47 BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Penelitian ini dilakukan di Perusahaan PT. Surya Wahana Fortuna. Penelitian ini merupakan penelitian terapan (applied research). Penelitian terapan adalah penelitian untuk mengetahui serta bertujuan agar dapat melakukan sesuatu yang lebih baik, efektif, dan efisien. Adapun tujuan dari penelitian ini untuk meningkatkan efisiensi dan efektifitas manajemen persediaan dan permintaan pada perusahaan PT. Surya Wahana Fortuna. Metode penelitian yang digunakan dalam penelitian ini antara lain perhitungan data-data yang didapat dari perusahaan dengan menggunakan metode Forecasting, EOQ dengan bantuan software QM serta simulasi Monte Carlo yang bertujuan untuk dapat membandingkan hasil yang terbaik bagi proses minimalisasi persediaan dari nilai jumlah maupun biaya. Hasil dari perhitungan Lead Time sangat mempengaruhi titik ROP (Reorder Point) karena ketepatan waktu dimana perusahaan harus melakukan pemesanan kembali sebelum terjadi kekosongan stock, demi menghindari kekosongan stock dilakukan perhitungan safety stock demi menghindari lost of sale. Metode
48 simulasi monte carlo memiliki peran untuk menyelesaikan beberapa perhitungan penelitian ini. 3.2 Operasional Variabel Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek, atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Tabel 3.1Definisi Operasional Variable Konsep variable Dimensi Indikator Penentuan tujuan peramalan Permintaan peramalan mesin Penyusunan model peramalan Permintaan akan jasa Forecasting Peramalan Persediaan Pengujian model peramalan Penerapan model peramalan Mengestimasikan peramalan Tahap Pengujian Revisi dan evaluasi Adanya perubahan Order Quantity Permintaan Mesin EOQ Meminimalisi Persediaan Average Inventory Biaya Unit dan Biaya Inventory Setup Cost Jumlah Pesanan
49 Holding Cost Jumlah Permintaan Safety Cost Lead Time Total Cost Holding Cost,Average Inventory, Setup Ordering Cost, Safety Stock Cost Order Quantity Permintaan Permitaan, har-hari tertentu Average Inventory Biaya Unit dan Biaya Inventory Setup Cost Jumlah Pesanan Monte Carlo Meminimalisi Persediaan Holding Cost Jumlah Permintaan Safety Cost Lead Time Total Cost Holding Cost, Average Inventory, Setup Ordering Cost, Safety Stock Cost
50 3.3 Jenis Dan Sumber data Jenis dan sumber data penelitian Tabel 3.2Jenis dan Sumber data Jenis dan Sumber Data Variabel Jenis Data Sumber Data Forecasting Kuantitatif Data Primer EOQ Kuantitatif Data Primer Monte Carlo Kuantitatif Data Primer 3.4 Teknik Pengumpulan Data Dalam penelitian ini peneliti mengumpulan data dengan teknik, sebagai berikut : 1. Penelitian Kepustakaan (Library Research) Untuk mengumpulkan data dengan cara membaca buku-buku manajemen operasinal, manajemen operasi jasa, manajemen riset dan catatan yang berhubungan dengan masalah yang diteliti. 2. Penelitian Lapangan (Field Research) Untuk menghimpun data yang diperlukan dalam penelitiaan ini peneliti langsung terjun ke perusahaan yang diteliti dengan :
