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

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 475 6 56 39

40 355 60 39 3 557 5 35 4 564 75 44 5 55 405 94 6 77 45 5 7 473 9 8 68 66 86 9 373 70 86 0 564 356 50 644 457 5 76 45 3 3 47 64 4 670 578 5 5 79 63 0 6 0 600 73 7 978 497 408 8 697 59 93 9 7 58 503 0 9 55 99 60 494 7 40 78 36 3 40 88 669

4 4 386 65 otal 545 9885 3970 abel 4. ata Penggunaan AK Regular ahun 0-0 4. 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 ( 5.45 5.45 9.885 3.970 Rata Permintaan (d 63 63 4 65 Biaya Pesan (S Rp 0.000 Rp 0.000 Rp 5.000 Rp 50.000

4 Harga barang (C Rp 3.000 Rp.000 Rp 5.000 Rp 95.000 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

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.

44 45.569.80 67.40 67.400 45.435.000 (60.47 (0.000.47 5.45 5.45(3.000 08 545 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 7 47 545 47 60 (0.000(545 47 47.03 6 (63 6 6.39 (.33(97.3 ( tahun ( tahun

45 8.009.650 34.760 34.86 8.740.000 (40.3 (0.000.3 5.45 5.45(.000 54 545 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 3 47 545 3 40 (0.000(545 47 47.03 6 (63 6 6.39 (.33(97.3 ( tahun ( tahun

46 Goodie Bag hari W x f f H S R R dl R L zs 73 73.4 9885 994 (365 0 994 9885 994 500 (5000(9885 0 09.73 96 (4 96 95.66 (.33(4.88 47.6.00 48.500 48.66 47.5.000 (500 994 (5.000 994 9.885 9.885(5.000 Rp H S C ( tahun ( tahun

47 Ransel 378.08.500 434.50 434.354 377.50.000 (900 457 (50.000 457 3.970 3.970(95.000 84 3970 457 (365 9 457 3970 457 900 (50.000(3.970 7 7.5 67 (65 67 66.64 (.33(56.66 Rp H S C hari W x f f H S R R dl R L zs ( tahun ( tahun

48 4.. P Model - Pen pen pen pen pen * * * * S H (0.000 60 (5.45 0.4 0.4 x x365 hr 0 hari pen Zs ( * L pen pen (.33( 97.3 80 0 I I I 80 353 ( d * 0 (63 x pen pen pen pen d ( * L 0 63 ( 80 66 80 353 093 I 353 f f 545 093 4 x ( tahun pen pen pen pen C 5.45.093 5.45 (3.000 (0.000.093 45.435.000 38.564 3.790 Rp S H 45.606.400 ( tahun (60

49 8.078.400 66.960 7.45 8.740.000 (40 558 (0.000 558 5.45 5.45(.000 7 558 545 558.450 94.094 450 94 5 63( * ( 450 5 (63 979 * ( 94 5 (.33(97.3 * ( 5 365 0.07 * 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

50 Goodie Bag 47.733.600 8.750 479.854 47.5.000 (500 55 (5.000 55 9.885 9.885(5.000 9 4 9885 55 59 9 06 59 9 73 4( * ( 59 59.6 73 (4 9 * ( 9 73 (.33(4.88 * ( 73 365 0. * 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

5 Ransel.950.9 378.750 3.04 80.000.50 377 (.900 45 (50.000 45 3.970 (95.000 3.970 6 45 3970 45 867 68 484 867 68 88 ( 65 * ( 867 88 (65 68 * ( 68 88.55 (.33 (56 * ( 88 365 0. * 0. * (3.970.900 (50.000 * * 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

5 4..3 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 4 4.34 545 505 (365 505 545 505 36 640 min max 640 640.66. 63 (545. (. 36 35.83. 63 (545. (. 63 63.04 4 545 ( tahun 85.345.000 60.600 99.900 8.740.000 (40 505 (0.000 505 5.45 5.45(.000 5.750.050 5.50 99.900 45.435.000 (60 505 (0.000 505 5.45 5.45(3.000 notes notes notes notes pen pen pen pen H S C Rp H S C

