BAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang

Transkripsi

1 BAB 4 PEMBAHASAN P. PLN (Persero Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SM Pegawai P. PLN (Persero. Selayaknya tempat pelatihan dan pembelajaran, P. PLN (Persero Udiklat Jakarta ini menyediakan berbagai macam diklat atau topik-topik untuk pengembangan wawasan dan pengetahuan Pegawai P. PLN (Persero, yang dalam proses berjalannya, peserta yang telah mengikuti macam diklat, tidak diberikan kesempatan untuk mengikuti diklat lain sampai hari efektif diklat yang diikutinya berakhir. an sebagai penunjang kelancaran aktivitas pendidikan, para peserta diklat diberikan fasilitas alat tulis kantor (AK Regular, berupa pen, notes, goodie bag, dan tas ransel. Adapun pembagian fasilitas alat tulis kantor tersebut adalah berdasar lamanya hari efektif diklat yang diikuti oleh masing-masing peserta. Secara umum, seluruh peserta diklat diberikan pen dan notes sebagai fasilitas mengikuti diklat. Namun, dikhususkan bagi peserta diklat yang mengikuti diklat dengan hari efektif -4 hari diberi tambahan goodie bag, sedangkan peserta diklat yang mengikuti diklat dengan hari efektif lebih dari sama dengan 5 hari diberikan tambahan ransel. 4. ata Penggunaan AK Regular P. PLN (Persero Udiklat Jakarta tahun 0-0 Periode Pen & Notes Goodie Bag Ransel

2

3 otal abel 4. ata Penggunaan AK Regular ahun Perhitungan Persediaan AK Regular Perhitungan persediaan menggunakan 3 metode yang berbeda guna membandingkan metode mana yang membutuhkan biaya terkecil dalam pengadaan persediaan AK Regular, kemudian dilakukan simulasi estimasi biaya atau pengeluaran tahun setelah periode pengambilan data dengan memakai metode pengadaan persediaan yang memiliki biaya terkecil. Metodemetode yang digunakan antara lain: metode EO dasar ( Model, PO (P Model, dan Min-Max Inventory. Sebelum dilakukan perhitungan dengan menggunakan ketiga metode tersebut, berikut dijabarkan beberapa variable yang digunakan dalam pengolahan data persediaan AK Regular: Jenis AK Variabel Pen Notes Goodie Bag Ransel Bulan (n 4 bulan 4 bulan 4 bulan 4 bulan Lead time (L hari hari hari hari Standar deviasi (s 97,3 97,3 4,88 56,66 otal Permintaan ( Rata Permintaan (d Biaya Pesan (S Rp Rp Rp Rp

4 4 Harga barang (C Rp Rp.000 Rp Rp Biaya simpan (H Rp 60 Rp 40 Rp 500 Rp.900 Service Level 99% 99% 99% 99% abel 4. Variable Pengolahan ata Persediaan AK Regular Standar deviasi didapatkan dari fungsi stdev( pada Mic. Excel dengan menginput data penggunaan AK Regular masing-masing jenis periode 0-0. Gambar 4. Standar eviasi Penggunaan AK Regular ahun 0-0

5 43 Rata-rata permintaan diperoleh dengan membagi total permintaan masingmasing jenis AK Regular dengan banyaknya bulan periode pengambilan data ( d n, atau dengan fungsi average ( pada Microsoft Excel. Gambar 4. Rata-rata Penggunaan AK Regular ahun 0-0 Service level pada P. PLN (Persero Udiklat Jakarta sebesar 99%, dengan nilai z.33, didapatkan dari table distribusi normal.

6 (60.47 ( ( (365 Rp H S C hari W pen pen pen pen 4.. Model Pen x f f H S R R dl R L zs Pen Pen Pen (0.000( ( (.33(97.3 ( tahun ( tahun

7 (40.3 ( ( (365 Rp H S C hari W notes notes notes notes Notes x f f H S R R dl R L zs Pen Pen Pen (0.000( ( (.33(97.3 ( tahun ( tahun

8 46 Goodie Bag hari W x f f H S R R dl R L zs ( (5000( ( (.33( ( ( (5.000 Rp H S C ( tahun ( tahun