51 a. Pengamatan Melakukan pengamatan secara langsung elemen-elemen yang diterapkan dan data lain yang berhubungan. 3.5 Metode Analisis Pengolahan data dilakukan dengan bantuan software QM untuk menghitung metode forecastingmenggunakan software QM,perhitungan EOQ. Selain itu perhitungan secara manual dilakukan sebagai pembanding yaitu dengan metode simulasi Monte Carlo. 1. Perhitungan Forecasting dengan Software QM. 1 Metode Time SeriesLinier Regression a. Pada Main menu pilih : ModuleForecasting Gambar 3.1 Langkah-Langkah QM
52 b. Pada Sub menu pilih New dan Time series Analysis Gambar 3.2 Langkah-Langkah QM c. Isi Kolom Title dan kolom number of past periods. Klik OK Gambar 3.3 Langkah-Langkah QM
53 d. Pilih Method : Linier Regression / least square dan input data (x) Gambar 3.4 Langkah-Langkah QM 2 Metode Time Series Exponential Smoothing a. Pada Main menu pilih : ModuleForecasting Gambar 3.5 Langkah-Langkah QM
54 b. Pada Sub menu pilih New dan Time series Analysis Gambar 3.6 Langkah-Langkah QM c. Isi Kolom Title dan kolom number of past periods. Klik OK Gambar 3.7 Langkah-Langkah QM
55 d. Pilih Method : Exponential Smoothingdan input Alpha 0,3 Gambar 3.8 Langkah-Langkah QM 3 Metode Time Series Weighted Moving Average a. Pada Main menu pilih : ModuleForecasting Gambar 3.9 Langkah-Langkah QM
56 b. Pada Sub menu pilih New dan Time series Analysis Gambar 3.10 Langkah-Langkah QM c. Isi Kolom Title dan kolom number of past periods. Klik OK Gambar 3.11 Langkah-Langkah QM
57 d. Pilih Method : Weighted Moving Average dan isi kolom Periods to average dengan angka 3 Gambar 3.12 Langkah-Langkah QM 4 Metode Time Series Moving Average a. Pada Main menu pilih : ModuleForecasting Gambar 3.13 Langkah-Langkah QM b. Pada Sub menu pilih New dan Time series Analysis
58 Gambar 3.14 Langkah-Langkah QM c. Isi Kolom Title dan kolom number of past periods. Klik OK Gambar 3.15 Langkah-Langkah QM d. Pilih Method : Moving Average dan isi kolom Periods to average dengan angka 3
59 Gambar 3.16 Langkah-Langkah QM 2. Perhitungan dengan Manual (EOQ) Diketahui : - D : permintaan - Unit Cost : harga per satuan unit - CO = S : biaya pemesanan - Lt : lead time - Ch = H : cost per unit - Days per year - SS : Safety Stock 1 EOQ / Q = 2 Average Inventory :
60 3 Order per periode : 4 Annual Setup Cost : 5 Annual Holding Cost = Annual Holding Safety stock = holding cost per unit x safety stock 6 Total Unit Cost = unit cost x D Total Cost = Total cost + Annual set up + annual holding cost + annual holding safety stok 7 DD = D / Days Per year DD = daily demand rate ROP = SS + (LT x DD) a.) Menentukan Lead Time Jika perusahaan tidak menentukan lead time maka untuk menentukan lead time dilakukan dengan menggunakan rumus, jika permintaan perusahaan tidak menentu sebaiknya jumlah waktu antar pesanan (lead time) ditentukan secara konstan. Dan jika permintaan sudah ditentukan secara teratur, maka formula nya sebagai berikut : Lead Time= Jumlah hari kerja per tahun jumlah pemesanan yang diinginkan
61 N = Q = Keterangan: S = Biaya pemesanan untuk setiap pesanan. H = Biaya penyimpanan per unit per bulan. D = Permintaan. Q = Jumlah unit yang dipesan. N = Jumlah pesanan yang diinginkan b.) Menentukan Safety Stock Jika perusahaan tidak menentukan jumlah stock pengaman (safety stock) tergantung biaya terjadinya kehabisan stock dan biaya penyimpanan persediaan tambahan, dengan formula sebagai berikut : Safety Stock = Reorder Point (ROP) (permintaan harian X Lead time pesanan) c.) Menentukan Reorder Point Pada penentuan reoder point perusahaan harus memperhatikan lead time kedatangan persediaan dan kebutuhan per hari persediaan tersebut serta mempertimbangkan faktor-faktor lain yang tidak terduga. Maka formulanya adalah sebagai berikut ; SS = Safety Stock LT = Lead Time
