

St : Adalah Smoothed at the end of periode t

β : Adalah trend snoothing constant

bt : Adalah smoothed trend in period t

m : Adalah forecast horizon

13

3. Holt-Winters Exponential smoothing

Metode ini lebih kompleks dibandingkan dengan metode peramalan yang

lain karena metode peramalan ini memperhatikan pola level, dan

seasonal dari suatu permintaan . Metode ini dirumuskan sebagai berikut :

St = α 𝑌𝑡

𝐼𝑡−𝑙+ (1 − 𝛼 ) ( St-1 - bt-1 )

bt = β (St - St-1 ) + ( 1 – β ) bt – 1

It = γ 𝑌𝑡

𝑆𝑡 + ( 1- γ ) It – L

Ýi + m = ( St + bt m ) It – L + m

Dimana :

α : adalah smoothing constant, digunakan untuk St

Yt : adalah nilai aktual permintaan pada akhir periode t

St : adalah smoothing value pada akhir t setelah penyesuaian

seasonality

β : adalah smoothing constant, digunakan untuk mengkalkulasi bt

bt : adalah smoothed value dari tren periode t

It-L : adalah smoothed seasonal index L periode

L : adalah length of seasonal index L periode yang lalu

γ : adalah smoothing constant, untuk menghitung seasonal index

periode t

m : adalah horizon length di forecast Ýi + m

4. Croston’s Method

Croston’s Method merupakan metode peramalan permintaan

dikembangkan untuk memperkirakan sejumlah permintaan di periode

yang lebih akurat. Seperti metode exponential smoothing croston’s

14

method mengasumsikan lead time demand (LTD) mempunyai distribusi

normal. Croston’s Method memperkirakan rata-rata perintaan per

periode, dengan menerapkan exponential smoothing , terbagi menjadi

dua yaitu interval antara permintaan yang tidak nol ( nonzero ) dan

ukuran kuantitas permintaan . persamaan croston’s method terbagi

menjadi dua, yaitu :

a. Jika X (t) = 0

St = St-1

It = It – 1

Q = q + 1

b. Jika X (t) ≠ 0

St = αXt + ( 1- α ) St – 1

It = αq + ( 1 - α ) It – 1

Q = 1

Kombinasi dari ukuran kuantitas permintaan dan interval kejadian

permintaan per periode, maka

M (t) = 𝑆𝑡

𝐼𝑡

Dimana :

S (t) adalah perkiraan ukuran kuantitas permintaan

I (t) adalah rata rata interval antara permintaan

Q adalah interval waktu sejak permintaan terakhir

X (t) adalah permintaan pada periode t

M (t) adalah peramalan permintaan pada periode

15

2.1.6. Analisis Kesalahan Peramalan

Kesalahan peramalan didefenisikan sebagai perbedaan nilai antara hasil

peramalan dengan keadaan sesungguhnya. Nilai kesalahan peramalan

menunjukkan keakuratan hasil peramalan yang dilakukan dimana jika

nilainya lebih kecil maka nilai kesalahannya kecil atau nilai keakuratannya

besar. Nilai kesalahan peramalan perlu diketahui karena hasil dari peramalan

tidak sepenuhnya akurat terjadi, tetapi ketidakakuratan tersebut dapat

diidentifikasi dengan cara melihat kesalahan peramlan (forecast Error ) yang

nilainya paling kecil. Oleh karena itu perlu dilakukan uji keakuratan hasil

peramalan dengan menghitung nilai :

1. Mean Square Error (MSE)

MSE = ∑(𝑌𝑡−𝑌𝑡′)

𝑛

2

MSE = menunjukkan rata-rata dari kuadrat kesalahan yang terjadi selama

periode peramalan

2. Mean Absolute Deviation ( MAD)

MAD = ∑∣𝑦𝑡−𝑦𝑡′∣

𝑛

MAD menunjukkan rata – rata nilai absolut dari kesalahan yang terjadi

selama periode peramalan

3. Mean Absoliute Percentage Error ( MAPE )

MAPE = ∑ ∣(𝑦𝑡−𝑦𝑡′)𝑛

𝑖=0

𝑛 x 100 %

MAPE menunjukkan rata – rata persentase dari nilai absolut kesalahan

yang terjadi selama periode peramalan yang dibandingkan terhadap aktual.

Dimana :

16

yt -yt’ adalah kesalahan peramalan pada periode t

y adalah permintaan

n adalah jumlah periode

2.2. Persediaan

Perusahaan jasa maupun manufaktur yang bergerak dalam bidang industri, baik

yang menjalankan metode push maupun pull inventory system biasanya

mempunyai persediaan untuk mencapai kepuasan pelanggan. Oleh karena itu

setiap perusahaan mempunyai perencanaan yang ditetapkan bersama. Ketepatan

dalam melakukan antisipasi atas segala ketidakpastian keadaan dapat

memungkinkan perusahaan untuk menyimpan sejumlah barang tertentu agar

setiap permintaan pelanggan dapat terpenuhi.

2.2.1. Defenisi Persediaan

Menurut Ristono (2009) persediaan dapat diartikan sebagai barang barang yang

disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang.

Persediaan terdiri dari persediaan bahan baku , persediaan bahan setengah jadi

dan persediaan barang jadi. Persediaan bahan baku dan bahan setengah jadi

disimpan sebelum digunakan atau di masukkan kedalam proses produksi,

sedangkan persediaan barang jadi atau barang dagang disimpan

sebelumBdidjualtatau dipasarkan. Dengan demikian setiap perusahaan yang

melakukan kegiatan usaha umumnya memiliki persediaan.

Menurut Pardede (2005), persediaan (inventory) adalah sejumlah barang atau

bahan yang tersedia untuk digunakan sewaktu-waktu di masa yang akan datang.

Sediaan terjadi apabila jumlah bahan atau barang yang diadakan (dibeli atau

dibuat sendiri) lebih besar daripada jumlah yang digunakan (dijual atau diolah

sendiri).

Menurut Heizer dan Render (2010), persediaan adalah salah satu asset termahal

dari banyak perusahaan, mewakili sebanyak 50% dari keseluruhan modal yang

17

diinvestasikan. Manajer operasi diseluruh dunia telah menyadari bahwa

manajemen persediaan sangatlah penting. Di satu sisi, sebuah perusahaan dapat

mengurangi biaya dengan mengurangi persediaan. Di sisi lain, produksi dapat

berhenti dan pelanggan menjadi tidak puas ketika sebuah barang tidak tersedia.

Tujuan manajemen persediaan adalah menentukan keseimbangan antara

investasi persediaan dengan pelayanan pelanggan. n di simpan sebelum dijual

atau dipasarkan.

Menurut Assauri (2008), persediaan adalah suatu aktiva yang meliputi barang

milik perusahaan dengan maksud untuk dijual suatu periode usaha yang normal

atau persediaan barang-barang yang masih dalam pengerjaan/proses produksi,

ataupun persediaan barang baku yang menunggu penggunaannya dalam suatu

proses produksi. Jadi persediaan merupakan sejumlah bahan-bahan, parts yang

disediaakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan

untuk proses produksi, serta barang-barang jadi/produk yang disediakan untuk

memenuhi permintaan dari komponen atau langganan setiap waktu.

2.2.2. Faktor Penyebab Munculnya Persediaan

Menurut Sumayang (2003), penyebab timbulnya persediaan adalah sebagai

berikut:

1. Menghilangkan pengaruh ketidakpastian. Untuk menghadapi ketidakpastian

maka pada sistem ditetapkan persediaan darurat yang dinamakan safety stock.

Jika sumber dari ketidakpastian dapat dihilangkan, maka jumlah inventory

maupun safety stock dapat dikurangi.

2. Memberi waktu luang untuk pengelolaan produksi dan pembelian.

Kadangkadang lebih ekonomis memproduksi barang dalam proses atau

barang jadi dalam jumlah besar atau dalam jumlah paket yang kemudian

disimpan sebagai persediaan.

18

3. Untuk mengantisipasi perubahan pada demand dan supply. Inventory

disiapkan untuk menghadapi bila ada perkiraan perubahan harga dan

persediaan bahan baku.

2.2.3. Mamfaat Persediaan

Menurut Assauri (2008), alasan diperlukannya persediaan oleh suatu perusahaan

adalah karena :

1. Dibutuhkannya waktu untuk menyelesaikan operasi produksi untuk

memindahkan produk dari suatu tingkat ke tingkat produksi proses yang lain,

yang disebut persediaan dalam proses dan pemindahan.

2. Alasan organisasi, untuk memungkinkan satu unit atau bagian membuat

jadwal operasinya secara bebas, tidak tergantung dari yang lainnya.

2.2.4. Tujuan Pengelolaan Persediaan

Menurut Ristono (2008) Suatu pengendalian persediaan yang dilakukan oleh

perusahaan sudah tentu memiliki tujuan-tujuan tertentu.pengendalian persediaan

yang dijalankan adalah untuk menjaga tingkat persediaan pada tingkat optimal

sehingga diperoleh penghematan-penghematan untuk persediaan tersebut. Hal

inilah yang dianggap penting untuk dilakukan perhitungan persediaan sehingga

dapat menunjukkan tingkat persediaan yang sesuai dengan kebutuhan dan dapat

menjaga kontiunitas produksi dengan pengorbanan atau pengeluaran biaya yang

ekonomis.berikut adalah yang termasuk tujuan persediaan :

a. Untuk dapat memenuhi kebutuhan atau permintaan konsumen dengan cepat

(memuaskan konsumen)

b. Untuk menjaga kontiunitas produksi atau menjaga agar perusahaan tidak

mengalami kehabisan persediaan yang mengakibatkan terhentinya proses

produksi, hal ini dikarenakan kemungkinan barang menjadi langka sehingga

sulit untuk diperoleh dan kemungkinan Supplier terlambat mengirimkan

barang yang dipesan.

19

c. Untuk mempertahankan dan bila mungkin meningkatkan penjualan dan laba

perusahaan.

d. Menjaga agar pembelian secara kecil-kecilan dapat dihindari, karena dapat

mengakibatkan ongkos pesan menjadi lebih besar.

e. Menjaga supaya penyimpanan dalam emplacement tidak besar-besaran

karena akan mengakibatkan biaya menjadi besar.

2.2.5. Jenis Persediaan

A. Persediaan berdasarkan bentuknya

Menurut Nasution dan Prastyawan (2008), dilihat dari bentuk atau jenisnya

persediaan dibedakan menjadi empat, yaitu:

1. Bahan baku (raw material) adalah barang-barang yang dibeli dari pemasok

(supplier) dan akan digunakan atau diolah menjadi produk jadi yang akan

dihasilkan perusahaan.

2. Bahan setengah jadi (work in process) adalah bahan baku yang sudah

diolah atau dirakit menjadi komponen namun masih membutuhkan

langkahlangkah lanjutan agar menjadi produk jadi.

3. Barang jadi (finish good) adalah barang jadi yang telah selesai diproses,

siap untuk disimpan di gudang barang jadi, dijual, atau didistribusikan ke

lokasilokasi pemasaran.

4. Bahan-bahan pembantu (supplier) adalah barang-barang yang dibutuhkan

untuk menunjang produksi, namun tidak akan menjadi bagian pada produk

akhir yang dihasilkan perusahaan.

Menurut Heizer dan Render (2010), untuk mengakomodasi fungsi-fungsi

persediaan, perusahaan harus memelihara empat jenis persediaan, yaitu:

1. Persediaan bahan mentah (raw material inventory), digunakan untuk

melakukan decouple (memisahkan) pemasok dari proses produksi.

Bagaimanapun juga, pendekatan yang lebih dipilih adalah menghilangkan

20

variabilitas pemasok akan kualitas, kuantitas, atau waktu pengantaran

sehingga tidak diperlukan pemisahan.

2. Persediaan barang setengah jadi (work in process-WIP inventory) adalah

komponen-komponen atau bahan mentah yang telah melewati beberapa

proses perubahan, tetapi belum selesai. WIP ada karena waktu yang

diperlukan untuk menyelesaikan sebuah produk (disebut waktu siklus).

Mengurangi waktu siklus akan mengurangi persediaan.

3. Persediaan pasokan pemeliharaan/perbaikan/operasi (maintenance, repair,

operating-MRO) adalah persediaan-persediaan yang disediakan untuk

persediaan pemeliharaan, perbaikan dan operasi yang dibutuhkan untuk

menjaga agar mesin-mesin dan proses-proses tetap produktif. MRO ada

karena kebutuhan serta waktu untuk pemeliharaan dan perbaikan dari

beberapa perlengkapan tidak diketahui. Walaupun permintaan akan MRO

merupakan fungsi dari jadwal pemeliharaan, permintaan-permintaan MRO

lainnya yang tidak terjadwal harus diantisipasi.

4. Persediaan barang jadi (finish good inventory) adalah produk yang telah

selesai dan tinggal menunggu pengiriman. Barang jadi dapat dimasukkan

ke persediaan karena permintaan pelanggan di masa mendatang tidak

diketahui.

B. Persediaan berdasarkan fungsinya

1. Pipeline / Transit Inventory

Merupakan persediaan yang sedang dalam proses pengiriman dari tempat asal

ke tempat asal ke tempat dimana barang itu akan digunakan. Persediaan ini

timbul karena adanya lead time dari satu tempat ke tempat lain. Persediaan

akan banyak jika jarak dari tempat asal ke tempat tujuan cukup jauh dan bisa

memakan waktu beberapa hari atau beberapa minggu.

2. Cycle Stock

Merupakan persediaan yang timbul akibat adanya motif untuk memenuhi skala

ekonomi dan mempunyai suatu siklus tertentu. Persediaan ini berfungsi untuk

menjaga terjadinya fluktuasi permintaan yang tidak dapat diperkirakan

21

sebelumnya, dan untuk mengatasi jika terjadi kesalahan / penyimpangan dari

perkiraan penjualan, waktu produksi, atau waktu pengiriman barang.

3. Anticipation Stock

Merupakan persediaan yang dibutuhkan untuk menghadapi permintaan yang

diramalkan, misalnya pada saat jumlah permintaan besar, tetapi kapasitas

produksi tidak mampu memenuhi permintaan tersebut. Jumlah permintaan

yang besar ini diakibatkan oleh sifat musiman dari suatu produk.

Persediaan ini juga menjaga kemungkinan sukarnya diperoleh bahan baku,agar

proses produksi tidak berhenti.

4. Lot Size Inventory

Merupakan persediaan yang diadakan dalam jumlah yang lebih besar daripada

kebutuhan saat itu. Persediaan jenis ini dilakukan untuk mendapatkan potongan

harga karena pembelian barang dalam jumlah besar. Persediaan jenis ini juga

dapat mengehemat biaya pengangkutan karena memeperkecil frekuensi

pengiriman barang dan biaya per unit pengangkutannya lebih murah.

C. Persediaan berdasarkan sifat ketergantungan kebutuhan antara suatu item

dengan item lainnya.

1. Dependent demand item

Item-item yang kebutuhannya tergantung pada item part lain. Yang termasuk

pada kelompok ini adalah komponen atau bahan baku yang akan digunakan

untuk membuat produk jadi.

2. Independent demand item

Item part yang tidak tergantung pada kebutuhan item lain. Item yang termasuk

pada kelompok ini adalah produk jadi karena kebutuhan akan satu produk jadi

tidak tergantung pada kebutuhan produk jadi yang lain.

2.3. Material Requirement Planning (MRP)

Menurut Gaspersz (2004) Perencanaan kebutuhan material (Material

Requirement Planning) merupakan metode perencanaan dan pengendalian

pesanan dan inventori untuk item-item dependent demand, dimana permintaan

22

cenderung discontinuous and lumpy. Moto dari MRP adalah memperoleh

material yang tepat dari sumber yang tepat untuk penempatan yang tepat pada

waktu yang tepat. Berdasarkan MPS yang diturunkan dari rencana produksi.

Banyak sekali teknik yang dapat digunakan dalam menentukan ukuran lot pada

sistem MRP, berikut ini adalah beberapa diantaranya.

2.3.1. Teknik kuantitas Pesanan Ekonomis

Teknik EOQ merupakan salah satu teknik untuk meminimumkan biaya

inkremental yang berkaitan dengan pengisian kembali persediaan.

2.3.1.1. Model EOQ Dasar

Model EOQ berikut sangat mudah dipergunakan tetapi memiliki beberapa

asumsi. Yaitu (Heizer dan Render,1993) :

a. Permintaan rata-rata yang bersifat konstan

b. Waktu tenggang pasokan (konstan)

c. Setiap mata persediaan bersifat independen

d. Harga beli atau setup Cost dan biaya Holding Cost bersifat konstanta

e. Jumlah pemesana ,EOQ sama dengan jumlah yang dikirim

Gambar 2.1 Biaya total sebagai fungsi dari kuantitas pemesanan

23

Sumber : Heizer dan Render 1993

Keterangan :

Q : kuantiti per pesanan

Q* : Jumlah pemesanan optimum per pesanan

S : Biaya pemesanan per pesanan

H : Biaya penyimpanan per unit per tahun

Tujuan dari sebagian besar model persediaan adalah meminimumkan total biaya

persediaan. Dengan asumsi-asumsi tersebut biaya yang signifikan adalah biaya

pemesanan dan biaya penyimpanan . Biaya -biaya lain adalah konstanta

sehingga dengan meminimumkan jumlah biaya pemesanan dan penyimpanan

dapat berarti meminimumkan biaya total. Pada gambar 2.1 titik kuantitas

pemesanan terjadi pada saat kurva biaya pemesanan dan kurva biaya

penyimpanan berpotongan (DS/Q = QH/2), sehingga

Q* = √(2𝐷𝑆)/𝐻

2.3.1.2. Model EOQ dengan Pemesanan Kembali

Asumsi dasar dari model ini adalah penjualan tidak akan hilang kerena adanya

kekurangan bahan baku . beberapa variabel yang bisa digunakan adalah :

Q : kuantitas per pesanan

D : permintaan dalam unit

H : Biaya penyimpanan per unit per unit per tahun

24

S : Biaya pemesanan per pesanan

b : unit yang ada setelah pesanan kembali terpenuhi

Q-b : jumlah pemesana kembali (back ordering)

Gambar 2.2 Perubahan persediaan sepanjang waktu dengan pemesanan kembali

2.3.1.3. Model EOQ dengan Potongan Kuantitas

Potongan kuantitas merupakan pengurangan harga untuk barang yang dibeli

dalam jumlah besar. Pesanan untuk kuatitas dengan potongan harga terbesar

tidak selalu meminimumkan biaya, sebab pada saat potongan kuantitas

meningkat, biaya produk menurun, tetapi penyimpanan meningkat. Model-

model EOQ di atas yang lebih logis diterapkan ialah model EOQ dengan

Potongan Kuantitas, karena pada umumnya dengan pembelian yang besar,

perusahaan seringkali memperoleh potongan kuantitas dari pemasok.