9 47 Ransel ( ( ( ( (50.000( ( (.33(56.66 Rp H S C hari W x f f H S R R dl R L zs ( tahun ( tahun

10 P Model - Pen pen pen pen pen * * * * S H ( ( x x365 hr 0 hari pen Zs ( * L pen pen (.33( I I I ( d * 0 (63 x pen pen pen pen d ( * L 0 63 ( I 353 f f x ( tahun pen pen pen pen C (3.000 ( Rp S H ( tahun (60

11 ( ( ( ( * ( ( * ( 94 5 (.33(97.3 * ( * 0.07 * 40(545 (0.000 * * Rp H S C x f f I L d I x I d I L Zs hari hr x x H S notes notes notes notes notes notes notes notes notes notes notes notes notes notes notes Notes ( tahun ( tahun

12 50 Goodie Bag ( ( ( ( * ( (4 9 * ( 9 73 (.33(4.88 * ( * 0. * 500(9885 (5000 * * Rp H S C x f f I L d I x I d I L Zs hari hr x x H S ( tahun ( tahun

13 5 Ransel ( ( ( ( 65 * ( (65 68 * ( (.33 (56 * ( * 0. * ( ( * * Rp H S C x f f I L d I x I d I L Zs hari hr x x H S ( tahun ( tahun

14 Min-Max Inventory Pen & Notes hari W x f f stock Max x stock Max L stock Max stock Min x stock Min L stock Min n ( min max (545. ( (545. ( ( tahun ( ( ( ( ( (3.000 notes notes notes notes pen pen pen pen H S C Rp H S C

15 53 Goodie Bag (500 3 ( ( ( min max (9885. ( (9885. ( Rp H S C hari W x f f Max stock x Max stock L Max stock Min stock x Min stock L Min stock n ( tahun ( tahun

16 54 Ransel ( ( ( ( min max (3970. ( (3970. ( Rp H S C hari W x f f Max stock x Max stock L Max stock Min stock x Min stock L Min stock n ( tahun ( tahun

17 55 ari hasil pengolahan data diatas, maka dapat dilihat perbandingan total biaya masing-masing metode pada tiap jenis AK Regular seperti berikut : Perbandingan Biaya Pen Notes Goodie Bag Ransel Model Rp Rp Rp Rp P Model Rp Rp Rp Rp Min-Max Inventory Rp Rp Rp Rp abel 4.3 Perbandingan Biaya Pengadaan Persediaan AK Regular engan demikian, spesifikasi metode yang tepat untuk tiap jenis AK Regular adalah sebagai berikut : Model Pen Notes Goodie Bag Ransel Safety Stock ( Reorder Point (R Kuantitas Pembelian ( Frekuensi pembelian (f/th 7 kali 3 kali 9 kali 9 kali abel 4.4 Spesifikasi Pengadaan Persedian Setiap Jenis AK Regular 4.3 Simulasi Pengadaan Persediaan Simulasi pengadaan persediaan dilakukan dengan melakukan peramalan terhadap permintaan atau penggunaan AK Regular selama bulan ke depan atau tahun setelah periode pengambilan data. Peramalan data permintaan pertama-tama dilakukan dengan membaca pola data yang dibentuk oleh data periode 0-0, kemudian membandingkan beberapa metode peramalan yang cocok dengan plot data tersebut untuk menentukan metode peramalan yang

18 56 paling tepat berdasar kesalahan (error terkecil menggunakan perhitungan MAPE, MSE, dan MA. Setelah mendapatkan metode peramalan yang paling cocok, perhitungan estimasi permintaan atau penggunaan AK Regular selama tahun ke depan dapat dilakukan, lalu simulasi dilanjutkan dengan menghitung total biaya yang dikeluarkan oleh perusahaan melalui metode pengadaan persediaan yang paling optimal untuk tiap jenis AK Regular dan diperbandingkan dengan total biaya yang dikeluarkan perusahaan dengan metode yang selama ini dijalani oleh perusahaan Pola ata Penggunaan AK Regular 0-0 Pen & Notes

