PERBAIKAN SETTING PARAMETER PERSEDIAAN SUKU CADANG DENGAN PENDEKATAN SIMULASI MONTE CARLO (Studi kasus di Chevron Indonesia Company)

Transkripsi

1 Program tudi MMT-IT, urabaya 0 Juli 06 PERBAIKAN ETTING PARAMETER PEREDIAAN UKU CADANG DENGAN PENDEKATAN IMULAI MONTE CARLO (tudi kasus di Chevron Indonesia Company) Edi Triono ) dan I Nyoman Pujawan ) Program tudi Magister Manajemen Teknologi, Institut Teknologi epuluh Nopember Jl. Cokroaminoto A, urabaya, 6064, Jawa Timur, Indonesia e.triono@gmail.com ) dan pujawan@ie.its.ac.id ) ABTRAK Chevron Indonesia Company merupakan salah satu industri minyak dan gas yang beroperasi di wilayah Kalimantan Timur. Kebutuhan Material Repair & Operation (MRO) diatur oleh departemen upply Chain Management. Tingginya inventory, serta nilai material yang masuk kategori slow moving masih cukup besar. Maka diperlukan strategi yang tepat dalam pengendalian dan pengontrolan persediaan suku cadang agar bisa efektif dan efisien. Metode yang digunakan dalam penelitian ini adalah simulasi Monte Carlo untuk menentukan nilainilai parameter yang terkait dengan pengelolaan persediaan suku cadang. Model dasar yang digunakan adalah model (R, s, ) yaitu model base stock dengan periodic review. Langkah awal perhitungan nilai s dan menggunakan rumus yang mengakomodasi permintaan berdistribusi normal. Karena sifat normalitas biasanya tidak terpenuhi, maka simulasi akan digunakan untuk memperbaiki nilai-nilai awal yang diperoleh. Penentuan parameter persediaan dengan simulasi Monte Carlo dan model (R, s, ) menghasilkan suatu peramalan persediaan suku cadang di industri minyak dan gas bumi dengan biaya persediaan yang lebih rendah serta didapatkan service level yang lebih tinggi dibandingkan dengan kondisi exisiting. Kata Kunci: Inventory, Monte Carlo, Base stock, Periodic review. PENDAHULUAN Persediaan di sepanjang supply chain memiliki implikasi yang besar terhadap kinerja finansial suatu perusahaan. Banyak perusahaan yang memiliki nilai persediaannya melebihi 5% dari nilai keseluruhan aset yang dimiliki (Pujawan, 00). Chevron Indonesia Company (CICo) merupakan salah satu industri minyak dan gas di Indonesia. epanjang tahun 0-05, nilai Inventory di CICo mengalami peningkatan yang cukup besar dari sekitar rata-rata $40 juta di tahun 0 menjadi sekitar rata-rata $50 juta di tahun 05. Di dalam pengelolaan persediaan suku cadang untuk material yang masuk kategori material Maintenance Repair, CICo mengklasifikasikan material-material tersebut dalam beberapa commodity item. alah satu strategi pengelolaan dan pengadaan suku cadang berdasarkan pada maintenance strategy yaitu pada kegiatan Preventive Maintenance (PM) dari peralatan (equipment) produksi, sehingga persediaan suku cadang yang direncanakan mengikuti perencanaan dari kegiatan PM dari equipment. Beberapa commodity yang didasarkan pada aktivitas pemeliharaan berkala antara lain: Compressors & Parts, Pump & Parts, Turbines & Parts (OLAR), Filtration & upplies, dan Engines & Parts. edangkan suku cadang dari selain 5 commodity tersebut, permintaannya biasanya tidak mengikuti pola distribusi yang A--

