SKRIPSI

PENENTUAN SAFETY STOCK DAN JUMLAH PESANAN UNTUK

MEMINIMALISASI BIAYA PERSEDIAAN PADA LOKAL
CHAIN STORE BERBASIS LOGIKA KABUR
(STUDI KASUS DI PAMELLA SUPERMARKET SWALAYAN)

No. Soal: TKI 4011 / II-2012/2013 / AS / 03 / 03 / 21.02 / 2013

Disusun Oleh:
Fransiska Hernina Puspitasari
09/289010/TK/35958

PROGRAM STUDI TEKNIK INDUSTRI

JURUSAN TEKNIK MESIN DAN INDUSTRI
FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013

ii

iii

iv

HALAMAN PERSEMBAHAN

Skripsi ini kupersembahkan untuk:

Jesus Christ, My Very Bestfriend,
Bapak, Mama, dan Mbak Vita untuk doa dan semangat

I can do all things through Christ who strengthens me. (Philippians 4: 13)

Let us not get tired of doing what is right, for after a while we will reap a harvest of
blessing. (Galatians 6: 9)

Keep holding on. Stay Strong. (Avril Lavigne, Keep Holding On)

When you want it the most, theres no easy way out. When youre ready to go, theres no
heart left in doubt. Dont give up on your faith. (Celine Dion, Thats the Way It Is)

KATA PENGANTAR

Tugas akhir dengan judul Penentuan Safety Stock dan Jumlah Pesanan
Untuk Meminimalisasi Biaya Persediaan Pada Lokal Chain Store Berbasis Logika
Kabur disusun untuk memenuhi salah satu syarat mendapatkan gelar sarjanan
Program Studi Teknik Industri, Jurusan Teknik Mesin dan Industri, Universitas
Gadjah Mada.
Tugas akhir ini membahas mengenai menentukan kuantitas order dan
jumlah safety stock yang optimal dengan membandingkan dua metode yang
berbeda. Metode tersebut adalah metode klasik Economic Order Quantity (EOQ)
dan logika kabur berdasarkan nilai reorder point dari service level perusahaan.
Indikator yang digunakan untuk mengukur metode yang paling optimal dilihat
dari total biaya inventori yang dihasilkan yang paling minimum.
Laporan tugas akhir dimulai dari bab pendahuluan yang berisi latar
belakang, perumusan masalah, asumsi dan batasan masalah, kegunaan penelitian,
dan sistematika penulisan. Bagian kedua dari laporan ini adalah tinjauan pustaka
yang berisi uraian tentang penelitian terdahulu yang berhubungan dengan
penelitian yang dilakukan. Bagian ketiga menguraikan tentang dasar teori yang
dipakai dalam penelitian. Bagian keempat mengenai metodologi penelitian yang
digunakan. Bagian kelima menjelaskan hasil dan pembahasan. Bagian keenam
merupakan kesimpulan hasil penelitian dan saran bagi peneliti yang ingin
melakukan penelitian sejenis.
Penulis menyadari banyak kekurangan dalam penyusunan laporan tugas
akhir ini. Oleh karena itu, saran dan kritik yang membangun sangat diharapkan
sebagai bahan masukan perbaikan.

Yogyakarta, 29 Agustus 2013

Penulis

vi

UCAPAN TERIMA KASIH

Puji syukur kepada Tuhan Yang Maha Esa atas segala berkat, rahmat,
kasih, dan bimbingan-Nya yang telah diberikan penulis dalam pembuatan skripsi
ini dari awal dan akhir.
Tugas akhir ini dapat diselesaikan tidak terlepas dari bantuan, dorongan,
dan dukungan dari semua pihak yang telah banyak membantu. Oleh karena itu,
penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Tuhan Yesus Kristus dan Bunda Maria atas segala berkat dan kasih karuniaNya yang diberikan dari awal sampai akhir penulisan skripsi.
2. Bapak Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., selaku dosen pembimbing
skripsi yang telah memberikan dan mengajarkan hal-hal yang berguna serta
telah memberikan waktu, tenaga, dan kesabaran dalam memberikan
bimbingan untuk penyelesaian skripsi ini. Terima kasih untuk kesabarannya
dalam membimbing di tengah kesibukannya yang padat.
3. Bapak Ir. M. Waziz Wildan, M. Sc., Ph. D., selaku dosen pembimbing
akademik yang telah memberikan saran dan motivasi kepada penulis dari
perkuliahan awal sampai akhir. Terima kasih untuk kesabarannya dalam
membimbing di tengah kesibukannya yang padat.
4. Seluruh dosen di Jurusan Teknik Mesin dan Industri Universitas Gadjah Mada
Yogyakarta yang telah memberikan ilmu pengetahuan yang berguna selama
penulis duduk di bangku kuliah. Serta seluruh karyawan Jurusan Teknik
Mesin dan Industri Universitas Gadjah Mada Yogyakarta, terima kasih atas
pelayanan yang diberikan sehingga penulis dapat kuliah dengan nyaman dan
pada akhirnya dapat menyelesaikan skripsi dengan baik.
5. Bapak dan mama yang telah bekerja keras membiayai kuliah, memberikan
dukungan, doa, dan semangat untuk penyelesaian skripsi dari awal sampai
akhir. Untuk kakakku tersayang, Mbak Vita, terimakasih untuk saran dan
kritik ketika menghadapi kesulitan skripsi serta doa untuk penulis.

vii

viii

6. Pak Wildan, Pak Ari, Pak Ngatno, dan Pak Ngadino yang telah banyak
membantu penulis dalam mencari data di Pamela berkaitan dengan skripsi.
Terima kasih atas waktu dan kesempatan yang telah diberikan.
7. Teman-teman seperjuangan skripsi: Intan, Vincen, Ima, dan Dita, terima kasih
untuk bantuan dan waktu kalian untuk mendengar keluh kesah penulis selama
skripsi.
8. Teman-teman seperjuangan kuliah dari semester awal sampai akhir: Zita,
Natalia, Bang Bene, Bang Jhen, Anton, Monica, Dita, dan Titis, terima kasih
buat semangat dan motivasi yang diberikan. Terima kasih untuk masa-masa
ketika belajar, tertawa, dan bersedih bersama.
9. Teman-teman dekat dari SMP sampai kuliah: Ima, Anin, Martina, Lugas,
Eren, Thomas, Oyen, Beni, Acid, dan Ome, terima kasih untuk canda tawa,
bantuan, dan motivasi kalian selama penyelesaian skripsi ini. Friend forever!
10. Teman-teman Komunitas Muda Katolik Teknik: Sisko, Kevin, Wisnu, Miya,
Cimut, Dodi, dan lain-lain yang telah banyak memberikan pengalaman dan
banyak menghibur penulis terutama dalam setiap tugas pelayanan gereja.
Long Live My Family!
11. Mr. A dan Mr. R yang selalu menjadi motivator penulis secara tidak langsung.
12. Dan semua pihak yang telah banyak membantu, tetapi tidak dapat disebutkan
satu per satu.
Yogyakarta, 27 Agustus 2013

Penulis

DAFTAR ISI

HALAMAN JUDUL.. ............................................................................................. i

HALAMAN PENGESAHAN.. ...............................................................................ii
HALAMAN PERNYATAAN.. .............................................................................. iii
NASKAH SOAL TUGAS AKHIR.. ..................................................................... iv
HALAMAN PERSEMBAHAN..............................................................................v
KATA PENGANTAR.. .......................................................................................... vi
UCAPAN TERIMA KASIH..................................................................................vii
DAFTAR ISI .......................................................................................................... viii
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR TABEL...................................................................................................xii
DAFTAR LAMPIRAN.. ....................................................................................... xiii
DAFTAR NOTASI DAN SINGKATAN.. ........................................................... xiv
INTISARI................................................................................................................xv

BAB I PENDAHULUAN .......................................................................................1

1.1 Latar Belakang .......................................................................................1
1.2 Perumusan Masalah ................................................................................3
1.3 Tujuan Penelitian ....................................................................................4
1.4 Asumsi dan Batasan Masalah .................................................................4
1.5 Kegunaan Penelitian ................................................................................5

BAB II TINJAUAN PUSTAKA .............................................................................6

BAB III LANDASAN TEORI ...............................................................................9

3.1 Manajemen Inventori .............................................................................9
3.1.1 Fungsi Inventori ..........................................................................10
3.1.2 Persyaratan untuk Manajemen Inventori yang Efektif ................11
3.1.3 Biaya-biaya yang Timbul Terkait Inventori ................................12

ix

3.2 Model Basic Economic Order Quantity (EOQ) ....................................13

3.3 Reorder Point (ROP) ..............................................................................15
3.4 Safety Stock (SS) ....................................................................................16
3.5 Material Requirement Planning (MRP) .................................................16
3.6 Pengertian Logika Kabur........................................................................17
3.7 Fungsi Keanggotaan ...............................................................................17
3.8 Fungsi Implikasi .....................................................................................24
3.9 Sistem Inferensi Fuzzy ...........................................................................24
3.10 Graded Mean Integration.....................................................................27
3.11 Functional Principle ............................................................................28