62 DD = Daily Demand Rate ROP = SS + (LT x DD) Penjelasan, pada saat tingkat persediaan permintaan turun ketingkat (X unit), perusahaan harus melakukan pemesan. Pemesan akan tiba dalam waktu (Y hari), tepat pada saat persediaan perusahaan telah habis, atau pada tingkat safety stock, tergantung kebijakkan perusahaan atas mempertimbangkan sesuatu hal. 3. Pengolahan data dengan simulasi metode Monte carlo Teknik simulasi Monte Carlo terbagi atas lima langkah : 1.) Menetapkan sebuah distribusi probabilitas bagi variabel penting gunanya untuk memperkuat nilai variabel pada model yang sedang diuji.diantara lain adalah permintaan persediaan, waktu tenggang pesanan untuk tiba, waktu kedatangan pelanggan dan sebagainya. Sebuah cara untuk menetapkan distribusi probabilitas bagi variabel adalah menguji hasil historis. Distribusi probabilitas dapat ditemukan atau frekuensi relatif, untuk setiap output variabel yang mungkin dengan cara membagi jumlah pengamatan dengan jumlah pengamatan total (tabel). Tabel 3.3 Monte Carlo 1 Permintaan Frekuensi (Hari)
63 0 X 1 1 X 2 2 X 3 3 X 4 4 X 5 5 X 6 Ʃ X hari Tabel 3.4Monte Carlo 2 Permintaan Frekuensi (Hari) Kejadian 0 X 1 X 1 / Ʃ X hari=y 1 1 X 2 X 2 / Ʃ X hari=y 2 2 X 3 X 3 / Ʃ X hari=y 3 3 X 4 X 4 / Ʃ X hari=y 4 4 X 5 X 5 / Ʃ X hari=y 5 5 X 6 X 6 / Ʃ X hari=y 6 Ʃ X hari Ʃ Y = 1,00
64 Kita dapat merubah keadaan tersebut diatas menjadi distribusi kemungkinan dengan membagi tiap permintaan dengan total permintaan. Seperti pada tabel berikut. 2.) Membuat distribusi probabilitas kumulatif bagi setiap variabel. (tabel) Tabel 3.5 Monte Carlo 3 Permintaan Frekuensi (hari) Peluang Kejadian Probabilitas kumulatif 0 X 1 X 1 / Ʃ X hari=y 1 Y 1 = a 1 X 2 X 2 / Ʃ X hari=y 2 a + Y 2 =b 2 X 3 X 3 / Ʃ X hari=y 3 b + Y 3 =c 3 X 4 X 4 / Ʃ X hari=y 4 c + Y 4 =d 4 X 5 X 5 / Ʃ X hari=y 5 d + Y 5 =e 5 X 6 X 6 / Ʃ X hari=y 6 e +Y 6 =1,00 Ʃ X hari Ʃ Y = 1,00 3.) Menetapkan interval angka random. Setelah distribusi probabilitas komulatif bagi setiap variabel yang digunakan dalam simulasi sudah ditetapkan, maka diberikan serangkaian angka acak yang mewakili setiap nilai atau output yang mungkin. Angka ini disebut interval angka acak (random number interval)
65 Tabel 3.6 Monte Carlo 4 Permintaan Frekuensi (hari) Peluang kejadian Probabilitas kumulatif Interval angka random 0 X 1 X 1 / Ʃ X hari=y 1 Y1 = a 1 (ax100) 1 X 2 X 2 / Ʃ X hari=y 2 a + Y2 =b ((ax100)+1) (bx100) 2 X 3 X 3 / Ʃ X hari=y 3 b + Y3 =c ((bx100)+1) (cx100) 3 X 4 X 4 / Ʃ X hari=y 4 c + Y4 =d ((cx100)+1) (dx100) 4 X 5 X 5 / Ʃ X hari=y 5 d + Y5 =e ((dx100)+1) (ex100) 5 X 6 X 6 / Ʃ X hari=y 6 e+y6 =1,00 ((ex100) +1) 100 4.) Membangkitkan angka acak. Angka acak dapat dibangkitkan dengan dua cara. Jika persoalan yang dihadapi besar dan proses yang sedang diteliti melibatkan banyak percobaan simulasi, maka digunakan program komputer untuk membangkitkan angka acak. Jika simulasi dilakukan dengan perhitungan tangan, angka acak dapat diambil dari sebuah tabel angka acak.