2 Program tudi MMT-IT, urabaya 0 Juli 06 standar. Pola pemakaiannya biasanya memakai pola run to failure. trategi pengelolaan suku cadang yang masuk kategori ini biasanya didasarkan pada history pemakaian di tahun sebelumnya, sehingga persediaannya terkadang mengalami overstock atau juga mengalami shortage. Commodity yang tergolong dalam kategori ini adalah: Instrumentation & Parts, Bearings & Accessories, Electrical, Fittings, Gaskets, eals & Packing, Hoses & Parts, Pipe & Tubing, dan Valves & Parts. uku cadang yang tergolong dalam salah satu dari 8 commodity ini akan dijadikan sebagai obyek penelitian dalam hal perancangan suatu system persediaan suku cadang dengan menggunakan model base-stock periodic review dan simulasi Monte Carlo untuk memperbaiki parameter-parameter persediaan suku cadang di CICo. ehingga tujuan penelitian ini adalah untuk menentukan nilai-nilai parameter persediaan (s, ) dari suku cadang dalam rangka memenuhi tingkat persediaan (availability) tertentu (meningkatkan service level) dan dengan biaya yang ekonomis. Labeau dan Zio (00) menyatakan bahwa simulasi Monte Carlo mampu menghasilkan analisis kehandalan dan ketersediaan dari suatu sistem yang kompleks. Lebih lanjut lagi, Labeau dan Zio menyatakan bahwa simulasi Monte Carlo merupakan metode yang mempunyai fleksibilitas yang tinggi dan membutuhkan pembatasan asumsi-asumsi yang sedikit, sehingga hasil simulasi yang realistis dapat didapatkan. Periodic Review in an Order Point, Order Up To Level ystem (R, s, ) Periodic review system adalah suatu model persediaan produk dimana periode/interval pemesanannya tetap, sedangkan jumlah material yang dipesan berdasarkan dari perhitungan jumlah maksimum yang harus dipenuhi (imchi-levi dan Kaminsky, 00). istem (R, s, ) merupakan kombinasi antara sistem order point, order up to level (s, ) dan sistem periodic review, order up to level (R, ). Dalam pendekatan ini, persediaan ditinjau setiap periode R. Jika tingkat persediaan di atas s, maka tidak dilakukan pemesanan apapun. Jika tingkat persediaan pada atau di bawah s, maka akan dilakukan pemesanan sebanyak Q. Model sistem (R, s, ) dapat dilihat pada Gambar. Pada Gambar menggambarkan persediaan untuk tiga periode. Pada t, Q unit dipesan. Pada t, sejak Inventory on Hand (IOH) belum mencapai atau berada di bawah s, tidak dilakukan pemesanan apapun. Pemesanan baru tidak dilakukan hingga t dimana Q unit dipesan. Time Gambar. Perodic review (R,s,) system umber: Chalapong dan Lazarus (0) Perhitungan yang digunakan dalam sistem (R, s, ) (Tersine, 994) ini adalah:. Reorder Point. Reorder point merupakan titik dimana dilakukan pemesanan suku cadang kembali. A--

3 Program tudi MMT-IT, urabaya 0 Juli 06 = ( dimana: ROP = Reorder Point l = rata-rata lead time d = Permintaan rata-rata per hari = afety stock. Maximum tock. Maximum stock merupakan jumlah maksimum stok suku cadang. = + dimana: ROP = Reorder Point EOQ = Ukuran pemesanan. afety tock (). Menurut Pujawan (00), safety stock merupakan persediaan pengaman yang berfungsi untuk melindungi kesalahan dalam memprediksi permintaan selama lead time. = dimana: = afety stock = tandar deviasi permintaan selama lead time Z = dari service level imulasi Monte Carlo imulasi Monte Carlo sendiri merupakan simulasi probabilistik, dimana datanya digenerate dari bilangan random, yang kemudian disusun suatu distribusi probabilitas. imulasi Monte Carlo merupakan metode analisis numerik yang melibatkan penggambilan sampel eksperimen bilangan acak. Metode Monte Carlo hanyalah salah satu metode yang dapat dilakukan untuk melakukan analisa propagasi ketidakpastian, dimana tujuannya adalah untuk menentukan bagaimana variasi acak dari parameter masukan peluang kegagalan atau F(x) dari unit atau system yang mempengaruhi kehandalan sistem yang sedang dimodelkan. METODE imulasi yang dilakukan dipengaruhi oleh beberapa aspek biaya seperti holding cost, order cost, dll. Adapun diagram alur dari imulasi Monte Carlo untuk penelitian ini adalah sebagai berikut: Mulai etting Parameter Generate Data Random untuk Quantity imulasi Persediaan dengan kombinasi (s,) optimum Perhitungan Inventory Cost elesai Gambar. Diagram Alur imulasi Monte Carlo A--