53 Goodie Bag 47.956.400 8.500 748.803 47.5.000 (500 3 (5.000 3 9.885 9.885(5.000 4 4.37 9885 3 (365 3 9885 3 74 07 min max 07. 4 (9885. (. 74 74.5. 4 (9885. (. 4 4.87 4 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

54 Ransel 378.768.850 6.350.49.48 377.50.000 (.900 33 (50.000 33 3.970 3.970(95.000 4 4.45 3970 33 (365 33 3970 33 97 4 min max 4 49.66. 65 (3970. (. 97 97.33. 65 (3970. (. 65 65.4 4 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

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 45.569.800 Rp 8.009.650 Rp 47.6.00 Rp 378.8.000 P Model Rp 45.606.400 Rp 8.078.375 Rp 47.733.600 Rp 378.9.950 Min-Max Inventory Rp 45.750.050 Rp 85.345.000 Rp 47.956.400 Rp 378.768.850 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 ( 6 6 96 67 Reorder Point (R.36.36 59 7 Kuantitas Pembelian (.47.3 994 457 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

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. 4.3. Pola ata Penggunaan AK Regular 0-0 Pen & Notes

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

58 4.3. 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 475 393 0,6 76,7 76,7 55,74 355 5,5 0,8 437, 4 874, 55,77 3 3 557 674,07 5,50 9.564,50 535,8 4 4 564 89,4 399,00 6.596,00 545,83 5 5 55 75,5,9 440,85 5.04,4 555,86 6 6 77 7,3 644,34 36 3.866,0 565,89 7 7 473 800,7 373,0 49.6,7 575,9 8 8 68 79,5 0,44 605,08 64 4.840,6 585,95 9 9 373 487 0,77 483,3 8 4.349,9 595,98 0 0 564 49 0,78 73,39 00 7.33,89 606,0 644.03,6 397,5 4.369,79 66,04 76 556 0,88 83,99 44 9.887,83 66,07

59 3 3 0,6 499,37 69 6.49,86 636, 4 670 0,8 84,97 96.549,60 646,3 5 3 79,07 740,58 5.08,77 656,6 6 4.0,4 863,08 56 3.809,34 666,9 7 5 978,9 8,4 89 3.96,0 676, 8 6 697,3 67,75 34.9,45 686,5 9 7.7,7 888,98 36 6.890,6 696,8 0 8 9 0,44 657,0 400 3.40, 706,3 9 60 0,77 778,76 44 6.353,96 76,34 0 40 0,78 538,69 484.85,7 76,37 3.40,6 864,83 59 9.89,07 736,4 4 386 0,88 438,0 576 0.54,33 746,43 otal 0 5.45 5.45 4.900 00.84,86 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 :

60 x b 0084.86 4(.5(63.4 b 4900 4(.5 b 0 4.5 xy x d nx. y nx 5.36 50 0.03 y d a y 545 63.04 4 d bx a 63.04 (0.03(.5 a 505.7 Y Y a bx, maka 505.7 0.03x 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% 475 56,36-4,36.70,88 4,36 0,09 355 56,58-7,58 9.440,43 7,58 0,48 3 557 536,87 0,3 405,9 0,3 0,04 4 564 547,4 6,76 80,78 6,76 0,03 5 55 557,05-3,05.07,6 3,05 0,06