2.3.2. Teknik Lot For Lot

Dalam teknik Lot for lot , Perusahaan memesan tepat sebesar yang dibutuhkan

tanpa persediaan pengaman (safety Stock) dan tanpa antisipasi atas pesanan lebih

lanjut. Pesanan dilakukan sebesar kebutuhan bersih,yaitu kebutuhan kotor

dikurangi persediaan yang ada ditangan pada periodem-periode awal dan

diharapkan pesanan akan diterima pada saat barang dibutuhkan. maka pada

periode-periode berikutnya setelah persediaan awal dihabiskan tidak terdapat

25

persediaan yang ada di tangan, sehingga kebutuhan kotor adalah sama dengan

kebutuhan bersih yang kemudian dipesan dengan harapan akan diterima tepat

pada waktunya (Buffa dan Sarin, 1996). Teknik ini berusaha menghilangkan

biaya penyimpanan persediaan yang dipegang melewati suatu persediaan. Tetapi

teknik ini tidak dapat mengambil keuntungan ekonomis yang berhubungan

dengan ukuran pesanan tetap seperti ukuran konteiner tetap dan prosedur-

prosedur standar lainnya (seperti potongan pembelian dan jaminan kontinuitas

pasokan bahan baku) karena kuantitas yang dibeli dalam jumlah kecil

disesuaikan dengan kebutuhan bersihnya setiap periode.

26

BAB III

METODOLOGI PENELITIAN

3.1. Observasi Awal

Proses observasi, langsung di lakukan di PT.mannoh Tsuda pada departemen

Planning Production Inventory Control(PPIC) dan kepada pimpinan

Purchasing. Mengenai proses peramalan dan penyusunan jadwal produksi,

dan ketentuan ketentuan yang telah disepakati bersama Supplier. Dan juga

variabel biaya apa saja yang dibebankan dalam proses pengadaaan material.

3.2. Identifikasi Masalah

Dalam perumusan masalah,hasil observasi yang didapatkan sebelumnya

ditelaah untuk mengetahui akar masalah yang terjadi dilakukan observasi

mengenai masalah-masalah yang terjadi pada divisi Planning Production

Inventory Control khusus nya pada masalah peramalan ,penjadwalan produksi

dan pengendalian material. Pada tahap observasi awal juga dilakukan

wawancara langsung kepada pimpinan dan juga staff departemen PPIC dalam

proses penjadwalan dan pengadaaan barang di PT. Mannoh Tsuda.

3.3. Studi Pustaka

Setelah akar masalah diketahui dari perumusan masalah,diperlukan literatur

yang sesuai dengan permasalahan dan metode yang digunakan untuk

menganalisisis proses peramlan, penjadwalan produksi dan pengadaan

material di PT.Mannoh tsuda selain itu proses perhitungan peramalan juga

perlu dicari dengan mempelajari penelitian –penelitian sejenis yang sudah

dilakukan. Studi terhadap penelitian-penelitian yang sudah diteliti sebelumnya

perlu dilakukan agar penelitian yang dilakukan oleh penulis tidak meneliti hal

yang sama yang pernah diteliti peneliti lain.

27

3.4. Pengumpulan Data

Tahap pengumpulan data dimulai dengan mengumpulkan data Primer ,yaitu

dengan terjun langsung dalam proses pengadaaan barang yang dilakukan oleh

PT.Mannoh Tsuda dari sini didapatkan data pembelian komponen untuk

floor shift assy transmission selama tahun 2017,rencana pembelian pada tahun

berjalan, permintaan pelanggan pada satu tahun sebelumnya,dan peramalan

permintaan selama tahun berjalan.

Selain itu,untuk melengkapi data yang akan di proses untuk menentukan

model peramalan dan metode MRP dilakukan wawancara dengan pihak yang

langsung terkait dengan proses peramlan, penjadwalan dan pengadaan barang

yaitu dengan pimpinan departemen Production Planning and Inventory

Control, staff Purchasing dan pimpinan divisi Marketing. Data yang diambil

dari proses wawancara ini meliputi data pola permintaan pelanggan harga

komponen dan ketentuan ketentuan yang telah disepakati dengan supplier .

Kemudian untuk memperkuat data dilakukan studi kepustakaan yaitu

pengumpulan data dan teori yang mendukung pembahasan mengenai

peramalan dan pengendalian persediaan bahan baku dengan metode MRP

untuk menunjang penelitian ini, dengan mendapatkannya dari buku-buku

perkuliahan, penelitian terlebih dahulu,jurnal serta yang lainnya lalu mengutip

beberapa teori yang dikemukakan oleh beberapa ahli yang ada kaitannya

dengan permasalahan yang dibahas.

3.5. Analisis

Metode yang dipilih untuk melakuan proses peramalan dan pengendalian

Inventory yang mencakup kedalam beberapa unsur yaitu :

a. Bill Of Material, yaitu sebuah daftar kebutuhan bahan yang berisi daftar

komponen,komposisi,dan jumlah dari setiap bagian yang diperlukan untuk

membuat satu unit produk.

28

b. Master Production Schedule, yaitu sebuah jadwal yang merinci apa yang

akan dibuat dan kapan pembuatannya.

c. Forecasting, yaitu peramalan yang digunakan untuk meramalkan

permintaan untuk periode berikutnya.

d. Inventory record, yaitu data tentang pemesanan bahan baku yang telah

dieksekusi dan tanggal pengirimannya serta data mengenai persediaan

bahan baku digudang pada awal bulan.

e. Lead time untuk tiap komponen, yaitu waktu antara pemesanan dan

penerimaan barang bisa juga berarti masa tunggu, set up,produksi, dan

penyerahan untuk setiap komponen ke produksi.

Setelah unsur-unsur tersebut diketahui dilakukan analisis dan perhitungan

peramalan menggunakan metode yang memungkinkan untuk diterapkan

berdasarkan histori penjualan mobil Avanza dari Toyota dari tahun 2005

sampai tahun 2017. Kemudian hasil dari peramalan yang terbaik akan

dijadikan sebagai acuan dalam penentuan jadwal induk produksi atau Master

production schedule (MPS).Setelah jadwal induk produksi dibuat langkah

selanjutnya menentukan kebutuhan material yaitu membuat sebuah rencana

kebutuhan baku yang mengacu pada Forecast yang telah ditentukan .

Kemudian pada tahap selanjutnya ditentukan jumlah pesanan (ukuran lot)

dengan menggunakan metode lot for lot dan Economic Order quantity( EOQ).

Dari kedua metode tersebut akan dipilih metode mana yang akan

menghasilkan biaya terendah.

Selanjutnya dilakukan Perbandingan Metode Lot Size yang sudah di tentukan

Perhitungan yang dilakukan perusahaan yaitu dengan membandingkan

perhitungan biaya persediaan dengan menggunakan metode Lot Size yang

sudah di hitung dengan metode yang sudah berjalan pada perusahaan.

3.6. Simpulan dan Saran

Dari proses perhitungan peramalan dan membuat jadwal induk produksi

(MPS) dan Menentukan Lot Size menggunakan metode EOQ dan Lot For Lot

29

maka didapatkan penjadwalan produksi dan penjadwalan kebutuhan material

serta lot size untuk setiap kali dilakukan order material. Dari sini didapatkan

metode mana yang paling mengeluarkan biaya paling sedikit dalam proses

pengadaan material. kemudian dari sini dapat ditarik kesimpulan apakah PT.

Mannoh Tsuda sudah tepat dalam melakukan pemilihan metode peramalan

dan metode yang mana yang paling akurat untuk diterapkan dalam proses

peramalan di PT. Mannoh Tsuda Sehingga dapat mendeteksi atau

mengantisipasi tingginya fluktuasi permintaan pelanggan. kemudian

kesimpulan lain yang bisa ditarik adalah metode mana yang seharusnya

dipakai oleh PT. Mannoh Tsuda dalam menentukan lot size apakah dengan

metode EOQ,Lot For Lot atau yang selama ini digunakan yakni metode atau

sistem kanban. Kesimpulan terakhir adalah metode mana yang mengeluarkan

biaya paling sedikit dalam proses pengadaan material. Selain

kesimpulan,saran-saran yang membangun juga perlu disampaikan untuk

perbaikan-perbaikan yang mungkin dilakukan dalam proses pengendalian

material maupun dalam hal penelitian-penelitian sejenis.

30

Gambar 3.1 Diagram Alir (Flow Chart)

Observasi Awal

• Melakukan Pengamatan langsung ke Divisi PPIC

• Melakukan Wawancara Langsung dengan Supervisor

divisi terkait dan pimpinan Purchasing

Identifikasi Masalah

• Analisa perhitungan Forecasting periode sebelumnya

• Analisa penjadwalan produksi periode sebelumnya

• Identifikasi masalah yang terjadi terhadap pengendalian

material

Studi Pustaka

• Pengendalian material

• Master Production Schedule

• Material requirement Planning

• Forecasting

Pengumpulan Data

• Bill Of Material dan Struktur Produk

• Harga material, biaya pemesanan dan biaya

penyimpanan material

• Riwayat Demand Customer

Analisis dan Perbaikan

• Menghitung Forecasting permintaan yang lebih akurat

(Double Exponential Smoothing , Trend Linier,Double

Moving Average dan Trend seasonal)

• Membandingkan hasil peramalan dan memilih yg

terbaik .

• Menyusun Master Production Schedule dan MRP

• Membandingkan biaya perhitungan dengan versi

perusahaan.

Simpulan dan Saran

• Menarik kesimpulan dari penelitian yang dilakukan

• Saran untuk perusahaan maupun peneliti lain yang

bersifat membangun.

Observasi

Awal

Identifikasi

Masalah

Pengumpulan

Data

Studi

Pustaka

Analisi dan

Perbaikan

Kesimpulan

dan Saran

31

BAB IV

DATA DAN ANALISIS

4.1. Gambaran Umum Perusahaan

Perusahaan Mannoh Tsuda merupakan Perusahaan manufaktur yang

memproduksi transmisi kendaraan roda empat yang akan di Supply ke

perusahaan pembuat mobil yang ada di indonesia. Saat ini perusahaan Mannoh

Tsuda memproduksi dua jenis transmisi yaitu transmisi manual dan transmisi

Automatic.

Gambar 4.1 Transmisi Manual

Gambar 4.2 Transmisi Automatic

4.2. Pengumpulan Data

Pengumpulan data dilakukan dengan cara wawancara dan dengan kepala

bagian maupun Staff yang berkaitan agar bisa melakukan observasi dan

memberikan informasi yang tepat dalam proses pengadaan dan pengendalian

persediaan untuk dapat mengidentifikasi masalah yang terjadi khususnya pada

departemen PPIC(Production Planning and Inventory Control). dan

32

melakukan observasi langsung kelapangan untuk dapat mengetahui proses dan

Sistem pengadaan material yang berjalan pada saat ini di perusahaan Mannoh

Tsuda.

4.2.1. Data Penjualan

Berikut adalah tabel penjualan Mobil Toyota Avanza dari tahun 2006 sampai

dengan tahun 2017 yang didapatkan dari dari Gaikindo (Gabungan Industri

Kendaraan Bermotor Indonesia) Jika dilihat pada tabel 4.1 bahwa penjualan

mobil Toyota Avanza memiliki fluktuasi yang lumayan tinggi setiap

tahunnya. Dapat dilihat juga permintaan tertinggi terjadi pada tahun 2013

yaitu sebanyak 213458 unit dan untuk permintaan atau penjualan paling

rendah yaitu pada tahun 2006 yaitu sebanyak 52260 unit.

Tabel 4. 1 Data Penjualan Mobil Toyota Avanza Dari Tahun 2006 Sampai

Dengan Tahun 2017

Tahun Jumlah permintaan

(Unit)

2006 52260

2007 62010

2008 85535

2009 100065

2010 141799

2011 162367

2012 192146

2013 213458

2014 162070

2015 133153

2016 122654

2017 109529

33

Gambar 4.3 Grafik Data Permintaan Floor shift assy transmission periode 2017.

4.2.2. Data Struktur Produk

Struktur produk didefenisikan sebagai cara komponen-komponen dapat

bergabung kedalam suatu produk. Struktur produk akan menunjukkan bahan

baku atau komponen komponen penyusun yang ada dalam suatu produk

kemudian komponen-komponen itu bergabung secara bersama untuk

membentuk subassemblies kemudian Subassemblies bergabung bersama

membuat Assemblies dan seterusnya sampai produk akhir. Dalam hal ini

setiap satu unit memiliki satu unit produk Floor Shift Assy Transmission

,Berdasarkan Gambar 4.4 Merupakan struktur produk Floor Shift Assy

Transmission dapat dilihat bahwa struktur produk Floor Shift Assy

Transmission tersusun dari dua level komponen.

0

50000

100000

150000

200000

250000

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Grafik Penjualan Mobil Toyota

Avanza

34

Gambar 4.4 Struktur Produk Floor Shift Assy Transmission

NO:1

NO:2

NO:4NO:5

NO:6NO:7

NO:3

NO:11NO:13

NO:14NO:15

NO:16NO:17

NO:18NO:19

NO:20NO:21

NO:22NO:23

NO:24NO:25

NO:26NO:27

NO:8

NO:9NO:10

NO:28NO:29

NO:30NO:31

NO:32NO:33

NO:34NO:35

NO:36NO:37

NO:38

35

4.2.3. Data Bill Of Material

Bill Of Material merupakan daftar penyusun dari produk ,yang memuat informasi

jenis part,nomor,jenis komponen dan kebutuhan komponen, dengan adanya Bill of

material maka kita dapat menetukan kebutuhan apa saja yang dibutuhkan dalam

membuat suatu produk. Dari data berikut dapat kita lihat untuk membuat satu

produk Floor Shift Assy Trasnmission dibutuhkan sebanyak 35 Part atau

komponen dengan jenis item yang berbeda beda.

Tabel 4. 2 BILL OF MATERIAL FLOOR SHIFT ASSY TRANSMISSION

NO PART NO QTY LEVEL SUPPLIER SKETCH

1 33550-BZ180-C0 1 0 PT.MTAT

2 TG24700-10600 1 1 PT. MTAT

3 TG24700-10100 1 2 PT.SANLY

4 TG24700-95020 1 2 PT. EMORI

5 TG24700-95010 1 2 PT. EMORI

6 TG24700-95040 2 2 PT. EMORI

7 TG24700-95050 3 2 PT. EMORI

8 TG24700-10900 1 1 PT. MTAT

9 TG24700-10910 1 2 PT. EMORI

10 TG23600-98070 1 2 PT. FUJITA

11 TG23600-92010 1 1 PT. FUJITA

12 TG24700-11000 1 1 PT.SANLY

13 TG22500-91010 1 1 PT. EMORI

14 TG22500-96010 1 1 PT.YMANI

15 TG22500-17000 1 1 PT.KEIHIN

16 TG22500-91020 1 1 PT. EMORI

36

Tabel 4.2 (Lanjutan) BILL OF MATERIAL FLOOR SHIFTASSY TRANSMISSION

NO PART NO QTY LEVEL SUPPLIER SKETCH

17 TG23300-98060 1 1 PT. TKI

18 TG24700-92060 1 2 PT. KEIHIN

19 TG24700-13100 1 1 PT. PLI

20 TG23300-98040 1 1 PT. PLI

21 TG24700-11200 1 1 PT. TKI

22 TG24700-28600 1 1 PT. GSEI

23 TG24700-1A110 1 1 PT. STEP

24 TG24700-1A120 1 1 PT. STEP

25 TG24700-92010 3 1 PT. AOYMA

26 TG24700-92020 3 1 PT. AOYMA

27 TG24700-1A200 1 1 PT.YSUFKU

28 TG24700-70200 1 1 PT. SANWA

29 TG24700-10500 1 1 PT. TSCYA

30 TG24700-A0400 1 1 PT. TSCYA

31 TG24700-28200 1 1 PT. GSEI

32 TG24700-10400 1 1 PT. PLI

33 TG24700-10410 1 1 PT. PLI

34 TG24700-28100 1 1 PT. EMORI

35 TG22500-91020 1 1 PT. FUJITA

36 TG24700-23300 1 1 PT. PLI

37 TG22500-96050 1 1 PT. YMANI

38 TG23600-98200 1 1 PT. EMORI

37

Berdasarkan Tabel 4.2 dapat dilihat bahwa untuk membuat satu produk Floor

Shift Assy Transmission terdapat 35 jenis item yang dibeli langsung dari Supplier.

4.2.4. Data Harga Material Atau Komponen

Data harga komponen atau part dalam pembuatan Floor shift assy

trasnmission dapat dilihat pada tabel 4.3. Data tersebut adalah harga part atau

komponen di awal tahun 2018 yang diperoleh dari departemen Purchasing.