19 57 Goodie Bag Ransel Gambar 4.3 Plot ata Penggunaan AK Regular ahun 0-0

20 Peramalan Pen & Notes Untuk metode peramalan pen dan notes, peramalan dibandingkan dengan beberapa metode seasonal, yakni seasonal tanpa trend (no trend, dan seasonal menggunakan trend yang meliputi : additive dan multiplicative. Berikut adalah perhitungan untuk mencari trend : Period (x uar ter eman d (y Average Same uarter Seasonal Factor eseasonaliz ed emand (Yd x^ x, Yd rend (Y ,6 76,7 76,7 55, ,5 0,8 437, 4 874, 55, ,07 5, ,50 535, ,4 399, ,00 545, ,5,9 440, ,4 555, ,3 644, ,0 565, ,7 373,0 49.6,7 575, ,5 0,44 605, ,6 585, ,77 483, ,9 595, ,78 73, ,89 606, ,6 397, ,79 66, ,88 83, ,83 66,07

21 ,6 499, ,86 636, ,8 84, ,60 646, ,07 740, ,77 656, ,4 863, ,34 666, ,9 8, ,0 676, ,3 67, ,45 686, ,7 888, ,6 696, ,44 657, , 706, ,77 778, ,96 76, ,78 538, ,7 76, ,6 864, ,07 736, ,88 438, ,33 746,43 otal ,86 Rata,5 63,04 abel 4.5 Perhitungan rend untuk Peramalan Pen dan Notes Nilai Y pada tabel diatas adalah nilai trend yang didapatkan dari perhitungan berikut :

22 60 x b (.5(63.4 b (.5 b xy x d nx. y nx y d a y d bx a (0.03(.5 a Y Y a bx, maka x Setelah mendapat persamaan Y, peramalan dapat dihitung dengan cara : - Forecast Additive rend Seasonal Factor - Forecast Multiplicative rend x Seasonal Factor Peramalan dan persentase error masing-masing metode seasonal dengan trend: Forecast Additive Actual Forecast Y x Error Period emand Seasonal Actual- ( Error /Actual (x (y Factor Forecast Error^ Error x 00% ,36-4,36.70,88 4,36 0, ,58-7, ,43 7,58 0, ,87 0,3 405,9 0,3 0, ,4 6,76 80,78 6,76 0, ,05-3,05.07,6 3,05 0,06

23 ,0 59, ,5 59,98 0, ,9-04, ,09 04,9 0, ,39-38, ,05 38,39, ,75-3, ,84 3,75 0, ,79-4,79.8,96 4,79 0, ,66 6,34 693,74 6,34 0, ,95 99, ,69 99,05 0, ,7-35, ,33 35,7, ,94 3,06 53,66 3,06 0, ,3 33, ,93 33,77 0, ,60 55,40 5.4,85 55,40 0, ,4 0, ,8 0,59 0, ,38 9,6 9,58 9,6 0, ,55 49, ,4 49,45 0, ,75-45, ,49 45,75, , -6, 3.48,94 6, 0, ,5-7, ,9 7,5 0, ,0 663, ,94 663,98 0, ,3-36,3.545,70 36,3 0,94 otal -5, , ,9 9,35 abel 4.6 Perhitungan Kesalahan untuk Peramalan Additive Pen dan Notes

24 6 MA error n 4 MSE error n MAPE error n / actual 9.35 x00% Forecast Multiplicative Actual Forecast Y x Error Period emand Seasonal Actual- ( Error /Actual (x (y Factor Forecast Error^ Error x 00% 475 3,9 53, ,76 53,8 0, ,00-7, ,53 7,00 0, ,7-5,7 33,3 5,7 0, ,55-07, , 07,55 0, ,97-36, ,97 36,97 0, ,49 88, ,05 88,5 0, , -57, 66.0,58 57, 0, ,53 8,47 7,77 8,47 0, ,94-86, ,83 86,94 0, ,48 9, ,3 9,5 0, ,68-354, ,6 354,68 0, ,6 74,38.408,54 74,38 0, ,5-85,5 7.50,56 85,5 0,7

25 ,75 45,5.096,4 45,5 0, ,83 90,7 8.,94 90,7 0, ,68 78, , 78,3 0, , 7, ,48 7,70 0, ,9-77, ,93 77,9 0, ,7 44, ,76 44,9 0, 0 9 3,84 -,84 476,89,84 0, ,83 48,7.,53 48,7 0, ,3-46,3.40,7 46,3 0, ,80 08, ,47 08,0 0, ,67-7, ,79 7,67 0,70 otal -9, , ,59 5,76 abel 4.7 Perhitungan Nilai Kesalahan untuk Peramalan Multiplicative Pen dan Notes MA error n MSE error n MAPE error n / actual x00% Sedangkan untuk perhitungan peramalan seasonal tanpa trend, dijabarkan sbb:

26 64 Forecast anpa rend Actual Forecast y Error Period emand Seasonal x Seasonal Actual- ( Error /Actual (x (y Factor Factor Forecast Error^ Error x 00%

27 otal abel 4.8 Perhitungan Nilai Kesalahan untuk Peramalan anpa rend Pen dan Notes MA error ,63 n 4 MSE error n ,98 4 MAPE error n / actual 6.4 x00% 0,7% 4 Hasil perhitungan diatas, dapat menjelaskan bahwa peramalan yang paling tepat untuk AK Regular jenis pen dan notes adalah peramalan multiplicative. Nilai kesalahan peramalan dapat dibandingkan pada table dibawah: Peramalan MA MSE MAPE Additive 03, ,68 0,39% Multiplicative 43,9 9906,4 0,4% anpa rend 66, ,98 0,7% abel 4.9 Perbandingan Nilai Kesalahan Metode Peramalan untuk Pen dan Notes

28 66 Peramalan metode seasonal multiplicative ini digunakan untuk memperkirakan besarnya penggunaan AK regular jenis pen dan notes untuk periode tahun berikutnya. Periode uarter Y Seasonal Factor Forecast 5 756,46 0, ,49 0, ,5, ,55, ,58, ,6, ,64, ,67 0, ,7 0, ,73 0, ,76, ,79 0, abel 4.0 Peramalan Penggunaan Pen dan Notes Periode Selanjutnya

29 67 Goodie Bag ari pola data yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average. Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average, digunakan aplikasi uantitative Management, yang berfungsi untuk membantu menyelesaikan berbagai tipe masalah manajemen, seperti dalam pengambilan keputusan manajerial - ime Series Langkah-langkah penggunaan M dalam peramalan time series adalah dengan memilih Module Forecasting New ime Series Analysis, kemudian akan muncul tampilan berikut : Gambar 4.4 Langkah Awal Penggunaan Software M untuk Peramalan ime Series

30 68 Moving Average Gambar 4.6 Input ata Penggunaan Goodie Bag untuk Peramalan Moving Average pada Software M ata-data yang telah dimasukan dengan pilihan moving average kamudian disolve sehingga muncul beberapa jendela yang menunjukan grafik dan error kesalahan dari masing-masing n moving average. Persentasi error terkecil pada moving average ditandai dengan blok warna kuning. Berikut adalah rangkuman nilai kesalahan menggunakan metode peramalan moving average : n Bias MAPE MA MSE -,78 0,7 7, ,6

31 69 0,7 0,66 84, ,5 3 7,5 0,69 89, ,95 4 7,65 0,68 84, ,48 5 7,0 0,7 8, ,3 6 5,58 0, ,3 7 38,55 0,73 93, ,9 8 6,37 0,5 93, ,7 9 8,3 0,5 98, , ,74 0,53 6, 75.85,5 9,74 0,53 9, 77.06,09 98,5 0,53 6, ,86 3, 0,54 39, ,3 4 4,87 0,54 38, ,7 5 03,3 0,54 3, ,5 6 9,6 0,54 9, ,4 7 90, 0,59 46,5.860,9 8 83,86 0,63 6,4.7337,7 9 75,8 0,7 87, , 0 57,3 0,48 95, , 74,87 0,57 359,6.747,9 abel 4. Nilai Kesalahan Peramalan Moving Average untuk Goodie Bag Weighted Moving Average

32 70 etap menggunakan M dalam perhitungan persentase error peramalan. Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,; 0,, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi. ata dimasukkan ke dalam aplikasi M seperti berikut : Gambar 4.7 Input ata Penggunaan Goodie Bag untuk Peramalan Weighted Moving Average pada Software M Setelah dilakukan solve, maka hasilnya adalah sebagai berikut : Measure Value Error Measures Bias (Mean Error 0,99

