ANALISIS PENGENDAALIAN PERSEDIAAN BERDASARKAN PERAMALAN PERMINTAAN PRODUK COLD FOIL PADA PT. ANEKA INDOFOIL

Transkripsi

1 ANALISIS PENGENDAALIAN PERSEDIAAN BERDASARKAN PERAMALAN PERMINTAAN PRODUK COLD FOIL PADA PT. ANEKA INDOFOIL Yunni Rahmadika dan Rudy Aryanto Management Department, Universitas Bina Nusantara, Jl. Kebon Jeruk Raya No. 27, Kebon Jeruk. Jakarta Barat 11530, Indonesia. (+62-21) /(+62-21) ABSTRAK Perdagangan Internasional merupakan salah satu kegiatan perekonomian di lingkup Internasional. Transaksi perdagangan internasional merupakan proses perdagangan barang atau jasa yang terjadi antara satu Negara dengan Negara yang lain. Dalam perdagangan tersebut terdapat kegiatan ekspor dan impor, yang melibatkan eksportir dan importir. Sebagai perusahaan yang bergerak di bidang importir maka PT. Aneka Indofoil berusaha memenuhi kebutuhan konsumen akan produk Cold Foil yang digunakan oleh berbagai macam perusahaan dalam melakukan proses produksi. Studi kasus dalam penelitian ini adalah mengenai peramalan permintaan, dan pengendalian persediaan produk Cold Foil dengan menggunakan metode Forecating dan Inventoy Control. Pengambilan data dilakukan dengan cara melakukan survey pada PT. Aneka Indofoil. Dengan menggunakan metode forecasting maka didapatkan hasil peramalan permintaan terbaik metode Linear Regression dengan Nilai MAD 72, dan MSE 7379, Dan dengan menggunakan metode EOQ didapatkan hasil pemesanan ekonomis sebanyak unit, dan titik pemesanan kembali sebanyak 6994 unit. (YR) Kata kunci : Peramalan, EOQ, Pengendalian Persediaan PENDAHULUAN Perdagangan Internasional merupakan salah satu kegiatan perekonomian di lingkup Internasional. Transaksi perdagangan internasional merupakan proses perdagangan barang atau jasa yang terjadi antara satu Negara dengan Negara yang lain. Dalam perdagangan tersebut terdapat kegiatan ekspor dan impor, yang melibatkan eksportir dan importir. Tujuan Negara dalam melakukan ekspor impor karena di era globalisasi yang semakin maju, perdagangan internasional membawa dampak yang cukup luas bagi perekonomian suatu Negara. Negara mengekspor maupun mengimpor akan mendapatkan keuntungan dari adanya kegiatan perdagangan internasional. Negara pengekspor memperoleh pasar dan Negara pengimpor memperoleh kemudahan untuk mendapatkan barang yang dibutuhkan. Kegiatan ekspor merupakan kegiatan mendistribusikan barang keluar negeri. Sedangkan kegiatan impor merupakan kegiatan banyak orang atau lembaga yang membeli barang dari luar untuk di jual lagi di dalam negeri. Melihat adanya nilai positif yang dapat diperoleh dari perdagangan internasional, maka beberapa perusahaan lokal di Indonesia banyak yang sudah aktif dalam menjalankan kegiatan ekspor dan impor ke Negara lain. Hasil survey yang dilakukan Industry Directions pada tahun 2007 menitik beratkan masalah utama di badan usaha, yaitu forecast accuracy, overstock, dan expediting (Business Wire, 2012). Masalah tersebut dapat diatasi dengan menerapkan inventory management yang tepat karena meningkatkan keunggulan kompetitif pada badan usaha. Penerapan inventory management yang tepat ini tidak terlepas dari adanya informasi yang tepat pula. Penelitian yang dilakukan oleh Ozer (2009) menyatakan 4 (empat) tahap dalam mewujudkan suatu inventory management yang tepat di mana 2