BAB IV METODE PENELITIAN ......................................................................30

4.1 Waktu dan Lokasi Penelitian .................................................................30
4.2 Data yang Dibutuhkan ...........................................................................30
4.3 Metode Pengumpulan Data ...................................................................30
4.4 Alur Penelitian .......................................................................................31
4.5 Metode Pengolahan Data........................................................................31
4.5.1 Menghitung Kuantitas Order Menggunakan Integrasi Logika
Kabur ...........................................................................................33
4.5.2 Menghitung Safety Stock Berbasis Service Level Dengan Logika
Kabur ...........................................................................................33
4.5.3 Melakukan Simulasi Menggunakan Tabel MRP .........................33
4.5.4 Membandingkan Kedua Metode ..................................................34

BAB V HASIL DAN PEMBAHASAN ................................................................35

5.1 Penghitungan Safet Stock Menggunakan EOQ Ordering dan Kuantitas
Order Menggunakan Model EOQ ........................................................35
5.2 Penghitungan Safety Stock dan Kuantitas Order Menggunakan
Integrasi Logika Kabur Berdasarkan Nilai Reorder Point Dari Fuzzy
Optimalisasi Biaya ...............................................................................41

xi

5.3 Penghitungan Safety Stock dan Kuantitas Order Menggunakan

Integrasi Logika Kabur Berdasarkan Nilai Reorder Point Dari Service
Level Perusahaan ...................................................................................44
5.4 Perbandingan Hasil Penghitungan Stok Pengaman dan Kuantitas Order
Berdasarkan Kedua Metode .................................................................50
5.5 Penggunaan Hasil Perhitungan Logika Kabur Untuk Masa
Mendatang .............................................................................................55

BAB VI KESIMPULAN DAN SARAN ...............................................................56

6.1 Kesimpulan ............................................................................................56
6.2 Saran ......................................................................................................56

DAFTAR PUSTAKA ............................................................................................57

LAMPIRAN ...........................................................................................................59

DAFTAR GAMBAR

Gambar 3.1 Model Economic Lot Size ....................................................................14

Gambar 3.2 Contoh Pemetaan Input-output.............................................................17
Gambar 3.3 Representasi Linear Naik ....................................................................18
Gambar 3.4 Representasi Linear Turun ..................................................................19
Gambar 3.5 Kurva Segitiga .. ...................................................................................19
Gambar 3.6 Kurva Trapesium .. ...............................................................................20
Gambar 3.7 Himpunan Fuzzy Dengan Kurva-S: Pertumbuhan .. ............................20
Gambar 3.8 Himpunan Fuzzy Dengan Kurva-S: Penyusutan .. ...............................21
Gambar 3.9 Karakteristik Fungsi Kurva-S ..............................................................21
Gambar 3.10 Karakteristik Fungsional Kurva PI .. ..................................................22
Gambar 3.11 Karakteristik Fungsional Kurva Beta .. ..............................................23
Gambar 3.12 Karakteristik Fungsional Kurva Gauss .. ...........................................23
Gambar 4.1 Flowchart Penelitian .. .........................................................................31
Gambar 4.2 Flowchart Pengolahan Data .. ..............................................................32

xii

DAFTAR TABEL

Tabel 4.1 Tabel MRP ............................................................................................34

Tabel 5.1 Hasil Perbandingan Order Cycle Model EOQ dan Kondisi Real .........36
Tabel 5.2 Hasil Simulasi Data Menggunakan Metode EOQ Ordering ................37
Tabel 5.3 Hasil Penghitungan Safety Stock dan Kuantitas Order Menggunakan
Integrasi Logika Kabur Berdasarkan Nilai Reorder Point dari Fuzzy
Optimalisasi Biaya ..................................................................................42
Tabel 5.4 Perbandingan Hasil Penghitungan Safety Stock dan Kuantitas Order
Menggunakan Integrasi Logika Kabur Berdasarkan Nilai Reorder point
dari Service level Perusahaan dan Berdasarkan Nilai Reorder point dari
Fuzzy Optimalisasi Biaya .......................................................................43
Tabel 5.5 Hasil Perhitungan Stok Pengaman dan Kuantitas Order Menggunakan
Integrasi Logika Kabur dengan Fungsi Keanggotaan Segitiga ...............44
Tabel 5.6 Hasil Stok Pengaman dan Kuantitas Order Menggunakan Integrasi
Logika Kabur Berdasarkan Nilai Reorder Point dari Service Level
Perusahaan ...............................................................................................46
Tabel 5.7 Hasil Perbandingan Jumlah Stok Pengaman dan Kuantitas Order dari
Kedua Metode..........................................................................................51

xiii

DAFTAR LAMPIRAN

Lampiran 1. Data Permintaan 100 Produk Susu .....................................................59

Lampiran 2. Contoh Penghitungan Kuantitas Order dan Safety Stock
Menggunakan Metode EOQ .. ..........................................................107
Lampiran 3. Hasil Perhitungan Kuantitas Order, Safety Stock, Biaya Simpan,
Biaya Pesan, dan Biaya Out-of-stock ................................................109
Lampiran 4. Penghitungan Biaya Pesan dan Biaya Simpan ..................................113
Lampiran 5. Penghitungan Kuantitas Order Optimal Menggunakan Integrasi
Logika Kabur ....................................................................................165
Lampiran 6. Penghitungan Safety Stock Menggunakan Integrasi Logika Kabur
Berdasarkan Nilai Reorder Point dari Service Level Perusahaan ......166
Lampiran 7. Penghitungan Safety Stock Menggunakan Integrasi Logika Kabur
Berdasarkan Nilai Reorder Point Dari Fuzzy Optimalisasi Biaya .. .168
Lampiran 8. Penghitungan Biaya Inventori Hasil Simulasi Berdasarkan Kuantitas
Order Optimal dan Safety Stock Menggunakan Integrasi Logika
Kabur Berdasarkan Nilai Reorder Point Dari Service Level
Perusahaan ........................................................................................169
Lampiran 9. Penghitungan Biaya Inventori Hasil Simulasi Berdasarkan Kuantitas
Order Optimal dan Safety Stock Menggunakan Integrasi Logika
Kabur Berdasarkan Nilai Reorder Point Dari Fuzzy Optimalisasi
Biaya .................................................................................................196
Lampiran 10. Penghitungan Biaya Inventori Hasil Simulasi Berdasarkan
Kuantitas Order Optimal dan Safety Stock Menggunakan Integrasi
Logika Kabur Dengan Fungsi Keanggotaan Segitiga .......................198
Lampiran 11. Simulasi Tabel MRP Untuk Metode EOQ ......................................199
Lampiran 12. Simulasi Tabel MRP Untuk Metode Integrasi Logika Kabur
Berdasarkan Nilai Reorder Point Dari Service Level Perusahaan ....280
Lampiran 13. Pola Data Permintaan ......................................................................361
Lampiran 14. Proses Identifikasi Masalah .............................................................363

xiv

DAFTAR NOTASI DAN SINGKATAN

= rata-rata permintaan per hari dalam unit

= biaya pesan sekali order

= biaya simpan per hari per unit

OS

= biaya out-of-stock per unit

= kuantitas order optimal

ROP

= reorder point

LT

= lead time

SS

= safety stock

= nomor standar deviasi

= standar deviasi permintaan per minggu

= fuzzy number yang merepresentasikan permintaan per hari

= fuzzy number yang merepresentasikan permintaan selama waktu

tunggu

SL

= service level

GR

= Gross Requirement = kebutuhan kotor

POH

= Projected On Hand = persediaan di gudang

NR

= Net requirement = kebutuhan bersih

SR

= Schedule Receipt
= jadwal penerimaan pesanan dari order yang dilakukan

sebelum

periode MRP
PORcp

= Plan Order Receipt

= rencana kedatangan order pada periode bersangkutan yang
besarnya ditentukan oleh banyaknya lot

PORls

= Plan Order Release

= rencana pembuatan pesanan suatu order dikaitkan dengan lead
time.

xv

INTISARI

Peningkatan jumlah corporate chain store di dalam cakupan wilayah lokal,

terutama di Daerah Istimewa Yogyakarta semakin berkembang. Budaya
konsumen yang semakin menyukai suasana berbelanja yang lebih nyaman
mendukung pertumbuhan corporate chain store di daerah tersebut. Namun
corporate chain store lokal harus bersaing dengan corporate chain store berskala
nasional bahkan internasional yang sudah menerapkan Supply Chain Management
(SCM) yang terstandardisasi baik. Sebaliknya, corporate chain store lokal belum
memiliki SCM yang terstandardisasi dengan baik sehingga terjadi masalah out-ofstock untuk beberapa barang yang memiliki permintaan tinggi di pasaran.
Penelitian ini bertujuan memberikan alternatif solusi secara kuantitatif
mengenai kuantitas order optimal dan jumlah stok pengaman yang dapat
meminimalkan total biaya inventori. Di dalam penelitian ini, metode klasik
Economic Order Quantity (EOQ) dan logika kabur digunakan. Metode logika
kabur yang digunakan adalah berdasarkan nilai reorder point dari service level
perusahaan. Produk yang digunakan dalam proses penghitungan adalah seratus
produk susu terlaris selama bulan Maret 2013 di sebuah local chain store.
Hasil penelitian menunjukkan bahwa dengan menggunakan dua metode
yang berbeda, kuantitas order dan jumlah stok pengaman yang dihasilkan berbeda.
Hal ini menyebabkan total biaya inventori berbeda. Dengan menggunakan metode
logika kabur berdasarkan nilai reorder point dari service level perusahaan, total
biaya inventori yang dihasilkan minimum dibanding dengan menggunakan
metode klasik EOQ.
Kata kunci: kuantitas order, stok pengaman, total biaya inventori, logika kabur,
chain store, EOQ