Tabel 4. 3 Tabel Daftar harga material atau komponen

NO PART NAME PART NO HARGA / PCS

1 PLATE, SHIFT LEVER,RH TG24700-10100 Rp 6.320

2 BUSH TG24700-95020 Rp 2.100

3 BUSH TG24700-95010 Rp 2.100

4 BUSH TG24700-95040 Rp 2.100

5 BUSH TG24700-95050 Rp 900

6 HOUSING ,SHIFT LEVER TG24700-10910 Rp 3.400

7 PIN,SHIFT LEVER GUIDE TG23600-98070 Rp 190

8 NUT,PUSH TG23600-92010 Rp 200

9 LEVER ,SHIFT TG24700-11000 Rp 9.800

10 PLUNGER TG22500-91010 Rp 4.000

11 SPRING, COMPRESSION TG22500-96010 Rp 340

12 SPRING, DETENT TG22500-17000 Rp 1.100

13 SCREW, W/WASHER TA TG22500-91020 Rp 560

14 PIN,W/HEAD TG23300-98060 Rp 2.300

15 CLIP TG24700-92060 Rp 1.600

16 LEVER,CONTROL,RH TG24700-13100 Rp 15.400

17 BUSH,CONTROL LEVER TG23300-98040 Rp 3.045

18 SHAFT,CONTROL LINK TG24700-11200 Rp 11.000

19 SWITCH, TG24700-28600 Rp 45.900

38

Tabel 4.3 (lanjutan) Daftar harga material atau komponen

NO PART NAME PART NO HARGA / PCS

20 RETAINER,SHIFT LEVER TG24700-1A110 Rp 90.000

21 BRACKET,SHIFT CABLE TG24700-1A120 Rp 5.040

22 NUT,FLANGE TG24700-92010 Rp 3.800

23 BOLT,FLANGE TG24700-92020 Rp 2.890

24 BOOT,SHIFT LEVER TG24700-1A200 Rp 4.890

25 HOUSING,POSITION TG24700-70200- Rp 3.020

26 PLATE,CONTROL TG24700-10500 Rp 1.500

27 LENZ,POSITION INDIC TG24700-A0400 Rp 1.200

28 LAMP ASSY,INDICATOR TG24700-28200 Rp 2.300

29 COVER,SLIDE,NO.1 TG24700-10400 Rp 2.300

30 COVER,SLIDE,NO.2 TG24700-10410 Rp 700

31 SOLENOID, SHIFT LOCK TG24700-28100 Rp 74.000

32 SCREW, W/WASHER TAP TG22500-91020 Rp 300

33 BUTTON, SHIFT LOCK R TG24700-23300 Rp 2.920

34 SPRING, COMPRESSION TG22500-96050 Rp 650

35 CLAMP TG23600-98200 Rp 300

Sumber : Data perusahaan PT. MTAT (Purchasing Dept)

4.2.5. Data Biaya

Berikut adalah pemaparan mengenai biaya-biaya yang dibebankan mulai dari

biaya pemesanan sampai biaya penyimpanan.

1. Ordering Cost ( Biaya Pemesanan ) yaitu semua biaya yang meliputi

biaya administrasi untuk pembelian atau pemesanan kepada pemasok

atau Supplier dari luar. Berikut adalah biaya yang termasuk biaya

pemesanan tiap material atau komponen.

39

Tabel 4. 4 Daftar Biaya Pemesanan Untuk Tiap komponen Produk

Floor Shift Assy Transmission

NO PART NO SUPPLIER ORDERING

COST

1 TG24700-10100 PT.SANLY Rp10.250.000

2 TG24700-95020 PT. EMORI Rp16.000.000

3 TG24700-95010 PT. EMORI Rp16.000.000

4 TG24700-95040 PT. EMORI Rp16.000.000

5 TG24700-95050 PT. EMORI Rp16.000.000

6 TG24700-10910 PT. EMORI Rp16.000.000

7 TG23600-98070 PT. FUJITA Rp5.200.000

8 TG23600-92010 PT. FUJITA Rp5.200.000

9 TG24700-11000 PT.SANLY Rp10.250.000

10 TG22500-91010 PT. EMORI Rp16.000.000

11 TG22500-96010 PT.YAMANI Rp13.500.250

12 TG22500-17000 PT.KEIHIN Rp9.432.500

13 TG22500-91020 PT. EMORI Rp16.000.000

14 TG23300-98060 PT. TKI Rp3.530.000

15 TG24700-92060 PT. KEIHIN Rp9.432.500

16 TG24700-13100 PT. PLI Rp5.800.650

17 TG23300-98040 PT. PLI Rp5.800.650

18 TG24700-11200 PT. TKI Rp3.530.000

19 TG24700-28600 PT. GSEI Rp8.532.000

20 TG24700-1A110 PT. STEP Rp2.500.325

21 TG24700-1A120 PT. STEP Rp2.500.325

22 TG24700-92010 PT. AOYAMA Rp6.250.000

23 TG24700-92020 PT. AOYAMA Rp6.250.000

24 TG24700-1A200 PT. YASUFUKU Rp5.289.358

25 TG24700-70200-C0 PT. SANWA Rp4.325.000

26 TG24700-10500 PT. TSUCHIYA Rp6.345.000

27 TG24700-A0400 PT. TSUCHIYA Rp6.345.000

28 TG24700-28200 PT. GSEI Rp8.532.000

40

Tabel 4.4 (lanjutan) Daftar Biaya Pemesanan Untuk Tiap komponen

Produk Floor Shift Assy Transmission

NO PART NO SUPPLIER ORDERING COST

29 TG24700-10400 PT. PLI Rp5.800.650

30 TG24700-10410 PT. PLI Rp5.800.650

31 TG24700-28100 PT. EMORI Rp16.000.000

32 TG22500-91020 PT. FUJITA Rp5.200.000

33 TG24700-23300 PT. PLI Rp5.800.650

34 TG22500-96050 PT. YAMANI Rp2.300.250

35 TG23600-98200 PT. EMORI Rp16.000.000

2. Carrying Cost (Biaya Penyimpanan)

Carrying cost atau biaya penyimpanan adalah biaya yang timbul akibat

adanya proses penyimpanan suatu barang .berikut ini adalah biaya

penyimpanan yang dihitung berdasarkan persentase harga yang

disimpan digudang setiap bulan.

Tabel 4. 5 Data Biaya Penyimpanan Untuk Tiap Komponen Produk

Floor Shift Assy Transmission per bulan

NO PART NO SUPPLIER HOLDING COST

/(PCS/Bulan)

1 TG24700-10100 PT.SANLY Rp174

2 TG24700-95020 PT. EMORI Rp58

3 TG24700-95010 PT. EMORI Rp58

4 TG24700-95040 PT. EMORI Rp58

5 TG24700-95050 PT. EMORI Rp25

6 TG24700-10910 PT. EMORI Rp94

7 TG23600-98070 PT. FUJITA Rp5

8 TG23600-92010 PT. FUJITA Rp6

9 TG24700-11000 PT.SANLY Rp270

10 TG22500-91010 PT. EMORI Rp110

11 TG22500-96010 PT.YAMANI Rp9

12 TG22500-17000 PT.KEIHIN Rp30

13 TG22500-91020 PT. EMORI Rp15

41

Tabel 4.5 (Lanjutan) Data Biaya Penyimpanan Untuk Tiap Komponen

Produk Floor Shift Assy Transmission per bulan

NO PART NO SUPPLIER HOLDING COST /(PCS/Bulan)

14 TG23300-98060 PT. TKI Rp63

15 TG24700-92060 PT. KEIHIN Rp44

16 TG24700-13100 PT. PLI Rp424

17 TG23300-98040 PT. PLI Rp84

18 TG24700-11200 PT. TKI Rp303

19 TG24700-28600 PT. GSEI Rp1.262

20 TG24700-1A110 PT. STEP Rp2.475

21 TG24700-1A120 PT. STEP Rp139

22 TG24700-92010 PT. AOYAMA Rp105

23 TG24700-92020 PT. AOYAMA Rp79

24 TG24700-1A200 PT. YASUFUKU Rp134

25 TG24700-70200-C0 PT. SANWA Rp83

26 TG24700-10500 PT. TSUCHIYA Rp41

27 TG24700-A0400 PT. TSUCHIYA Rp33

28 TG24700-28200 PT. GSEI Rp63

29 TG24700-10400 PT. PLI Rp63

30 TG24700-10410 PT. PLI Rp19

31 TG24700-28100 PT. EMORI Rp2.035

32 TG22500-91020 PT. FUJITA Rp8

33 TG24700-23300 PT. PLI Rp80

34 TG22500-96050 PT. YAMANI Rp18

35 TG23600-98200 PT. EMORI Rp8

4.2.6. Data Lead Time

Lead Time adalah keseluruhan waktu yang dibutuhkan untuk prose

pengadaaan suatu barang,. Lead time muncul karena setiap pesanan

membutuhkan waktu dan tidak semua bisa dipenuhi seketika,sehingga selalu

ada jeda waktu. Lead time sangat berguna bagi perusahaan yaitu pada saat

persediaan mencapai nol ,pesanan akan tiba diperusahaan. pada tabel 4.6

42

merupakan lead Time pengadaan barang yang bersifat determenistik data

tersebut didapat dari perusahaan.

Tabel 4.6 Lead Time material Floor Transmission

NO PART NO SUPPLIER Lead Time

(Hari)

Lead Time

(Bulan)

1 TG24700-10100 PT.SANLY 6 0,272727273

2 TG24700-95020 PT. EMORI 9 0,409090909

3 TG24700-95010 PT. EMORI 9 0,409090909

4 TG24700-95040 PT. EMORI 9 0,409090909

5 TG24700-95050 PT. EMORI 9 0,409090909

6 TG24700-10910 PT. EMORI 9 0,409090909

7 TG23600-98070 PT. FUJITA 5 0,227272727

8 TG23600-92010 PT. FUJITA 5 0,227272727

9 TG24700-11000 PT.SANLY 6 0,272727273

10 TG22500-91010 PT. EMORI 9 0,409090909

11 TG22500-96010 PT.YAMANI 4 0,181818182

12 TG22500-17000 PT.KEIHIN 4 0,181818182

13 TG22500-91020 PT. EMORI 9 0,409090909

14 TG23300-98060 PT. TKI 5 0,227272727

15 TG24700-92060 PT.KEIHIN 4 0,181818182

16 TG24700-13100 PT. PLI 6 0,272727273

17 TG23300-98040 PT. PLI 6 0,272727273

18 TG24700-11200 PT. TKI 5 0,227272727

19 TG24700-28600 PT. GSEI 4 0,181818182

20 TG24700-1A110 PT. STEP 3 0,136363636

21 TG24700-1A120 PT. STEP 3 0,136363636

22 TG24700-92010 PT. AOYAMA 5 0,227272727

23 TG24700-92020 PT. AOYAMA 5 0,227272727

24 TG24700-1A200 PT. YASUFUKU 6 0,272727273

25 TG24700-70200-C0 PT. SANWA 4 0,181818182

26 TG24700-10500 PT. TSUCHIYA 5 0,227272727

27 TG24700-A0400 PT. TSUCHIYA 5 0,227272727

28 TG24700-28200 PT. GSEI 4 0,181818182

43

Tabel 4.6 (lanjutan) Lead Time material Floor Transmission

NO PART NO SUPPLIER Lead Time

(Hari)

Lead Time

(Bulan)

29 TG24700-10400 PT. PLI 6 0,272727273

30 TG24700-10410 PT. PLI 6 0,272727273

31 TG24700-28100 PT. EMORI 9 0,409090909

32 TG22500-91020 PT. FUJITA 5 0,227272727

33 TG24700-23300 PT. PLI 6 0,272727273

34 TG22500-96050 PT. YAMANI 4 0,181818182

35 TG23600-98200 PT. EMORI 9 0,409090909

4.3. Pengolahan Data

Pada tahap pengolahan data dilakukan perhitungan peramalan menggunakan

empat model peramalan yang memungkinkan dapat diandalkan, Kemudian

dilakukan perbandingan hasil peramalan yang terbaik. Hasil peramalan yang

paling baik atau paling bisa diandalkan akan digunakan dalam menentukan

jadwal induk produksi atau Master Production Schedule (MPS).setelah itu

dapat ditentukan rencana pembelian material atau Material Requirement

Planning (MRP).

4.3.1. Pengolahan Data Peramalan Permintaan

Data permintaan Floor Shift Assy Trasnmission diamati pola pergerakan tiap

periode. Dilakukan perhitungan peramalan dengan membandingkan empat

metode perhitungan peramalan yang dipilih yaitu perhitungan metode Double

Exponential Smoothing, perhitungan peramalan menggunakan model

peramalan Trend Linier,model Double Moving Average dan Trend Seasonal.

44

A. Peramalan Dengan Metode Double Exponential Smoothing

Tabel 4.7 Perhitungan Peramalan Menggunakan Metode Double

Exponential Smoothing

Tahun

Indeks

Waktu

(t)

Permintaan Aktual (A)

DES (St'') (D)

SES-DES (E)

Nilai at

(2St')-St''

Nilai bt

(α/(1-α) Ft+m =

at+bt(m)

2006 1 52260 52260,00 0,00 52260,00 0,00

2007 2 62010 54697,50 2437,50 59572,50 2437,50 52260,00

2008 3 85535 63016,25 8318,75 79653,75 8318,75 62010,00

2009 4 100065 74358,13 11341,88 97041,88 11341,88 87972,50

2010 5 141799 94053,81 19695,69 133445,19 19695,69 108383,75

2011 6 162367 116056,03 22002,22 160060,47 22002,22 153140,88

2012 7 192146 140579,08 24523,05 189625,17 24523,05 182062,69

2013 8 213458 164929,57 24350,49 213630,55 24350,49 214148,22

2014 9 162070 170302,30 5372,73 181047,76 5372,73 237981,05

2015 10 133153 162358,16 -7944,14 146469,87 -7944,14 186420,49

2016 11 122654 150446,08 -11912,08 126621,93 -11912,08 138525,73

2017 12 109529 137238,79 -13207,29 110824,21 -13207,29 114709,86

Data pada tabel 4.7 diperoleh dari perhitungan dengan metode Double

Exponential Smoothing yang mana menggunakan α = 0,5 karena cenderung

berfluktuasi cukup tinggi dimana dalam melakukan perhitungan menerapkan

beberapa langkah seperti dibawah ini :

Menentukan Smoothing awal : St = α . dt + (1-α).St-1’

Menentukan Smoothing kedua St’’ = α. St’ + (1-α) St”

Menghitung at = 2 St’ - St”

Hitung juga untuk komponen bt = 𝛼

1−𝛼 ( St’ - St”)

Hitung ramalan dimana m untuk periode selanjutnya : Ft+m = at + bt (m)

45

S1’ dan S1’’ diambil dari atau sama dengan d1.

Setelah itu untuk menguji performansi hasil peramalaan maka digunakan

ukuran kesalahan peramalan: MAD (Mean Absolute Deviation) atau rata –rata

penyimpangan absolut dan MSE (Mean Square Error) rata –rata kuadrat

kesalahan.Akurasi peramalan semakin tinggi apabila nilai- nilai MAD dan

MSE semakin kecil. Apabila suatu data aktual dinyatakan sebagai At nilai

ramalan dinyatakan sebagai Ft ,maka Forecast Error dinyatakan sebagai : et =

At -Ft jadi,Error = Data aktual – Forecast. Berkaitan dengan validasi

peramalan dapat menggunakan Tracking Signal .

Tabel 4. 8 Perhitungan ukuran hasil peramalan dengan Double Exponential

Smoothing

Tahun Indeks Waktu

(t)

Permintaan

Aktual (A)

Ramalan

(F)

Deviasi

A - F

Deviasi

Absolute

I A-F I

Kuadrat Kesalahan

(A-F)2

2006 1 52260 52260 0,00 0,0 0,0

2007 2 62010 52260 9750,00 9750,0 95062500,0

2008 3 85535 74401 11134,50 11134,5 123977090,3

2009 4 100065 100363 -298,00 298,0 88804,0

2010 5 141799 117677 24122,38 24122,4 581888975,6

2011 6 162367 159336 3030,88 3030,9 9186203,3

2012 7 192146 185935 6211,28 6211,3 38580014,8

2013 8 213458 216471 -3013,44 3013,4 9080805,6

2014 9 162070 239336 -77266,26 77266,3 5970074596,3

2015 10 133153 187195 -54041,90 54041,9 2920526786,7

2016 11 122654 138961 -16307,33 16307,3 265929141,7

2017 12 109529 114952 -5422,86 5422,9 29407403,8

Jumlah 1537046 1639146,756 -102100,76 210598,8 10043802322,0

46

MAD = ∑∣𝐴−𝐹

𝑛∣ =

210598,8

12 = 175499,0

MSE = ∑(𝐴−𝐹)2

𝑛 =

10043802322

12 = 836983526,8

Setelah mengetahui berapa ukuran kesalahan peramalan selanjutnya diperiksa

keandalan model yang dipilih berdasarkan peta kontrol Tracking Signal ,

untuk mengetahui sejauh mana keandalan dari model peramalan yang dipilih

maka selanjutnya dilakukan membangun peta kontrol Tracking Signal.

Tracking Signal yang positif menunjukkan bahwa nilai aktual permintaan

lebih besar dari pada ramalan, sedangkan Tracking Signal yang negatif berarti

nilai aktual permintaan lebih kecil daripada ramalan. Suatu Tracking signal

yang baik apabila memiliki RSFE (Running Sum Of the Forecast) yang rendah

dan mempunyai Positive Error yang sama banyak atau seimbang dengan

Negative Error sehingga pusat dari Tracking Signal mendekati nol. Beberapa

ahli dalam sistem peramalan seperti George plossl dan Oliver Wight,dua

pakar Production Planning and Inventory Control menyarankan untuk

menggunakan nilai Tracking Signal maksimum ±4, sebagai batas-batas

pengendalian untuk tracking Signal. Dengan demikian apabila Tracking signal

telah berada diluar batas-batas pengendalian maka model peramalan perlu

ditinjau kembali.