2 (dua) tahap pertama terkait dengan ketersediaan informasi. Dikutip dalam jurnal Evaluasi Ketersediaan Informasi Untuk Inventory Management Untuk Meningkatkan Ketepatan Waktu Pemenuhan Pesanan Pelanggan Pada CV. ABC di Sidoarjo Vol.1 No.1 (2012). PT. Aneka Indofoil Indonesia merupakan salah satu perusahaan di Indonesia yang bergerak dalam bidang impor. PT. Aneka Indofoil merupakan cabang dari KURZ Company yang berdiri di Indonesia. PT. Aneka Indofoil bergerak dalam bidang foil (hot stamping foils). PT. Aneka Indofoil, merupakan pemasok foil terbesar di Indonesia yang telah berdiri selama 29 tahun, serta menjalin hubungan berbagai perusahaan di Indonesia. Produk foil dari perusahaan ini digunakan pada berbagai macam produk. Antara lain, pada kemasan, kartu ucapan, perangkat elektronik, peralatan rumah tangga, kosmetik, teksil, furnitur, komponen otomotif, dan berbagai jenis perangkat lainnya. Perusahaan ini juga memiliki keahlian dan dukungan logististik yang diperlukan untuk memenuhi semua tuntutan efektif, produksi foil yang bervolume tinggi. Baik dalam perusahaan manufaktur maupun jasa, perencanaan dan pengendalian persediaan tidak lepas dari fungsi pembenahan proses bisnis yang meliputi penjadwalan pemesanan barang, penentuan ukuran atau jumlah barang, dan pemberdayaan sumber daya. Suatu bisnis dapat dikatakan sukses, diukur dari kemampuan perusahaan dalam menyelesaikan proyek tersebut dengan waktu dan biaya yang ditentukan. Baik atau tidaknya pengelolaan waktu dan biaya akan berpengaruh pada kelancaran proses bisnis di dalam perusahaan tersebut, ditambah dengan tantangan perusahaan memenuhi permintaan konsumen. Secara garis besar, perencanaan dan pengendalian persediaan dilakukan untuk menekan biaya dan memaksimalkan laba dalam jangka waktu tertentu, atau dengan kata lain menciptakan efisiensi dan efektivitas bagi operasional perusahaan. Apabila persediaan dalam suatu perusahaan melebihi kapasitas gudang, atau dengan kasus lain, perusahaan tidak dapat melakukan aktivitas bisnis karena persediaan barang out of stock. Kedua peristiwa ini apabila benar-benar terjadi, tentu akan menjadi masalah yang merugikan perusahaan. Kelebihan persediaan menyebabkan penggunaan dana yang tidak efisien untuk barang dalam jumlah besar, sehingga dibutuhkan penambahan biaya penyimpanan dan perawatan, serta memperbesar resiko kehilangan barang. Sedangkan apabila persediaan kurang, perusahaan akan kehilangan kesempatan untuk memenuhi permintaan konsumen dan memperoleh laba. Selain itu kekurangan persediaan dapat mengurangi tingkat kepercayaan dan brand image perusahaan di mata konsumen. Meskipun demikian, proses perencanaan dan pengendalian terhadap persediaan tetap menjadi masalah rutin yang dialami setiap perusahaan. Tabel 1.1 Selisih Persediaan Dengan Permintaan Produk Cold Foil Bulan Juni 2013 Mei 2014 Bulan Persediaan Permintaan Selisih Juni (2013) Juli Agustus September Oktober November Desember Januari (2014) Februari Maret April Mei Sumber : PT. Aneka Indofoil ( ) Identifikasi Masalah Berdasarkan latar belakang masalah di atas, terdapat beberapa identifikasi masalah yang akan dibahas, antara lain :