66 Tabel 3.7 Tabel Angka Acak 52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 84 57 07 37 63 28 02 74 35 24 03 29 60 74 85 90 73 59 55 17 60 82 57 68 28 05 94 03 11 27 79 90 87 92 41 09 25 36 77 69 02 36 49 71 99 32 10 75 21 95 90 94 38 97 71 72 49 98 94 90 36 06 78 23 67 89 85 29 21 25 73 09 34 85 76 96 52 62 87 49 56 59 23 78 71 72 90 57 01 98 57 31 95 33 69 27 21 11 60 95 89 68 48 17 89 34 09 93 50 44 51 50 33 50 95 13 44 34 62 64 39 55 26 30 64 49 44 30 16 88 32 18 50 62 57 34 56 62 31 15 40 90 34 51 95 26 14 70 30 36 24 69 82 51 74 30 35 36 85 01 55 92 64 09 85 50 48 61 18 85 23 08 54 17 12 80 69 24 84 92 16 49 59 27 88 21 62 69 64 48 31 12 73 02 68 00 16 16 46 13 85 45 14 46 32 13 49 66 62 74 41 86 98 92 98 84 54 33 40 81 02 01 78 82 74 97 37 45 31 94 99 42 49 27 64 89 42 66 83 14 74 27 76 03 33 11 97 59 81 72 00 64 61 13 52 74 05 81 82 93 09 96 33 52 78 13 06 28 30 94 23 37 39 30 34 87 01 74 11 46 82 59 94 25 34 32 23 17 01 58 73 59 55 72 33 82 13 74 68 22 44 42 09 32 46 71 79 45 89 67 09 80 98 99 25 77 50 03 32 36 63 65 75 94 19 95 88 60 77 46 63 71 69 44 22 03 85 14 48 69 13 30 50 33 24 60 08 19 29 36 72 30 27 50 64 85 72 75 29 87 05 75 01 80 45 SO 99 02 34 87 08 86 84 10 76 24 08 01 86 29 11 53 84 49 63 26 65 72 84 85 63 26 02 75 26 92 62 40 67 69 84 12 94 51 38 17 02 15 29 16 52 56 43 26 22 08 62 37 77 13 10 02 18 31 19 32 85 31 94 81 43 31 58 33 51 Sumber:Dikutip dari A Million Random Digit with 100.000 Normal Deviates, Rand (New York: The Free Press, 1995) 5.) Mensimulasi percobaan hasil dari eksprimen dapat disimulasikan secara sederhana dengan memilih angka acak dari tabel. Percobaan dapat dimulai dari titik mana pun dalam tabel, perhatikan dalam tabel pada interval mana setiap angka berada,dari permintaan yang disimulasikan dijumlahkan lalu dibagi rata-rata.
67 Tabel 3.8 Monte Carlo 5 Frekuensi Probabilitas Interval angka Permintaan Peluang Kejadian (hari) kumulatif random 0 X 1 X 1 / Ʃ X hari=y 1 Y 1 = a 1 (ax100) 1 X 2 X 2 / Ʃ X hari=y 2 a + Y 2 ((ax100)+1) =b (bx100) 2 X 3 X 3 / Ʃ X hari=y 3 b + Y 3 ((bx100)+1) =c (cx100) 3 X 4 X 4 / Ʃ X hari=y 4 c + Y 4 ((cx100)+1) =d (dx100) 4 X 5 X 5 / Ʃ X hari=y 5 d + Y 5 ((dx100)+1) =e (ex100) 5 X 6 X 6 / Ʃ X hari=y 6 e+y 6 ((ex100) +1) =1,00 100 Ʃ X hari Ʃ Y = 1,00 Contoh implementasi dari langkah langkah diatas adalah: Contoh Simulasi angka random/acak : Tabel 3.9 Monte Carlo 6 Hari/Periode Angka Random Permintaan (Simulasi) 1 52 Permintaan 0-5 2 37 Permintaan 0-5 3 82 Permintaan 0-5 4 69 Permintaan 0-5 5 98 Permintaan 0-5 Ʃ Permintaan