6 6 77 567,0 59,98 5.594,5 59,98 0, 7 473 577,9-04,9 0.855,09 04,9 0, 8 68 586,39-38,39 0.374,05 38,39,9 9 373 596,75-3,75 50.064,84 3,75 0,60 0 564 606,79-4,79.8,96 4,79 0,08 644 67,66 6,34 693,74 6,34 0,04 76 66,95 99,05 9.80,69 99,05 0,4 3 3 636,7-35,7 06.095,33 35,7,05 4 670 646,94 3,06 53,66 3,06 0,03 5 79 657,3 33,77 7.894,93 33,77 0,7 6.0 667,60 55,40 5.4,85 55,40 0,45 7 978 677,4 0,59 90.353,8 0,59 0,3 8 697 687,38 9,6 9,58 9,6 0,0 9.7 697,55 49,45 84.49,4 49,45 0,38 0 9 706,75-45,75 7.850,49 45,75,43 60 77, -6, 3.48,94 6, 0,9 40 77,5-7,5 94.340,9 7,5 0,73 3.40 738,0 663,98 440.867,94 663,98 0,47 4 386 747,3-36,3.545,70 36,3 0,94 otal -5,04.789.74,54 4.895,9 9,35 abel 4.6 Perhitungan Kesalahan untuk Peramalan Additive Pen dan Notes

6 MA error 4895.9 03.97 n 4 MSE error n 78974.54 7783.68 4 MAPE error n / actual 9.35 x00% 0.39 4 Forecast Multiplicative Actual Forecast Y x Error Period emand Seasonal Actual- ( Error /Actual (x (y Factor Forecast Error^ Error x 00% 475 3,9 53,8 3.656,76 53,8 0,3 355 47,00-7,00 5.84,53 7,00 0,0 3 557 57,7-5,7 33,3 5,7 0,03 4 564 77,55-07,55 43.077, 07,55 0,37 5 55 66,97-36,97 8.759,97 36,97 0,6 6 77 638,49 88,5 7.834,05 88,5 0, 7 473 7, -57, 66.0,58 57, 0,54 8 68 59,53 8,47 7,77 8,47 0,03 9 373 459,94-86,94 7.558,83 86,94 0,3 0 564 47,48 9,5 8.375,3 9,5 0,6 644 998,68-354,68 5.798,6 354,68 0,55 76 55,6 74,38.408,54 74,38 0,4 3 3 396,5-85,5 7.50,56 85,5 0,7

63 4 670 54,75 45,5.096,4 45,5 0, 5 79 700,83 90,7 8.,94 90,7 0, 6.0 94,68 78,3 77.460, 78,3 0,3 7 978 805, 7,70 9.84,48 7,70 0,8 8 697 774,9-77,9 5.973,93 77,9 0, 9.7 88,7 44,9 59.679,76 44,9 0, 0 9 3,84 -,84 476,89,84 0,08 60 55,83 48,7.,53 48,7 0,08 40 566,3-46,3.40,7 46,3 0,35 3.40.93,80 08,0 43.347,47 08,0 0,5 4 386 657,67-7,67 73.80,79 7,67 0,70 otal -9,0 687.843,43 3.436,59 5,76 abel 4.7 Perhitungan Nilai Kesalahan untuk Peramalan Multiplicative Pen dan Notes MA error n 3436.59 4 43.9 MSE error n 687843.43 4 9906.4 MAPE error n / actual x00% 5.76 4 0.4 Sedangkan untuk perhitungan peramalan seasonal tanpa trend, dijabarkan sbb:

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% 475 0.6 393 8 674 8 0.7 355 0.8 5.5-57.5 4806.5 57.5 0.44 3 557.07 674-7 3689 7 0. 4 564.4 89-38 07584 38 0.58 5 55.9 75.5-6.5 5.5 6.5 0.43 6 77.3 7 5 5 5 0.0 7 473.7 800-37 0699 37 0.69 8 68 0.44 79.50 -.5 3.5.5 0.04 9 373 0.77 487-4 996 4 0.3 0 564 0.78 49 7 584 7 0.3 644.6 03-379 4364 379 0.59 76 0.88 556 70 8900 70 0.3 3 3 0.6 393-8 674 8 0.6 4 670 0.8 5.5 57.5 4806.5 57.5 0.4 5 79.07 674 7 3689 7 0.5 6 0.4 89 38 07584 38 0.7 7 978.9 75.5 6.5 5.5 6.5 0.3 8 697.3 7-5 5 5 0.0

