ANALISIS PERAMALAN PERMINTAAN DAN PERENCANAAN PEMESANAN PUPUK SERTA PENERAPAN SIMULASI MONTE CARLO PADA PT. INDONUSA AGROMULIA

Transkripsi

1 ANALISIS PERAMALAN PERMINTAAN DAN PERENCANAAN PEMESANAN PUPUK SERTA PENERAPAN SIMULASI MONTE CARLO PADA PT. INDONUSA AGROMULIA ABSTRAK Vendy Santoso Jurusan Manajemen, Fakultas Ekonomi, Universitas Bina Nusantara Jl. KH. Syahdan No. 9 Palmerah, Jakarta Barat 11480, Indonesia vendy.santoso@yahoo.com Penelitian ini bertujuan untuk memberikan pengetahuan tentang bagaimana melakukan perencanaan dan pengendalian bahan baku agar perusahaan dapat melakukan pemesanan dalam jumlah yang optimal sehingga tidak akan terjadi kelebihan ataupun kekurangan bahan baku dan juga dapat meminimalisasi biaya persediaan. Penelitian ini menggunakan pendekatan kuantitatif yaitu dengan melakukan observasi untuk memperoleh data. Metode analisis data yang digunakan dalam penelitian ini adalah forecasting, EOQ dan Simulasi Monte Carlo. Hasil dari penelitian ini menyatakan bahwa metode peramalan yang paling akurat untuk meramalkan permintaan pupuk adalah linear regression. Selanjutnya, melalui metode EOQ didapatkan hasil bahwa jumlah pemesanan yang optimal pada PT. Indonusa Agromulia adalah ,73 kg. Untuk permintaan pupuk yang tidak pasti, maka melalui Simulasi Monte Carlo yang dilakukan dalam 3 kali percobaan untuk mensimulasikan permintaan pupuk maka didapatkan hasil bahwa PT. Indonusa Agromulia harus mengeluarkan total biaya kurang lebih sebesar Rp selama 5 tahun mendatang. Kata Kunci: Forecasting, Inventory, EOQ, Simulasi Monte Carlo ABSTRACT The porpose of this study is to provide knowledge about how to do plan and control of raw material that company can do optimal order quantity without any waste of raw material and minimize the inventory cost. Quantitative approach is used in this study through observation to gather the data. Forecasting, EOQ, and Monte Carlo simulation is used to find the optimal order quantity. The result of this study shows that the precise method to forecast the fertilizer demand is linear regression. Optimal Order Quantity for PT. Indonusa Agromulia is ,73 kg through EOQ method. For the uncertain fertilizer demand, Monte Carlo simulation that used by 3 times has the result is PT. Indonusa Agromulia have to spend the total cost more or less is Rp for the next 5 years. Keywords: Forecasting, Inventory, EOQ, Simulasi Monte Carlo

2 PENDAHULUAN Latar Belakang Salah satu industri yang mungkin jarang didengar oleh masyarakat adalah industri kelapa sawit. Hal ini dikarenakan perusahaan yang bermain di dalam industri ini tidak secara langsung bersentuhan dengan konsumen melainkan dengan perusahaan lain yang bergerak di bidang pengelolaan kelapa sawit menjadi produk sehari-hari. Menurut Gabungan Pengusaha Kelapa Sawit (GAPKI), prospek dari industri ini secara nasional cukup menjanjikan. Harga minyak sawit mentah (Crude Palm Oil/CPO) dan produk turunannya diperkirakan akan mencapai 1,100 dollar AS per ton. Hal ini membuat ekspor CPO mencapai pada level 24,2 milliar dollar AS (Yahoo, 2014). Salah satu perusahaan yang bergerak di dalam industri kelapa sawit adalah PT Indonusa Agromulia. Perusahaan ini memulai usaha sejak tahun 2008 dengan diawali pendirian kebun di Geragai, Jambi, bernama PT Indonusa Agromulia. Permasalahan yang dihadapi oleh PT. Indonusa Agromulia yaitu pupuk yang berlebih. Pupuk yang berlebih ini tidak dapat dijual kembali karena latar belakang PT. Indonusa Agromulia adalah perusahaan yang bergerak di dalam industri kelapa sawit. Selain itu, PT. Indonusa Agromulia bukan merupakan perusahaan yang khusus menjual pupuk sehingga pihak luar tidak tertarik membeli pupuk di perusahaan ini. Pada akhirnya, pupuk yang berlebih ini akan menimbulkan masalah baru untuk pihak perusahaan karena pupuk tersebut hanya disimpan dan menumpuk di gudang. Berikut data pemesanan dan penggunaan pupuk yang dilakukan oleh PT Indonusa Agromulia selama 5 tahun terakhir: Tabel 1. Data Pemesanan dan Penggunaan Pupuk Semester / Jumlah Pemesanan Jumlah Penggunaan Sisa (Kg) tahun Pupuk (Kg) Pupuk (Kg) 1 / / / / / / / / / / Sumber: Data PT. Indonusa Agromulia Dari permasalahan yang terjadi di dalam perusahaan, maka diperlukan penelitian dengan menggunakan metode Forecasting, EOQ (Economic Order Quantity) dan simulasi Monte Carlo untuk mensimulasikan permintaan agar dapat memaksimalkan fungsi persediaan dan mengefisiensikan biaya serta memaksimalkan profit perusahaan.