3 Tujuan Penelitian 1. Metode apakah yang tepat diantara Naïve Method, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend,dan Linear Regression untuk meramalkan permintaan pada periode berikutnya pada PT. Aneka Indofoil? 2. Bagaimana cara menentukan EOQ (jumlah pemesanan ekonomis) dan ROP (titik pemesanan kembali) pada PT. Aneka Indofoil? 3. Bagaimana cara menentukan jumlah persediaan maksimal untuk produk Cold Foil pada PT. Aneka Indofoil? Adapun tujuan dari penelitian yang dilakukan adalah: 1. Untuk mengetahui metode yang tepat diantara Naïve Method, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend,dan Linear Regression untuk meramalkan permintaan pada periode berikutnya pada PT. Aneka Indofoil. 2. Untuk mengetahui cara menentukan EOQ (jumlah pemesanan ekonomis) dan ROP (titik pemesanan kembali) pada PT. Aneka Indofoil. 3. Untuk mengetahui cara menentukan jumlah persediaan maksimal untuk produk Cold Foil pada PT. Aneka Indofoil. Landasan Teori Pengertian Forecasting menurut para ahli : Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmantis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat. Peramalan (forecasting) menurut Santoso (2009:8), peramalan adalah kegiatan yang bersifat teratur, berupaya memprediski masa depan dengan tidak hanya menggunakan metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif. Peramalan (forecasting) menurut Heizer dan Render (2009:162), adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data di masa lalu dan menempatkannya ke masa yang akan datang dengan bentuk model matematis. Bisa juga merupakan prediksi intusi yang bersifat subjektif atau bisa juga dengan menggunakan model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer. Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang (Nasution:2005). Peramalan atau forecasting adalah suatu proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Forecasting yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen. Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya di bidang ekonomi. Peramalan mempunyai peranan jiwa eksternal yang pada umumnya berada di luar kendali manajemen seperti: Ekonomi, Pelanggan, Pesaing, Pemerintah, dan lain sebagainya. Jadi dapat disimpulkan bahwa peramalan adalah proses memperkirakan keadaan atau informasi yang akan terjadi di masa depan. Meramalkan Horizon Waktu

4 Menurut Heizer dan Render (2009:163), peramalan biasanya diklasifikasikan brdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu terbagi menjadi beberapa kategori. 1. Peramalan jangka pendek. Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk perncanaan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi. 2. Peramalan jangka menengah. Peramalan jangka menengah atau intermediate umumnya mencakup hitungan bulan hingga tahun. Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas serta menganalisis bermacam-macam rencana operasi. 3. Peramalan jangka panjang. Umumnya untuk perencanaan masa tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang). Pendekatan dalam Peramalan Menurut Hanke dan Wichern, International Edition (2006:78) metode peramalan dapat dibagi 2 yaitu: 1. Metode Peramalan Kualitatif atau Subyektif Qualitative forecasting techniques relied on human judgement and intuition more than manipulation of past historical data, atau metode yang hanya didasarkan kepada penilaian dan intuisi, bukan kepada pengolahan data historis. 2. Metode Peramalan Kuantitatif Sedangkan peramalan kuantitatif diterangkan sebagai: Quantitative techniques that need no input of judgments; they are mechanical procedures that produce quantitative result and some quantitative procedures require a much more sophisticated manipulation of data than do other, of course atau metode yang tidak memerlukan penilaian, melainkan data. Metode Peramalan Kuantitatif Heizer dan Render dalam buku Manajemen Operasi (2009:170), metode-metode peramalan kuantitatif, terdiri dari: 1. Pendekatan Naif (Naïve Method) Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk beberapa jenis produk, pendekatan naïf (naïve method) merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pendekatan naïf memberikan titik awal untuk perbandingan dengan model lain yang lebih canggih. 2. Rata-Rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut. Rata-rata bergerak = Dimana n adalah jumlah periode dalam rata-rata bergerak. 3. Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemututsan bobot yang digunakan membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang terlalu cepat yang tidak biasa pada permintaan atau pola penjualan.

