PERENCANAAN SISTEM MANAJEMEN PERSEDIAAN INGREDIENT DARI MARGARIN DAN SHORTENING DENGAN MENGGUNAKAN METODE PERAMALAN DAN EOQ DI PT SMART TBK.

Transkripsi

1 PERENCANAAN SISTEM MANAJEMEN PERSEDIAAN INGREDIENT DARI MARGARIN DAN SHORTENING DENGAN MENGGUNAKAN METODE PERAMALAN DAN EOQ DI PT SMART TBK. Hartono Santoso 1, Bobby Oedy P. Soepangkat 2, dan Sony Sunaryo 3 Manajemen Industri, Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Surabaya Jl.Cokroaminoto 12A, Surabaya, hrtn_snts@hotmail.com, 2 bops_1994@me.its.ac.id, 3 sonystatistik@gmail.com ABSTRAK PT. Smart Tbk merupakan perusahaan yang memproduksi margarin dan shortening dengan menggunakan berbagai macam ingredientsebagai salah satu bahan bakunya. Selama ini sistem manajemen persediaan ingredientdilakukan hanya berdasarkan data persediaan di gudang serta kebijakan yang telah ditetapkan dari Departemen PPIC. Sistem manajemen tersebut belum pernah ditinjau ulang untuk menyesuaikan dengan kondisi terkini dari perusahaan, sehingga sistem manajemen persediaan yang lebih terstruktur perlu diimplementasikan oleh perusahaan.perencanaan sistem manajemen persediaan bertujuan memperkirakan permintaan yang akan datang dengan menggunakan metode peramalan yang sesuai untuk material ingredient, mengoptimalkan pemenuhan permintaan pelanggan dengan perencanaan kedatangan material akibat adanya keterbatasan lead time pembelian pada ingredient, jumlah pemesanan optimal (EOQ), serta menentukan jumlah pemesanan ulang (reorder point) dan menentukan jumlah persediaan pengaman ingredient(safety stock) yang optimal dan biayanya.model peramalan yang telah dikembangkan telah dapat mengestimasi kebutuhan bahan baku ingredientdari margarin dan shortening berdasarkan validasi dengan data aktual saat ini. Sistem manajemen persediaan yang dihasilkan dapat menentukan biaya persediaan total yang minimal. Kata kunci: Biaya persediaan total,eoq,lead time, peramalan,reorder point,safety stock. PENDAHULUAN PT. Smart Tbk. adalah salah satu produsen minyak goreng, margarin, specialty fat, dan shortening terbesar di Indonesia, yang banyak produknya tersebar baik dilingkup pasar nasional maupun internasional. Perusahaan ini memiliki banyak departemen dan salah satunya adalah Departemen PPIC (Production Planning and Inventory Control). Ada dua departemen kunci yang harus diatur oleh PPIC, yaitu Departemen Penjualan dan Pemasaran, dan Departemen Produksi. Departemen Penjualan dan Pemasaran bertugas menjual, serta menentukan besarnya permintaan terhadap suatu barang, sedangkan Departemen Produksibertugas melaksanakan kegiatan manufaktur. Siklus kerja yang dilaksanakan oleh PPIC PT Smart Tbk. Surabaya adalah seperti yang digambarkan pada diagram alir yang ditunjukkan pada Gambar 1. Sales order (SO) dan Rough capacity planning (RCP) yang dibuat sebagai dasar Master production schedule (MPS) selalu memiliki ketidakpastian yang sangat mempengaruhiperencanaan produksi yang dibuat PPIC, sehingga dibutuhkan persediaan pengaman untuk mengantisipasi terjadinya kekurangan terhadap barang yang dibutuhkan. A-44-1