Tabel 4.9 Tracking Signal Model Peramalan Double Exponential

Smoothing (α = 0,5)

Periode

(n)

Forecast

(F)

Aktual

(A) Error (E) RSFE

Absolut

Error

Kumulatif

Absolut

Error

MAD Tracking

signal

,(1) ,(2) ,(3) ,(4)=(3)-

(2)

,(5)=

kumulati

f (4)

(6) = Absolut

(4)

(7)=

Kumulatif (6)

(8)=

(7)/(1) (9)=(5)/(8)

1 52260 52260 0,0 0 0 0 0 0

2 52260 62010 9750,0 9750,0 9750,0 9750 4875 2,00

3 74401 85535 11134,5 20884,5 11134,5 20884,5 6962 3,00

4 100363 100065 -298,0 20586,5 298 21182,5 5296 3,89

5 117677 141799 24122,4 44708,9 24122,375 45304,875 9061 4,93

47

Tabel 4.10 (lanjutan) Tracking Signal Model Peramalan Double Exponential Smoothing (α =

0,5)

Periode

(n)

Forecast

(F)

Aktual

(A) Error (E) RSFE

Absolut

Error

Kumulatif

Absolut

Error

MAD Tracking

signal

,(1) ,(2) (3) ,(4)=(3)-

(2)

,(5)=

kumulati

f (4)

(6) = Absolut

(4)

(7)=

Kumulatif (6)

(8)=

(7)/(1) (9)=(5)/(8)

6 159336 162367 3030,9 47739,8 3030,875 48335,75 8056 5,93

7 185935 192146 6211,3 53951,0 6211,28125 54547,03125 7792 6,92

8 216471 213458 -3013,4 50937,6 3013,4375 57560,46875 7195 7,08

9 239336 162070 -77266,3 -26328,7 77266,25781 134826,7266 14981 -1,76

10 187195 133153 -54041,9 -80370,6 54041,89844 188868,625 18887 -4,26

11 138961 122654 -16307,3 -96677,9 16307,33398 205175,959 18652 -5,18

12 114952 109529 -5422,9 -102100 5422,859375 210598,8184 17550 -5,82

Berdasarkan tabel 4.9 dapat dilihat bahwa nilia-nilai tracking signal model

Double Exponential Smoothing (α = 0,5), terdapat beberapa berada diluar

batas-batas yang dapat diterima. Hal ini dikarenakan nilai-nilai tracking signal

itu bergerak dari -5,82 samapi dengan +7,08 dapat disimpulkan bahwa akurasi

dari model peramalan Double Exponential Smoothing masih belum dapat

diandalkan karena masih terdapat beberapa berada diluar batas-batas

pengendalain tracking signal (maksimum ±4). Selanjutnya dari data tracking

signal digambar kedalam peta kendali tracking signal .

48

Gambar 4.5 Peta Control Tracking Signal dari model peramalan Double

Exponential Smoothing α = 0,5.

Setelah mengetahui tingkat keakurat peramalan selanjutnya dilakukan

peramalan untuk periode berikutnya.

Oleh dari itu untuk menentukan peramalan pada periode berikutnya dapat

dihitung menggunakan formula : F12+m = 110824,21 - 13207,29m

Dengan demikian hasil peramalan untuk tahun 2018 adalah :

F13 = 110824,21 - 13207,29(1) = 97616 Unit

B. Peramalan Dengan Metode Trend linier

Dalam menggunakan analisa garis kecenderungan sebagai model peramalan

jika pola historis dari data aktual demand atau permintaan menunjukkan

bahwa adanya kecenderungan yang menarik dari waktu kewaktu, misalnya

seperti data yang diperoleh cenderung membentuk garis lurus (straight line

equation). Dapat dilihat pada gambar 4.6

-8

-6

-4

-2

0

2

4

6

8

1 2 3 4 5 6 7 8 9 10 11 12

Tracking Signal Central Line

Upper Central Line Lower Central LIne

49

Gambar 4.6 Grafik permintaan aktual pada tahun 2017

Berdasarkan grafik 4.6 diketahui bahwa pola riwayat permintaan Floor Shift

Assy Transmission selama 12 tahun yang membentuk kecenderungan (trend

line). Sehingga langkah selanjutnya adalah melakukan perhitungan peramalan

menggunakan metode peramalan Trend Linie

Tabel 4.11 Hasil perhitungan menggunakan metode Trend Linier

Tahun

Indeks

Waktu

(t)

Permintaan

Aktual (dt) t2 dt.t dt' e = dt-dt' e2

2006 1 52260 1 52260 88397 -36137 1305882769

2007 2 62010 4 124020 95613 -33603 1129161609

2008 3 85535 9 256605 102829 -17294 299082436

2009 4 100065 16 400260 110045 -9980 99600400

2010 5 141799 25 708995 117261 24538 602113444

2011 6 162367 36 974202 124477 37890 1435652100

2012 7 192146 49 1345022 131693 60453 3654565209

2013 8 213458 64 1707664 138909 74549 5557553401

2014 9 162070 81 1458630 146125 15945 254243025

2015 10 133153 100 1331530 153341 -20188 407555344

2016 11 122654 121 1349194 160557 -37903 1436637409

2017 12 109529 144 1314348 167773 -58244 3392363536

Jumlah 78 1537046 650 11022730 1537020 26 19574410682

0

50000

100000

150000

200000

250000

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Grafik Penjualan Mobil Toyota

Avanza

50

b = 𝑁∑𝑡.𝑑𝑡− ∑𝑑𝑡.∑𝑡

N.∑𝑡2−(∑𝑡)2 = 12 . 11022730−1537046 . 78

12 . 650−(78)2 = 7216,30 ≈ 7216

a = ∑𝑑𝑡

𝑁 -

𝑏.∑𝑡

𝑁 =

1537046

12 -

7216.78

12 = 81181,21 ≈ 81181

Jadi Ft = 81181 + 7216 t

Dimana :

Ft adalah nilai ramalan permintaan pada periode ke –t

a adalah intersep dari persamaan garis lurus

b adalah slope dari garis kecenderungan (trend Line) yang merupakan tingkat

perubahan dalam permintaan

t merupakan indeks waktu (t = 1,2,3,4 ..... n) adalah banyaknya periode waktu

Ft = nilai ramalan permintaan pada periode ke-

Dengan demikian dapat dicari nilai peramalan untuk periode 12 tahun

kedepan seperti pada tabel 4.11 adalah hasil perhitungan peramalan untuk

periode berikutnya.

Tabel 4.12 hasil peramalan permintaan pada tahun 2018 - 2029

menggunakan metode trend Linier

Tahun Indeks Waktu Peramalan (F)

2018 13 174989

2019 14 182205

2020 15 189421

2021 16 196637

2022 17 203853

51

Tabel 4.13(lanjutan) hasil peramalan permintaan pada tahun 2018

- 2029 menggunakan metode trend Linier

2023 18 211069

2024 19 218285

2025 20 225501

2026 21 232717

2027 22 239933

2028 23 247149

2029 24 254365

Setelah mengetahui hasil peramalan untuk periode 12 tahun berikutnya,

selanjutnya dilakukan pengujian untuk mengetahui performansi hasil

peramalan dapat digunakan ukuran kesalahan perx amalan : MAD (Mean

Absolute Deviation) atau rata-rata penyimpangan absolut dan MSE (Mean

Square Error) rata –rata kuadrat. Pada tabel 4.12 merupakan pehitungan

untuk MAD dan MSE:

Tabel 4.14 Hasil perhitungan untuk menentukan ukuran hasil

peramalan dengan Trend linier

Tahun

Indeks

Waktu (t)

Permintaan

Aktual (A)

Ramalan

(F)

Deviasi

A - F

Deviasi

Absolute

l A-F l

Kuadrat

Kesalahan

(A-F)2

2006 1 52260 88397 -36137,00 36137,0 1305882769

2007 2 62010 95613 -33603,00 33603,0 1129161609

2008 3 85535 102829 -17294,00 17294,0 299082436

2009 4 100065 110045 -9980,00 9980,0 99600400

2010 5 141799 117261 24538,00 24538,0 602113444

2011 6 162367 124477 37890,00 37890,0 1435652100

2012 7 192146 131693 60453,00 60453,0 3654565209

2013 8 213458 138909 74549,00 74549,0 5557553401

2014 9 162070 146125 15945,00 15945,0 254243025

2015 10 133153 153341 -20188,00 20188,0 407555344

2016 11 122654 160557 -37903,00 37903,0 1436637409

2017 12 109529 167773 -58244,00 58244,0 3392363536

Jumlah 1537046 1537020 26,00 426724,0 19574410682

52

Dari tabel 4.12 dapat ditentukan berapa MAD (Mean Absolut Deviation) atau

rata-rata penyimpangan absolut. Dan juga MSE (Mean Square Error)

MAD = ∑∣𝐴−𝐹

𝑛∣ =

426724

12 = 35560

MSE = ∑(𝐴−𝐹)2

𝑛 =

19574410682

12 = 1631200890

Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan

pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking

signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model

peramalan yang dipilih.

Tabel 4.15 Tracking Signal model Trend Linier

Periode

(n)

Forecast

(F)

Aktual

(A) Error (E) RSFE

Absolut

Error

Kumulatif

Absolut

Error

MAD Tracking

signal

,(1) ,(2) ,(3) ,(4)=(3)-

(2)

,(5)=

kumulatif

(4)

(6) =

Absolut

(4)

(7)=

Kumulatif

(6)

(8)=

(7)/(1) (9)=(5)/(8)

1 88397 52260 -36137,0 -36137 36137 36137 36137 -1

2 95613 62010 -33603,0 -69740,0 33603 69740 34870 -2,00

3 102829 85535 -17294,0 -87034,0 17294 87034 29011 -3,00

4 110045 100065 -9980,0 -97014,0 9980 97014 24254 -4,00

5 117261 141799 24538,0 -72476,0 24538 121552 24310 -2,98

6 124477 162367 37890,0 -34586,0 37890 159442 26574 -1,30

7 131693 192146 60453,0 25867,0 60453 219895 31414 0,82

8 138909 213458 74549,0 100416,0 74549 294444 36806 2,73

9 146125 162070 15945,0 116361,0 15945 310389 34488 3,37

10 153341 133153 -20188,0 96173,0 20188 330577 33058 2,91

11 160557 122654 -37903,0 58270,0 37903 368480 33498 1,74

12 167773 109529 -58244,0 26,0 58244 426724 35560 0,00

53

Berdasarkan tabel 4.13 dapat dilihat bahwa nilia-nilai tracking signal model

Trend linier berada dalam batas-batas yang dapat diterima. Hal ini

dikarenakan nilai-nilai tracking signal itu bergerak dari -4,00 samapi dengan

+3,37 dapat disimpulkan bahwa akurasi dari model peramalan Trend linier

dapat diandalkan karena berada dalam batas-batas pengendalain tracking

signal (maksimum ±4). Selanjutnya dari data tracking signal digambar

kedalam peta kendali tracking signal .

Berdasarkan data tracking signal digambarkan kedalam peta kendali tracking

signal seperti pada gambar 4.7

Gambar 4.7 Peta control tracking signal dari model peramalan Trend Linier

Dari peta kendali pada gambar 4.7 dapat dilihat bahwa nilai tracking signal

tidak ada berada diluar batas peta kendali hal ini menunjukkan bahwa model

peramalan yang digunakan dapat diandalkan, dimana nilai nilai tracking

signal untuk model trend linier bergerak dari -4,00 sampai dengan + 3,37.

Suatu tracking signal yang bagus adalah mempunyai RSFE yang rendah. Dan

mempunyai positive error yang sama banyak atau seimbang dengan negative

error sehingga pusat dari tracking signal mendekati nol.

-5

-4

-3

-2

-1

0

1

2

3

4

5

1 2 3 4 5 6 7 8 9 10 11 12

Tracking Signal Central Line

Upper Central Line Lower Central LIne

54

C. Peramalan Dengan Metode Double Moving Average

Model rata-rata bergerak menggunakan beberapa data aktual permintaan yang

baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan

datang. Metode rata-rata bergerak akan efektif diterapkan apabila diasumsikan

bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu.

Double Moving Average merupakan salah satu metode dalam moving average

yang menggunakan data single moving average pada waktu tertentu dengan

penyesuaian antara single moving average serta penyesuaian trend.

Tabel 4.16 Hasil perhitungan menggunakan metode Double Moving Average

Tahun Indeks Waktu

(t)

Permintaan

Aktual (A)

Moving Average (

4t)

Double Moving

Average

a b a+bm

2006 1 52260

2007 2 62010

2008 3 85535

2009 4 100065 74968

2010 5 141799 97352

2011 6 162367 122442

2012 7 192146 149094 110964 187225 25420

2013 8 213458 177443 136583 218302 27240 212645

2014 9 162070 182510 157872 207148 16425 245542

2015 10 133153 175207 171063 179350 2762 223574

2016 11 122654 157834 173248 142419 -10276 182112

2017 12 109529 131852 161851 101852 -19999 132143

Moving Average = (𝑌𝑡+𝑌𝑡−1+⋯+𝑌𝑡−𝑛+1)

𝑛

Double Moving Average = (𝑀𝑡+𝑀𝑡−1+⋯+𝑀𝑡−𝑛+1)

𝑛

a = 2Mt –M’t

b = 2

𝑛−1 (Mt –M’t)

55

Ft+m = a+b.m

n adalah jumlah periode dalam moving average

yt adalah nilai sebenarnya pada periode t

m adalah jumlah periode kedepan yang akan diramal

Mt adalah rata-rata bergerak periode t

Dengan demikian hasil peramalan untuk tahun 2018 menggunakan metode

Double Moving Average adalah sebagai berikut :

F12+m = 101852 + (-19999) m

= 81853 Unit

Setalah mengetahui hasil peramalan untuk periode tahun 2018 selanjutnya

dilakukan pengujian untuk mengetahui keandalan hasil peramalan dapat

digunakan ukuran kesalahan peramalan : MAD (Mean Absolute Deviation) atau

rata-rata penyimpangan absolut dan MSE (Mean Square Error) rata-rata kuadrat.

Pada tabel 4.16 merupakan perhitungan untuk mencari MAD dan MSE .

Tabel 4.17 Hasi perhitungan untuk menentukan ukuran hasil peramalan

dengan Double moving average

Tahun

Indeks

Waktu

(t)

Permintaan Aktual (A)

Ramalan (F)

Deviasi

A - F

Deviasi

Absolute l A-F l

Kuadrat

Kesalahan

(A-F)2

2006 0

2007 0

2008 0

2009 0

2010 0

2011 0

2012 0

56

Tabel 4.18 (lanjutan) Hasi perhitungan untuk menentukan ukuran hasil

peramalan dengan Double moving average

Tahun

Indeks

Waktu (t)

Permintaan

Aktual (A)

Ramalan

(F)

Deviasi

A - F

Deviasi

Absolute l A-F l

Kuadrat

Kesalahan

(A-F)2

2013 1 213458 212645 813,13 813,1 661172,3

2014 2 162070 245542 -83472,29 83472,3 6967623476,1

2015 3 133153 223574 -90420,79 90420,8 8175919565,6

2016 4 122654 182112 -59458,27 59458,3 3535285970,5

2017 5 109529 132143 -22613,81 22613,8 511384515,8

Jumlah 740864 996016 -255152,04 256778,3 19190874700

Berdasarkan tabel 4.16 dapat ditentukan berapa MAD (Mean absolut

Deviation) atau rata-rata penyimpangan absolut. Dan juga MSE (Mean Square

Error)

MAD = ∑∣𝐴−𝐹

𝑛∣ =

256778,3

5 = 51355,65

MSE = ∑(𝐴−𝐹)2

𝑛 =

19190874700

5 = 3838174940

Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan

pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking

signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model

peramalan yang dipilih.

57

Tabel 4.19 tracking signal model Double Moving Average

Periode

(n)

Forecast

(F)

Aktual

(A) Error (E) RSFE

Absolut

Error

Kumulatif

Absolut

Error

MAD Tracking

signal

,(1) ,(2) ,(3) ,(4)=(3)-(2)

,(5)=

kumulatif (4)

(6) =

Absolut

(4)

(7)=

Kumulatif

(6)

(8)=

(7)/(1) (9)=(5)/(8)

1 212645 213458 813,1 813,1 813,1 813,125 813 1,00

2 245542 162070 -83472,3 -82659,2 83472,3 84285,41667 42143 -1,96

3 223574 133153 -90420,8 -173080,0 90420,8 174706,2083 58235 -2,97

4 182112 122654 -59458,3 -232538,2 59458,3 234164,4792 58541 -3,97

5 132143 109529 -22613,8 -255152,0 22613,8 256778,2917 51356 -4,97

Berdasarkan tabel 4.17 dapat dilihat bahwa nilai nilai tracking signal

peramalan model Double moving average terdapat diluar batas-batas yang

dapat diterima. Hal ini dikarenakan nilai-nilai tracking signal bergerak dari +

1,00 sampai dengan -4,97. Dengan demikian dapat disimpulkan bahwa akurasi

dari model peramalan Double Moving Average masih kurang dapat diandalkan

karena melewati batas-batas pengendalian tracking signal (maksimum ±4).

Selanjutnya dari data tracking signal digambarkan kedalam peta kendali

tracking signal.

58

Gambar 4.8 Peta control Tracking Signal dari model peramalan Double

Moving Average

Dari peta kendali pada gambar 4.8 dapat dilihat bahwa nilai tracking signal

pada periode ke lima terdapat berada diluar peta kendali hal ini menunjukkan

bahwa model peramalan yang digunakan masih belum dapat diandalkan,

dimana nilai nilai tracking signal untuk model trend linier bergerak dari +

1,00 sampai dengan -4,97. Suatu tracking signal yang bagus adalah

mempunyai RSFE yang rendah. Dan mempunyai positive error yang sama

banyak atau seimbang dengan negative error sehingga pusat dari tracking

signal mendekati nol.

D. Peramalan Dengan Metode Trend Seasonal

Apabila identifikasi pola historis dari data aktual permintaan menunjukan

adanya fluktuasi musiman, perlu dilakukan penyesuaian terhadap pengaruh

musiman itu melalui menghitung indeks musiman (seasonal index). Apabila

pola data permintaan menunjukkan pola naik menunjukkan fluktuasi

musiman kita dapat menggunakan metode trend seasonal dan selanjutnya

nilai-nilai ramalan itu dikoreksi terhadap pengaruh musiman dengan

-6,00

-5,00

-4,00

-3,00

-2,00

-1,00

0,00

1,00

2,00

3,00

4,00

5,00

1 2 3 4 5

Tracking signal Central line

Upper Central Line Lower Central Line

59

menggunakan indeks musiman. Pada tabel 4.19 merupakan perhitungan untuk

mencari indeks musiman.