5 Rata-rata bergerak dengan pembobotan dapat digambarkan secara matematis sebagai berikut. Pembobotan rata-rata bergerak = Baik rata-rata bergerak sederhana maupun rata-rata bergerak dengan pembobotan sangat efektif dalam meredam fluktuasi pada pola permintaan untuk menghasilkan prediksi yang stabil. Rata-rata bergerak mempunyai tiga persoalan. - Bertambahnya jumlan n (jumlah periode yang dirata-ratakan) memang meredam fluktuasi dengan lebih baik, tetapi membuat metode ini kurang sensitive terhadap perubahan nyata pada data. - Rata-rata bergerak tidak dapat menggambarkan tren dengan baik. Karena merupakan rata-rata, mereka akan selalu berada dalam tingkat yang sebelumnya dan tidak akan memprediksi perubahan ke tingkat yang lebih tinggi atau lebih rendah yang merupakan nilai aktual sesungguhnya. - Rata-rata bergerak membutuhkan data masa lalu yang ekstensif. 4. Penghalusan Eksponensial (Exponential Smoothing) Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini mengunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut. Peramalan baru = Peramalan periode terakhir + (permintaan periode terakhir Peramalan periode terakhir) = Sebuah bobot atau konstanta penghalus yang dipilih oleh peramal yang mempunya nilai antara 0 dan 1 Persamaan dapat ditulis secara matematis sebagai berikut : = peramalan baru = peramalan sebelumnya = konstanta penghalus (pembobotan) = permintaan aktual periode lalu 5. Penghalusan Eksponensial dengan Penyesuaian Tren (Exponential Smoothing With Trend) Model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren rata-rata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, untuk rata-rata β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponensial dengan Penyesuaian Trend adalah sebagai berikut: = +, = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t = tren dengan eksponensial yang di haluskan pada periode t = permintaan aktual periode t = konstanta penghalusan untuk rata-rata

6 = konstanta penghalusan untuk rata-rata 6. Proyeksi Trend (Linear Regression) Proyeksi Tren merupakan suatu metode peramalan yang mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa mendatang untuk peramalan jangka menengah atau jangka panjang. Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut: Dimana: = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) Untuk menentukan nilai dan, akan di jelaskan pada rumus dibawah ini. = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) = nilai variabel terikat yang diketahui = jumlah data atau pengamatan Menghitung Kesalahan Peramalan Menurut Rangkuti (2005:80) menyatakan keharusan untuk membandingkan perhitungan yang memiliki nilai MAD (Mean Absolute Deviation) paling kecil, karena semakin kecil MAD berarti semakin kecil pula perbedaan antara hasil forecasting nilai aktual. Menurut Heizer dan Render (2009:177), ada beberapa perhitungan yang biasa digunakan untuk membandingkan model peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan, dan untuk memastikan peramalan berjalan baik. Tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation MAD), kesalahan kuadrat rerata (Mean Squared Error MSE), dan kesalahan persen mutlak rerata (Mean Absolute Percent Error MAPE). 1. Deviasi Rata-Rata Absolut (Mean Absolute Deviation) MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode data n. Rumus untuk menghitung MAD adalah sebagai berikut. MAD = 2. Kesalahan Rata-Rata Kuadrat (Mean Square Error) MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati. Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan deviasi yang