2 Namun, karena permintaan sulit diketahui dengan pasti, maka jumlah persediaan yang dibutuhkan dibuat sedikit berlebih untuk memenuhi perubahan yang tidak diharapkan karena adanya permintaan yang lebih banyak. MRP Additional Order EXPLO Material cukup? Informasi TIDAK YA SO RCP MPS Pembelian Material PRODUKSI Pengiriman Barang Pelanggan TIDAK YA MRP RCP Explo MPS Explo Material cukup? Gambar 1. Siklus kerja yang dilaksanakan oleh Departemen PPIC 7, 6, 5, 4, 3, 2, 1, Unit (Ton) January February March April May June Bulan Total margarin dan shortening lokal (TON) Total margarin dan shortening export (TON) Gambar 2. Permintaan awal versus rencana produksi dari margarin dan shortening Gambar 2 menunjukkan pembatalan permintaan yang terjadi selama periode 6 bulan karena adanya ketidakpastian, sehingga membuat permintaan akhirnya harus disesuaikan dengan kondisi yang memungkinkan. Ketidakpastian tersebut disebabkan adanya pembatalan maupun penambahan permintaan. Apabila variasi permintaan ini dapat dikurangi akan sangat menguntungkan bagi perusahaan karena dapat menurunkan biaya dari berbagai aspek. Variasi permintaan ini tidak dapat di penuhi karena menyangkut keterbatasanleadtime suatu barang(ingredient). Adanya lead time juga membuat perusahaan harus menentukan waktu pemesanan.apabila lead time suatu pengiriman barang tetap selama lhari (tidak mengandung ketidakpastian) maka perusahaan memesan l hari sebelum barang habis digunakan, sehingga pesanan yang baru akan datang tepat pada saat barang yang ada habis terjual atau terpakai. Namun, dalam kenyataanya baik permintaan maupun lead time sama-sama tidak pasti,terutama leadtime beberapa ingredientdari suatu produk margarin dan shortening. Oleh karena itu, waktu pemesanan kembali suatu barang harus mempertimbangkan ketidakpastian dari dua aspek tersebut. TAHAP PERAMALAN Tahap-tahap dalam melakukan peramalan ingredientditunjukkan pada Gambar 3 sebagai berikut: A-44-2

3 MULAI A B Data kebutuhan ingredient dari margarin dan shortening Periode lalu Residual indenpenden? Tidak Proses stasioneritas data varians dan rata rata Ya Uji distribusi model Identifikasi model ARIMA dengan melihat grafik ACF dan PACF Distribusi normal? Tidak Lag signifikan? Tidak Cek model lain Ya Pengukuran kesalahan peramalan Ya Uji statistik parameter model Pembandingan dengan model time series lain Parameter signifikan? Tidak Peramalan model yang sesuai Uji indenpendensi residual model Selesai A B SISTEM MANAJEMEN PERSEDIAAN Gambar 3. Diagram alir peramalan Manajemen berusaha untuk menentukan kebijaksanaan penyediaan bahan baku (ingredient) yang optimal, dalam arti dapat menjamin kelancaran proses produksi dan biaya yang ditanggung berada pada tingkat yang minimal. Untuk keperluan tersebut dapat digunakan metode economic order quantity (EOQ) agar mampu menentukan: a. Jumlah pesanan ingredientyang optimal. b. Biaya persediaan ingredientyang minimum. c. Waktu pemesanan ingredientkembali. d. Jumlah persediaan pengaman ingredientyang optimal. Perencanaan sistem manajemen persediaan dilakukan dengan tahapan-tahapan berikut: 1. Menghitung rata-rata kebutuhaningredientselama waktu tunggu () dan rata-rata waktu tunggu (). 2. Memeriksa distribusi yang berlaku untuk data kebutuhaningredientselama waktu tunggu dan data waktu tunggu, apakah data berdistribusi normal atau tidak. 3. Menghitung jumlah pesanan optimal (Qopt) dengan menggunakan metode iterasi dan langkah-langkahnya adalah sebagai berikut: A-44-3

4 a. Melakukan proses iterasi pertama yaitu mencari nilai Q1 menggunakan model deterministik dengan menggunakan persamaan berikut (Tersine, 1994): Q (1) Selanjutnya dilakukan penentuanjumlah pemesanan kembali (B1) dan E (M>B1) dengan persamaan berikut: BM SM Z.σ (2) B M B M E(M B) σ.f (M B) 1 - F (3) σ σ b. Melakukan proses iterasi kedua, yaitu mencari nilai Q2dengan menggunakan model probabilistik, serta B2 yang kemudian dilanjutkan dengan mencari nilai E(M>B2). Q 2 2R C AE M B (4) H c. Proses iterasi selanjutnya dilakukan dengan model probabilistik sebagaimana halnya pada iterasi kedua sampai diperoleh nilai E(M>Bi) yang sama dengan E(M>Bi-1). Dengan kata lain, proses iterasi berhenti karena keadaan optimum telah tercapai. 4. Melakukan penghitungan besarnya persediaan pengaman sesuai dengan persamaan berikut: S (B M)f(M)dM B M (5) 5. Menghitung biaya persediaan total sesuai dengan persamaan berikut: R Q TC RP C A.E(M B) H (B M (6) Q 2 HASIL PERAMALAN Penentuan model peramalan dilakukan dengan membandingkan kesalahan peramalan antara model ARIMA dengan model Double Exp Smoothing. Nilai kesalahan peramalan yang paling kecil dijadikan dasar dalam menentukan model peramalan(makridakis, 1999). Besar nilai kesalahan peramalan dapat dilihat melalui Tabel 1 berikut ini: Tabel 1. Pengukuran kesalahan peramalan dan pemilihan model yang paling sesuai Ingredient ARIMA Double Exp Smoothing Pemilihan MAD MSE MAPE MAD MSE MAPE Model LCN-2 5,792 55,723,285 6,777 76,837,317 ARIMA MGS-9 7,649 18,269,315 9, ,275,349 ARIMA MGU-15 6,346 67,71,273 7,85 97,944,321 ARIMA BHA 1,81 5,94,284 2,182 7,976,324 ARIMA TBHQ,985 1,728,27 1,182 2,35,311 ARIMA ANATO MCY 2,151 7,92,321 2,522 1,87,358 ARIMA Sumber: Hasil perhitungan Program Minitab 16 digunakan untuk mendapatkan hasil peramalan tiap-tiap ingredient pada 12 periode mendatang yang dirangkum pada Tabel 2 berikut ini: A-44-4