xvi

BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada era globalisasi, persaingan perdagangan bebas terjadi. Banyak
perusahaan berskala internasional masuk ke dalam negeri. Salah contohnya adalah
corporate chain store. Peningkatan jumlah corporate chain store

berskala

internasional di dalam negeri mulai bertambah. Corporate chain store berskala

internasional ini tidak hanya bertumbuh dan berkembang di kota-kota besar di
Indonesia, tetapi juga di kota-kota kecil seperti Daerah Istimewa Yogyakarta.
Tidak hanya corporate chain store berskala internasional saja, tetapi corporate
chain store berskala nasional dan lokal. Hal ini dipacu oleh budaya konsumen
yang semakin menyukai suasana berbelanja yang lebih nyaman. Dampak yang
ditimbulkan adalah corporate chain store baik berskala internasional, nasional,
maupun lokal harus bersaing di mana corporate chain store berskala internasional
dan nasional sudah menerapkan Supply Chain Management (SCM) yang
terstandardisasi baik. Sebaliknya, corporate chain store lokal belum memiliki
SCM yang terstandardisasi dengan baik sehingga terjadi masalah stock out untuk
beberapa barang yang memiliki permintaan tinggi, terutama di pasaran. Oleh
karena itu, penelitian ini memberikan alternatif solusi untuk menentukan jumlah
barang yang dipesan dan safety stock yang tepat untuk masing-masing jenis
barang dengan membandingkan metode berbasis logika kabur dan metode
penghitungan klasik Economic Order Quantity (EOQ).
Supply Chain Management (SCM) yang mengatur mengenai inventori
disebut manajemen inventori. Inventori selalu ada dalam sebuah rantai pasok.
Inventori dapat berupa bahan baku, work in process, dan barang jadi. Menurut
Womack and Jones (1996), inventori merupakan salah satu limbah dari tujuh
macam limbah yang harus sesegera mungkin dikurangi. Masalah yang sering
dihadapi oleh corporate chain store adalah inventori yang berlebih untuk barang-

barang yang memiliki tingkat penjualan yang rendah dan stock out untuk barangbarang yang laku di pasaran (Amer, 2009). Selain itu, biaya inventori memberikan
kontribusi sebesar 20%-40% per tahun (Ballou, 2004). Oleh karena itu, penting
untuk melakukan kebijakan pengendalian dengan baik agar memperoleh jumlah
safety stock yang tepat sehingga tidak terjadi stock out maupun inventori berlebih
serta biaya inventori menjadi minimal.
Manajemen inventori erat berkaitan mengenai penentuan kuantitas order
dan jumlah safety stock yang optimal. Kuantitas order biasa dipesan dalam ukuran
lot. Ukuran dalam lot ini merupakan upaya untuk memanfaatkan ecomics of scale
dan menurunkan biaya. Melalui economics of scale, biaya-biaya tetap yang
berkaitan dengan kegiatan pemesanan, transportasi, quantity discounts dalam
penentuan harga produk, dan short-term discounts atau promosi perdagangan
dalam tiap tingkat pada rantai pasok mendorong untuk melakukan economics of
scale seperti memesan dalam lot yang besar (Chopra dan Meindl, 2007). Dari
pernyataan tersebut, kuantitas order memang memegang peranan penting dalam
manajemen inventori sedangkan safety stock merupakan inventori tambahan yang
membantu perusahaan dalam mencegah terjadinya out-of-stock seperti yang
dikemukakan oleh Levin et al. (1992). Selain itu, reorder point atau titik di mana
dilakukan pemesanan kembali juga merupakan tujuan perusahan dalam
melakukan manajemen inventori (Levi, 2000).
Selama ini, metode Economic Order Quantity (EOQ) merupakan metode
konvensional yang biasa digunakan dalam menentukan kuantitas order yang
optimal dan jumlah safety stock. Asumsi yang digunakan dalam metode
konvensional tersebut adalah jumlah permintaan relatif konstan dan standar
deviasi permintaan selama waktu tunggu adalah konstan (Stevenson, 2004).
Kuantitas order, jumlah safety stock, dan reorder point menjadi salah satu variabel
input ke Material Requirement Planning (MRP). MRP merupakan teknik yang
digunakan untuk kegiatan pemesanan dan penjadwalan terhadap inventori yang
memperhatikan lead time dan informasi lainnya untuk menentukan kapan dan
berapa banyak jumlah yang dipesan (Stevenson, 2004). Dari pernyataanpernyataan di tersebut, metode EOQ memiliki kelemahan yaitu metode ini

dianggap belum dapat merepresentasikan kondisi sistem real dimana pada kondisi
real variabilitas jumlah permintaan pasti terjadi.
Mengingat metode EOQ tidak mempertimbangkan unsur ketidak pastian,
logika kabur memfasilitasi unsur tersebut. Lotfi A. Zadeh pada tahun 1965
mengembangkan teori logika kabur yang digunakan untuk menghitung variabel
yang mengandung unsur ketidakpastian. Proses defuzzifikasi dengan pendekatan
Graded Mean Integration merupakan salah satu metode yang dapat digunakan.
Oleh karena itu, penulis mencoba melakukan penghitungan kuantitas order dan
safety stock menggunakan metode EOQ dan logika kabur dengan pendekatan
Graded Mean Integration yang bertujuan untuk mencegah terjadinya out-of-stock
dan meminimalkan total biaya inventori.

1.2 Perumusan Masalah

Perumusan masalah pada penelitian ini adalah sebagai berikut:
1. Penentuan jumlah pesanan
a. Lokal chain store belum memiliki metode untuk menentukan jumlah
pesanan yang optimal.
b. Metode yang digunakan untuk menentukan jumlah pesanan pada lokal chain
store berdasarkan histori penjualan sehari sebelumnya.
2. Penentuan safety stock
a. Lokal chain store belum memiliki metode untuk menentukan jumlah safety
stock yang optimal.
b. Selama ini lokal chain store menentukan safety stock menggunakan metode
naive.
3. Fungsi biaya
a. Biaya simpan
b. Biaya pesan
c. Biaya out-of-stock
d. Biaya inventori

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah:
1. untuk menentukan kuantitas order yang optimal dan jumlah safety stock
menggunakan metode EOQ untuk masing-masing jenis barang yang memiliki
permintaan tinggi di retail store,
2. untuk menentukan kuantitas order yang optimal dan jumlah safety stock
menggunakan logika kabur dengan pendekatan Graded Mean Integration
untuk masing-masing jenis barang yang memiliki permintaan tinggi di retail
store,
3. untuk membandingkan hasil penghitungan kedua metode dengan indikator
jumlah out-of-stock dan total biaya inventorinya.

1.4 Asumsi dan Batasan Masalah

Asumsi yang digunakan di dalam penelitian ini adalah sebagai berikut.
1. jumlah permintaan selama lead time mengikuti distribusi normal,
2. k-preference bernilai 0,5 agar tidak menimbulkan kemiringan yang condong
ke kiri atau ke kanan,
3. bentuk fungsi keanggotaan logika kabur adalah trapesium,
4. produk susu yang diteliti sebanyak 100 produk yang disuplai dari gudang
pusat Pamella,
5. penelitian dilakukan hanya pada satu cabang Pamella Supermarket Swalayan,
yaitu Pamella 1.
Batasan masalah di dalam penelitian ini adalah sebagai berikut.
1. permintaan produk selama lead time bersifat tidak pasti,
2. service level merupakan kebijakan dari perusahaan di mana masuk ke dalam
penghitungan,
3. metode logika kabur yang digunakan merupakan proses defuzzifikasi
menggunakan graded mean integration,
4. Lead time untuk 100 produk susu adalah 2 hari.

1.5 Kegunaan Penelitian

Penelitian ini diharapkan mampu memberikan kontribusi kepustakaan di
bidang teknik industri, khususnya di bidang pengendalian persediaan. Selain itu,
penelitian ini diharapkan mampu menjadi sumber referensi untuk pengembangan
penelitian selanjutnya yang memiliki topik yang sama dengan penelitian ini.