7 besar karena adanya pengkuadratan. Rumus untuk menghitung MSE adalah sebagai berikut. MSE = Pengertian Persediaan Menurut para ahli Persediaan menurut Herjanto (2007:237), persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan, untuk dijual kembali atau suku cadang dari peralatan atau mesin. Fungsi Persediaan Menurut Herjanto (2007:238), beberapa fungsi penting yang dikandung oleh persediaan dalam memenuhi kebutuhan perusahaan, sebagai berikut: 1. Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang dibutuhkan perusahaan. 2. Menghilangkan risiko jika material yang dipesan tidak baik sehingga harus dikembalikan. 3. Menghilangkan risiko terhadap kenaikan harga barang atau biasa disebut inflasi. 4. Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga perusahan tidak akan kesulitan jika bahan itu tidak tersedia di pasaran. 5. Mendapatkan keuntungan dari pembelian berdasarkan diskon kuantitas. 6. Memberikan pelayanan kepada pelanggan dengan tersedianya barang yang diperlukan. Biaya-Biaya Persediaan Untuk pengambilan keputusan penentuan besarnya biaya-biaya variabel dan untuk menentukan kebijakan persediaan yang perlu diperhatikan adalah bagaimana perusahaan dapat meminimalkan biaya-biaya. Ada tiga jenis biaya dalam persediaan menurut Heizer dan Render (2009:91), antara lain : 1. Biaya penyimpanan (holding cost) yaitu, biaya yang terkait dengan menyimpan atau membawa persediaan selama waktu tertentu. 2. Biaya pemesanan (ordering cost) mencakup biaya dari persediaan, formulir, proses pemesanan, pembelian, dukungan administrasi dan seterusnya. Ketika pemesanan sedang diproduksi, biaya pemesanan juga ada, tetapi mereka adalah bagian dari biaya penyetelan. 3. Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah mesin atau proses untuk membuat sebuah pemesanan. Ini menyertakan waktu dan tenaga kerja untuk membersihkan serta mengganti peralatan atau alat penahan. Manajer operasi dapat menurunkan biaya pemesanan dengan mengurangi biaya penyetelan serta menggunakan prosedur yang efisien serta menggunakan prosedur-prosedur yang efisien seperti pemesanan dan pembayaran elektronik. Pendekatan secara teori 1. Model Dasar Economic Order Quantity (EOQ) Ada beberapa pendapat dari para ahli mengenai pengertian Economic Order Quantity (EOQ) antara lain: Menurut Rangkuty (2004), EOQ adalah jumlah pembelian bahan mentah pada setiap kali pesanan dengan biaya paling murah. Menurut Heizer dan Render (2009:92), EOQ adalah sebuah teknik kontrol persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasar pada beberapa asumsi: 1. Jumlah permintaan diketahui, konstan, dan independen. 2. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. 3. Penerimaan persediaan bersifat instan dan selesai seluruhnya. 4. Tidak tersedia diskon kuantitas. 5. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan dan membawa).

8 6. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika jika pemesanan dilakukan pada waktu yang tepat. Menurut Herjanto (2007:245), EOQ adalah salah satu model klasik yang diperkenalkan oleh FW Harris pada tahun 1914, tetapi paling banyak dikenal dalam teknik pengendalian persediaan. Menurut Pardede (2005:422), EOQ menunjukkan sejumlah barang yang dipesan untuk tiap kali pemesanan agar biaya persediaan secara keseluruhan menjadi paling minim. Model Dasar Maximum-Minimum System (Min-Max) Cara kerja sistem ini yaitu apabila persediaan telah melewati batas minimum dan mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum (minimum stock) merupakan batas tingkat reorder. Batas maksimum (maximum stock) adalah batas kesediaan perusahaan untuk menginvestasikan uangnya dalam bentuk persediaan bahan baku. Jadi dalam hal ini yang terpenting adalah batas minimum dan maksimum untuk dapat menentukan order quantity. Pada metode ini, terdapat perbedaan cara dalam menghitung safety stock yakni metode ini tidak memerlukan standar deviasi dan tingkat pelayanan melainkan hanya membutuhkan rata-rata permintaan per-bulan. Pendekatan Metode Persediaan secara formula 1. Economic Order Quantity = jumlah optimum unit per pesanan (EOQ) = permintaan per periode = biaya pemesanan untuk setiap pesanan = biaya penyimpanan per unit per periode = jumlah unit per pesanan = biaya total = rata rata tingkat persediaan (average inventory) = jumlah pemesanan yang diperkirakan per periode 2. Titik Pemesanan Ulang (Reorder Point) Menurut Heizer dan Render (2009:99), ROP adalah titik pemesanan ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk mengisi kembali persediaan barang.