5 Tabel 2. Hasil peramalan tiap ingredient LCN-2 (kg) MGS-9 (kg) MGU-15 (kg) Periode Jan ,6 172,9 3943,4 2473,6 829,3 4994,7 2354,9 122,1 4236, Feb ,9 762, 3685,7 2431,7 73,6 5125,9 2114,2 762,3 4141,3 Mar ,2 662,1 3526,7 2458,2 744,5 5165,8 27,8 68,1 437, Apr ,2 628,9 3458,2 2484,8 758,6 525,9 1964,7 652,2 3983,3 Mei ,7 622, 3442,2 2511,5 772,8 5246,1 1952,7 645,1 3966,7 Jun ,7 626,7 3453,7 2538,4 787,1 5286,5 1956,2 647, 3971,6 Jul ,3 636,8 3479,2 2565,4 81,6 5327,1 1967,3 653,2 3988,2 Agu ,6 649,7 3511,6 2592,6 816,2 5367,8 1982,5 661,5 41,9 Sep ,3 664, 3547,7 2619,9 83,9 548,7 1999,7 67,8 436,7 Okt ,4 679,1 3585,7 2647,3 845,8 5449,7 217,9 68,8 464,2 Nov ,2 694,6 3624,6 2674,9 86,8 549,9 236,7 691, 492,6 Des-13 19,4 71,5 3664,2 272,7 875,9 5532,2 255,9 71,5 4121,5 Total Kebutuhan 22315,5 849, , 37,9 9654,2 6361,3 2441,6 8467, ,8 Sumber: Hasil olahan Minitab 16 Tabel 2. Hasil peramalan tiap ingredient (lanjutan) BHA (kg) TBHQ (kg) ANATO MCY (kg) Periode Jan ,5 65,8 321,2 52,6 21,2 98, 334,4 159,5 573,3 Feb-13 15,6 48, 31,4 47,2 16,2 94,5 291,8 118,5 541,9 Mar ,3 49, 312,8 47,7 16,5 95,2 274,9 16, 522,7 Apr , 49,9 315,3 48,3 16,8 96, 269,1 12,2 515,3 Mei ,7 5,8 317,8 48,8 17,1 96,7 268,5 11,9 514,5 Jun ,4 51,8 32,3 49,3 17,4 97,5 27,3 12,9 517, Jul ,1 52,7 322,8 49,8 17,7 98,2 273,2 14,7 521,2 Agu-13 16,9 53,7 325,3 5,4 18, 99, 276,7 16,8 526,1 Sep ,6 54,7 327,8 5,9 18,3 99,8 28,5 19, 531,5 Okt ,3 55,7 33,4 51,4 18,6 1,5 284,4 111,3 537,1 Nov ,1 56,7 332,9 52, 19, 11,3 288,4 113,7 542,8 Des ,8 57,7 335,5 52,5 19,3 12,1 292,4 116,2 548,6 Total Kebutuhan 192,4 646,5 3872,5 6,9 216, 1178,8 344,7 1352,7 6392, Sumber: Hasil olahan Minitab 16 SISTEM MANAJEMEN PERSEDIAAN Hasil peramalan kebutuhan ingredient pada 12 periode mendatang digunakan untuk melakukan perhitungan dalam menentukan jumlah pesanan optimal (EOQ), jumlah pemesanan kembali (Rop), dan jumlah persediaan pengaman (SS). Hasil dari perhitungan tersebut dapat ditunjukkan pada Tabel 3. Setelah diperoleh nilai EOQ, Rop dan SS dilakukan penghitungan biaya total persediaan minimum tiap-tiap ingredient yang dapat ditunjukkan melalui Tabel 4. A-44-5