3 Perumusan Masalah Permintaan konsumen pasti akan berdampak juga pada proses produksi yang dilakukan perusahaan. Diawali dari penentuan jumlah bahan baku yang dibutuhkan agar tidak berlebih atau kekurangan dan menjadi beban tambahan perusahaan. Maka, perusahaan harus melakukan perkiraan jumlah permintaan pupuk di masa depan yang optimal sehingga meminimalkan biaya produksi. Adapun beberapa permasalahan yang akan diteliti penulis: 1. Bagaimanakah tingkat peramalan permintaan pupuk di periode mendatang menggunakan metode forecasting dan manakah yang paling akurat? 2. Berapakah jumlah pemesanan pupuk yang optimal agar dapat meminimalkan biaya inventory? 3. Bagaimanakah hasil simulasi dari permintaan pupuk selama 5 tahun mendatang melalui penerapan Simulasi Monte Carlo? Tujuan Penelitian Tujuan yang akan dicapai dari hasil penelitian ini adalah 1. Untuk mengetahui tingkat permintaan pupuk di periode mendatang menggunakan metode forecasting. 2. Untuk mengetahui jumlah pemesanan yang optimal agar dapat meminimalkan biaya inventory. 3. Untuk mengetahui hasil simulasi dari permintaan pupuk yang tidak pasti melalui penerapan Simulasi Monte Carlo. Manfaat Penelitian 1. Manfaat bagi perusahaan Memberi perkiraan permintaan pupuk di periode mendatang dengan menggunakan metode penelitian bisnis. Memberi masukan jumlah pemesanan yang optimal agar dapat meminimalkan biaya. Memberi penjelasan tentang simulasi permintaan pupuk agar perusahaan memiliki gambaran bagaimana permintaan pupuk di periode mendatang. 2. Manfaat bagi penulis Dari hasil penelitian ini, penulis mendapat pengetahuan tambahan karena dapat meneliti dan mengimplementasikan secara langsung materi yang di dapat di universitas ke dalam dunia nyata. 3. Manfaat bagi pembaca Sebagai dasar pembanding atau referensi kepada pembaca yang mungkin akan melakukan penelitian sejenis. METODOLOGI PENELITIAN Penelitian ini adalah penelitian deskriptif dengan menggunakan data primer dan cross sectional yang berasal dari PT. Indonusa Agromulia. Data permintaan yang digunakan dalam penelitian ini dimulai dari Semester 1 tahun 2010 sampai semester 2 tahun Teknik Pengumpulan data dalam melakukan penelitian ini adalah studi