65 9 7.7 800 37 0699 37 0.9 0 9 0.44 79.5.5 3.5.5 0.04 60 0.77 487 4 996 4 0.9 40 0.78 49-7 584 7 0.7 3 40.6 03 379 4364 379 0.7 4 386 0.88 556-70 8900 70 0.44 otal 0.00 0045.50 3999.00 6.4 abel 4.8 Perhitungan Nilai Kesalahan untuk Peramalan anpa rend Pen dan Notes MA error 3999 66,63 n 4 MSE error n 0045.5 43.66,98 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 03,97 7783,68 0,39% Multiplicative 43,9 9906,4 0,4% anpa rend 66,63 4366,98 0,7% abel 4.9 Perbandingan Nilai Kesalahan Metode Peramalan untuk Pen dan Notes

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 0,6 47 6 766,49 0,8 63 7 3 776,5,07 89 8 4 786,55,4 9 5 796,58,9 949 6 806,6,3 90 3 7 86,64,7 035 3 8 86,67 0,44 366 33 9 836,7 0,77 646 34 0 846,73 0,78 660 35 856,76,6 389 36 866,79 0,88 764 abel 4.0 Peramalan Penggunaan Pen dan Notes Periode Selanjutnya

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

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 7,09 0.476,6

69 0,7 0,66 84,5 6.6638,5 3 7,5 0,69 89,06 69.484,95 4 7,65 0,68 84,88 63.737,48 5 7,0 0,7 8,98 64.786,3 6 5,58 0,73 89 68.3,3 7 38,55 0,73 93,76 68.786,9 8 6,37 0,5 93,85 66.873,7 9 8,3 0,5 98,75 68.0,68 0 89,74 0,53 6, 75.85,5 9,74 0,53 9, 77.06,09 98,5 0,53 6,63 80.470,86 3, 0,54 39,43 86.973,3 4 4,87 0,54 38,3 9.590,7 5 03,3 0,54 3,8 95.780,5 6 9,6 0,54 9,68 0.0976,4 7 90, 0,59 46,5.860,9 8 83,86 0,63 6,4.7337,7 9 75,8 0,7 87,87 5.0844, 0 57,3 0,48 95,55 7.0808, 74,87 0,57 359,6.747,9 abel 4. Nilai Kesalahan Peramalan Moving Average untuk Goodie Bag Weighted Moving Average

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

7 MA (Mean Absolute eviation 88,96 MSE (Mean Squared Error 68.958,9 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 0,67 60 49,00,0 3 3 5 567,50,38 4 4 75 437,50,06 5 5 405 45,00,09 6 6 45 485,50,8 7 7 9 378,50 0,9 8 8 66 0,50 0,7 9 9 70 33,00 0,8 0 0 356 37,00 0,77 457 8,50,00 45 345,00 0,84 3 47 0,67 4 578,0

7 5 3 63,38 6 4 600,06 7 5 497,09 8 6 59,8 9 7 58 0,9 0 8 55 0,7 9 494 0,8 0 78 0,77 3 88,00 4 65 0,84 otal 0 9885 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 0,0 60 49,00-59,00 5.8,00 59,00 0,6 3 5 567,50-55,50 3.080,5 55,50 0, 4 75 437,50-6,50 6.406,5 6,50 0,59 5 405 45,00-46,00.6,00 46,00 0, 6 45 485,50-33,50.,5 33,50 0,07

73 7 9 378,50-49,50.350,5 49,50 0,65 8 66 0,50-44,50.980,5 44,50 0,67 9 70 33,00-6,00 6.44,00 6,00 0,95 0 356 37,00 39,00.5,00 39,00 0, 457 8,50-365,50 33.590,5 365,50 0,80 45 345,00 80,00 6.400,00 80,00 0,9 3 47 76,50-9,50 870,5 9,50 0, 4 578 49,00 59,00 5.8,00 59,00 0,8 5 63 567,50 55,50 3.080,5 55,50 0,09 6 600 437,50 6,50 6.406,5 6,50 0,7 7 497 45,00 46,00.6,00 46,00 0,09 8 59 485,50 33,50.,5 33,50 0,06 9 58 378,50 49,50.350,5 49,50 0,8 0 55 0,50 44,50.980,5 44,50 0,9 494 33,00 6,00 6.44,00 6,00 0,33 78 37,00-39,00.5,00 39,00 0,4 3 88 8,50 365,50 33.590,5 365,50 0,3 4 65 345,00-80,00 6.400,00 80,00 0, otal 0,00 50.93,70.653,00 7,53 abel 4. 4 Perhitungan Nilai Kesalahan Peramalan anpa rend Goodie Bag