Tabel 4.20 Perhitungan Indeks musiman pada metode Trend seasonal

Tahun

Indeks

Waktu (t)

Permintaan

Aktual (A) tA t2

Rata-rata

permintaan

per bulan

Indeks

Musiman

2006 1 52260 52260 1 128087 0,408

2007 2 62010 124020 4 128087 0,484

2008 3 85535 256605 9 128087 0,668

2009 4 100065 400260 16 128087 0,781

2010 5 141799 708995 25 128087 1,107

2011 6 162367 974202 36 128087 1,268

2012 7 192146 1345022 49 128087 1,500

2013 8 213458 1707664 64 128087 1,667

2014 9 162070 1458630 81 128087 1,265

2015 10 133153 1331530 100 128087 1,040

2016 11 122654 1349194 121 128087 0,958

2017 12 109529 1314348 144 128087 0,855

Jumlah (∑) 78 1537046 11022730 650 1537046 12

Kemudian dilakukan mencari peramalan dengan mencari a dan b terlebih

dahulu

b = ∑𝑡𝐴−𝑛(𝑡−𝑏𝑎𝑟)(𝐴−𝑏𝑎𝑟)

∑𝑡2−𝑛(𝑡−𝑏𝑎𝑟)2 = 11022730−12(6,5)(128087)

650−12(6,5)2 = 7216,30

a = A-bar – b(t-bar) = 128087 – 7216,30 (6,5) =81181

jadi untuk menentukan permintaan pada periode berikutnya adalah dengan

menggunakn formula : Ft = a + bt

60

F13 = 81181 + 7216,30 . 13 = 174989 di kali dengan indeks musiman tiap

periode. Pada tabel 4.19 merupakan hasil perhitungan peramalan dipengaruhi

indeks musiman.

Tabel 4.21 hasil perhitungan peramalan dengan dipengaruhi indeks

musiman

Tahun Indeks

Waktu (t)

Permintaan

Aktual (A)

Indeks

Musiman

Nilai

Peramalan

Nilai

Peramalan

setelah dikoreksi

2006 1 52260 0,408 88397 36066

2007 2 62010 0,484 95613 46288

2008 3 85535 0,668 102829 68668

2009 4 100065 0,781 110045 85970

2010 5 141799 1,107 117261 129814

2011 6 162367 1,268 124477 157791

2012 7 192146 1,500 131693 197555

2013 8 213458 1,667 138909 231493

2014 9 162070 1,265 146125 184893

2015 10 133153 1,040 153341 159406

2016 11 122654 0,958 160557 153747

2017 12 109529 0,855 167773 143465

Jumlah (∑) 78 1537046 12,000 644029 7728348

Selanjutnya dilakukan perhitungan peramalan untuk periode berikutnya

dengan dipengaruhi indeks musiman.

Tabel 4.22 hasil peramalan tahun 2018 menggunakan metode trend seasonal

Tahun Indeks

Waktu (t)

Indeks

Musiman Nilai Peramalan

Nilai Peramalan setelah

dikoreksi

2018 13 0,408 174989 71396

61

Setelah mengetahui hasil peramalan untuk periode tahun 2018 selanjutnya

dilakukan pengujian untuk mengetahui performansi hasil peramalan dapat

digunakan ukuran kesalahan peramalan : MAD (Mean Absolute Deviation)

atau rata-rata penyimpangan absolut dan MSE (Mean Square Error) rata –rata

kuadrat. Pada tabel 4.21 merupakan pehitungan untuk MAD dan MSE:

Tabel 4.23 Hasil perhitungan untuk menentukan ukuran hasil peramalan

menggunakan Trend seasonal

Tahun

Indeks

Waktu

(t)

Permintaan Aktual (A)

Ramalan (F)

Deviasi

A - F

Deviasi

Absolute

l A-F l

Kuadrat

Kesalahan

(A-F)2

2006 1 52260 36066 16193,72 16193,72 262236668

2007 2 62010 46288 15721,51 15721,51 247165730

2008 3 85535 68668 16867,09 16867,09 284498598

2009 4 100065 85970 14095,01 14095,01 198669200

2010 5 141799 129814 11985,12 11985,12 143643016

2011 6 162367 157791 4576,35 4576,35 20942995

2012 7 192146 197555 -5409,18 5409,18 29259221

2013 8 213458 231493 -18034,65 18034,65 325248510

2014 9 162070 184893 -22823,45 22823,45 520910085

2015 10 133153 159406 -26252,62 26252,62 689200039

2016 11 122654 153747 -31092,54 31092,54 966745842

2017 12 109529 143465 -33935,87 33935,87 1151643380

Jumlah 1537046 1595156 -58109,52 216987,1 4840163285

Dari tabel 4.21 dapat ditentukan berapa MAD (Mean Absolut Deviation) atau

rata-rata penyimpangan absolut. Dan juga MSE (Mean Square Error)

MAD = ∑∣𝐴−𝐹

𝑛∣ =

216987,1

12 = 18082,25

MSE = ∑(𝐴−𝐹)2

𝑛 =

4840163285

12 = 403346940,4

Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan

pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking

62

signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model

peramalan yang dipilih.

Tabel 4.24 Tracking Signal Mode peramalan Trend Seasonal

Periode (n) Forecast

(F)

Aktual

(A) Error (E) RSFE

Absolut

Error

Kumulatif

Absolut

Error

MAD Tracking

signal

,(1) ,(2) ,(3) ,(4)=(3)-

(2)

,(5)=

kumulatif (4)

(6) =

Absolut

(4)

(7)=

Kumulatif

(6)

(8)=

(7)/(1) (9)=(5)/(8)

1 36066 52260 16194 16194 16194 16194 16194 0

2 46288 62010 15722 31915 15722 31915 15958 2,00

3 68668 85535 16867 48782 16867 48782 16261 3,00

4 85970 100065 14095 62877 14095 62877 15719 4,00

5 129814 141799 11985 74862 11985 74862 14972 5,00

6 157791 162367 4576 79439 4576 79439 13240 6,00

7 197555 192146 -5409 74030 5409 84848 12121 6,11

8 231493 213458 -18035 55995 18035 102883 12860 4,35

9 184893 162070 -22823 33172 22823 125706 13967 2,37

10 159406 133153 -26253 6919 26253 151959 15196 0,46

11 153747 122654 -31093 -24174 31093 183051 16641 -1,45

12 143465 109529 -33936 -58110 33936 216987 18082 -3,21

Berdasarkan tabel 4.22 dapat dilihat bahwa nilia-nilai tracking signal model

Trend Seasonal terddapat beberapa yang berada diluar batas-batas yang dapat

diterima. Hal ini dikarenakan nilai-nilai tracking signal itu bergerak dari -3,21

samapi dengan +6,11 dapat disimpulkan bahwa akurasi dari model Trend

Seasonal masih belum dapat diandalkan karena terdapat beberapa diluar

batas-batas pengendalian tracking signal Selanjutnya dari data tracking signal

digambar kedalam peta kendali tracking signal .

63

Gambar 4.9 Peta control tracking signal dari model peramalan trend

seasonal

Dari peta kendali pada gambar 4.9 dapat dilihat bahwa nilai tracking signal

terdapat beberapa yang berada diluar batas peta kendali hal ini menunjukkan

bahwa model peramalan yang digunakan belum dapat untuk diandalkan,

dimana nilai nilai tracking signal untuk model trend linier bergerak dari -3,21

sampai dengan + 6,11. Suatu tracking signal yang bagus adalah mempunyai

RSFE yang rendah. Dan mempunyai positive error yang sama banyak atau

seimbang dengan negative error sehingga pusat dari tracking signal

mendekati nol.

Selanjutnya adalah melakukan perbandingan antara dua metode peramalan

yang sudah diperhitungkan sebelumnya, tujuannya adalah untuk mendapatkan

metode atau model peramalan yang lebih akurat.

-6

-4

-2

0

2

4

6

8

1 2 3 4 5 6 7 8 9 10 11 12

Tracking Signal Central Line

Upper Central Line Lower Central LIne

64

Tabel 4.25 Perbandingan hasil peramalan permintaan Floor shift assy trasnmission

No Deskripsi Model Double Exponential

Smoothing Model trend Linier

Model Double Moving

Average Model trend Seasonal

1

Nilai Peramalan

Permintaan Floor Shift

Assy Tranmission untuk

tahun 2018

97616 174498 81853 71396

2 Nilai-nilai Tracking signal Bervariasi dari -5,08

sampai dengan +7,08

Bervariasi dari -4,00

sampai dengan +3,37

Bernilai Positive dari +

1,00 Sampai dengan +

3,00

Bervariasi dari - 3,21

sampai dengan +6,11

3

Tebaran nilai -nilai

tracking signal dalam peta

kontrol

Tidak semua nilai tracking

signal berada dalam batas -

batas pengendalian peta

kontrol. Jumlah nilai

tracking signal positive

lebih banyak jika

dibandingkan dengan nilai -

nilai tracking signal

Negative

Semua nilai tracking signal

berada dalam batas - batas

pengendalian peta kontrol.

Jumlah nilai tracking signal

negative dengan nilai

tracking signal positive

seimbang

Tidak Semua nilai tracking

signal berada dalam batas -

batas pengendalian peta

kontrol. Jumlah nilai

tracking signal Negative

lebih banyak jika

dibandingkan dengan nilai

-nilai tracking signal

Positive

Tidak semua nilai tracking

signal berada dalam batas -

batas pengendalian peta kontrol.

Jumlah nilai tracking signal

Positive lebih banyak jika

dibandingkan dengan nilai -nilai

tracking signal Negative

65

Tabel 4.26 (lanjutan) Perbandingan hasil peramalan permintaan Floor shift assy trasnmission

No Deskripsi Model Double Exponential

Smoothing Model trend Linier

Model Double Moving

Average Model trend Seasonal

4 Nilai MAD,MSE dan

RSFE

Nilai MAD 175499,0

Nilai MSE 836983526,8

Nilai RSFE -102100

Nilai MAD 35560

Nilai MSE 1631200890

Nilai RSFE 26

Nilai MAD 51355,65

Nilai MSE 3838174940

Nilai RSFE -255152,0

Nilai MAD 18082,25

Nilai MSE 403346940,4

Nilai RSFE -58110

5 Keputusan Dapat diterima tetapi masih

kurang bisa diandalkan

Dapat diterima dan bisa

diandalkan

Tidak dapat diterima dan

juga tidak bisa diandalkan

Dapat diterima tetapi masih

belum bisa diandalkan

66

Berdasarkan pada tabel 4.23 dapat disimpulkan bahwa metode peramalan yang

lebih tepat digunakan adalah metode trend Linier hal ini dapat dilihat dari nilai

MAD (Mean Absolute Deviation) model trend linier lebih kecil dibandingkan

dengan MAD (Mean Absolute Deviation) dari Double Exponential

Smoothing,Trend Seasonal dan Double moving average. dan MSE (Mean Square

Error) model trend Linier juga lebih kecil dibandingkan dengan MSE (Mean

Square Error) ketiga peramalan yang lain, karena semakin kecil nilai-nilai

MAD,MSE maka semakin kecil pula kesalahannya. Oleh karenanya dalam

menetapkan model yang akan digunakan dalam peramalan pilihlah model dengan

nilai MAD, dan MSE yang paling kecil . sehingga dalam kasus ini model

peramalan yang dipilih adala model Trend Linier. Selanjutnya hasil peramalan

Trend Linier akan digunakan untuk menentukan Master Production Schedule

4.3.2. Jadwal Induk Produksi (Master Production Schedule)

Penjadwalan produksi induk merupakan perencanaan prioritas dan perencanaan

kapasitas yang menguaraikan rencana produksi untuk menunjukkan kuantitas

produk akhir yang akan diproduksi untuk setiap periode waktu. Dimana hasil

peramalan tahunan dengan metode peramalan Trend Linier kemudian dibagi

dengan jumlah hari kerja pada setiap bulan, untuk dapat menentukan jadwal induk

produksi periode bulanan.

Tabel 4.27 Rencana Jumlah Floor Shift Assy Transmission yang akan

diproduksi pada tahun 2018.

Periode

(Bulan) Permintaan

Rencana

Produksi

Safety Stock

(5%) Inventory

0 405

1 15733 16115 787 787

2 13588 13481 679 679

3 15018 15090 751 751

4 15018 15018 751 751

5 14303 14267 715 715

6 10727 10549 536 536

7 15733 15984 787 787

8 15018 14983 751 751

67

Tabel 4.28 (lanjutan) Rencana Jumlah Floor Shift Assy Transmission

yang akan diproduksi pada tahun 2018.

Periode

(Bulan) Permintaan

Rencana

Produksi

Safety Stock

(5%) Inventory

9 13588 13516 679 679

10 16449 16592 822 822

11 15018 14947 751 751

12 14303 14267 715 715

Tabel 4.24 merupakan tabel rencana produksi Floor shift assy trasnmission

pada tahun 2018 diperoleh dari perhitungan menggunakan Chase strategy

pada model ini jumlah produksi tetap perbulan mengikuti secara tepat

permintaan total pada bulan itu yang mana hasil peramalan tahunan yang

diperoleh kemudian dibagi dengan hari kerja setiap bulannya, dan

menambahkan faktor Safety Stock tiap bulannya yang ditentukan oleh

perusahaan , jadi untuk safety stock finish goods sebesar 5% dari jumlah

peramalan tiap bulan.

4.3.3. Perhitungan Kebutuhan Part atau komponen

Berdasarkan data jadwal induk produksi pada tabel 4.24 maka dapat

ditentukan jumlah kebutuhan tiap material atau komponen dimasa yang akan

datang dengan mengacu pada Bill Of Material dari produk Floor Shift Assy

Transmission. Permintaan produksi produk Floor Shift Assy transmission pada

bulan januari adalah sebanyak 16115 Pcs. Sedangkan Bill Of Material untuk

memproduksi satu pieces Floor Shift Assy Transmissions terdiri dari beberapa

part atau komponen. Berdasarkan Bill Of Material maka kebutuhan komponen

atau part dapat dilihat pada tabel 4.25 dan tabel 4.26.

68

Tabel 4.29 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy

Transmission Periode Januari 2018 sampai Juni 2018.

NO PART NO Usage

/ Pcs

Periode (Month)

1 2 3 4 5 6

1 TG24700-10100 1 16115 13481 15090 15018 14267 10549

2 TG24700-95020 1 16115 13481 15090 15018 14267 10549

3 TG24700-95010 1 16115 13481 15090 15018 14267 10549

4 TG24700-95040 2 32230 26961 30180 30037 28535 21097

5 TG24700-95050 3 48345 40442 45269 45055 42802 31646

6 TG24700-10910 1 16115 13481 15090 15018 14267 10549

7 TG23600-98070 1 16115 13481 15090 15018 14267 10549

8 TG23600-92010 1 16115 13481 15090 15018 14267 10549

9 TG24700-11000 1 16115 13481 15090 15018 14267 10549

10 TG22500-91010 1 16115 13481 15090 15018 14267 10549

11 TG22500-96010 1 16115 13481 15090 15018 14267 10549

12 TG22500-17000 1 16115 13481 15090 15018 14267 10549

13 TG22500-91020 1 16115 13481 15090 15018 14267 10549

14 TG23300-98060 1 16115 13481 15090 15018 14267 10549

15 TG24700-92060 1 16115 13481 15090 15018 14267 10549

16 TG24700-13100 1 16115 13481 15090 15018 14267 10549

17 TG23300-98040 1 16115 13481 15090 15018 14267 10549

18 TG24700-11200 1 16115 13481 15090 15018 14267 10549

19 TG24700-28600 1 16115 13481 15090 15018 14267 10549

20 TG24700-1A110 1 16115 13481 15090 15018 14267 10549

21 TG24700-1A120 1 16115 13481 15090 15018 14267 10549

22 TG24700-92010 3 48345 40442 45269 45055 42802 31646

23 TG24700-92020 3 48345 40442 45269 45055 42802 31646

24 TG24700-1A200 1 16115 13481 15090 15018 14267 10549

25 TG24700-70200 1 16115 13481 15090 15018 14267 10549

26 TG24700-10500 1 16115 13481 15090 15018 14267 10549

27 TG24700-A0400 1 16115 13481 15090 15018 14267 10549

28 TG24700-28200 1 16115 13481 15090 15018 14267 10549

29 TG24700-10400 1 16115 13481 15090 15018 14267 10549

30 TG24700-10410 1 16115 13481 15090 15018 14267 10549

31 TG24700-28100 1 16115 13481 15090 15018 14267 10549

32 TG22500-91020 1 16115 13481 15090 15018 14267 10549

33 TG24700-23300 1 16115 13481 15090 15018 14267 10549

34 TG22500-96050 1 16115 13481 15090 15018 14267 10549

35 TG23600-98200 1 16115 13481 15090 15018 14267 10549

69

Tabel 4.30 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy

Transmission Periode Juli 2018 sampai Desember 2018.