BAB II
TINJAUAN PUSTAKA

Semua barang dan material yang digunakan dalam proses produksi dan
distribusi termasuk dalam inventori. Material mentah, komponen, subassembly,
dan produk jadi merupakan bagian dari inventori. Barang-barang inventori
tersebut menimbulkan biaya inventori, seperti ruang untuk penyimpanan,
terkadang juga rusak, hilang, dicuri atau usang, menimbulkan pajak, dan
membutuhkan asuransi. Oleh karena itu, manajemen inventori dibutuhkan untuk
dapat mengendalikan inventori dengan baik, baik dalam mengatasi jumlah
inventori yang ada di gudang agar tidak terjadi out-of-stock maupun
meminimalkan total biaya inventori. Melalui penentuan kuantitas order yang
optimal dari masing-masing barang dan reorder point barang tersebut merupakan
upaya untuk mengontrol inventori. Material Requirement Planning (MRP)
membantu dalam perencanaan material. MRP dapat digunakan untuk kegiatan
pemesanan dan penjadwalan terhadap inventori yang memperhatikan lead time
dan informasi lainnya untuk menentukan kapan dan berapa banyak jumlah yang
dipesan (Stevenson, 2004).
Selain menentukan kuantitas order optimal dan reorder point, safety stock
juga berperan dalam manajemen inventori. Safety stock berperan untuk mencegah
terjadinya out-of-stock. Safety stock juga disebut inventori ekstra yang dijaga
sebagai pencegah kemungkinan terjadinya out-of-stock (Levin, et al., 1992).
Beberapa penelitian telah mengemukakan penelitiannya dalam rangka
mencegah terjadinya out-of-stock sekaligus meminimalkan total biaya inventori.
Firdaus (2007) melakukan penghitungan kuantitas order menggunakan model
EOQ dan safety stock menggunakan EOQ Ordering. Penelitian tersebut
merupakan studi kasus pada PT. Muliaglass yang berlokasi di Cikarang, Bekasi.
Di dalam penelitiannya, kuantitas order dan safety stock berhasil ditemukan. Akan
tetapi, hasil penghitungan untuk kuantitas order dan safety stock untuk masing-

masing barang tidak dilakukan validasi. Jadi, tidak diketahui berapa jumlah outof-stock dan total biaya inventori yang dihasilkan dari hasil penghitungan tersebut.
Pradipta (2007) melakukan penelitian serupa dengan Firdaus (2007). Penelitian
tersebut mencoba memperbaiki sistem persediaan di PT. Kosoema Nanda Putra
menggunakan metode Economic Order Quantity (EOQ) untuk menentukan
kuantitas order dan safety stock bahan baku kain, yaitu cotton dan rayon. Penulis
mencoba menentukan kuantitas order dan safety stock untuk tahun depan dimana
sebelumnya penulis meramalkan jumlah kebutuhan bahan baku cotton dan rayon
dengan menggunakan metode peramalan trend linear dan dekomposisi. Hasil
peramalan tersebut divalidasi menggunakan cross-validation. Namun hasil
penghitungannya tidak dilakukan validasi sehingga kemungkinan tingkat
keakuratannya rendah.
Lestari (2009) menentukan kuantitas order optimal dan jumlah safety stock
dengan menggunakan logika kabur. Penelitian tersebut merupakan pengembangan
dari

penelitian

Firdaus

(2007).

Penelitian

ini

mensimulasikan

hasil

penghitungannya menggunakan tabel MRP.

Lesmono (2009) melakukan pengembangan penelitian dari Firdaus (2007)
dan Lestari (2009), yaitu menghitung kuantitas order dan safety stock
menggunakan algoritma genetika berdasarkan model inventori berbasis logika
kabur. Alat yang digunakan dalam penelitian tersebut adalah Matlab R2009a.
Hasil penghitungan dengan menggunakan algoritma genetika tersebut kemudian
dibandingkan dengan hasil penghitungan menggunakan metode EOQ.
Jazuli (2010) menghitung kuantitas order yang optimal dan safety stock
menggunakan metode pengendalian P. Penelitian ini juga tidak dilakukan validasi
hasil penghitungannya. Penelitian tersebut juga membuat perancangan sistem
pendukung keputusn menggunakan Microsoft Visual Foxpro.
Yanuar (2008) mencoba membandingkan hasil penghitungan safety stock
menggunakan pendekatan parametrik dan non-parametrik. Di akhir penelitian
tersebut, pendekatan parametrik lebih akurat dalam mencegah terjadinya out-ofstock.

Siregar (2006) melakukan penelitian di PT. Braja Mukti Cakra (BMC),

perusahaan part mobil Mitsubishi. Part-part yang diproduksi oleh PT. BMC
dihitung kuantitas order optimalnya menggunakan model EOQ dan logika kabur
sehingga diharapkan dapat meminimalkan total biaya inventorinya. Di dalam
penelitian ini, safety stock tidak dihitung. Perbandingan hasil penghitungan dari
kedua metode dilihat dari error yang dihasilkan yakni dengan uji-t. Penalaran
fuzzy menggunakan metode Mamdani dengan metode centroid untuk defuzzifikasi
di mana pengolahan data menggunakan bantuan software Matlab.

BAB III
LANDASAN TEORI

3. 1 Manajemen Inventori
Menurut Stevenson (2004), inventori adalah suatu persediaan barang.
Setiap perusahaan memiliki inventori dengan jumlah ratusan bahkan ribuan.
Barang-barang yang dijadikan inventori berkorelasi dengan jenis bisnis yang
dijalankan oleh perusahaan terkait. Seperti pernyataan Chopra dan Meindl (2007),
inventori ada disebabkan oleh suplai dan permintaan tidak sebanding. Namun
inventori ini berguna untuk mengantisipasi permintaan di masa depan, seperti
toko-toko retail melakukan hal tersebut.
Perusahaan memiliki satu atau lebih dari tiga jenis inventori berikut ini
[Horngren, et al., 2008]:
1. Persediaan bahan langsung (direct materials inventory)
Persediaan bahan langsung adalah persediaan yang akan digunakan dalam
proses manufaktur (misalnya, chip komputer dan komponen yang dibutuhkan
untuk memproduksi telepon selular).
2. Persediaan barang dalam proses (work in process inventory)
Persediaan barang dalam proses adalah barang-barang yang baru sebagian
dikerjakan tetapi belum sepenuhnya selesai (seperti telepon selular pada berbagai
tahap proses penyelesaian produksi). Persediaan jenis ini juga disebut persediaan
sedang dikerjakan (work in progress).
3. Persediaan barang jadi (finished goods inventory)
Persediaan barang jadi adalah barang (seperti telepon selular) yang
sepenuhnya telah selesai diproduksi tetapi belum terjual.

10

3.1.1

Fungsi Inventori
Stevenson (2004) menyatakan bahwa inventori memiliki fungsi sebagai

berikut:
1. Untuk memenuhi permintaan pelanggan.
Permintaan pelanggan seringkali tidak pasti. Oleh karena itu, inventori
diadakan sebagai antisipasi dari permintaan pelanggan yang kerap kali tidak pasti.
Inventori digunakan untuk mecapai kepuasan pelanggan.
2. Untuk memperlancar kebutuhan produksi
Perusahaan yang memiliki pola permintaan bersifat seasonal seringkali
membangun inventori selama periode off-season untuk permintaan yang tinggi di
periode-periode musiman tertentu.
3. Untuk memisahkan komponen dari sistem produksi-distribusi
Berdasarkan histori, perusahaan manufaktur menggunakan inventori
sebagai buffer antara operasi yang berturut-turut untuk menjaga keberlanjutan
proses produksi yang kemungkinan dapat mengalami gangguan seperti
permasalahan mesin yang rusak, dan kecelakaan yang menyebabkan proses
operasi berhenti sementara. Buffer dari raw material digunakan untuk mengisolasi
gangguan pada proses produksi dalam hal pengiriman dari supplier. Selain itu,
buffer dari barang jadi untuk menyangga operasi penjualan dari gangguan proses
manufaktur. Sekarang ini perusahaan melihat hal-hal terkait inventori penyangga
dengan detil dari biaya dan ruang yang dibutuhkannya hingga menyadari bahwa
menemukan dan mengeliminasi sumber-sumber gangguan dapat mengurangi
kebutuhan untuk pemisahan operasi.
4. Untuk mencegah stockout
Penundaan pengiriman dan permintaan yang tiba-tiba meningkat yang
tidak sesuai harapan berakibat meningkatkan resiko terjadi shortage. Penundaan
pengiriman terjadi karena kondisi cuaca, supplier yang mengalami stockout,
kesalahan pengiriman, permasalahan kualitas, dan lain-lain. Akibat dari shortage
adalah berkurangnya holding safety stock.

11

5. Untuk mengambil keuntungan dari order cycle

Sistem inventori memungkinkan perusahaan untuk membeli atau
memproduksi dalam economic lot sizes tanpa harus menyesuaikan dengan
kebutuhan permintaan dalam jangka pendek. Ini menghasilkan periodic order atau
order cycle. Order cycle tidak selalu berdasar pada economic lot sizes, tetapi
berdasar pada interval periode yang tetap. Untuk economic lot size, biasanya lotlot ini diproduksi dalam jumlah besar daripada kecil yang nantinya kelebihannya
disimpan untuk penggunaan di kemudian hari.
6. Untuk menghindari kenaikan harga
Melalui sistem inventori yang artinya perusahaan melakukan stok ekstra
yang melebihi permintaan jangka pendek, perusahaan mendapatkan harga diskon
terhadap harga beli produk yang menjadi inventorinya dari supplier. Hal ini
dilakukan karena perusahaan menganggap bahwa sewaktu-waktu dapat terjadi
kenaikan harga subtansial produk dari supplier. Oleh karena itu, perusahaan
membeli dalam jumlah besar karena supplier akan memberikan potongan harga
terhadap pembelian produk dalam jumlah besar.
7. Untuk mengizinkan operasi
Fakta bahwa proses operasi produksi membutuhkan waktu yang tidak
singkat mengartikan bahwa beberapa persediaan akan suatu barang atau sejumlah
barang harus ada. Melalui persediaan atau inventori tersebut, proses operasi
produksi dapat berjalan tanpa harus terburu-buru.

3.1.2

Persyaratan untuk Manajemen Inventori yang Efektif

Di dalam manajemen inventori, ada dua cara untuk mengelola inventori.