33 7 MA (Mean Absolute eviation 88,96 MSE (Mean Squared Error ,9 Standard Error (denomn-8 76,8 MAPE (Mean Absolute Percent Error 0,69 Forecast next period 567,4 abel 4. Nilai Kesalahan Peramalan Weighted Moving Average untuk Goodie Bag - No rend Period uarter emand Average Same uarter Seasonal Factor 6 76,50 0, ,00, ,50, ,50, ,00, ,50, ,50 0, ,50 0, ,00 0, ,00 0, ,50, ,00 0, , ,0

34 , , , , , , , , , ,84 otal Average,5 4,88 abel 4.3 Perhitungan Seasonal Factor untuk Peramalan anpa rend Goodie Bag Forecast seasonal factor x average demand No trend Period emand Forecast Error Error^ Error ( error /actual*00% 6 76,50 9,50 870,45 9,50 0, ,00-59,00 5.8,00 59,00 0, ,50-55, ,5 55,50 0, ,50-6, ,5 6,50 0, ,00-46,00.6,00 46,00 0, ,50-33,50.,5 33,50 0,07

35 ,50-49,50.350,5 49,50 0, ,50-44,50.980,5 44,50 0, ,00-6, ,00 6,00 0, ,00 39,00.5,00 39,00 0, 457 8,50-365, ,5 365,50 0, ,00 80, ,00 80,00 0, ,50-9,50 870,5 9,50 0, ,00 59,00 5.8,00 59,00 0, ,50 55, ,5 55,50 0, ,50 6, ,5 6,50 0, ,00 46,00.6,00 46,00 0, ,50 33,50.,5 33,50 0, ,50 49,50.350,5 49,50 0, ,50 44,50.980,5 44,50 0, ,00 6, ,00 6,00 0, ,00-39,00.5,00 39,00 0, ,50 365, ,5 365,50 0, ,00-80, ,00 80,00 0, otal 0, ,70.653,00 7,53 abel 4. 4 Perhitungan Nilai Kesalahan Peramalan anpa rend Goodie Bag

36 74 MA error n 653 0,54 4 MSE error n ,77 4 MAPE error n / actual 7.53 x00% 0,3 4 ari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut : PERAMALAN MA MSE MAPE Moving Average (4 84, ,48 0,68 Weighted MA (4 88, ,90 0,69 No rend 0,54.8,77 0,3 abel 4.5 Perbandingan Nilai Kesalahan Peramalan untuk Goodie Bag engan ditentukannya peramalan metode seasonal tanpa trend, maka peramalan untuk bulan ke depan adalah sebagai berikut : Periode Forecast

37 abel 4.6 Peramalan Penggunaan Goodie Bag Periode Selanjutnya Ransel ari pola data penggunaan ransel periode 0-0 yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average. Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average, digunakan aplikasi uantitative Management. - ime Series Menggunakan aplikasi uantitative Management : Module Forecasting New ime Series Analysis

38 76 Gambar 4.8 Langkah Awal Penggunaan Software M untuk Peramalan ime Series Moving Average Gambar 4.9 Input ata Penggunaan Ransel untuk Peramalan Moving Average pada Software M

39 77 ata disolve dan hasilnya adalah seperti tabel dibawah ini, dengan blok berwarna kuning adalah nilai n yang memiliki persentasi error terkecil : n Bias MA MSE MAPE -,09 65, ,7,05 5,5 40, ,6 0,99 3 3,7 4, ,77 0,94 4 0,9 36, ,74 0,94 5 3,43 40, ,77 0,95 6 0,5 3, ,05 0,9 7 8,77 33,8 36.8,63 0,9 8 9,06 34, ,04 0,87 9 3,56 38, ,0 0, ,7 4,7 4.87,5 0,87 39, 47, ,37 0,89 48,08 53, ,53 0,9 3 6,9 57, ,95 0, ,57 68, ,8 0, ,8 87, ,4 0, ,38 04, ,77, ,76 93, ,66, ,09 4,39 8.4,68, 9 3,5 9, ,6,5

40 78 0 6,89 9, ,35,34 7,65 5,6.499,6,08 abel 4.7 Nilai Kesalahan Peramalan Moving Average untuk Ransel Weighted Moving Average Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,5; 0,08; 0,05; 0,0, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi. Gambar 4.0 Input ata Penggunaan Ransel untuk Peramalan Weighted Moving Average pada Software M ata yang disolve kemudian menunjukan hasil seperti berikut :