NO PART NO Usage

/ Pcs

Periode (Month)

7 8 9 10 11 12

1 TG24700-10100 1 15984 14983 13516 16592 14947 14267

2 TG24700-95020 1 15984 14983 13516 16592 14947 14267

3 TG24700-95010 1 15984 14983 13516 16592 14947 14267

4 TG24700-95040 2 31967 29965 27033 33183 29894 28535

5 TG24700-95050 3 47951 44948 40549 49775 44840 42802

6 TG24700-10910 1 15984 14983 13516 16592 14947 14267

7 TG23600-98070 1 15984 14983 13516 16592 14947 14267

8 TG23600-92010 1 15984 14983 13516 16592 14947 14267

9 TG24700-11000 1 15984 14983 13516 16592 14947 14267

10 TG22500-91010 1 15984 14983 13516 16592 14947 14267

11 TG22500-96010 1 15984 14983 13516 16592 14947 14267

12 TG22500-17000 1 15984 14983 13516 16592 14947 14267

13 TG22500-91020 1 15984 14983 13516 16592 14947 14267

14 TG23300-98060 1 15984 14983 13516 16592 14947 14267

15 TG24700-92060 1 15984 14983 13516 16592 14947 14267

16 TG24700-13100 1 15984 14983 13516 16592 14947 14267

17 TG23300-98040 1 15984 14983 13516 16592 14947 14267

18 TG24700-11200 1 15984 14983 13516 16592 14947 14267

19 TG24700-28600 1 15984 14983 13516 16592 14947 14267

20 TG24700-1A110 1 15984 14983 13516 16592 14947 14267

21 TG24700-1A120 1 15984 14983 13516 16592 14947 14267

22 TG24700-92010 3 47951 44948 40549 49775 44840 42802

23 TG24700-92020 3 47951 44948 40549 49775 44840 42802

24 TG24700-1A200 1 15984 14983 13516 16592 14947 14267

25 TG24700-70200 1 15984 14983 13516 16592 14947 14267

26 TG24700-10500 1 15984 14983 13516 16592 14947 14267

27 TG24700-A0400 1 15984 14983 13516 16592 14947 14267

28 TG24700-28200 1 15984 14983 13516 16592 14947 14267

29 TG24700-10400 1 15984 14983 13516 16592 14947 14267

30 TG24700-10410 1 15984 14983 13516 16592 14947 14267

31 TG24700-28100 1 15984 14983 13516 16592 14947 14267

32 TG22500-91020 1 15984 14983 13516 16592 14947 14267

33 TG24700-23300 1 15984 14983 13516 16592 14947 14267

34 TG22500-96050 1 15984 14983 13516 16592 14947 14267

35 TG23600-98200 1 15984 14983 13516 16592 14947 14267

70

Berdasarkan tabel 4.25 dan Tabel 4.26 merupakan perhitungan untuk

kebutuhan komponen atau part yang dibutuhkan selama tahun 2018.

Diperoleh dari jumlah kebutuhan produksi dikali dengan jumlah komponen

setiap satu produk dengan mengacu pada data Bill Off Material.

4.3.4. Lot Sizing

Lot sizing merupakan suatu teknik yang digunakan untuk menetukan ukuran

kuantitas pemesanan terdapat sembilan metode penentuan, Dalam penelitian

ini dilakukan penentuan Lot Sizing menggunkan dua metode yaitu Economic

Order Quantity(EOQ) dan Lot For Lot (LFL).

A. Economic Order Quantity

Economic Order Quantity (EOQ) digunakan untuk menentukan kuantitas

pesanan persediaan yang dapat meminimalkan biaya penyimpanan dan biaya

pemesanan persediaan. Economic Order Quantity (EOQ) adalah jumlah

kuantitas barang yang dapat diperoleh dengan biaya yang minimal, atau sering

disebut sebagai jumlah pembelian yang optimal. Dibawah ini menunjukkan

perhitungan EOQ untuk komponen Plate Shift Lever :

Permintaan (Demand) tahunan berdasarkan data tiap bulan :

EOQ = √𝟐𝑺𝑫

𝑯

EOQ = √𝟐 𝒙 𝟏𝟎.𝟐𝟓𝟎.𝟎𝟎𝟎 𝒙 𝟏𝟕𝟒𝟖𝟎𝟖

𝟏𝟕𝟒 𝒙 𝟏𝟐

= 41451 Pcs

A.1. Titik Pemesanan Kembali (ROP)

Selain menentukan EOQ ,pengendalian persediaan juga menentukan kapan

dilakukan pemesanan kembali. Penentuan kapan melakukan pesanan ini isebut

71

dengan Re Order Point ,yaitu saat dimana perusahaan harus melakukan

kembali pembelian bahan baku, hal ini diperlukan karena tidak selamanya

pesanan bahan baku dapat segera dikirim oleh pemasok,

Untuk menentukan Reorder Point bisa di hitung dengan cara

ROP = EOQ

𝐿ama Perputaran produksi x Lead time

Berikut ini merupakan contoh perhitungan ROP untuk komponen Plate

dengan lead time 7 hari atau 7/(24 hari) = 0,272 bulan

Rop plate = 41451

12 x 0,272

= 942 Pcs

Artinya bahwa perusahaan Mannoh Tsuda harus melakukan pesanan

komponen plate ke pemasok pada saat persediaan di gudang tinggal 942 pcs.

Setelah diketahui Reorder Point maka selanjutnya dilakukan penyusunan

MRP (Material Requirement Planning ) selama satu tahun untuk setiap

komponen.

Pada tabel 4.27 merupakan contoh penyusunan MRP (Material Requirement

Planning ) untuk komponen Plate.

72

Tabel 4.31 Economic Order Quantity (EOQ) Komponen Plate (TG24700-

10100)

Lead Time = 0,272727 (Bulan) ROP = 942,0839186

Month Net Req Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 41451 25336 4403380 10.250.000 14653380

2 13481 0 11855 2060437 0 2060437

3 15090 41451 38216 6642016 10.250.000 16892016

4 15018 0 23198 4031840 0 4031840

5 14267 0 8931 1552174 0 1552174

6 10549 41451 39833 6923020 10.250.000 17173020

7 15984 19293 43143 7498171 10.250.000 17748171

8 14983 0 28160 4894210 0 4894210

9 13516 0 14644 2545052 0 2545052

10 16592 41451 39503 6865614 10.250.000 17115614

11 14947 0 24556 4267868 0 4267868

12 14267 0 10289 1788201 0 1788201

Jumlah 174808 104721982

Tabel 4.27 merupakan contoh perhitungan pada komponen Plate (TG24700-

10100 menggunakan model Economic Order Quantity, untuk perhitungan

komponen lainnya dapat dilihat pada lampiran. Setelah melakukan

perhitungan menggunakan metode Economic Order Quantity dari seluruh

komponen akan didapatkan total biaya keseluruhan dalam pengadaaan

material selama satu tahun.

73

Tabel 4.32 Hasil Perhitungan Biaya Menggunakan Model EOQ

NO PART NO COST/TAHUN

1 TG24700-10100 104.721.982

2 TG24700-95020 59.792.085

3 TG24700-95010 59.873.954

4 TG24700-95040 93.168.571

5 TG24700-95050 87.308.089

6 TG24700-10910 87.162.464

7 TG23600-98070 16.038.370

8 TG23600-92010 16.026.818

9 TG24700-11000 114.589.850

10 TG22500-91010 87.900.067

11 TG22500-96010 25.904.875

12 TG22500-17000 36.443.513

13 TG22500-91020 49.359.494

14 TG23300-98060 32.605.834

15 TG24700-92060 51.402.071

16 TG24700-13100 113.163.542

17 TG23300-98040 41.054.922

18 TG24700-11200 71.375.508

19 TG24700-28600 264.512.286

20 TG24700-1A110 108.829.875

21 TG24700-1A120 40691960

22 TG24700-92010 102320604

23 TG24700-92020 89.520.418

24 TG24700-1A200 56.708.408

25 TG24700-70200-C0 40.623.425

26 TG24700-10500 35.747.969

27 TG24700-A0400 33.463.223

28 TG24700-28200 49.000.643

29 TG24700-10400 42.986.813

30 TG24700-10410 22.227.683

31 TG24700-28100 300.417.618

32 TG22500-910200 17.809.769

33 TG24700-23300 42.615.436

34 TG22500-96050 12.888.766

35 TG23600-98200 30.172.855

Total Cost 2.438.429.762

74

Dari tabel 4.28 dapat dilihat bahwa total biaya yang dikeluarkan dalam

pengadaaan material menggunakan model Economic Order Quantity adalah

sebesar Rp 2.438.429.762

B. Lot For Lot

Lot for Lot adalah(LFL) adalah salah satu metode penentuan Lot Sizing

dengan melakukan pemesanan tepat sebesar kebutuhan bersih dan sesuai

dengan tenggang waktu masing-masing persediaan. Kebutuhan persediaan

bahan baku diharapkan dapat tersedia dalam jumlah dan waktu yang tepat

sehingga dapat dihilangkan adanya persediaan digudang . hal ini dapat

mengurangi biaya penyimpanan yang dikeluarkan oleh perusahaan. sebagai

contoh berdasarkan tabel 4.29 kuantitas pesanan Plate (TG24700-10100)

setiap bulannya disesuaikan dengan kebutuhan bersih, sebagai contoh

kuantitas pesanan tertinggi komponen plate tertinggi terjadi pada bulan Maret

yaitu sebanyak 3518 unit atau pcs.

Tabel 4.33 Contoh Perhitungan MRP Plate (TG24700-10100)

Menggunakan Metode Lot For Lot

Periode Net

Requirement

Order

Quantity

Ending

Inventory

Holding

Cost

Set Up

Cost

Total

Cost

1 16115 16115 0 Rp - 10250000 10250000

2 13481 13481 0 Rp - 10250000 10250000

3 15090 15090 0 Rp - 10250000 10250000

4 15018 15018 0 Rp - 10250000 10250000

5 14267 14267 0 Rp - 10250000 10250000

6 10549 10549 0 Rp - 10250000 10250000

7 15984 15984 0 Rp - 10250000 10250000

8 14983 14983 0 Rp - 10250000 10250000

9 13516 13516 0 Rp - 10250000 10250000

10 16592 16592 0 Rp - 10250000 10250000

11 14947 14947 0 Rp - 10250000 10250000

12 14267 14267 0 Rp - 10250000 10250000

Total Cost 123000000

75

Dari perhitungan tabel 4.29 merupakan perhitungan kebutuhan material plate

dengan menggunakan model Lot For Lot. Selama dua belas bulan. untuk

perhitungan Lot For Lot dari seluruh komponen Floor Shift Assy Trasnmission

dapat dilihat pada tabel 4.30.

76

Tabel 4.34 Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018

NO Item Periode (Month)

Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12

1 TG24700-10100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 123000000

2 TG24700-95020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

3 TG24700-95010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

4 TG24700-95040 32230 26961 30180 30037 28535 21097 31967 29965 27033 33183 29894 28535 192000000

5 TG24700-95050 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 192000000

6 TG24700-10910 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

7 TG23600-98070 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000

8 TG23600-92010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000

9 TG24700-11000 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 123000000

10 TG22500-91010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

11 TG22500-96010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 162003000

12 TG22500-17000 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 113190000

13 TG22500-91020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

14 TG23300-98060 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 42360000

77

Tabel 4.35 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018

NO Item Periode (Month)

Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12

15 TG24700-92060 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 113190000

16 TG24700-13100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800

17 TG23300-98040 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800

18 TG24700-11200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 42360000

19 TG24700-28600 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 102384000

20 TG24700-1A110 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 30003900

21 TG24700-1A120 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 30003900

22 TG24700-92010 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 75000000

23 TG24700-92020 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 75000000

24 TG24700-1A200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 63472296

25 TG24700-70200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 51900000

26 TG24700-10500 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 76140000

27 TG24700-A0400 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 76140000

28 TG24700-28200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 102384000

29 TG24700-10400 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800

30 TG24700-10410 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800

78

Tabel 4.36 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018

NO Item Periode (Month)

Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12

31 TG24700-28100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

32 TG22500-91020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000

33 TG24700-23300 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800

34 TG22500-96050 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 27603000

35 TG23600-98200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000

Jumlah 3692373096

Dari tabel 4.30 merupakan perhitungan biaya pengadaan material untuk periode dua belas kedepan menggunakan metode Lot For Lot .

Dapat dilihat bahwa total biaya pengadaan material untuk periode setahun kedepan adalah Rp.3.692.373.096.

79

C. Perhitungan Biaya Persediaan Dengan Metode yang Sudah berjalan

Pada Perusahaan.

Perhitungan biaya persediaan dengan metode yang sudah berjalan adalah

perhitungan yang didapatkan dari perencanaan Material Requirement

Planning yang sudah disusun oleh divisi Planning Production and Inventory

Control dari perencanaan yang ada dilakukan penghitungan terhadap biaya

penyimpanan dan biaya pemesanan sehingga didapatkan data perincian biaya

seperti tabel 4.31.

Tabel 4.37 Perhitungan total biaya persediaan bahan baku dengan

metode yang sudah berjalan pada perusahaan.

NO PART NO PERUSAHAAN

1 TG24700-10100 51.301.047

2 TG24700-95020 23.670.975

3 TG24700-95010 53.978.405

4 TG24700-95040 51.781.178

5 TG24700-95050 45.863.223

6 TG24700-10910 72.780.221

7 TG23600-98070 22.534.781

8 TG23600-92010 13.538.231

9 TG24700-11000 88.183.821

10 TG22500-91010 71.838.023

11 TG22500-96010 40.747.319

12 TG22500-17000 36.018.864

13 TG22500-91020 30.284.628

14 TG23300-98060 29.350.685

15 TG24700-92060 21.388.191

16 TG24700-13100 70.138.382

17 TG23300-98040 19.184.346

18 TG24700-11200 37.574.811

19 TG24700-28600 125.321.792

20 TG24700-1A110 113.683.659

21 TG24700-1A120 110.351.841

22 TG24700-92010 51.781.319

80

Tabel 4.38 (lanjutan) Perhitungan total biaya persediaan bahan

baku dengan metode yang sudah berjalan pada perusahaan.

NO PART NO PERUSAHAAN

23 TG24700-92020 46.878.134

24 TG24700-1A200 34.030.518

25 TG24700-70200-C0 44.683.718

26 TG24700-10500 45.847.341

27 TG24700-A0400 33.488.234

28 TG24700-28200 33.868.418

29 TG24700-10400 33.068.846

30 TG24700-10410 24.019.346

31 TG24700-28100 588.847.319

32 TG22500-910200 18.847.346

33 TG24700-23300 38.198.846

34 TG22500-96050 788.217.035

35 TG23600-98200 15.698.981

Total Biaya 2.926.989.813

Pada tabel 4.31 dapat dilihat total biaya persediaan yang akan dikeluarkan

perusahaan selama satu tahun, data berikut didapatkan dari rencana

pengadaan material yang dilakukan oleh divisi Production Planning and

Inventory Control. Berdasarkan data dapat dilihat bahwa pengeluaran atau

biaya yang akan dikeluarkan perusahaan adalah sebesar Rp 2.926.989.813

4.4. Analisis Data

Pada tahap ini dilakukan analisis data pada model peramalan menggunakan

Software minitab 16. Guna mengetahui apakah model peramalan yang sudah

dipilih merupakan model peramalan yang terbaik. Faktor utama yang sangat

mempengaruhi pemilihan teknik peramalan adalah identifikasi dan

pemahaman pola historis data yang digunakan. Oleh karena itudilakukan

analisa pada histori permintaan untuk dapat menentukan metode peramalan

yang baik dengan mempertimbangkan nilai MAD (Mean Absolut Deviation)

81

,MSE (Mean Square Error) dan MAPE (Mean Absolute Precentage of Error).

Dan pada tahap ini dilakukan perbandingan biaya dengan metode yang

berjalan pada perusahaan. agar bisa dipertimbangkan metode yang manakah

yang paling baik dengan biaya paling sedikit.

4.4.1. Analisis Model Peramalan Single Exponential Smoothing

Single Exponential Smoothing atau biasa disebut sebagai Simple Exponential

Smoothing. Metode ini cocok digunakan untuk peramalan jangka pendek.

Model ini mengasumsikan bahwa data berfluktuasi disekitar nilai Mean yang

tetap,tanpa trend.

Gambar 4.10 Grafik Perbandingan hasil Forecasting model Single Exponential

menggunakan Minitab 16 dengan permintaan aktual tahun 2017.

Dari gambar 4.10 merupakan hasil perhitungan forecast dengan

menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai

MAPE(Mean Absolute Precentage of Error) yaitu 10. Untuk nilai MAD(Mean

Absolute Deviation) yaitu 300 dan untuk nilai MSD(Mean Square Deviation)

yaitu 142311.

82

4.4.2. Analisa Model Peramalan Double Exponential Smoothing

Metode ini dikembangkan oleh Brown’s untuk dapat mengatasi adanya

perbedaan yang muncul antara data aktual dan hasil peramlan jika ada Trend

pada plot datanya. Untuk itu Bronn’s memamfaatkan nilai persamalan dari

hasil Single Exponential Smoothing. Perbedaan antara kedua metode ini

ditambahkan pada harga SES dengan demikian harga peramalan telah

disesuaikan terhadap trend pada plot data.

Gambar 4.11 Grafik Perbandingan hasil Forecasting Model Double

Exponential menggunakan Minitab 16 dengan permintaan aktual tahun 2017.

Dari gambar 4.11 merupakan hasil perhitungan forecast dengan

menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai

MAPE(Mean Absolute Precentage of Error) yaitu 12. Untuk nilai MAD(Mean

Absolute Deviation) yaitu 361 dan untuk nilai MSD(Mean Square Deviation)

yaitu 196758.

83

4.4.3. Analisa Model Peramalan Trend Linier

Seringkali data Trend Linier jika digambarkan kedalam plot mendekati garis

lurus.

Gambar 4.12 Grafik Perbandingan hasil Forecasting Model Trend Linier

menggunakan Minitab 16 dengan permintaan aktual tahun 2017.

Berdasarkan gambar 4.12 merupakan hasil perhitungan forecast dengan

menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai

MAPE(Mean Absolute Precentage of Error) yaitu 8,4. Untuk nilai

MAD(Mean Absolute Deviation) yaitu 242,2 dan untuk nilai MSD(Mean

Square Deviation) yaitu 92251,2.

4.4.4. Analisa Model Peramalan Winters’ (Musiman)

Dalam kondisi tertentu kadang-kadang permintaan terhadap suatu produk

industri sangat dipengaruhi oleh oleh faktor musiman yang berkaitan erat

dengan fluktuasi periodik serta bersifat relatif konstan. Fluktuasi permintaan

84

tersebut biasanya dipengaruhi oleh faktor-faktor seperti : temperatur,hari raya

keagamaan,curah hujan dan lain-lain. Apabila identifikasi pola historis dari

data aktual permintaan menunjukkan adanya fluktuasi musiman,perlu

dilakukan penyesuaian terhadap pengaruh musiman itu melalui menghitung

indeks musiman.

Gambar 4.13 Grafik Perbandingan hasil Forecasting Model musiman

menggunakan Minitab 16 dengan permintaan aktual tahun 2017.