4 Program tudi MMT-IT, urabaya 0 Juli 06 imulasi Persediaan imulasi perhitungan ini bertujuan untuk menyimulasikan kebijakan dengan pendekatan periodic review (R, s, ) system sekaligus menghitung total biaya yang dihasilkan dari kebijakan tersebut. Pemesanan dalam simulasi perhitungan persediaan dan pemesanan dengan pendekatan periodic review (R, s, ) system akan dilakukan jika posisi persediaan berada kurang dari atau sama dengan reorder point (s) dengan jumlah pemesanan yang cukup untuk mencapai maximum stock () dalam suatu periode pemesanan R. Jika posisi persediaan berada lebih dari reorder point (s), maka tidak akan dilakukan pemesanan hingga periode pemesanan R berikutnya. Gambar. menunjukkan diagram alir keputusan dalam melakukan pemesanan dengan dengan pendekatan periodic review (R, s, ) system. Gambar. Diagram Alir Keputusan Pemesanan Keterangan: t : periode i t : persediaan periode ke t i' t : persediaan dalam pemesanan periode ke t s : reorder point (minimum stock) Q t : jumlah pemesanan dalam periode ke t : maximum stock t maks : periode akhir (dalam penelitian ini periode ke - 64) HAIL DAN PEMBAHAAN Perhitungan Persediaan dan Pemesanan dengan kondisi Existing Perhitungan persediaan dan pemesanan dengan kebijakan existing akan dilakukan pada 8 sampel data suku cadang yang dibahas pada penelitian ini. Dari perhitungan persediaan dan pemesanan ini nantinya akan diketahui total biaya dan service level yang dihasilkan oleh kebijakan existing. A--4

5 Program tudi MMT-IT, urabaya 0 Juli 06 Tabel. Hasil Perhitungan Biaya Persediaan dan ervice Level Kondisi Existing Item Biaya ervice No Biaya Pemesanan Biaya Pembelian Total Cost Number Penyimpanan Level 068 $ 8,788.0 $, $ 4,998.6 $ 5, % 09 $ $ $,64.6 $, % 4448 $ 49.9 $ $, $, % 4 40 $,59.88 $, $ 9, $ 4, % 5 47 $, $ $ 9, $,9.9 90% 6 89 $ $ $, $, % $ 7,857. $,00.00 $ 80, $ 99,47. 77% 8 04 $ $,00.00 $ 7, $ 74, % etting Parameter Input Parameter input ini akan dijadikan sebagai masukan awal dari simulasi persediaan dan pemesanan suku cadang. Parameter yang dijadikan acuan dalam penelitian ini adalah parameter persediaan dengan menggunakan pendekatan EOQ yang meliputi jumlah pemesanan, reorder point, safety stock, dan maximum stock. Tabel. Hasil Perhitungan Parameter Input (Unit) No Item Number D tdev Q s imulasi Perhitungan Persediaan dan Pemesanan imulasi perhitungan persediaan dan pemesanan suku cadang IN068 menggunakan pendekatan periodic review (R, s, ) system dan kombinasi nilai s dan, serta kombinasi data demand dari hasil data pembangkitan bilangan acak dengan Monte Carlo. Hasilnya tercantum pada Tabel. Tabel. Hasil Perhitungan imulasi IN068 - $,955.6 $,799.5 $ 6,858.5 $, % 98% 00% 99% $,49.0 $,74.90 $ 7,05.0 $,05. 99% 97% 00% 99% 4 $,964.8 $,946.7 $ 7,.06 $, % 97% 00% 99% 4 5 $ 4,04.8 $,49. $ 7, $ 0,86. 98% 97% 96% 97% 5 6 $ 4,40.89 $ 4,077.0 $ 7,09.56 $, % 9% 97% 96% 6 $,955.6 $,89.4 $ 6,878.6 $,4. 99% 98% 00% 99% 7 $,79.6 $ 4,06.59 $ 7,075.4 $, % 98% 00% 99% 8 4 $, $,946.7 $ 7,69.08 $, % 97% 00% 99% - A--5