74 MA error n 653 0,54 4 MSE error n 5093.70 8,77 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 84,88 63.737,48 0,68 Weighted MA (4 88,96 68.958,90 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 5 77 6 49 7 568 8 438 9 45 486

75 3 379 3 33 33 34 37 35 83 36 345 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

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

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 65,04 6.0786,7,05 5,5 40,77 4.000,6 0,99 3 3,7 4,6 40.47,77 0,94 4 0,9 36,56 35.7,74 0,94 5 3,43 40,8 37.865,77 0,95 6 0,5 3,94 34.987,05 0,9 7 8,77 33,8 36.8,63 0,9 8 9,06 34,83 37.4,04 0,87 9 3,56 38, 39.565,0 0,87 0 36,7 4,7 4.87,5 0,87 39, 47,97 44.953,37 0,89 48,08 53,45 47.78,53 0,9 3 6,9 57,64 50.648,95 0,85 4 76,57 68,44 55.908,8 0,85 5 86,8 87,03 63.078,4 0,95 6 93,38 04,06 70.476,77,03 7 70,76 93,96 70.0,66,06 8 84,09 4,39 8.4,68, 9 3,5 9,48 70.395,6,5

78 0 6,89 9,4 88.06,35,34 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 :

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 56 0 0,66 39 45,5 0,8 3 3 35 77,5 0,47 4 4 44 58,5 0,96 5 5 94 5,5 6 6 5 7,5,04 7 7 36,9 8 8 86 9,5 0,56 9 9 86 96,5 0,58 0 0 50 93 0,56 5 40,48

80 6 0,70 3 64 0,66 4 5 0,8 5 3 0 0,47 6 4 73 0,96 7 5 408,5 8 6 93,04 9 7 503,9 0 8 99 0,56 9 7 0,58 0 36 0,56 3 669,48 4 0,70 otal 0 3.970 Average.5 65.4 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 0,9 39 45,50-6,50 4,5 6,50 0,7 3 35 77,50-4,50.806,5 4,50,

8 4 44 58,50-4,50 0,5 4,50 0,0 5 94 5,00-57,00 4.649,00 57,00,67 6 5 7,50 79,50 6.,5 79,50 0,3 7 36,00-4,00 9.88,00 4,00 0,64 8 86 9,50-6,50 4,5 6,50 0,08 9 86 96,50 89,50 8.00,5 89,50 0,48 0 50 93,00 57,00 3.49,00 57,00 0,38 5 40,00-59,00 67.08,00 59,00,7 6,00-5,00 5,00 5,00 0,05 3 64 0,00-46,00.6,00 46,00 0,7 4 5 45,50 6,50 4,5 6,50 0,3 5 0 77,50 4,50.806,5 4,50 0,35 6 73 58,50 4,50 0,5 4,50 0,08 7 408 5,00 57,00 4.649,00 57,00 0,38 8 93 7,50-79,50 6.,5 79,50 0,85 9 503 36,00 4,00 9.88,00 4,00 0,8 0 99 9,50 6,50 4,5 6,50 0,07 7 96,50-89,50 8.00,5 89,50,79 36 93,00-57,00 3.49,00 57,00,58 3 669 40,00 59,00 67.08,00 59,00 0,39 4 6,00 5,00 5,00 5,00 0,04 otal 0,00 66.865,00 808,00 4,76 abel 4. 0 Perhitungan Nilai Kesalahan Peramalan anpa rend Ransel

8 MA error 808 75,33 n 4 MSE error n 66865 60,83 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 3,94 3.4987,05 0,9 Weighted MA (6 46,4 4.490,6 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 669 7 0,33 4