Berdasarkan gambar 4.13 merupakan hasil perhitungan forecast dengan

menggunakan minitab dari hasil perhitungan tersebut didapatkan nilai

MAPE(Mean Absolute Precentage of Error) yaitu 13. Untuk nilai MAD(Mean

Absolute Deviation) yaitu 375 dan untuk nilai MSD(Mean Square Deviation)

yaitu 215813.

85

4.4.5. Perbandingan Biaya Total Persediaan

Perbandingan pada biaya total persediaan yaitu untuk membandingkan biaya

yang di keluarkan dalam pengadaan persediaan menggunakan teknik eoq dan

teknik lot for lot dengan biaya yang akan dikeluarkan oleh perusahaan. Pada

tahap ini biaya perusahaan merupakan biaya perusahaan yang sudah berjalan

pada tahun berjalan oleh perusahaan.

Tabel 4.39 Perbandingan total biaya pengadaaan persediaan tahun 2018.

NO PART NO PERUSAHAAN TEKNIK

EOQ

TEKNIK

LOT FOR

LOT

1 TG24700-10100 51.301.047 104.721.982 123.000.000

2 TG24700-95020 23.670.975 59.792.085 192.000.000

3 TG24700-95010 53.978.405 59.873.954 192.000.000

4 TG24700-95040 51.781.178 93.168.571 192.000.000

5 TG24700-95050 45.863.223 87.308.089 192.000.000

6 TG24700-10910 72.780.221 87.162.464 192.000.000

7 TG23600-98070 22.534.781 16.038.370 62.400.000

8 TG23600-92010 13.538.231 16.026.818 62.400.000

9 TG24700-11000 88.183.821 114.589.850 123.000.000

10 TG22500-91010 71.838.023 87.900.067 192.000.000

11 TG22500-96010 40.747.319 25.904.875 162.003.000

12 TG22500-17000 36.018.864 36.443.513 113.190.000

13 TG22500-91020 30.284.628 49.359.494 192.000.000

14 TG23300-98060 29.350.685 32.605.834 42.360.000

15 TG24700-92060 21.388.191 51.402.071 113.190.000

16 TG24700-13100 70.138.382 113.163.542 69.607.800

17 TG23300-98040 19.184.346 41.054.922 69.607.800

18 TG24700-11200 37.574.811 71.375.508 42.360.000

19 TG24700-28600 125.321.792 264.512.286 102.384.000

20 TG24700-1A110 113.683.659 108.829.875 30.003.900

21 TG24700-1A120 110.351.841 40691960 30.003.900

22 TG24700-92010 51.781.319 102320604 75.000.000

23 TG24700-92020 46.878.134 89.520.418 75.000.000

24 TG24700-1A200 34.030.518 56.708.408 63.472.296

25 TG24700-70200 44.683.718 40.623.425 51.900.000

26 TG24700-10500 45.847.341 35.747.969 76.140.000

27 TG24700-A0400 33.488.234 33.463.223 76.140.000

86

Tabel 4.40 (lanjutan) Perbandingan total biaya pengadaaan persediaan

tahun 2018.

NO PART NO PERUSAHAAN TEKNIK

EOQ

TEKNIK

LOT FOR

LOT

28 TG24700-28200 33.868.418 49.000.643 102.384.000

29 TG24700-10400 33.068.846 42.986.813 69.607.800

30 TG24700-10410 24.019.346 22.227.683 69.607.800

31 TG24700-28100 588.847.319 300.417.618 192.000.000

32 TG22500-910200 18.847.346 17.809.769 62.400.000

33 TG24700-23300 38.198.846 42.615.436 69.607.800

34 TG22500-96050 788.217.035 12.888.766 27.603.000

35 TG23600-98200 15.698.981 30.172.855 192.000.000

Total Biaya 2.926.989.813 2.438.429.762 3.692.373.096

Berdasarkan tabel 4.32 dapat dilihat perbandingan biaya antara model Lot For

Lot, Economic Order Quantity, dan model yang digunakan oleh perusahaan. total

biaya berdasarkan model yang digunakan oleh perusahaan yaitu sebesar Rp.

2.926.989.813 untuk model Lot For Lot total biaya lebih tinggi dari model yang

digunakan oleh perusahaan yaitu sebesar Rp.3.692.373.096 atau naik sebesar

26,14 % sedangkan metode Economic Order Quantity total biaya lebih rendah

jika dibandingkan dengan model yang digunakan oleh perusahaaan yaitu Rp

2.438.429.762. atau lebih rendah sebesar 16,69 %

87

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan tujuan dari penelitian yang dilakukan yaitu mendapatkan metode

peramalan yang tepat dan menentukan kuantitas pemesanan yang terbaik

dengan biaya yang ekonomis maka dapat ditarik kesimpulan berdasarkan hasil

pengolahan data sebagai berikut :

Metode peramalan Trend Linier menunjukkan nilai yang lebih akurat jika

dibandingkan dengan Metode Double Exponential Smoothing Browns, Trend

Seasonal dan Double Moving average hal ini dapat dilihat dari kesalahan

peramalan yang ditunjukkan dari nilai MAD dan MSE pada metode Trend

Linier lebih kecil jika dibandingkan MAD dan MSE pada metode Double

Exponential Smoothing Browns, Trend Seasonal dan Double Moving average.

Rata – rata nilai MAD Trend Linier adalah 35560 sedangkan MAD Double

Exponential Smoothing Metode Browns adalah 175499, MAD Trend Seasonal

180822 dan untuk MAD Double Moving Average adalah 51355.

Untuk kuantitas pemesanan yang terbaik antara dua Model Lot Sizing antara

Lot For Lot dengan Economic Order Quantity adalah model Economic Order

Quantity hal ini dapat dilihat dari selisih total biaya antara kedua model, yang

mana model Lot For Lot lebih tinggi yaitu sebesar Rp.3.692.373.096

sedangkan untuk model Economic Order Quantity sebesar Rp. 2.438.429.762

atau selisih antara kedua model sebesar Rp. 1.253.943.334

Dan setelah dilakukan perbandingan dengan model pengadaan material yang

dilakukan perusahaan pada saat ini dapat disimpulkan bahwa metode yang

paling memiliki biaya terendah yaitu model pengadaan material menggunakan

model Economic Order Quantity.dimana total biaya menggunakan model

perusahaan pada saat ini lebih tinggi jika dibandingkan dengan model

88

Economic Order Quantity yaitu untuk model yang digunakan perusahaan

sebesar Rp 2.926.989.813 dan selisihnya sebesar Rp 488.560.051 atau

dengan menggunakan metode EOQ perusahaan dapat menghemat sebesar

16,69%.

5.2. Saran

Berdasarkan penjelasan mengenai hasil analisis yang telah dilakukan maka

berikut beberapa hal yang disarankan, yaitu :

a. Pada penelitian selanjutnya ada baik nya jika mempertimbangkan

kapasitas gudang yang tersedia dan Quantity Discount pada setiap

pembelian atau pengadaan material.

b. Untuk peneliti selanjutnya diharapkan adanya perubahan yang dapat

dilakukan dalam penelitian selanjutnya demi tercapainya hasil

penelitian yang lebih baik seperti periode dalam pengadaaan material

lebih pendek lagi seperti periode dalam harian atau mingguan agar

dapat mengendalikan material dengan tepat dan lebih ekonomis.

89

DAFTAR PUSTAKA

Gaspersz,V. 2004. Production Planning and Inventory Control. PT.Gramedia

Pustaka Utama.Jakarta

Ristono. 2009. Manajemen Persediaan edisi I. Graha Ilmu. Yogyakarta

Baroto,T. 2002 . Perencanaan dan Pengendalian Produksi.Ghalia

Indonesia.Jakarta

Rangkuti,F .2007.Manajemen Persediaan .PT.Raja Grafindo Persada. Jakarta

Sophie Santika.2014.Jurnal Usulan Perbaikan Pengendalian Persediaan Bahan

Baku dengan Menggunakan Metode Probabilistik Continous Review.

https://repository.widyatama.ac.id/xmlui/handle/123456789/7552 . Diunduh pada

10 Desember 2017

Yan Astuti.2005. Peramalan Volume penjualan teh Hitam Dengan Metode

Exponential Smoothing Pada PT. Perkebunan Tambi Wonosobo.Skripsi

Semarang. Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri

Semarang.

Dyah Retno. 2001. Jurnal Perencanaan kebutuhan Bahan Baku Sepatu Dengan

Metode Material Requirement Planning (MRP)

http://ejournal.umm.ac.id/index.php/industri/article/view/186 . Diunduh pada 10

Desember 2017.

Gofan Wijaya. 2017. Jurnal Usulan Pengendalian Kebutuhan menggunakan

Metode Economic Order Quantity Di PT. Indotruck utama Cabang Jakarta.

http://journal.uad.ac.id/index.php/Spektrum/article/view/6183 Diunduh pada 13

Januari 2018

90

Fila Dristiana. 2015. Jurnal Pengendalian Persediaan Bahan Baku Obat dengan

menggunakan Metode EOQ Probabilistik berdasarkab peramalan Exponential

Smoothing Pada PT. XYZ.

http://journal.uad.ac.id/index.php/Spektrum/article/view/2695/1665. Diunduh

Pada 13 januari 2018

91

LAMPIRAN

92

Lampiran 1 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-10100)

Lead Time = 0,272727 (Bulan) ROP = 942,0839186

Month Net Req Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 41451 25336 4403380 10.250.000 14653380

2 13481 0 11855 2060437 0 2060437

3 15090 41451 38216 6642016 10.250.000 16892016

4 15018 0 23198 4031840 0 4031840

5 14267 0 8931 1552174 0 1552174

6 10549 41451 39833 6923020 10.250.000 17173020

7 15984 19293 43143 7498171 10.250.000 17748171

8 14983 0 28160 4894210 0 4894210

9 13516 0 14644 2545052 0 2545052

10 16592 41451 39503 6865614 10.250.000 17115614

11 14947 0 24556 4267868 0 4267868

12 14267 0 10289 1788201 0 1788201

Jumlah 174808 104721982

Lampiran 2 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-95020)

Lead Time = 0,4090909 (Bulan) ROP = 3056,256481

Month Net

Req Order Qty

Ending

Inventory

Holding

Cost

Set up

Cost total cost

1 16115 89650 73535 4265024 16.000.000 20265024

2 13481 0 60054 3483145 0 3483145

3 15090 0 44964 2607937 0 2607937

4 15018 0 29946 1736877 0 1736877

5 14267 0 15679 909371 0 909371

6 10549 0 5130 297555 0 297555

7 15984 89650 78797 4570198 16.000.000 20570198

8 14983 0 63814 3701213 0 3701213

9 13516 0 50298 2917259 0 2917259

10 16592 0 33706 1954945 0 1954945

11 14947 0 18759 1088034 0 1088034

12 14267 0 4492 260527 0 260527

Jumlah 174808 59792085

93

Lampiran 3 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-95010)

Lead Time = 0,409091 (Bulan) ROP = 3062,864611

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 89844 73729 4257844 16.000.000 20257844

2 13481 0 60248 3479335 0 3479335

3 15090 0 45158 2607899 0 2607899

4 15018 0 30140 1740594 0 1740594

5 14267 0 15873 916654 0 916654

6 10549 0 5324 307476 0 307476

7 15984 89844 79185 4572906 16.000.000 20572906

8 14983 0 64202 3707666 0 3707666

9 13516 0 50686 2927092 0 2927092

10 16592 0 34094 1968926 0 1968926

11 14947 0 19147 1105751 0 1105751

12 14267 0 4880 281811 0 281811

Jumlah 174808 59873954

Lampiran 4 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-95040)

Lead Time = 0,409091 (Bulan) ROP = 4331,544672

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 32230 127058 94828 5476306 16.000.000 21476306

2 26961 0 67866 3919287 0 3919287

3 30180 0 37687 2176416 0 2176416

4 30037 0 7650 441806 0 441806

5 28535 127058 106174 6131526 16.000.000 22131526

6 21097 0 85077 4913169 0 4913169

7 31967 0 53109 3067048 0 3067048

8 29965 0 23144 1336567 0 1336567

9 27033 127508 123619 7139005 16.000.000 23139005

10 33183 0 90436 5222674 0 5222674

11 29894 0 60542 3496324 0 3496324

12 28535 0 32008 1848444 0 1848444

Jumlah 349616 93168571

94

Lampiran 5 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-95050)

Lead Time = 0,409091 (Bulan) ROP = 8103,578059

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 48345 237704 189359 4686628 16.000.000 20686628

2 40442 0 148917 3685687 0 3685687

3 45269 0 103647 2565270 0 2565270

4 45055 0 58592 1450164 0 1450164

5 42802 0 15790 390813 0 390813

6 31646 237704 221849 5490757 16.000.000 21490757

7 47951 0 173898 4303965 0 4303965

8 44948 0 128950 3191513 0 3191513

9 40549 0 88401 2187918 0 2187918

10 49775 0 38626 955990 0 955990

11 44840 237704 231490 5729368 16.000.000 21729368

12 42802 0 188688 4670016 0 4670016

Jumlah 524424 87308089

Lampiran 6 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-10910)

Lead Time = 0,409091 (Bulan) ROP = 2407,121371

Month Net Req Order

Qty

Ending

Inventory

Holding

Cost Set up Cost Total cost

1 16115 70608 54493 5095086 16.000.000 21095086

2 13481 0 41012 3834642 0 3834642

3 15090 0 25922 2423747 0 2423747

4 15018 0 10904 1019539 0 1019539

5 14267 0 -3363 -314459 0 -314459

6 10549 70608 56696 5301100 16.000.000 21301100

7 15984 0 40713 3806621 0 3806621

8 14983 0 25730 2405756 0 2405756

9 13516 0 12214 1141969 0 1141969

10 16592 70608 66230 6192501 16.000.000 22192501

11 14947 0 51283 4794979 0 4794979

12 14267 0 37016 3460981 0 3460981

Jumlah 174808 87162464

95

Lampiran 7 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG23600-98070)

Lead Time = 0,227273 (Bulan) ROP = 3225,000766

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 170280 154165 805512 5.200.000 6005512

2 13481 0 140684 735075 0 735075

3 15090 0 125594 656231 0 656231

4 15018 0 110576 577760 0 577760

5 14267 0 96309 503213 0 503213

6 10549 0 85760 448097 0 448097

7 15984 0 69777 364582 0 364582

8 14983 0 54794 286299 0 286299

9 13516 0 41278 215675 0 215675

10 16592 0 24686 128984 0 128984

11 14947 0 9739 50887 0 50887

12 14267 170280 165752 866053 5.200.000 6066053

Jumlah 174808 16038370

Lampiran 8 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG23600-92010)

Lead Time = 0,227273 (Bulan) ROP = 3143,341923

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 165968 149853 824191 5.200.000 6024191

2 13481 0 136372 750047 0 750047

3 15090 0 121282 667053 0 667053

4 15018 0 106264 584453 0 584453

5 14267 0 91997 505982 0 505982

6 10549 0 81448 447965 0 447965

7 15984 0 65465 360055 0 360055

8 14983 0 50482 277651 0 277651

9 13516 0 36966 203311 0 203311

10 16592 0 20374 112057 0 112057

11 14947 0 5427 29850 0 29850

12 14267 165968 157128 864203 5.200.000 6064203

Jumlah 174808 16026818

96

Lampiran 9 Perhitungan Biaya Persediaan Teknik Economic Order Quantity

(TG24700-11000)

Lead Time = 0,272727 (Bulan) ROP = 756,5455685

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 33288 17173 4628097 10.250.000 14878097

2 13481 0 3692 995052 0 995052

3 15090 33288 21890 5899471 10.250.000 16149471

4 15018 0 6872 1852047 0 1852047

5 14267 33288 25893 6978110 10.250.000 17228110

6 10549 0 15344 4135277 0 4135277

7 15984 33288 32649 8798778 10.250.000 19048778

8 14983 0 17666 4760990 0 4760990

9 13516 0 4150 1118309 0 1118309

10 16592 33288 20846 5617985 10.250.000 15867985

11 14947 0 5899 1589835 0 1589835

12 14267 33288 24920 6715898 10.250.000 16965898

Jumlah 174808 114589850

Lampiran 10 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22500-91010)

Lead Time = 0,409091 (Bulan) ROP = 2219,25625

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost Set up Cost Total cost

1 16115 65098 48983 5388119 16.000.000 21388119

2 13481 0 35502 3905244 0 3905244

3 15090 0 20412 2245367 0 2245367

4 15018 0 5394 593358 0 593358

5 14267 65098 56225 6184728 16.000.000 22184728

6 10549 0 45676 5024388 0 5024388

7 15984 0 29693 3266178 0 3266178

8 14983 0 14710 1618101 0 1618101

9 13516 0 1194 131293 0 131293

10 16592 65098 49700 5466995 16.000.000 21466995

11 14947 0 34753 3822852 0 3822852

12 14267 0 20486 2253443 0 2253443

Jumlah 174808 87900067

97

Lampiran 11 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22500-96010)

Lead Time = 0,181818 (Bulan) ROP = 3107,609102

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 205102 188987 1767028 13.500.250 15267278

2 13481 0 175506 1640983 0 1640983

3 15090 0 160416 1499894 0 1499894

4 15018 0 145398 1359473 0 1359473

5 14267 0 131131 1226073 0 1226073

6 10549 0 120582 1127444 0 1127444

7 15984 0 104599 977996 0 977996

8 14983 0 89616 837910 0 837910

9 13516 0 76100 711531 0 711531

10 16592 0 59508 556399 0 556399

11 14947 0 44561 416647 0 416647

12 14267 0 30294 283247 0 283247

Jumlah 174808 25904875

Lampiran 12 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22500-1700)

Lead Time = 0,181818 (Bulan) ROP = 1444,148994

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 95313 79198 2395737 9.432.500 11828237

2 13481 0 65717 1987946 0 1987946

3 15090 0 50627 1531480 0 1531480

4 15018 0 35609 1077177 0 1077177

5 14267 0 21342 645590 0 645590

6 10549 0 10793 326496 0 326496

7 15984 95313 90123 2726206 9.432.500 12158706

8 14983 0 75140 2272985 0 2272985

9 13516 0 61624 1864113 0 1864113

10 16592 0 45032 1362217 0 1362217

11 14947 0 30085 910077 0 910077

12 14267 0 15818 478490 0 478490

Jumlah 174808 36443513

98

Lampiran 13 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22500-91020)