4 pustaka, observasi dan wawancara. Untuk menyelesaikan permasalahan pada penelitian ini, yang dilakukan pertama kali adalah peramalan permintaan periode mendatang. Kemudian dilanjutkan dengan metode EOQ untuk jumlah pemesanan yang optimal pada tahun Lalu, dari data permintaan yang didapat perusahaan, dilakukan simulasi permintaan dengan menggunakan simulasi Monte Carlo sebanyak 3 kali. HASIL DAN PEMBAHASAN Hasil dan pembahasan pada penelitian ini dibagi menjadi tiga subbab yaitu subbab peramalan, subbab jumlah pemesanan optimal dan subbab simulasi permintaan Peramalan Sebelum mencari jumlah pemesanan yang optimal, maka dilakukan dahulu peramalan permintaan pupuk pada periode berikutnya dengan menggunakan metode Naive Method, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trends, Linear Regression. Tabel 2 Tabel Hasil Peramalan Permintaan Pupuk untuk semester 1 tahun 2015 menggunakan 6 metode beserta nilai MAD dan MSE Metode Hasil Peramalan MAD MSE Naive Method kg 1.158, Moving Average ,3 kg Weighted Moving Average ,1 kg 1.235, Exponential Smoothing ,9 kg 1.425, Exponential Smoothing with Trends ,4 kg 1.535, Linear Regression ,8 kg 1.001, Sumber: Hasil Analisa Data semester 1 tahun 2010 sampai semester 2 tahun 2014 Berdasarkan hasil peramalan yang diperoleh dengan melihat tingkat ukuran kesalahan (MAD dan MSE), maka dapat disimpulkan metode peramalan yang paling sesuai untuk diaplikasikan pada PT. Indonusa Agromulia adalah linear regression dengan hasil peramalan adalah ,8 kg dengan nilai MAD sebesar 1.001,003 dan MSE sebesar dikarenakan metode linear regression memiliki nilai MAD dan MSE paling kecil dibandingkan dengan metode lain. Jumlah Pemesanan Optimal Setelah melakukan peramalan pada jumlah permintaan pupuk dan didapatkan hasil bahwa metode yang paling sesuai digunakan adalah linear regression, maka hasil permalan yang didapatkan tersebut dapat digunakan untuk selanjutnya dilakukan perhitungan jumlah pemesanan yang optimal dengan menggunakan metode inventory.

5 Tabel 3 Data Permintaan Pupuk Tahun 2015 Permintaan Pupuk (1 tahun) ,3 kg Biaya per Unit /kg Biaya Pengiriman Rp Biaya Penyimpanan Rp 500 Jumlah Hari Kerja 295 Waktu Tunggu 7 Stok Pengaman kg Sumber: Hasil Analisa Data 2015 EOQ ,73 kg Annual Setup Cost Rp Annual Holding Cost Rp Total Unit Cost Total Cost Unit Cost x D Rp x ,3 Rp Total Unit Cost + Annual Setup Cost + Annual Holding Cost Rp Rp Rp Rp Didapatkan hasil bahwa PT. Indonusa Agromulia sebaiknya melakukan pemesanan pupuk yang paling optimal adalah ,73 kg atau 91,87 ton dengan melakukan pemesanan sebanyak 5,74 kali dalam setahun untuk dapat memenuhi kebutuhan permintaan pupuk. PT. Indonusa Agromulia dapat melakukan pemesanan kembali ketika jumlah persediaan pupuk sudah tersisa ,4 kg atau 212,52 ton. PT. Indonusa Agromulia harus mengeluarkan biaya sebesar Rp untuk biaya penyimpanan dan biaya sebesar Rp juga untuk biaya

6 pemesanan. Biaya yang dikeluarkan untuk pupuk itu sendiri adalah sebesar Rp Sehingga total biaya yang harus dikeluarkan PT. Indonusa Agromulia untuk keperluan pupuk dalam waktu setahun kedepan adalah Rp Dengan metode EOQ, PT. Indonusa Agromulia harus mengeluarkan biaya sebesar Rp pada tahun Lalu, selanjutnya akan dihitung jika tidak menggunakan metode EOQ dan dilihat bagaimana perbandingannya. Diketahui bahwa jumlah pemesanan yang dilakukan PT. Indonusa Agromulia adalah sebesar kg. Annual Setup Cost Rp Annual Holding Cost Rp Total Unit Cost Total Cost Unit Cost x D Rp x ,3 Rp Total Unit Cost + Annual Setup Cost + Annual Holding Cost Rp Rp Rp Rp Berikut adalah tabel perbandingan jika perusahaan tidak menggunakan metode EOQ dengan menggunakan metode EOQ Tabel 4.4 Perbandingan Dengan Metode EOQ dan Tanpa Metode EOQ Pembanding Tanpa Metode EOQ Dengan Metode EOQ Q ,73 Annual Setup Cost Rp Rp Annual Ordering Cost Rp Rp Unit Cost Rp Rp Total Cost Rp Rp Sumber: Pengolahan Data Tahun 2015