Pertama, membangun sistem untuk melacak suatu item dalam inventori. Kedua,
membuat keputusan mengenai berapa banyak dan kapan harus memesan suatu
item.
Agar manajemen inventori berjalan secara efektif, maka berikut ini
merupakan beberapa persyaratannya (Stevenson, 2004):

12

1. sebuah sistem untuk melacak inventori on hand dan on order,

2. sebuah peramalan permintaan yang meliputi indikasi error dari peramalan
tersebut,
3. pemahaman mengenai lead time dan variabilitas lead time,
4. estimasi yang layak untuk biaya simpan inventori, biaya pesan, dan biaya outof-stock,
5. sebuah klasifikasi sistem untuk barang-barang inventori.

3.1.3

Biaya-biaya yang Timbul terkait Inventori

Menurut Stevenson (2004), ada tiga biaya dasar yang berhubungan dengan

inventori, yaitu:
1. Biaya simpan
Biaya simpan adalah biaya untuk menyimpan item dalam persediaan untuk
jangka waktu tertentu, biasanya tahunan. Biaya simpan meliputi bunga, asuransi,
pajak, biaya perawatan, obsolescence cost, shrinkage cost, dan biaya gudang
(panas, lampu, sewa, dan petugas keamanan). Obsolescence cost merupakan biaya
yang berhubungan dengan produk cacat yang memiliki umur produk pendek,
seperti perishable product

dan obat-obatan; shrinkage cost merupakan biaya

kerusakan dan pencurian (Davis dan Heineke, 2005).

2. Biaya pesan
Biaya pesan adalah biaya untuk memesan dan menerima inventori. Biaya
pesan meliputi berapa jumlah item yang dibutuhkan, menyiapkan faktur, biaya
pengiriman, proses inspeksi barang yang datang untuk kualitas dan kuantitasnya,
dan pergerakan barang ke tempat penyimpanan. Biaya pesan pada umumnya
memiliki biaya yang tetap per order tanpa memperhatikan ukuran pesanan.
3. Shortage cost
Shortage cost atau out-of-stock cost adalah biaya yang dihasilkan ketika
permintaan aktual melebihi pasokan persediaan di tangan. Menurut Ballou (2004)
biaya out-of-stock dibagi menjadi dua yakni biaya loss of sales dan backordering.
Pembagian tersebut berdasarkan perilaku pelanggan. Biaya loss of sales

13

merupakan biaya yang terjadi ketika pelanggan memilih untuk meninggalkan

produk tersebut saat produk tersebut out-of-stock dan beralih ke kompetitor
lainnya. Salah satu contoh untuk barang seperti ini adalah roti, bensin, dan
minuman bersoda. Biaya loss of sales dapat berupa dari profit atas penjualan
barang tersebut. Biaya loss of sales ini termasuk dalam opportunity cost
(Stevenson, 2004). Sedangkan biaya backordering merupakan biaya ketika
pelanggan mau menunggu barang tersebut sampai barang tersebut datang. Jadi
perusahaan tidak kehilangan penjualan atas barang tersebut namun hanya bersifat
penundaan sehingga perusahaan tersebut harus melakukan pemesanan kembali
atas barang tersebut. Salah satu contoh untuk barang tersebut adalah mobil.

3. 2 Model Basic Economic Order Quantity (EOQ)

Setiap kegiatan pembelian suatu barang dalam setiap periode, terdapat
elemen-elemen biaya tertentu yang harus dipertimbangkan sehingga tujuan untuk
dari perencanaan persediaan untuk meminimasi elemen-elemen biaya tersebut
dapat tercapai. Tujuan tersebut dibagi menjadi dua kriteria, yaitu berdasarkan
jumlah dan periode. Kriteria berdasarkan jumlah disebut Economic Order
Quantity (EOQ) dan kriteria berdasarkan periode disebut Period Order Quantity
(POQ). Jika dalam EOQ, jumlah barang yang dipesan selalu tetap. Sedangkan
POQ, periode untuk setiap kali melakukan pesanan selalu tetap.
Model basic EOQ ini merupakan model yang paling sederhana. Model ini
digunakan untuk mengidentifikasi jumlah pesanan. Harga beli dari setiap unit
barang tidak termasuk dalam perhitungan total biaya persediaan karena biaya
satuan tidak dipengaruhi oleh jumlah pesanan kecuali diskon kuantitas adalah
faktor (Stevenson, 2004).
Davis dan Heineke (2005) beranggapan asumsi-asumsi yang digunakan
dalam model basic EOQ adalah sebagai berikut:
1. permintaan dari suatu produk diketahui sepanjang periode tertentu,
2. waktu tunggu diketahui dan konstan,
3. harga per unit produk konstan (tidak diskon kuantitas),

14

4. biaya pesanan atau setup konstan,

5. seluruh permintaan dari produk diketahui secara pasti,
6. tidak ada interaksi dengan produk-produk yang lain.
Parameter-parameter yang dipakai dalam model EOQ adalah:
D = permintaan dalam unit per periode.
S = biaya pesan setiap kali order (bukan per unit, biaya ini berkaitan dengan
proses pemesanan, pengiriman, dan pengangkutan).
H = biaya simpan per unit per periode.
Q0 = jumlah pesanan optimal.
Berikut merupakan persamaan model EOQ klasik:
0 =

(3.1)

Berikut merupakan fungsi biaya total dari model EOQ klasik:

Total biaya = biaya simpan + biaya pesan
=

(3.2)

Gambar 3.1 Model Economic Lot Size (Levi, et al., 2000)

Berikut merupakan persamaan matematis untuk menghitung order cycle:
=

(3.3)

15

3. 3 Reorder point (ROP)

Pada kasus nyata barang yang dipesan segera tersedia jarang terpenuhi.
Hal ini disebabkan penyediaan atau pemesanan barang memerlukan tenggang
waktu (lead time). Ketika pemesanan kembali dilakukan hingga barang yang
dipesan tersedia disebut titik pemesanan kembali (Reorder Point) (Aminudin,
2005).
Model EOQ bukan hanya digunakan untuk menentukan jumlah pesanan,
tetapi untuk menentukan kapan waktu dilakukan pesanan. Metode EOQ Ordering
merupakan cara untuk menentukan kapan waktu dilakukan pesanan atau disebut
reorder point (ROP) (Stevenson, 2004). Persamaan model EOQ untuk
perhitungan ROP dan SS dibagi menjadi empat yaitu ketika permintaan dan lead
time konstan, permintaan bervariasi dan lead time konstan, lead time bervariasi
dan permintaan konstan, serta permintaan dan lead time bervariasi (Stevenson,
2004). Persamaan yang digunakan dalam penelitian ini menggunakan persamaan
ketika permintaan bervariasi dan lead time konstan.
Berikut merupakan faktor penentu pada ROP (Stevenson, 2004):
1. Laju permintaan.
2. Waktu tunggu.
3. Variabilitas tingkat permintaan dan/atau waktu tunggu.
4. Tingkat resiko stockout yang dapat diterima.
Persaman ROP:
= +

(3.4)

Oleh karena = maka,

= +
Persamaan ROP di atas digunakan untuk permintaan yang bervariasi.
Keterangan:
LT = lead time.
= rata-rata permintaan per hari atau minggu.
= standar deviasi permintaan per hari atau minggu.
z = nomor standar deviasi.

(3.5)

16

Nilai z bergantung pada resiko terjadi stockout dimana manajer bersedia

menerima.

3. 4 Safety stock (SS)

Safety stock (SS) didefinisikan sebagai selisih antara titik pesan kembali
dan perkiraan permintaan selama waktu tenggang. Safety stock juga dapat
didefinisikan sebagai inventori ekstra yang dijaga untuk mecegah kemungkinan
terjadinya stockout (Levin, et al, 1992).
Melalui penambahan safety stock ke dalam persediaan, biaya simpan akan
meningkat dan biaya out-of-stock akan menurun. Selain dengan cara penambahan
safety stock, penambahan kuantitas order dapat membantu mencegah terjadinya
out-of-stock. Ketika kuantitas order meningkat (semakin banyak unit yang dipesan
dalam lot), frekuensi pemesanan akan berkurang; sehingga kemungkinan kecil
terjadi penipisan stok dan kemungkinan perusahaan mengalami out-of-stock juga
kecil. Begitupula sebaliknya (Levin, et al., 1992).
ROP = Permintaan yang diharapkan selama lead time + Safety stock
Safety stock = ROP - Permintaan yang diharapkan selama lead time
=

(3.6)

=
Namun, perlu diingat, ketika level inventori meningkat, biaya simpan akan
meningkat sehingga biaya persediaan meningkat. Oleh karena itu, perusahaan
harus memiliki level inventori yang tepat agar tidak out-of-stock dan
meminimalkan biaya persediaan (Hsieh, 2003).

3. 5 Material Requirement Planning (MRP)

Material Requirement Planning (MRP) merupakan sebuah sistem untuk
mengatur pemesananan dan penjadwalan yang bertujuan mengontrol inventori
(Stevenson, 2004). Di dalam MRP terdapat jumlah produk yang akan dipesan,
lead time, kapan produk tersebut dipesan, kapan produk tersebut sampai, dan

17

jumlah produk yang ada di gudang. MRP digunakan untuk menghitung jumlah
kebutuhan material, tanggal dibutuhkan, dan jadwal pelaksanaan produksi yang
bertujuan memprediksi kebutuhan akan sumber daya yang diperlukan (Fogarty,
1991).