9 Ada beberapa faktor yang mempengaruhi ROP antara lain : 1. Lead time. 2. Tingkat pemakaian bahan baku rata rata persatuan waktu tertentu. 3. Safety stock. Persamaan matematis untuk menghitung ROP mengasumsikan permintaan selama waktu tunggu itu sendiri adalah konstan. Ketika kasusnya tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman haruslah ditambah. Persamaannya menjadi : = reorder point = permintaan per hari = lead time 3. Persediaan Maksimum Persediaan maksimum diperlukan oleh perusahaan agar kuantitas persediaan yang ada di gudang tidak berlebihan sehingga tidak terjadi pemborosan modal kerja. Adapun untuk mengetahui besarnya persediaan maksimum dapat digunakan rumus : Maximum Inventory : Safety Stock + EOQ Safety Stock : Persediaan pengamanan EOQ : Kuantitas pembelian optimal METODE PENELITIAN Dalam penelitian ini, jenis penelitian yang digunakan adalah penelitian deskriptif. Menurut Sugiyono (2007: 11), penelitian deskriptif adalah penelitian yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu variabel atau lebih tanpa membuat perbandingan, atau menghubungkan dengan variabel yang lain. Metode penelitian yang digunakan adalah metode survey dan deskriptif dengan unit analisis berupa organisasi yaitu PT. Aneka Indofoil itu sendiri. Horizon waktu/time horizon yang digunakan pada penelitian ini adalah cross sectional, dimana menurut Umar (2005: 131), merupakan sekumpulan data untuk meneliti fenomena tertentu dalam satu kurun waktu saja. HASIL DAN BAHASAN Untuk mengetahui peramalan permintaan produk Cold Foil, maka dilakukan peramalan menggunakan 6 (enam) metode peramalan untuk memperoleh data peramalan permintaan produk pada bulan Juni 2014 dengan menggunakan metode penghitungan secara manual dan menggunakan Software QM for Windows. Tabel 1 Perbandingan Hasil Penghitungan Manual dan Penghitungan Menggunakan Software QM for Windows Metode Penghitungan Manual Penghitungan dengan QM for Windows

10 Naïve Method Moving Average Weighted Moving Average Exponential Smoothing Exponential Smoothing with Trend Linear Regression Hasil Peramalan MAD MSE Hasil Peramalan MAD MSE , , , , , , , ,333 94, , ,1 100, , ,1 100, , , , , ,466 90, , , , , ,625 93, , , , , ,621 72, ,666 Persediaan Produk Cold Foil pada PT. Aneka Indofoil akan dihitung dengan menggunakan penghitungan secara manual dan akan dihitung dengan menggunakan Software QM for Windows. Persediaan akan dihitung dengan menggunakan metode EOQ dan Maximum Inventory. Kemudian dari kedua metode tersebut akan dibandingkan hasil total pemesanan ekonomis untuk produk Cold Foil. Dari permintaan akan produk yang diperlukan untuk menghitung EOQ dan Maximum Inventory didapat dari hasil peramalan produk Cold Foil.

11 Gambar 1 Gambar Hasil Penghitungan Inventory menggunakan QM for Windows Maximum Inventory = Safety stock + EOQ = = unit SIMPULAN DAN SARAN 1. Diterapkannya metode peramalan permintaan Cold Foil pada PT. Aneka Indofoil, sehingga perusahaan dapat meramalkan permintaan Cold Foil pada periode bulan Juni Metode peramalan yang digunakan adalah Linear Regression, karena metode tersebut menghasilkan nilai MAD dan MSE yang terkecil diantara Naïve Method, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend. Dari hasil penghitungan peramalan menggunakan Linear Regression maka didapatkan hasil peramalan permintaan pada bulan Juni 2014 sebanyak 1836 unit dengan nilai MAD sebesar 72, dan nilai MSE sebesar 7379, Selanjutnya adalah dengan melakukan penghitungan jumlah persediaan Cold Foil dengan menggunakan metode EOQ (economic order quantity) untuk mengetahui kuantitas pemesanan yang optimal untuk produk cold foil. Data yang didapat dari hasil penghitungan dengan EOQ didapatkan hasil bahwa kuantitas pemesanan yang optimal adalah sebanyak unit. Dan melakukan pemesanan kembali pada produk Cold Foil dilakukan jika persediaan tersisa 6994 unit. Dengan menggunakan penghitungan EOQ maka perusahaan dapat menghemat total biaya