68 Hasil simulasi permintaan didapat dengan menentukan kelas angka random pada interval angka random yang telah didapat sebelumnya untuk masing masing permintaan. Tabel 3.10 Monte Carlo 7 Frekuensi (pesanan) Peluang Kejadian Probabilitas kumulatif Interval angka random X 1 Pesanan X 2 Pesanan X 1 pesanan / Ʃ X pesanan=y 1 Y 1 = a 1 (ax100) X 2 pesanan / Ʃ X pesanan=y 2 a + Y 2 =b ((ax100)+1) (bx100) X 3 Pesanan X 3 pesanan / Ʃ X pesanan=y 3 b + Y 3 =c ((bx100)+1) (cx100) X 4 Pesanan X 5 Pesanan X 4 pesanan / Ʃ X pesanan=y 4 c + Y 4 =d ((cx100)+1) (dx100) X 5 pesanan / Ʃ X pesanan=y 5 d+y 5 =1.00 ((dx100)+1) 100 Ʃ X Pesanan Ʃ Y = 1,00
69 6.) Tahap akhir mencari rata-rata persediaan. Tabel 3.11 Monte Carlo 8 Hari Unit Persedi Angka Permi Perse Lost of Pesan Angk Masa pesan aan acak ntaan diaan sales a tenggan an awal akhir acak g 1 - I 10 * ** *** Ya/Tidak **** ***** 2 Q I 24 * ** *** Ya/Tidak **** ***** 3 Q I 3 * ** *** Ya/Tidak **** ***** 4 Q I 32 * ** *** Ya/Tidak **** ***** 5 Q I 23 * ** *** Ya/Tidak **** ***** Keterangan : Q I = jumlah unit yang dipesan = jumlah unit persediaan awal * = tabel 3.8 interval angka random ** = Q * *** = ketika terjadi permintaan lebih besar dari persediaan **** = tabel 3.10 interval angka random, jika terjadi pemesanan. ***** =tabel 3.10 lead time, jika terjadi pemesanan.
70 Penulis akan mensimulasikan beberapa formula adalah sebagai berikut : Rata rata persediaan akhir mesinpertahun = Jumlah persediaan akhir pertahun Jumlah hari kerja pertahun Harga mesin Demand (dalam x hari kerja pertahun) =Ʃ permintaan pertahun Biaya mesin= unit cost x permintaan pertahun Biaya Safety Stock = Safety Stock x biaya perunit Rata rata biaya penyimpanan pertahun = Rata rata persediaan akhir mesin pertahun x biaya penyimpanan perunit Total biaya pemesanan mesin per tahun (x order) = Jumlah order x biaya pemesanan Total biaya mesin pertahun = Rata rata biaya penyimpanan per tahun + Total biaya pemesanan mesinper tahun + biaya safety stock Total Cost = biaya mesin+ Rata rata biaya penyimpanan per tahun + Total biaya pemesanan mesin per tahun + biaya safetystock Jika hasil simulasi monte carlo lebih besar dari yang permintaan yang diharapkan,maka simulasi diulang berkali-kali, sehingga rata-rata permintaan akan mendekati permintaan yang diharapkan. Dan jika lebih kecil simulasi monta carlo maka simulasi dihentikan.
71 3.6 Rancangan Pemecahan Masalah Setelah peniliti mengadakan penelitian, lalu hasil penelitian diuji di depan penguji yang menyatakan hasil penelitian dapat diterima. Peneliti akan memberikan hasil penelitian kepada pihak perusahaan untuk dijadikan masukan bagi perusahan sehingga perusahaan dapat mengatasi permasalahan yang ada. Dalam melakukan penelitian terhadap empat masalah tersebut perhitungan forecasting, reoder point (ROP), safety stock dan simulasi monte carlountuk medapatkan perhitungan guna menghasilkan peramalan distribusi barang. Sehingga perusahaan dapat mengetahui penerapan simulasi monte carlo dan perhitungan persediaan secara minimal untuk menghasilkan minimalisi biaya persediaan pada PT. Surya Wahana Fortuna.