3. 6 Pengertian Logika Kabur

Logika kabur adalah suatu cara yang tepat untuk memetakan suatu ruang
input ke dalam suatu ruang output (Widodo dan Handayanto, 2012).
Ruang Output
(semua jumlah produksi
barang yang mungkin)

Ruang Input
(semua total persediaan
barang yang mungkin)

KOTAK
HITAM

Persediaan barang akhir

minggu

Produksi barang esok hari

Pemetaan input-output pada masalah produksi

Diberikan data persediaan barang, berapa jumlah barang yang harus diproduksi?

Gambar 3.2 Contoh Pemetaan Input-output (Widodo dan Handayanto,

2012)
Kotak hitam berguna untuk memetakan input dan output. Beberapa cara
yang mampu bekerja pada kotak hitam tersebut, antara lain (Widodo dan
Handayanto, 2012):
1. sistem fuzzy,
2. sistem linear,
3. sistem pakar,
4. jaringan syaraf,
5. persamaan differensial,
6. tabel interpolasi multi-dimensi,
7. dll.
Kelebihan dari teori logika kabur adalah kemampuan dalam proses
penalaran secara bahasa (linguistic reasoning), sehingga dalam perancangannya
tidak memerlukan persamaan matematika dari objek yang dikehendaki
(Kusumadewi, 2003).

18

3. 7 Fungsi Keanggotaan
Di dalam logika kabur terdapat fungsi keanggotaan (membership function)
yang berarti suatu kurva yang menunjukkan pemetaan titik-titik input data ke
dalam nilai keanggotaannya yang memiliki interval 0 sampai dengan 1. Salah satu
cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah melalui
pendekatan fungsi. Beberapa fungsi tersebut yang dapat digunakan adalah:
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan berupa suatu garis lurus. Bentuk ini merupakan bentuk yang paling
sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang
kurang jelas.
Terdapat dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan
himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol
bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan
yang lebih tinggi. Berikut merupakan Gambar 3.3 yang menggambarkan kurva
representasi liner naik.

Gambar 3.3 Representasi Linear Naik (Kusumadewi, 2013)

Fungsi keanggotaan:
0;

;
=

1;

(3.7)

Kedua merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai
domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke nilai domain yang memiliki derajat keanggotaan yang rendah. Berikut
merupakan Gambar 3.4 yang menggambarkan kurva representasi liner turun.

19

Gambar 3.4 Representasi Linear Turun (Kusumadewi, 2013)

Fungsi keanggotaan:

= ;
0;

(3.8)

b. Representasi Kurva Segitiga

Kurva segitiga merupakan gabungan antara dua garis linear seperti yang
terlihat pada Gambar 3.5.

Gambar 3.5 Kurva Segitiga (Kusumadewi, 2013)

Fungsi keanggotaan:
0; atau

;
=

(3.9)

c. Representasi Kurva Trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1. Berikut Gambar 3.6 yaitu kurva
trapesium.

20

Gambar 3.6 Kurva Trapesium (Kusumadewi, 2013)

Fungsi keanggotaan:
0;

=
1;

(3.10)

d. Representasi Kurva-S
Kurva pertumbuhan dan penyusutan merupakan kurva S atau sigmoid yang
berhubungan dengan kenaikan dan penurunan permukaan secara tak linear.
Kurva-S untuk pertumbuhan akan bergerak dari sisi paling kiri (nilai keanggotaan
= 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya akan
tertumpu pada 50% nilai keanggotaannya yang sering disebut dengan titik
infleksi.

Gambar 3.7 Himpunan fuzzy dengan Kurva-S: Pertumbuhan

Kurva-S untuk penyusutan akan bergerak dari kanan (nilai keanggotaan =
1) ke kiri (nilai keanggotaan = 0).

21

Gambar 3.8 Himpunan Fuzzy dengan Kurva-S: Penyusutan

Kurva S- didefinisikan dengan menggunakan tiga parameter, yaitu: nilai
keanggotaan nol (), nilai keanggotaan lengkap (), dan titik infleksi atau
crossover () yaitu titik yang memiliki domain 50% benar. Gambar 3.9
menunjukkan karakteristik kurva-S dalam bentuk skema.

Gambar 3.9 Karakteristik Fungsi Kurva-S (Kusumadewi, 2013)

Fungsi keanggotaan kurva pertumbuhan adalah:
0;
x 2
2
; x

S x; , , =
x 2
1 2(
) ; x

1;

(3.11)

22

Sedangkan fungsi keanggotaan pada kurva penyusutan adalah:

1;
x 2
12
; x

S x; , , =
x 2
2(
) ; x

0;

(3.12)

e. Representasi Kurva Bentuk Lonceng (Bell Curve)

Kurva berbentuk lonceng ini terbagi atas tiga kelas, yaitu himpunan fuzzy
PI, beta, dan Gauss. Perbedaan ketiga kurva ini terletak pada gradiennya.
i. Kurva PI
Kurva PI berbentuk lonceng dengan derajat keanggotaan 1 terletak pada
pusat domain () dan lebar kurva () seperti terlihat pada Gambar 3.10. Nilai
kurva untuk suatu nilai domain x diberikan sebagai berikut:

Gambar 3.10 Karakteristik Fungsional Kurva PI (Kusumadewi, 2013)

Fungsi keanggotaan:
(; ,
, , =
1 (; , +

,
2

(3.13)

, + >
2

ii. Kurva Beta

Kurva Beta juga berbentuk lonceng namun lebih rapat. Kurva ini
didefinisikan dengan dua parameter, yaitu nilai pada domain yang menunjukkan
pusat kurva () dan setengah lebar kurva ().

23

Gambar 3.11 Karakteristik Fungsional Kurva Beta (Kusumadewi, 2013)

Fungsi keanggotaan:
; , =

1
2
1+( )

(3.14)

Salah satu perbedaan mencolok kurva Beta dengan kurva PI adalah fungsi
keanggotaannya akan mendekati nol hanya jika nilai sangat besar.
iii. Kurva Gauss
Jika kurva PI dan kurva Beta menggunakan dua parameter yaitu dan ,
kurva Gauss menggunakan untuk menunjukkan nilai domain pada pusat kurva
dan k yang menunjukkan lebar kurva.

Gambar 3.12 Karakteristik fungsional Kurva Gauss (Kusumadewi,

2013)

24

Fungsi keanggotaan:
; , = ()

(3.15)

3. 8 Fungsi Implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan
berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan
dalam fungsi implikasi adalah:
IF x is A THEN y is B
dengan x dan y adalah skalar serta A dan B adalah himpunan fuzzy. Proposisi
yang mengikuti IF disebut sebagai antesenden, sedangkan proposisi yang
mengikuti THEN disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan
menggunakan operator fuzzy, seperti:
IF (x1 is A1) (x2 is A2) (x3 is A3) ...... (xn is An) THEN y is B
dengan adalah operator (misal; OR atau AND).
Secara umum ada dua fungsi implikasi yang dapat digunakan yaitu:
a. Min (minimum)
Fungsi ini akan memotong output himpunan fuzzy.
b. Dot (product)
Fungsi ini akan membuat skala output himpunan fuzzy.

3. 9 Sistem Inferensi Fuzzy

Sistem inferensi fuzzy adalah proses di mana dalam membuat formulasinya
memetakan input terhadap output menggunakan logika kabur. Berikut merupakan
metode-metode sistem inferensi fuzzy.
a. Metode Tsukamoto
Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IFTHEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Hasilnya berupa output hasil inferensi dari tiap-tiap

25

aturan yang diberikan secara tegas (crisp) berdasarkan -predikat (fire strength).
Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
b. Metode Mamdani
Metode Mamdani disebut juga metode Max-Min. Metode ini dibuat oleh
Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan
empat tahapan:
1) Pembentukan himpunan fuzzy
Pada metode Mamdani baik variabel input maupun output dibagi menjadi
satu atau lebih himpunan fuzzy.
2) Aplikasi fungsi implikasi
Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3) Komposisi aturan
Apabila sistem terdiri atas beberapa aturan, inferensi diperoleh dari
kumpulan dan korelasi antar aturan. Ada tiga metode yang digunakan dalam
melakukan inferensi sistem fuzzy, yaitu: max, additive, dan probabilistik OR
(probor).
a) Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil
nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah
fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR
(union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu
himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi. Secara
umum dapat dituliskan:
sf[xi] max (sf[xi], kf[xi])
dimana,
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
b) Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
sf[xi] min (1, sf[xi] + kf[xi])

26

dimana,
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
c) Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
product terhadap semua output daerah fuzzy. Secara umum ditulis:
sf[xi] (sf[xi] + kf[xi]) (sf[xi] * kf[xi])
dimana,
sf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
4) Penegasan (defuzzy)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturan-aturan fuzzy. Output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan
fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu
sebagai output.
Berikut merupakan beberapa metode defuzzifikasi pada komposisi aturan
Mamdani:
a. Metode Centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat
(z*) daerah fuzzy.
b. Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada
domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai
keanggotaan pada daerah fuzzy.
c. Metode Mean of Maximum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai ratarata domain yang memiliki nilai keanggotaaan maksimum.
d. Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
terbesar dari domain yang memiliki nilai keanggotaan maksimum.

27

e. Metode Smallest of Maximum (SOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
terkecil dari domain yang memiliki nilai keanggotaan maksimum.