6 LCN- 2 Ingredient Tabel 3. Parameter sistem manajemen persediaan berbagai ingredient LCN-2 MGS-9 MGU- 15 BHA TBHQ ANATO MCY Ingredient EOQ (kg) P (M>B) Rop (kg) SS (kg) 292,76, ,2 162,61 276,92, ,24 148,65 323,13, ,3 1672,44 236,81, ,69 113,7 191,82, ,83 126,84 292,22, , ,84 331,19, , ,84 319,55, , ,79 362,8, , ,82 43,87, ,87 131,26 29,52,425 31,63 126,2 58,67, ,89 134,28 23,68, ,83 63,35 15,89, ,68 61,21 31,63,84 12,12 64,65 62,29, ,3 211,3 46,2,11 63,92 22,64 79,35, ,4 216,12 Sumber: Hasil perhitungan Tabel 4. Biaya persediaan berbagai ingredient(dalam rupiah) Biaya pembelian Biaya pemesanan Biaya penyimpanan Biaya kekurangan ingredient Biaya total (TC) MCY Sumber: Hasil perhitungan MGS- 9 MGU- 15 BHA TBHQ ANAT O PEMBAHASAN Hasil peramalan dengan menggunakan model ARIMA mempunyai batas atas dan batas bawah, sehingga dapat digunakan untuk memperkirakan seberapa besar pengaruh kebutuhan ingredientyang terus berubah-ubah sepanajang waktu. Akurasi hasil peramalan ini A-44-6

7 dapat dibandingkan dengan kebutuhan aktual ingredient pada bulan Januari 213-Mei 213 berikut ini: (kg) Kebutuhan Ingredient LCN Bulan Aktual (a) (kg) Kebutuhan Ingredient MGS Aktual Bulan (b) (kg) Kebutuhan Ingredient MGU Aktual Bulan (c) (kg) Kebutuhan Ingredient BHA Aktual Bulan (d) (kg) Kebutuhan Ingredient TBHQ Aktual Bulan (e) Gambar 4. Validasi hasil peramalan terhadap kebutuhan aktualingredient: (a) LCN-2, (b) MGS-9, (c) MGU-15, (d) TBHQ, dan (e) ANATO MCY (kg) Kebutuhan Ingredient ANATO MCY Bulan Aktual (f) A-44-7

8 Berdasarkan Gambar 4, keenam grafik kebutuhan ingredient menunjukkan bahwa kebutuhan aktual masih berada didaerah batas atas dan batas bawah peramalan. Oleh karena itu, hasil peramalan dengan model ARIMA dapat digunakan untuk menentukan sistem manajemen persediaan di PT Smart Tbk pada tahun 213. Manajemen PT Smart Tbk saat ini menetapkan kebijakan jumlah persediaan pengaman sebesar 1% dari kebutuhan ingredient, namun demikian kebijakan tersebut masih belum dianalisa kembali untuk disesuaikan dengan kondisi saat ini. Oleh karena itu, dibutuhkan sistem manajemen persediaan yang lebih terstruktur agar perusahaan dapat menetapkan jumlah persediaan pengaman yang optimal dengan biaya yang minimum. Berdasarkan metode EOQ diperoleh perbandingan biaya antara kebijakan saat ini dengan hasil perhitungan yang ditunjukkan Tabel 5 berikut ini: Tabel 5.Perbandingan persediaan pengaman dan biaya total No. Nama SS kebijakan SS perhitungan Biaya total Biaya total hasil Penurunan biaya Ingredient (kg) (kg) kebijakan saat ini perhitungan (%) 1 LCN-2 185,96 162,61 Rp Rp ,2 2 MGS-9 255,84 113,7 Rp Rp ,2 3 MGU-15 23, ,84 Rp Rp ,5 4 BHA 16, 131,26 Rp Rp ,1 5 TBHQ 5,1 63,35 Rp Rp ,3 6 ANATO MCY 28,37 211,3 Rp Rp ,9 Total Rp Rp Rp ,2 KESIMPULAN Berdasarkan pembahasan diatas model peramalan yang diterima dan sudah di lakukan validasi dengan kebutuhan aktual adalah model ARIMA. Peramalan permintaan yang tepatdan didukung dengan batasan atas dan bawah diperlukan guna mengatasi kebutuhan ingredientyang seringkali berfluktuasi. Ketetapan persediaan pengaman sebesar 1% dari total kebutuhan ingredient perlu dilakukan analisa kembali dengan tetap memperhatikan waktu tunggu pemesanan dan masa simpan ingredient. Sistem manajemen persediaan dengan menggunakan EOQ dapat menghemat biaya total sebesar Rp dari kebijakan persediaan pengaman yang ditetapkan oleh perusahaan. DAFTAR PUSTAKA Iriawan, N. dan Astuti, S.P., (26), Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14, Edisi Pertama, Andi, Yogyakarta. Makridakis, S., Wheelwright, S.C. dan McGee, V.E., (1999), Metode dan Aplikasi Peramalan, Edisi Kedua, Terjemahan Binarupa Aksara, Jakarta. Tersine, R.J. (1994), Principles of Inventory and Materials Managements, 4 th Edition, Prentice-Hall, New Jersey. A-44-8