41 79 Measure Value Error Measures Bias (Mean Error,0 MA (Mean Absolute eviation 46,4 MSE (Mean Squared Error 4.490,6 Standard Error (denomn-6 8,64 MAPE (Mean Absolute Percent Error 0,98 Forecast next period 98,03 abel 4. 8 Nilai Kesalahan Peramalan Weighted Moving Average untuk Ransel - No rend Period uarter emand Average Same uarter Seasonal Factor , ,5 0, ,5 0, ,5 0, , ,5, , ,5 0, ,5 0, , ,48

42 80 6 0, , , , , , , , , , , ,48 4 0,70 otal Average abel 4.9 Perhitungan Seasonal Factor untuk Peramalan anpa rend Ransel Forecast average demand x seasonal factor No trend Period emand Forecast Error Error^ Error ( error /actual*00% 56 0,00 46,00.6,00 46,00 0, ,50-6,50 4,5 6,50 0, ,50-4,50.806,5 4,50,

43 ,50-4,50 0,5 4,50 0, ,00-57, ,00 57,00, ,50 79,50 6.,5 79,50 0,3 7 36,00-4, ,00 4,00 0, ,50-6,50 4,5 6,50 0, ,50 89, ,5 89,50 0, ,00 57, ,00 57,00 0, ,00-59, ,00 59,00,7 6,00-5,00 5,00 5,00 0, ,00-46,00.6,00 46,00 0, ,50 6,50 4,5 6,50 0, ,50 4,50.806,5 4,50 0, ,50 4,50 0,5 4,50 0, ,00 57, ,00 57,00 0, ,50-79,50 6.,5 79,50 0, ,00 4, ,00 4,00 0, ,50 6,50 4,5 6,50 0, ,50-89, ,5 89,50, ,00-57, ,00 57,00, ,00 59, ,00 59,00 0,39 4 6,00 5,00 5,00 5,00 0,04 otal 0, ,00 808,00 4,76 abel 4. 0 Perhitungan Nilai Kesalahan Peramalan anpa rend Ransel

44 8 MA error ,33 n 4 MSE error n ,83 4 MAPE error n / actual x00% 4.76,03 4 ari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut : PERAMALAN MA MSE MAPE Moving Average (6 3, ,05 0,9 Weighted MA (6 46, ,6 0,98 No rend 75,33.60,83,03 abel 4. Perbandingan Nilai Kesalahan Peramalan untuk Ransel Metode peramalan Moving Average ini hanya dapat meramalkan bulan setelah diperolehnya data real, oleh karena itu untuk estimasi bulan periode berikutnya dilakukan dengan simulasi Monte Carlo. ari data yang telah diambil, data dikelompokkan dalam kelas dan panjang kelas sebagai berikut : k 3.3logn k 3.3log4 k 6 P X max X n min ,33 4

45 83 emand yang telah dikelaskan, dihitung frekuensi terjadinya pada periode pengambilan data. Besarnya frekuensi dapat menentukan probabilitas terjadinya suatu jumlah demand dengan rumus prob frek n. engan demikian, klasifikasi dan probabilitas penggunaan ransel periode 0-0 adalah sebagai berikut : emand Frekuensi Probability Cummulative Prob. Range Prob ,47 0,47 0-0, ,375 0,79 0,48-0, ,083 0,875 0,793-0, ,04 0,97 0,876-0, ,04 0,959 0,98-0, ,04 0,960- abel 4. Simulasi Monte Carlo Untuk estimasi penggunaan ransel selama bulan kedepan, variable acak ditentukan dengan fungsi rand( pada Microsoft Excel, diperoleh hasil sebagai berikut : Periode Random Numb. emand 5 0, , , ,6009 9