Lead Time = 0,409091 (Bulan) ROP = 5931,211814

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 173982 157867 2431150 16.000.000 18431150

2 13481 0 144386 2223548 0 2223548

3 15090 0 129296 1991165 0 1991165

4 15018 0 114278 1759884 0 1759884

5 14267 0 100011 1540166 0 1540166

6 10549 0 89462 1377719 0 1377719

7 15984 0 73479 1131569 0 1131569

8 14983 0 58496 900839 0 900839

9 13516 0 44980 692685 0 692685

10 16592 0 28388 437175 0 437175

11 14947 0 13441 206994 0 206994

12 14267 173982 173156 2666600 16.000.000 18666600

Jumlah 174808 49359494

Lampiran 14 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22300-98060)

Lead Time = 0,227273 (Bulan) ROP = 763,7098386

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 40323 24208 1531150 3.530.000 5061150

2 13481 0 10727 678496 0 678496

3 15090 40323 35960 2274497 3.530.000 5804497

4 15018 0 20942 1324592 0 1324592

5 14267 0 6675 422181 0 422181

6 10549 40323 36449 2305415 3.530.000 5835415

7 15984 0 20466 1294444 0 1294444

8 14983 0 5483 346801 0 346801

9 13516 40323 32290 2042315 3.530.000 5572315

10 16592 0 15698 992896 0 992896

11 14947 0 751 47513 0 47513

12 14267 40323 26807 1695533 3.530.000 5225533

Jumlah 174808 32605834

99

Lampiran 15 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-92060)

Lead Time = 0,181818 (Bulan) ROP = 1197,425089

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 79030 62915 2768256 9.432.500 12200756

2 13481 0 49434 2175106 0 2175106

3 15090 0 34344 1511155 0 1511155

4 15018 0 19326 850351 0 850351

5 14267 0 5059 222587 0 222587

6 10549 79030 73540 3235771 9.432.500 12668271

7 15984 0 57557 2532487 0 2532487

8 14983 0 42574 1873257 0 1873257

9 13516 0 29058 1278533 0 1278533

10 16592 0 12466 548502 0 548502

11 14947 79030 76549 3368165 9.432.500 12800665

12 14267 0 62282 2740401 0 2740401

Jumlah 174808 51402071

Lampiran 16 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-13100)

Lead Time = 0,272727 (Bulan) ROP = 454,0086918

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 19976 3861 1635092 5.800.650 7435742

2 13481 19976 10356 4385858 5.800.650 10186508

3 15090 19976 15242 6455169 5.800.650 12255819

4 15018 19976 20200 8554768 5.800.650 14355418

5 14267 0 5933 2512542 0 2512542

6 10549 19976 15360 6505068 5.800.650 12305718

7 15984 19976 19353 8195795 5.800.650 13996445

8 14983 0 4370 1850700 0 1850700

9 13516 19976 10830 4586323 5.800.650 10386973

10 16592 19976 14214 6019610 5.800.650 11820260

11 14947 19976 19243 8149496 5.800.650 13950146

12 14267 0 4976 2107270 0 2107270

Jumlah 174808 113163542

100

Lampiran 17 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG23300-98040)

Lead Time = 0,272727 (Bulan) ROP = 1021,012077

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 44924 28809 2412385 5.800.650 8213035

2 13481 0 15328 1283547 0 1283547

3 15090 0 238 19966 0 19966

4 15018 44924 30144 2524197 5.800.650 8324847

5 14267 0 15877 1329484 0 1329484

6 10549 0 5328 446175 0 446175

7 15984 44924 34269 2869561 5.800.650 8670211

8 14983 0 19286 1614962 0 1614962

9 13516 0 5770 483129 0 483129

10 16592 44924 34102 2855613 5.800.650 8656263

11 14947 0 19155 1604009 0 1604009

12 14267 0 4888 409296 0 409296

Jumlah 174808 41054922

Lampiran 18 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-11200)

Lead Time = 0,227273 (Bulan) ROP = 349,2174694

Month Net Req Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 18438 2323 702678 3.530.000 4232678

2 13481 18438 7280 2202266 3.530.000 5732266

3 15090 18438 10628 3215100 3.530.000 6745100

4 15018 18438 14048 4249568 3.530.000 7779568

5 14267 18438 18219 5511188 3.530.000 9041188

6 10549 18438 26108 7897747 3.530.000 11427747

7 15984 0 10125 3062669 0 3062669

8 14983 18438 13580 4107954 3.530.000 7637954

9 13516 0 64 19230 0 19230

10 16592 18438 1910 577762 3.530.000 4107762

11 14947 18438 5401 1633863 3.530.000 5163863

12 14267 18438 9572 2895483 3.530.000 6425483

Jumlah 174808 71375508

101

Lampiran 19 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-28600)

Lead Time = 0,181818 (Bulan) ROP = 212,6248491

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 28066 11951 15085027 8.532.000 23617027

2 13481 14033 12503 15782185 8.532.000 24314185

3 15090 14033 11446 14448257 8.532.000 22980257

4 15018 14033 10461 13204600 8.532.000 21736600

5 14267 14033 10227 12908782 8.532.000 21440782

6 10549 14033 13711 17307033 8.532.000 25839033

7 15984 14033 11761 14844723 8.532.000 23376723

8 14983 14033 10811 13646201 8.532.000 22178201

9 13516 14033 11328 14298224 8.532.000 22830224

10 16592 14033 8769 11068615 8.532.000 19600615

11 14947 14033 7855 9915228 8.532.000 18447228

12 14267 14033 7621 9619411 8.532.000 18151411

Jumlah 174808 264512286

Lampiran 20 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-1A110)

Lead Time = 0,136364 (Bulan) ROP = 61,6500138

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 16275 160 395759 2.500.325 2896084

2 13481 16275 2954 7311687 2.500.325 9812012

3 15090 16275 4139 10245091 2.500.325 12745416

4 15018 16275 5396 13355497 2.500.325 15855822

5 14267 10850 1979 4897538 2.500.325 7397863

6 10549 10850 2280 5643634 2.500.325 8143959

7 15984 16275 2572 6364525 2.500.325 8864850

8 14983 16275 3864 9563431 2.500.325 12063756

9 13516 10850 1198 2963984 2.500.325 5464309

10 16592 16275 881 2180366 2.500.325 4680691

11 14947 16275 2209 5467773 2.500.325 7968098

12 14267 16275 4217 10436690 2.500.325 12937015

Jumlah 174808 108829875

102

Lampiran 21 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-1A120)

Lead Time = 0,136364 (Bulan) ROP = 260,5188573

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 22925 6810 943852 2.500.325 3444177

2 13481 22925 16254 2252834 2.500.325 4753159

3 15090 0 1164 161390 0 161390

4 15018 22925 9071 1257263 2.500.325 3757588

5 14267 22925 17729 2457212 2.500.325 4957537

6 10549 0 7180 995184 0 995184

7 15984 22925 14122 1957243 2.500.325 4457568

8 14983 22925 22064 3058072 2.500.325 5558397

9 13516 0 8548 1184693 0 1184693

10 16592 22925 14881 2062501 2.500.325 4562826

11 14947 22925 22859 3168285 2.500.325 5668610

12 14267 0 8592 1190830 0 1190830

Jumlah 174808 40691960

Lampiran 22 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-92010)

Lead Time = 0,227273 (Bulan) ROP = 1369,347864

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 48345 72301 23956 2503371 6.250.000 8753371

2 40442 72301 55815 5832631 6.250.000 12082631

3 45269 0 10545 1101983 0 1101983

4 45055 72301 37791 3949210 6.250.000 10199210

5 42802 72301 67290 7031848 6.250.000 13281848

6 31646 0 35645 3724878 0 3724878

7 47951 72301 59995 6269433 6.250.000 12519433

8 44948 0 15047 1572415 0 1572415

9 40549 72301 46799 4890465 6.250.000 11140465

10 49775 72301 69325 7244449 6.250.000 13494449

11 44840 0 24485 2558641 0 2558641

12 42802 72301 53984 5641279 6.250.000 11891279

Jumlah 524424 102320604

103

Lampiran 23 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-92020)

Lead Time = 0,227273 (Bulan) ROP = 1570,206119

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 48345 82906 34561 2746712 6.250.000 8996712

2 40442 82906 77025 6121534 6.250.000 12371534

3 45269 0 31755 2523752 0 2523752

4 45055 82906 69606 5531975 6.250.000 11781975

5 42802 0 26804 2130280 0 2130280

6 31646 82906 78065 6204197 6.250.000 12454197

7 47951 0 30114 2393276 0 2393276

8 44948 82906 68072 5410025 6.250.000 11660025

9 40549 0 27523 2187367 0 2187367

10 49775 82906 60654 4820466 6.250.000 11070466

11 44840 0 15814 1256786 0 1256786

12 42802 82906 55918 4444046 6.250.000 10694046

Jumlah 524424 89520418

Lampiran 24 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-1A200)

Lead Time = 0,272727 (Bulan) ROP = 769,366458

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 33852 17737 2385170 5.289.358 7674528

2 13481 0 4256 572355 0 572355

3 15090 33852 23018 3095403 5.289.358 8384761

4 15018 0 8000 1075822 0 1075822

5 14267 33852 27585 3709466 5.289.358 8998824

6 10549 0 17036 2290951 0 2290951

7 15984 0 1053 141538 0 141538

8 14983 33852 19922 2679013 5.289.358 7968371

9 13516 0 6406 861389 0 861389

10 16592 33852 23666 3182479 5.289.358 8471837

11 14947 0 8719 1172515 0 1172515

12 14267 33852 28304 3806159 5.289.358 9095517

Jumlah 174808 56708408

104

Lampiran 25 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-70200)

Lead Time = 0,181818 (Bulan) ROP = 590,1800465

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 38951 22836 1896522 4.325.000 6221522

2 13481 0 9355 776951 0 776951

3 15090 38951 33216 2758625 4.325.000 7083625

4 15018 0 18198 1511357 0 1511357

5 14267 0 3931 326453 0 326453

6 10549 38951 32333 2685277 4.325.000 7010277

7 15984 0 16350 1357828 0 1357828

8 14983 0 1367 113530 0 113530

9 13516 38951 26802 2225870 4.325.000 6550870

10 16592 0 10210 847937 0 847937

11 14947 38951 34214 2841489 4.325.000 7166489

12 14267 0 19947 1656585 0 1656585

Jumlah 174808 40623425

Lampiran 26 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-10500)

Lead Time = 0,227273 (Bulan) ROP = 1267,871193

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 66943 50828 2096651 6.345.000 8441651

2 13481 0 37347 1540573 0 1540573

3 15090 0 22257 918119 0 918119

4 15018 0 7239 298615 0 298615

5 14267 66943 59915 2471486 6.345.000 8816486

6 10549 0 49366 2036358 0 2036358

7 15984 0 33383 1377029 0 1377029

8 14983 0 18400 759001 0 759001

9 13516 0 4884 201447 0 201447

10 16592 66943 55235 2278442 6.345.000 8623442

11 14947 0 40288 1661888 0 1661888

12 14267 0 26021 1073360 0 1073360

Jumlah 174808 35747969

105

Lampiran 27 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-A0400)

Lead Time = 0,227273 (Bulan) ROP = 1417,523087

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 74845 58730 1938087 6.345.000 8283087

2 13481 0 45249 1493224 0 1493224

3 15090 0 30159 995261 0 995261

4 15018 0 15141 499658 0 499658

5 14267 0 874 28836 0 28836

6 10549 74845 65170 2150618 6.345.000 8495618

7 15984 0 49187 1623155 0 1623155

8 14983 0 34204 1128732 0 1128732

9 13516 0 20688 682690 0 682690

10 16592 0 4096 135167 0 135167

11 14947 74845 63994 2111809 6.345.000 8456809

12 14267 0 49727 1640986 0 1640986

Jumlah 174808 33463223

Lampiran 28 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-28200)

Lead Time = 0,181818 (Bulan) ROP = 949,8530973

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 62690 46575 2945863 8.532.000 11477863

2 13481 0 33094 2093209 0 2093209

3 15090 0 18004 1138780 0 1138780

4 15018 0 2986 188875 0 188875

5 14267 62690 51409 3251607 8.532.000 11783607

6 10549 0 40860 2584411 0 2584411

7 15984 0 24877 1573440 0 1573440

8 14983 0 9894 625796 0 625796

9 13516 62690 59068 3736024 8.532.000 12268024

10 16592 0 42476 2686604 0 2686604

11 14947 0 27529 1741222 0 1741222

12 14267 0 13262 838812 0 838812

Jumlah 174808 49000643

106

Lampiran 29 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-10400)

Lead Time = 0,272727 (Bulan) ROP = 1174,790997

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 51690 35575 2250113 5.800.650 8050763

2 13481 0 22094 1397459 0 1397459

3 15090 0 7004 443030 0 443030

4 15018 51690 43676 2762517 5.800.650 8563167

5 14267 0 29409 1860107 0 1860107

6 10549 0 18860 1192911 0 1192911

7 15984 0 2877 181940 0 181940

8 14983 51690 39584 2503689 5.800.650 8304339

9 13516 0 26068 1648774 0 1648774

10 16592 0 9476 599354 0 599354

11 14947 51690 46219 2923364 5.800.650 8724014

12 14267 0 31952 2020954 0 2020954

Jumlah 174808 42986813

Lampiran 30 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-10410)

Lead Time = 0,272727 (Bulan) ROP = 2129,489523

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 93697 77582 1493452 5.800.650 7294102

2 13481 0 64101 1233948 0 1233948

3 15090 0 49011 943470 0 943470

4 15018 0 33993 654368 0 654368

5 14267 0 19726 379722 0 379722

6 10549 0 9177 176662 0 176662

7 15984 93697 86891 1672643 5.800.650 7473293

8 14983 0 71908 1384229 0 1384229

9 13516 0 58392 1124038 0 1124038

10 16592 0 41800 804649 0 804649

11 14947 0 26853 516924 0 516924

12 14267 0 12586 242278 0 242278

Jumlah 174808 22227683

107

Lampiran 31 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-28100)

Lead Time = 0,409091 (Bulan) ROP = 515,9665976

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 30270 14155 28805227 16.000.000 44805227

2 13481 0 674 1372031 0 1372031

3 15090 15135 719 1464042 16.000.000 17464042

4 15018 15135 836 1701586 16.000.000 17701586

5 14267 15135 1704 3467240 16.000.000 19467240

6 10549 15135 6290 12800671 16.000.000 28800671

7 15984 15135 5442 11073504 16.000.000 27073504

8 14983 15135 5594 11383816 16.000.000 27383816

9 13516 15135 7213 14677578 16.000.000 30677578

10 16592 15135 5756 11713371 16.000.000 27713371

11 14947 15135 5944 12096450 16.000.000 28096450

12 14267 15135 6812 13862103 16.000.000 29862103

Jumlah 174808 300417618

Lampiran 32 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-91200)

Lead Time = 0,227273 (Bulan) ROP = 2566,527933

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 135512 119397 985024 5.200.000 6185024

2 13481 0 105916 873809 0 873809

3 15090 0 90826 749318 0 749318

4 15018 0 75808 625417 0 625417

5 14267 0 61541 507712 0 507712

6 10549 0 50992 420686 0 420686

7 15984 0 35009 288820 0 288820

8 14983 0 20026 165215 0 165215

9 13516 0 6510 53704 0 53704

10 16592 135512 125430 1034797 5.200.000 6234797

11 14947 0 110483 911486 0 911486

12 14267 0 96216 793781 0 793781

Jumlah 174808 17809769

108

Lampiran 33 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG24700-23300)

Lead Time = 0,272727 (Bulan) ROP = 1042,636927

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 45876 29761 2389800 5.800.650 8190450

2 13481 0 16280 1307301 0 1307301

3 15090 0 1190 95592 0 95592

4 15018 45876 32048 2573467 5.800.650 8374117

5 14267 0 17781 1427799 0 1427799

6 10549 0 7232 580750 0 580750

7 15984 45876 37125 2981099 5.800.650 8781749

8 14983 0 22142 1778004 0 1778004

9 13516 0 8626 692633 0 692633

10 16592 45876 37910 3044169 5.800.650 8844819

11 14947 0 22963 1843945 0 1843945

12 14267 0 8696 698276 0 698276

Jumlah 174808 42615436

Lampiran 34 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG22500-96050)

Lead Time = 0,181818 (Bulan) ROP = 927,7389262

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 61230 45115 806429 2.300.250 3106679

2 13481 0 31634 565462 0 565462

3 15090 0 16544 295732 0 295732

4 15018 0 1526 27280 0 27280

5 14267 61230 48489 866737 2.300.250 3166987

6 10549 0 37940 678182 0 678182

7 15984 0 21957 392473 0 392473

8 14983 0 6974 124660 0 124660

9 13516 61230 54688 977540 2.300.250 3277790

10 16592 0 38096 680965 0 680965

11 14947 0 23149 413792 0 413792

12 14267 0 8882 158763 0 158763

Jumlah 174808 12888766

109

Lampiran 35 Perhitungan Biaya Persediaan Teknik Economic Order

Quantity (TG23600-98200)

Lead Time = 0,409091 (Bulan) ROP = 8103,578059

Month Net

Req

Order

Qty

Ending

Inventory

Holding

Cost

Set up

Cost Total cost

1 16115 237704 221589 1828108 16.000.000 17828108

2 13481 0 208108 1716893 0 1716893

3 15090 0 193018 1592402 0 1592402

4 15018 0 178000 1468501 0 1468501

5 14267 0 163733 1350796 0 1350796

6 10549 0 153184 1263770 0 1263770

7 15984 0 137201 1131904 0 1131904

8 14983 0 122218 1008299 0 1008299

9 13516 0 108702 896788 0 896788

10 16592 0 92110 759907 0 759907

11 14947 0 77163 636596 0 636596

12 14267 0 62896 518891 0 518891

Jumlah 174808 30172855