12 pemesanan produk cold foil sebanyak Rp karena dalam setiap periodenya (tahun) perusahaan hanya melakukan sebanyak dua kali pengiriman dalam satu periode. 3. Untuk mengetahui persediaan maksimal yang ada di gudang, perusahaan sebaiknya menggunakan metode maximal inventory untuk menghitung persediaan Cold Foil yang ada di gudang. Karena dalam penghitungan persediaan maksimum diperlukan oleh perusahaan agar jumlah persediaan barang yang ada digudang tidak berlebihan sehingga tidak terjadi pemborosan modal kerja. Maximal inventory untuk produk cold foil pada periode berikutnya adalah sebanyak unit. REFERENSI Arumsari, Lucia Novita dan Goestaman, Immanuel. Evaluasi Ketersediaan Informasi Untuk Inventory Management Untuk Meningkatkan Ketepatan Waktu Pemenuhan Pesanan Pelanggan Pada CV. ABC di Sidoarjo. Vol. 1 No.1 (2012) Assauri, Sofjan (2004). Manajemen Produksi dan Operasi, Edisi Operasi. Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Bhagoria, Mukesh; Sadiwala, C M; Khare, V K (2010). Economic order quantity for multiple items in resource constraints (2010) p Blanchard, B. (2004). Logistic Engineering And Management, Sixth Edition. New jersey :Pearson Education, Prentice Hall. Daft, Richard L. (2006). Management. (6 th edition). Jakarta : Salemba Empat Dyck, B & Neubert, M.J. (2009). Principle of Management. South-Western: Cengage Learning Evans, James R. & Collier, David A. (2007). Operation Management. International Student Edition, Thomson South-Western. Heizer Jay, dan Render, Barry Operations Management (Manajemen Operasi), Buku 1. Edisi 9, Edisi Indonesia. Jakarta: Salemba Empat. Herjanto, Eddy (2007). Manajemen Persediaan. Edisi Kesebelas. PT. Gramedia Widia Sarana Indonesia. Jakarta. McCalman, Stephen. National Economic Review, ISSN , 11/2012, Issue 67, pp Mulyono, Sri Riset Operasi. Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Nasution, Arman H. (2006), Manajemen Industri. Yogyakarta: Andi Offset. Pardede, Pontas M. (2005). Manajemen Operasi dan Produksi. Andi Offset, Jakarta. Petropoulos,F., Makridakis,S., Assimakopoulos,V., Nikolopoulos, K. European Journal of Operational Research. 237, 1, p p. Rachmayanti, Octaviani Pia. Sistem Informasi Perencanaan dan Pengendalian Persediaan Bahan Makanan Pada Instalasi Gizi RSUD Kota Bandung. Edisi.. Volume.. Bulan 20. ISSN : Rangkuti, Freddy Great Sales Forecast for Marketing. Jakarta: Gramedia Pustaka Utama. Santoso, S. (2009), Business Forecasting. Jakarta: Elex Media Kompotindo. Sarjono, Haryadi. (2010). Aplikasi Riset Operasi, Jakarta: Salemba Empat. Simamarta, J. (2005). Pengendalian Teknologi Komputer dan informasi. Yogyakarta: Penerbit Andi Solihin, Ismail, (2009). Pengantar Manajemen. Erlangga, Jakarta.

13 Stephen, P Robbins dan Coulter, Mary Mary Management Edisi kesepuluh jilid 2. Jakarta: Erlangga. Sugiyono. (2011). Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung : Penerbit Alfabeta. Umar, H. (2005). Metode Riset Bisnis. Jakarta: PT. Gramedia Pustaka Utama. Zulfikarijah, Fien (2005). Manajemen Persediaan dan Manajemen Operasional. Universitas Muhammadiyah, Malang.