6 Program tudi MMT-IT, urabaya 0 Juli $ 4,8.45 $ 4,77.85 $ 7,450. $, % 98% 00% 99% 0 6 $ 4,40.89 $,69.97 $ 7,8.80 $, % 98% 97% 98% $,955.6 $,89.6 $ 7,88.7 $, % 98% 00% 99% $,79.6 $ 4,056. $ 7,095. $, % 98% 00% 99% 4 $,40.9 $ 4,.66 $ 7,9.49 $, % 98% 00% 99% 4 5 $ 4,5.66 $ 4,77.85 $ 7,486.5 $, % 98% 00% 99% 5 6 $ 4,98.5 $ 4,94.9 $ 7,667.0 $, % 98% 00% 99% 6 4 $,0. $,98.7 $ 7,88.7 $, % 98% 00% 99% 7 4 $,79.6 $ 4,0. $ 8, $, % 98% 00% 99% $,40.9 $ 4,7.7 $ 7,.0 $, % 98% 00% 99% $,60.98 $ 4,450.7 $ 7, $, % 98% 00% 99% $ 4,4.7 $ 4,94.9 $ 7,70. $, % 98% 00% 99% 5 $,54.5 $,98.7 $ 7,89.54 $, % 98% 97% 98% 5 $,45.50 $ 4,5.44 $ 8, $, % 98% 00% 99% 5 4 $,40.9 $ 4,7.0 $ 8,6.84 $, % 98% 00% 99% $,60.98 $ 4,490.4 $ 7,59.7 $, % 98% 00% 99% $,88.04 $ 4, $ 7,76.6 $, % 98% 00% 99% - Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (, 5) dengan hasil nilai biaya persediaan rata-rata sebesar $0,858. (turun sebesar 4% dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 97% (naik % dibandingkan kondisi existing). Dengan langkah yang sama dengan IN068, dilakukan simulasi perhitungan persediaan dan pemesanan suku cadang IN09, IN4448, IN40, IN47, IN89, IN485, IN04, menggunakan pendekatan periodic review (R, s, ) system dan kombinasi nilai s dan, serta kombinasi data demand dari hasil data pembangkitan bilangan acak dengan Monte Carlo. Didapatkan hasil terbaik dari sisi biaya persediaan dan service level yang hasilnya tercantum pada Tabel 4, Tabel 5, Tabel 6, Tabel 7, Tabel 8, Tabel 9, Tabel 0. Tabel 4. Hasil Perhitungan imulasi IN09-6 $,865. $, $,54.78 $, % 96% 97% 98% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (, 6) dengan hasil nilai biaya persediaan rata-rata sebesar $,98.7 (turun sebesar 7 % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 98% (naik 4% dibandingkan kondisi existing). - A--6

7 Program tudi MMT-IT, urabaya 0 Juli 06 Tabel 5. Hasil Perhitungan imulasi IN $ 5, $, $,579.5 $, % 00% 85% 94% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (56, 64) dengan hasil nilai biaya persediaan rata-rata sebesar $, (naik sebesar 0 % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 94% (naik 8% dibandingkan kondisi existing). Kenaikan biaya persediaan akibat adanya kenaikan biaya pembelian suku cadang untuk mengurangi shortage sehingga bisa meningkatkan service level yang cukup signifikan. Tabel 6. Hasil Perhitungan imulasi IN $ 4,08.75 $,49.50 $,45.6 $ 5, % 9% 98% 95% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (, 0) dengan hasil nilai biaya persediaan rata-rata sebesar $5,045.6 (turun sebesar 9 % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 95% (naik 40% dibandingkan kondisi existing). Tabel 7. Hasil Perhitungan imulasi IN $ 9, $ 8,4.5 $ 9, $ 9,9.5 97% 00% 9% 96% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (8, 59) dengan hasil nilai biaya persediaan rata-rata sebesar $9,9.5 (turun sebesar 6 % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 96% (naik 6% dibandingkan kondisi existing). Tabel 8. Hasil Perhitungan imulasi IN $,84.66 $,77.7 $,79. $, % 00% 95% 98% $,84.66 $,77.7 $,79. $, % 00% 95% 98% $,84.66 $,77.7 $,79. $, % 00% 95% 98% $,84.66 $,77.7 $,79. $, % 00% 95% 98% 6 46 $,84.66 $,77.7 $,79. $, % 00% 95% 98% - A--7