3. 10 Graded Mean Integration

Graded Mean Integration merupakan salah satu cara ata metode dalam
proses defuzzifikasi dalam logika kabur. Graded Mean Integration dikenalkan
pertama kali oleh Chen dan Hsieh. Proses defuzzifikasi dengan menggunakan
Graded Mean Integration tidak hanya dapat menggeneralisasi fuzzy number,
tetapi juga tidak mengubah representasi hasil setelah penambahan atau
pengurangan jumlah fuzzy number (Chen dan Hsieh, 2000). Metode ini selain
digunakan untuk proses defuzzifikasi juga digunakan untuk pengukuran rangking,
jarak, dan penyamarataan nilai fuzzy number menggunakan left shape functionright function type membership function (L-R type function) (Wang dan Chen,
2002). Jika L-1 dan R-1 adalah fungsi invers dari fungsi L dan R, dan graded mean
pada h-level dari sebuah fuzzy number A = (a,b,c,d) adalah
h[L-1(h) + R-1(h)]/2

(3.16)

Maka Graded Mean Integration pada h level dari persamaan 3.16 adalah
trapesium (Chen dkk, 2006)
=

1 + 1 ()
2

(3.17)

dimana h di antara 0 dan w, 0<w1

Jika Graded Mean Integration didasarkan pada k-preference, maka
persamaan 3.17 dapat ditulis dalam persamaan 3.18 (Wang dan Chen, 2002).
=

(3.18)

Untuk memperoleh solusi yang optimal maka dapat digunakan k = 0.5 (Hsieh,
2004).

28

3. 11 Functional Principle
Operasi matematika di dalam logika kabur dengan bentuk trapesium dapat
menggunakan functional principle dan extension principle. Namun penggunaan
extension principle memiliki kelemahan, yaitu tidak bisa digunakan untuk
melakukan perkalian di antara empat buah trapezoidal fuzzy dan hasil representasi
dari fuzzy number akan berbeda dengan bentuk representasi fuzzy number pada
inputnya. Kelemahan ini dapat ditutupi dengan penggunaan principle function.
Principle function pertama kali dikenalkan oleh Chen untuk melakukan operasi
aritmatika pada representasi fuzzy number yang berbentuk trapesium (Chen, et al.,
2006).
Principle Function (Hsieh, 2004):
Jika terdapat dua buah trapezoidal function, = (a1,a2,a3,a4) dan = (b1,b2,b3,b4)
maka:
1. Penambahan dan adalah
= 1 + 1 , 2 + 2 , 3 + 3 , 4 + 4 ,

(3.19)

Di mana a1, a2, a3, a4, b1, b2, b3, dan b4 adalah nilai pasti.
2. Perkalian dan adalah
= 1 , 2 , 3 , 4 ,

(3.20)

Dimana T={a1b1, a1b4, a4b1, a4b4}, T1 = {a2b2, a2b3, a3b2, a3b3}, c1 = min T, c2 =
min T1, c3 = max T1, c4 = max T.
Jika a1, a2, a3, a4, b1, b2, b3, dan b4 adalah bernilai positif bukan nol, maka
= 1 1 , 2 2 , 3 3 , 4 4 ,

(3.21)

Dimana adalah fuzzy number trapezoidal.

3. = 4 , 3 , 2 , 1 , kemudian subtraksi dari dan adalah
= 1 4 , 2 3 , 3 2 , 4 1

(3.22)

Dimana a1, a2, a3, a4, b1, b2, b3, dan b4 adalah nilai pasti.
4.

1 = 1 = 1 4 , 1 3 , 1 2 , 1 1 dimana b1, b2, b3, dan b4 bernilai

positif.
Jika a1, a2, a3, a4, b1, b2, b3, dan b4 adalah bilangan positif bukan nol, maka
pembagian terhadap

29

= 1 4 , 2 3 , 3 2 , 4 1 .

(3.23)

5. Jika R, maka
() 0, = 1 , 2 , 3 , 4
() < 0, = 4 , 3 , 2 , 1

(3.24)

BAB IV
METODE PENELITIAN

4.1 Waktu dan Lokasi Penelitian

Penelitian dilakukan di Pamela 1 Swalayan Supermarket yang beralamat di
Jalan Kusumanegara Yogyakarta. Penelitian dilakukan selama bulan April sampai
Juni 2013. Data penelitian yang digunakan dalam penelitian ini adalah data
penjualan produk susu yang dijual oleh Pamela 1 Swalayan Supermarket dari
bulan Januari 2012 sampai dengan bulan Maret 2013. Produk susu yang diteliti
berjumlah seratus produk dimana dipilih dari seratus produk susu terlaris selama
bulan Maret 2013 dan khusus untuk produk susu yang disuplai dari gudang pusat
distribusi Pamela Swalayan Supermarket ke Pamela 1 Swalayan Supermarket.

4.2 Data yang Dibutuhkan

Data yang dibutuhkan untuk melakukan penelitian ini adalah sebagai
berikut:
1. data permintaan,
2. data biaya pesan,
3. data biaya simpan,
4. data waktu tunggu, dan
5. sistem pengelolaan dan kebijakan persediaan di perusahaan.

4.3 Metode Pengumpulan Data

Terdapat dua metode yang digunakan dalam mengumpulkan data yang
dibutuhkan yaitu sebagai berikut.
1. Metode memperoleh data primer
Data primer diperoleh dengan melakukan observasi langsung di Pamela 1
Swalayan Supermarket yaitu dengan melakukan wawancara dengan kepala
cabang maupun karyawan-karyawan Pamela 1 Swalayan Supermarket.

30

31

2. Metode memperoleh data sekunder

Data sekunder diperoleh dengan melakukan studi literatur yang berkaitan
dengan penelitian. Literatur tersebut berupa buku-buku referensi, karya ilmiah,
dan informasi yang didapat dari internet, seperti jurnal.

4.4 Alur Penelitian

Penelitian ini dilakukan secara terstruktur mengikuti flowchart yang
ditunjukkan pada Gambar 4.1.
Mulai

Identifikasi
Masalah

Perumusan Masalah

Penetapan Tujuan

Pengumpulan Data

Hasil dan Pembahasan

Kesimpulan

Selesai

Gambar 4.1. Flowchart Penelitian

4.5 Metode Pengolahan Data

Di dalam penelitian ini, pengolahan data dilakukan dengan menggunakan
optimization fuzzy inventory model for fuzzy demand and fuzzy lead time yang
dikembangkan oleh Hsieh (2004). Model ini menggunakan persamaan matematik
yang merupakan functional principle untuk menghitung kuantitas order dan safety

32

stock. Gambar 4.2 berikut menunjukkan flowchart pengolahan data di dalam

penelitian ini.
Mulai

Merumuskan
Masalah

Menetapkan Tujuan

Identifikasi Aktivitas
Kerja

Mengumpulkan data permintaan 100 produk

susu

Menghitung kuantitas order dengan

integrasi logika kabur

Menghitung kuantitas order dengan

metode EOQ

Menghitung safety stock berbasis

service level dengan logika kabur

Menghitung safety stock dengan EOQ

Ordering

Menghitung
ROP

Menghitung
ROP

Simulasi menggunakan
tabel MRP

Simulasi menggunakan
tabel MRP

Menghitung jumlah out-ofstock

Menghitung jumlah out-ofstock

Menghitung total
biaya inventori

Menghitung total
biaya inventori

Tidak

Apakah biaya logika fuzzy dan dan

out-of-stock < biaya dan out-of stock
EOQ?

Ya
Kesimpulan

Selesai

Gambar 4.2 Flowchart Pengolahan Data

33

4.5.1

Menghitung Kuantitas Order Menggunakan Integrasi Logika Kabur

Kuantitas order yang dihitung dengan menggunakan logika kabur

diperoleh dengan cara melakukan Graded Mean Integration berdasarkan kpreference

terhadap persamaan total biaya inventori. Langkah selanjutnya,

melakukan penurunan persamaan yang diperoleh dari hasil Graded Mean

Integration tersebut terhadap kuantitas order.
4.5.2

Menghitung safety stock berbasis service level dengan logika kabur

Safety stock diperoleh dari nilai reorder point hasil perhitungan

menggunakan logika kabur berbasis service level perusahaan yang dikurangi

dengan hasil Graded Mean Integration dari fuzzy number jumlah permintaan
selama waktu tunggu pada h level.
Berikut merupakan cara melakukan penghitungan nilai reorder point hasil
penghitungan menggunakan logika kabur berbasis service level perusahaan:
1. Menentukan fuzzy number jumlah permintaan selama waktu tunggu per
periode.
2. Menentukan bentuk membership function dari fuzzy number.
3. Menentukan daerah reorder point pada membership function dari fuzzy
number.
4. Mencari formula matematis untuk reorder point yaitu:
Luas daerah

1 SL = Luas
4.5.3

daerah

(3.25)

Melakukan simulasi menggunakan tabel MRP

Validasi model dilakukan dengan menggunakan tabel MRP untuk

mengetahui keakuratan hasil perhitungan. Tabel MRP membantu untuk mengecek

apakah terjadi out-of-stock atau tidak serta membantu dalam proses penghitungan
total biaya inventori yang dihasilkan. Melalui simulasi tersebut, tingkat
keakuratan hasil penghitungan dapat diketahui. Untuk integrasi logika kabur jika
masih terjadi out-of-stock maka menghitung kembali kuantitas order dan jumlah
safety stock dengan mengubah-ubah fuzzy numbernya. Untuk metode EOQ,
validasi model dilakukan dengan menghitung order cycle untuk beberapa sampel
produk susu dengan metode EOQ lalu dibandingkan dengan kondisi real. Jika

34

sudah mendekati kondisi real maka dapat langsung disimulasikan menggunakan

tabel MRP. Namun jika belum, maka kuantitas order harus dihitung kembali.
Microsoft Excel merupakan alat bantu dalam simulasi ini.
Berikut merupakan beberapa istilah dalam tabel MRP:
1. Net requirement (NR): kebutuhan bersih.
2. Gross Requirement (GR): kebutuhan kotor.
3. Schedule Receipt (SR): jadwal penerimaan pesanan dari order yang dilakukan
sebelum periode MRP.
4. Projected On Hand (POH): persediaan di gudang.
5. Plan Order Receipt (PORcp): rencana kedatangan order pada periode
bersangkutan yang besarnya ditentukan oleh banyaknya lot.
6. Plan Order Release (PORls): rencana pembuatan pesanan suatu order
dikaitkan dengan lead time.
Berikut merupakan Tabel 4.1 yang merupakan tabel MRP.
Tabel 4.1 Tabel MRP
0

GR
SR
POH
NR
PORcp
PORls
4.5.4

Membandingkan Kedua Metode

Kedua model yang telah divalidasi, kemudian akan dibandingkan dimana

biaya persediaan yang menjadi indikatornya. Dari kedua model tersebut

dibandingkan biaya persediaan mana yang paling minimal.