7 Berdasarkan hasil perhitungan di atas yaitu tanpa menggunakan metode EOQ dan dengan menggunakan metode EOQ, dapat dilihat hasil perbandingan yang signifikan pada total biaya yang harus dikeluarkan PT. Indonusa Agromulia. Tanpa menggunakan metode EOQ, PT. Indonusa Agromulia diperkirakan akan mengeluarkan total biaya sebesar Rp untuk memenuhi proses produksinya selama tahun Sedangkan dengan menggunakan metode EOQ, PT. Indonusa Agromulia diperkirakan akan mengeluarkan total biaya sebesar Rp Jika dihitung, selisih total biaya yang harus dikeluarkan oleh PT. Indonusa Agromulia tanpa menggunakan metode EOQ dan dengan menggunakan metode EOQ adalah sebesar Rp Sehingga bisa disimpulkan jika PT. Indonusa Agromulia dapat menghemat biaya sebesar Rp atau sekitar 0,40% jika menggunakan metode EOQ pada tahun 2015 Simulasi Permintaan Dalam penelitian ini akan dilakukan simulasi permintaan pupuk menggunakan simulasi Monte Carlo sebanyak 3 kali agar memiliki banyak gambaran tentang bagaimana permintaan pupuk di periode mendatang. Selanjutnya, didapatkan juga total biaya dari setiap simulasi yang dilakukan. Simulasi Monte Carlo adalah simulasi yang menggunakan deretan angka acak. Angka acak yang digunakan pada penelitian ini menggunakan bantuan dari Microsoft Excel. Berikut adalah ketiga deretan angka acak yang digunakan pada ketiga percobaan pada penelitian ini: Tabel 4 Tabel Deretan Angka Acak Percobaan Pertama Percobaan Kedua Percobaan Ketiga Sumber: Pengolahan data 2015 Berikut adalah hasil dari ketiga simulasi yang sudah dilakukan dengan menggunakan ketiga deratan angka acak di atas:

8 Tabel 5 Tabel Perbandingan Hasil Ketiga Percobaan Percobaan 1 Percobaan 2 Percobaan 3 Rata-rata ,9 kg ,5 kg ,2 kg persediaan akhir Biaya Pupuk Rp Rp Rp Biaya Safety Stock Rp Rp Rp Rata-rata Biaya Rp Rp Penyimpanan Selama 5 Tahun Total Biaya Rp Rp Rp Pemesanan Pupuk selama 5 Tahun Total Biaya selama 5 tahun Rp Rp Rp Sumber: Pengolahan data 2015 Jadi, dengan menggunakan simulasi Monte Carlo, PT. Indonusa Agromulia harus mengeluarkan total biaya kurang lebih sebesar Rp untuk memenuhi permintaan pupuk selama 5 tahun mendatang. KESIMPULAN Berdasarkan hasil analisis pada permintaan pupuk yang sudah dilakukan di PT. Indonusa Agromulia dan melalui perhitungan yang sudah dilakukan untuk menganalisis persediaannya, maka dapat diberikan kesimpulan sebagai berikut: 1. Dari hasil perhitungan metode forecasting, didapatkan kesimpulan bahwa hasil peramalan yang paling akurat adalah dengan menggunakan metode linear regression dengan hasil sebesar ,8 kg. Disimpulkan bahwa metode linear regression adalah metode yang paling akuran dikarenakan memiliki nilai MAD dan MSE terkecil dibandingkan metode lainnya yaitu nilai MAD 1.001,003 sebesar dan nilai MSE sebesar Jumlah pemesanan pupuk yang optimal dengan menggunakan metode EOQ pada PT. Indonusa Agromulia adalah sebesar ,73 kg untuk setiap kali melakukan pemesanan. Dengan jumlah pemesanan tersebut, PT. Indonusa dapat menghemat biaya sebesar Rp atau sekitar 0,40%. 3. Melalui penerapan simulasi Monte Carlo sebanyak terhadap permintaan pupuk, didapatkan hasil bahwa PT. Indonusa Agromulia harus mengeluarkan total biaya sebesar kurang lebih Rp selama 5 tahun ke depan untuk melakukan pembiayaan pupuk itu sendiri, biaya penyimpanan untuk persediaan akhir pupuk dan safety stock serta biaya pengiriman untuk pupuk.

9 DAFTAR PUSTAKA Gaspersz, Vincent. (2005). Total Quality Management. Jakarta: Gramedia Pustaka Utama Heizer, J., B. Render. (2010). Manajemen Operasi. Jakarta: Salemba Empat Herjanto, Eddy. (2008). Manajemen Operasi (Edisi Ketiga). Jakarta: Grasindo Kakiay, Thomas J. (2004). Pengantar Sistem Simulasi. Yogyakarta: Andi Mardiyanto, Handono. (2009). Intisari Manajemen Keuangan: Teori, Soal dan Jawaban. Jakarta: Grasindo Nachrowi, Djalal Nachrowi, & Usman, Hardius. (2004). Teknik Pengambilan Keputusan. Jakarta: Grasindo Prasetya, Hery, & Lukiastuti, Fitri. (2009). Manajemen Operasi. Yogyakarta: Media Pressindo