8 Program tudi MMT-IT, urabaya 0 Juli 06 Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s), sebesar (58, 59, 60, 6, 6) dan nilai () sebesar (46) dengan hasil nilai biaya persediaan rata-rata sebesar $,80.49 (turun sebesar % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 98% (naik 4% dibandingkan kondisi existing). Tabel 9. Hasil Perhitungan imulasi IN $ 97,06.09 $ 90,05.64 $ 00,77.40 $ 96,.04 90% 90% 87% 89% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (7, 67) dengan hasil nilai biaya persediaan rata-rata sebesar $96,.04 (turun sebesar % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang didapatkan sebesar 89% (naik % dibandingkan kondisi existing). - Tabel 0. Hasil Perhitungan imulasi IN $ 85,.70 $ 6,.8 $ 89,99.6 $ 79,.90 86% 00% 95% 94% Monte Carlo), didapatkan hasil terbaik pada nilai parameter (s, ) sebesar (6, 7) dengan hasil nilai biaya persediaan rata-rata sebesar $79,.90 (naik sebesar 6 % dibandingkan biaya persediaan pada kondisi existing), sedangkan service level rata-rata yang maksimum didapatkan nilai sebesar 94% (naik % dibandingkan kondisi existing). Kenaikan biaya persediaan akibat adanya kenaikan biaya pembelian suku cadang untuk mengurangi shortage sehingga bisa meningkatkan service level yang cukup signifikan. KEIMPULAN DAN ARAN Kesimpulan Beberapa kesimpulan yang dapat diambil dari penelitian ini antara lain sebagai berikut:. Hasil penelitian menunjukkan bahwa nilai-nilai simulasi menghasilkan total biaya persediaan yang lebih rendah dibandingkan total biaya pada kondisi existing. Dari 8 item commodity yang dijadikan sampel data didapatkan penurunan total biaya persediaan sebesar antara lain: IN068 sebesar 4%, IN09 sebesar 7%, IN40 sebesar 9%, IN47 sebesar 6%, IN89 sebesar %, IN485 sebesar %. Untuk suku cadang yang lain mengalami kenaikan yaitu IN4448 sebesar 0% dan IN04 sebesar 6%, kenaikan ini disebabkan adanya kenaikan biaya pembelian untuk mengurangi shortage sehingga bisa meningkatkan service level secara signifikan. A--8

9 Program tudi MMT-IT, urabaya 0 Juli 06. Perbandingan kebijakan persediaan suku cadang menggunakan pendekatan (R, s, ) system dengan kebijakan existing didapatkan hasil bahwa kebijakan dengan pendekatan (R, s, ) system ini dapat dipertimbangkan oleh perusahaan sebagai kebijakan yang lebih baik daripada kebijakan existing karena terjadi peningkatan nilai service level yang cukup signifikan antara lain: IN068 sebesar %, IN09 sebesar 4%, IN4448 sebesar 8%, IN40 sebesar 40%, IN47 sebesar 6%, IN89 sebesar 4%, IN485 sebesar %, dan IN04 sebesar %. aran Adapun saran yang dapat diberikan dalam penelitian ini dan dapat digunakan untuk perbaikan dalam penelitian selanjutnya adalah sebagai berikut:. Pembuatan model simulasi dengan menggunakan tools atau software untuk memudahkan dalam melakukan simulasi sehingga penggunaan simulasi bisa lebih maksimal.. ebaiknya perusahaan menggunakan parameter reorder point dan maksimum inventory dalam proses penyediaan suku cadang sehingga pengendalian persediaan bisa lebih optimal. DAFTAR PUTAKA Chalapong, M. & Lazarus, J. (0), Multi-Echelon Inventory Optimization For an Oil ervices Company, Master of Engineering in Logistics, Massachusetts Institute of Technology. Labeau, P. E., and Zio, E., (00), Procedures of Monte Carlo Transport imulation for Applications in ystem Engineering, Reliability Engineering and ystem afety, Vol. 77, hal Pujawan, I Nyoman dan Mahendrawati, ER (00), upply Chain Management, edisi kedua, Guna Widya, urabaya. imchi-levi, D., Kaminsky, P. & imchi-levi, E. (00), Designing and Managing The upply Chain: Concepts, trategies, and Case tudies, econd Edition, McGraw-Hill, ingapore. Tersine, R.J. (994), Principles of Inventory and Material Management, Prentice Hall International Edition, New Jersey. A--9