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. 09 0 0,47 0,47 0-0,47 9 9 0,375 0,79 0,48-0,79 39 0,083 0,875 0,793-0,875 439 0,04 0,97 0,876-0,97 549 0,04 0,959 0,98-0,959 649 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 0,8583 39 6 0,7504 9 7 0,4337 9 8 0,6009 9

84 9 0,744 09 0,9478 549 3 0,6909 9 3 0,0954 09 33 0,5749 9 34 0,685 09 35 0,0006 09 36 0,960 550 abel 4.3 Peramalan Penggunaan Ransel Periode Selanjutnya 4.3.3 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 :

85 Pen Model LFL Period emand Order Stock Order Stock.36-5 47.47.9 47-6 63 -.89 63-7 89 -.460 89-8 -.348-9 949-399 949-90.47.736 90-3.035-70.035-3 366-335 366-33 646.47.936 646-34 660 -.76 660-35.389.47.34.389-36 764 -.370 764 - OAL 8.754 8.988 8.754 abel 4.4 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Pen

86 Notes Model LFL Period emand Order Stock Order Stock.36-5 47.3.788 47-6 63 -.65 63-7 89-336 89-8 - 4-9 949.3 398 949-90.3 6 90-3.035.3 699.035-3 366-333 366-33 646.3 80 646-34 660-50 660-35.389..46.007.389-36 764-43 764 - OAL 8.754 7.86 8.754 abel 4.5 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Notes

87 otal Cost Pen mod el mod el mod el LFL LFL LFL (8.988x3.000 (4x0.000 (8.988x60 6.964.000 40.000 539.80 Rp 7.543.80 (8.754x3.000 (6x0.000 (8.754x60 6.6.000 60.000 55.40 Rp 6.907.40 Notes mod el mod el mod el LFL LFL LFL (7.86x.000 (6x0.000 (7.86x40 94.33.000 60.000.886.6400 Rp 96.78.640 (8.754x.000 ( x0.000 (8.754x40 05.048.000 0.000.050.480 Rp 07.60.960 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

88 Goodie Bag Model LFL Period emand Order Stock Order Stock 59-5 77 994.9 77-6 49-890 49-7 568-3 568-8 438 994 878 438-9 45-47 45-486 994 935 486-3 379-556 379-3 - 445-33 33-3 33-34 37 994 790 37-35 83 994 96 83-36 345-66 345 - OAL 4.986 4.970 4.986 abel 4.5 Perbandingan Jumlah Pemesanan Optimal Metode P-Model dengan Metode LFL untuk Goodie Bag

89 otal Cost Goodie Bag mod el mod el mod el LFL LFL LFL (4.970x5.000 (5x5.000 (4.970x500 4.50.000 5.000.485.000 Rp 6.860.000 (4.986x5.000 ( x5.000 (4.986x500 4.650.000 0.000.493.000 Rp 7.443.000 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 0,8583 39 457 00 39-6 0,7504 9 457 438 9-7 0,4337 9-9 9-8 0,6009 9-0 9-9 0,744 09 457 348 09-0,9478 549 457 56 549-3 0,6909 9-37 9-3 0,0954 09 457 385 09 -

90 33 0,5749 9-66 9-34 0,685 09-57 09-35 0,0006 09 457 405 09-36 0,96 649 457 3 649 - OAL 3.058 3.99 3.058 abel 4.6 Perbandingan Jumlah Pemesanan Optimal Metode -Model dengan Metode LFL untuk Ransel otal Cost Ransel Model Model Model LFL LFL LFL (3.99x95.000 (7x50.000 (3.99x.900 3.905.000 350.000 6.078.00 Rp 30.333.000 (3.058x95.000 ( * 50.000 (3.058x.900 90.50.000 600.000 5.80.00 Rp 96.90.00 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.

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 6.907.40,- Rp 96.78.640,- Rp 6.860.000,- Rp 96.90.00,-/ dikeluarkan / tahun / tahun / tahun tahun abel 4.7 Rangkuman hasil analisa kuantitatif

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.