46 84 9 0, , , , , , , , abel 4.3 Peramalan Penggunaan Ransel Periode Selanjutnya Simulasi otal Biaya Pengadaan Persediaan Periode Berikutnya Pada sub-bab ini, simulasi dilakukan dengan membandingkan metode pengadaan persediaan ( model, P Model, dan Min-Max Inventory yang telah dibahas di atas dengan metode yang digunakan perusahaan pada periode berjalan. Metode yang digunakan oleh perusahaan selama ini ada metode Lot for Lot (LFL, dimana perusahaan mengorder barang sesuai dengan jumlah permintaan perbulannya. Metode yang paling sedikit mengeluarkan biaya akan menjadi solusi dalam pengadaan persediaan AK Regular di P. PLN (Persero Udiklat Jakarta. Adapun perhitungan total biaya pengadaan persediaan untuk periode selanjutnya adalah sebagai berikut :

47 85 Pen Model LFL Period emand Order Stock Order Stock OAL abel 4.4 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Pen

48 86 Notes Model LFL Period emand Order Stock Order Stock OAL abel 4.5 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Notes

49 87 otal Cost Pen mod el mod el mod el LFL LFL LFL (8.988x3.000 (4x0.000 (8.988x Rp (8.754x3.000 (6x0.000 (8.754x Rp Notes mod el mod el mod el LFL LFL LFL (7.86x.000 (6x0.000 (7.86x Rp (8.754x.000 ( x0.000 (8.754x Rp Untuk AK Regular jenis pen, metode pengadaan yang cocok adalah Lot for Lot dengan jumlah pembelian optimal disesuaikan dengan banyaknya permintaan. Sedangkan untuk notes, metode pengadaan persediaan yang cocok adalah Model dengan jumlah optiml pembelian.3

50 88 Goodie Bag Model LFL Period emand Order Stock Order Stock OAL abel 4.5 Perbandingan Jumlah Pemesanan Optimal Metode P-Model dengan Metode LFL untuk Goodie Bag

51 89 otal Cost Goodie Bag mod el mod el mod el LFL LFL LFL (4.970x5.000 (5x5.000 (4.970x Rp (4.986x5.000 ( x5.000 (4.986x Rp Untuk AK Regular jenis goodie bag, metode pengadaan persediaan yang cocok adalah metode -Model, dengan jumlah optimal pembelian sebesar 994. Ransel -Model LFL Period Random emand Order Stock Order Stock 7-5 0, , , , , , , ,

52 , , , , OAL abel 4.6 Perbandingan Jumlah Pemesanan Optimal Metode -Model dengan Metode LFL untuk Ransel otal Cost Ransel Model Model Model LFL LFL LFL (3.99x (7x (3.99x Rp (3.058x ( * (3.058x Rp Untuk AK Regular jenis ransel, metode pengadaan persediaan yang cocok adalah metode yang telah dijalani perusahaan yaitu Lot for Lot, dengan jumlah pembelian disesuaikan dengan banyaknya permintaan pada periode berjalan.

53 9 ari penjabaran analisa kuantitatif diatas, secara garis besar hasil dapat dirangkumkan seperti berikut : Pen Notes Goodie Bag Ransel Sesuai estimasi Sesuai estimasi Jumlah optimal jumlah peserta 505 per jumlah peserta diklat pemesanan diklat pesan 55 per pesan >5 hari Frekuensi optimal 4 kali per 3 kali per pemesanan enggang waktu tahun tahun 9 kali per tahun 4 kali per tahun pemesanan hari 54 hari 73 hari hari Metode pengadaan persediaan Lot for Lot -Model -Model Lot for Lot Metode Seasonal : Seasonal : Seasonal : No Moving Average peramalan Multiplicative Multiplicative trend (n6 Estimasi biaya yang Rp ,- Rp ,- Rp ,- Rp ,-/ dikeluarkan / tahun / tahun / tahun tahun abel 4.7 Rangkuman hasil analisa kuantitatif

54 9 engan demikian, perlunya tindakan pengawasan atau kontrol terhadap realisasi perencanaan pengadaan persediaan AK Regular. Pengendalian ini fokus kepada tanggung jawab setiap divisi pada P. PLN (Persero Udiklat Jakarta untuk melaksanakan program atau aktivitas tertentu yang telah ditetapkan oleh perusahaan, dan menggabungkan setiap aktivitas tersebut dengan dikomunikasikan dengan lebih baik sehingga alur informasi dari perencanaan atau strategi yang telah dibuat dapat berjalan sesuai dengan fungsinya, yakni memperbaiki keefisiensian dan keefektifan dari pelaksanaan kegiatan P. PLN (Persero Udiklat Jakarta.