BAB V
HASIL DAN PEMBAHASAN

5.1 Penghitungan Safety Stock Menggunakan EOQ Ordering dan Kuantitas

Order Menggunakan Model EOQ
Safety stock merupakan stok yang disediakan untuk mencegah terjadinya
kehabisan barang yang disebabkan permintaan yang bervariasi dan lead time.
Variabel input yang digunakan dalam perhitungan safety stock adalah nilai
reorder point (ROP) dan jumlah permintaan yang diharapkan selama lead time.
Reorder point (ROP) merupakan kondisi ketika kuantitas yang ada di gudang
untuk suatu barang menurun pada jumlah tertentu dan harus dilakukan pemesanan
kembali. Nilai ROP diperoleh melalui perhitungan tersendiri dengan memasukan
rata-rata permintaan per hari, standar deviasi dari permintaan per hari, lead time
dalam hari, dan nilai service level yang diinginkan berdasarkan kebijakan
perusahaan. Nilai service level untuk seluruh barang adalah 99 % yang
menyatakan bahwa perusahaan memiliki resiko kehabisan barang sebesar 1 %.
Hal ini berdampak pada peningkatan jumlah safety stock dari barang tersebut.
Kuantitas order diperoleh dengan memasukan variabel biaya pesan, biaya
simpan, dan rata-rata permintaan per hari. Data penjualan per hari merupakan data
yang merepresentasikan data permintaan per hari. Model EOQ digunakan untuk
menghitung kuantitas order yang optimal dari masing-masing barang.
Order cycle juga dihitung dengan menggunakan model EOQ untuk
masing-masing produk dan dibandingkan dengan order cycle pada kondisi real.
Perhitungan order cycle ini mempertimbangkan jumlah kuantitas order yang biasa
dipesan untuk masing-masing produk susu sesuai kondisi real. Tabel 5.1
merupakan tabel order cycle yang dihitung menggunakan model EOQ dan kondisi
real untuk sepuluh sampel produk susu.

35

36

Tabel 5.1 Hasil Perbandingan Order Cycle Model EOQ dan Kondisi Real
NO
1
2
3
4
5
6
7
8
9
10

NAMA PRODUK
Q* (pcs)
PRENAGEN MOMMY COK 200
KIDZEE COK 350
7-8 pcs
CHIL KID MADU 800
CHIL KID MADU 200
DIABETASOL VAN 180
ENFAMIL A+ HA 400
ENTRASOL GOLD COK 370
PEDIASURE COMP VAN 400
PRENAGEN EMESIS COK 2004-6 pcs
TWEEN ZEE PLAT STRW 350

EOQ
ORDER CYCLEQ* (pcs)
6 2-3 hari
3-5 hari
7-8 pcs
5 2-3 hari
6 4-5 hari
6 5-6 hari
3 3-4 hari
6 16-17 hari
6 10-11 hari
4-10 hari
4-6 pcs
6 11-12 hari

PAMELA 1
ORDER CYCLE
6 4-5 hari
5-6 hari
5 3-5 hari
6 5 hari
6 5 hari
3 5-6 hari
6 13-15 hari
6 10 hari
6-8 hari
6 10 hari

Berdasarkan hasil perbandingan dari sepuluh sampel produk susu di

tersebut, order cycle yang dihitung menggunakan model EOQ sudah mendekati
kondisi real. Maka, hasil perhitungan model EOQ sudah dapat merepresentasikan
kondisi real.
Setelah kuantitas order dan safety stock untuk masing-masing barang
diperoleh, simulasi dilakukan dengan menggunakan tabel MRP. Tabel MRP ini
merupakan proses validasi untuk mengukur tingkat keakuratan hasil perhitungan
dalam mencegah terjadinya kehabisan barang dan meminimalkan total biaya
inventori dari masing-masing barang. Simulasi tabel MRP ini menggunakan data
riil kuantitas penjualan dari masing-masing barang yang diperoleh dari data histori
perusahaan dan disimulasikan selama setahun. Tabel 5.2 merupakan hasil
simulasinya.

37

Tabel 5.2 Hasil Simulasi Data Menggunakan Metode EOQ Ordering

NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

NAMA PRODUK
BMT LACTOFERIN 200 GR
BMT LACTOFERIN 400 GR
BMT PLATINUM 400 GR
BMT PLATINUM 800 GR
BONA KID 4 400 GR
BONAKID 3
CHIL KID MADU 200 GR
CHIL KID MADU 800 GR
CHIL KID PLATINUM 400 GR MADU
CHIL KID PLATINUM 800 GR MADU
CHIL KID PLATINUM 800 GR VANILLA
CHIL KID PLATINUM VANILA 400 GR
CHIL KID VANILLA 200 GR
CHIL KID VANILLA BOX 800 GR
CHIL MIL 200 GR
CHIL MIL BOX 800 GR
CHIL MIL PLATINUM 400 GR
CHIL MIL PLATINUM 800GR
CHIL SCHOOL COKLAT 200 GR
CHIL SCHOOL COKLAT 400 GR
CHIL SCHOOL COKLAT 800 GR
CHIL SCHOOL PLATINUM VANILA 400 G
CHIL SCHOOL STRAWBERRY 200 GR
CHIL SCHOOL STRAWBERRY 400 GR
CHIL SCHOOL STRAWBERRY 800 GR

Q SS ROP N OS h cost
26 1
2 8 12 Rp 22.763,87
20 1
2 9 5 Rp 24.578,18
19 1
2 8 4 Rp 24.834,46
11 1
2 10 6 Rp 34.302,35
14 1
2 7 5 Rp 21.294,42
12 1
2 6 4 Rp 19.865,47
40 2
5 12 35 Rp 36.926,11
26 4
8 25 91 Rp 81.340,16
18 1
2 8 12 Rp 22.837,69
21 3
6 17 51 Rp 62.898,00
21 3
6 18 57 Rp 65.510,69
19 1
2 8 10 Rp 23.110,40
43 2
5 12 25 Rp 34.757,66
30 4
8 27 95 Rp 83.702,19
30 1
3 13 9 Rp 25.239,32
16 1
3 14 9 Rp 44.222,55
17 1
2 8 7 Rp 21.522,97
12 1
2 10 9 Rp 33.971,54
14 1
2 4 3 Rp 14.860,29
14 1
2 5 2 Rp 19.901,99
9 1
2 6 5 Rp 27.070,06
21 1
3 10 24 Rp 26.677,68
15 1
2 3 4 Rp 14.848,12
14 1
2 5 3 Rp 20.454,67
8 1
2 6 6 Rp 27.788,74

EOQ
s cost
Rp 17.195,40
Rp 19.344,83
Rp 17.195,40
Rp 21.494,25
Rp 15.045,98
Rp 12.896,55
Rp 25.793,10
Rp 53.735,63
Rp 17.195,40
Rp 36.540,23
Rp 38.689,65
Rp 17.195,40
Rp 25.793,10
Rp 58.034,48
Rp 19.344,83
Rp 30.091,95
Rp 17.195,40
Rp 21.494,25
Rp 8.597,70
Rp 10.747,13
Rp 12.896,55
Rp 21.494,25
Rp 6.448,28
Rp 10.747,13
Rp 12.896,55

os cost
Rp
47.982,00
Rp
81.955,50
Rp
44.883,20
Rp 129.903,00
Rp
21.923,88
Rp
18.714,53
Rp 104.527,50
Rp 1.079.578,50
Rp 120.304,80
Rp 968.398,20
Rp 1.082.327,40
Rp 118.635,00
Rp
74.662,50
Rp 1.127.032,50
Rp
46.689,50
Rp 121.126,50
Rp
69.261,50
Rp 186.018,30
Rp
8.365,50
Rp
11.033,00
Rp
53.570,00
Rp 207.345,60
Rp
11.154,00
Rp
16.549,50
Rp
64.284,00

total inv cost

Rp
87.941,27
Rp 125.878,50
Rp
86.913,06
Rp 185.699,60
Rp
58.264,27
Rp
51.476,55
Rp 167.246,71
Rp 1.214.654,29
Rp 160.337,89
Rp 1.067.836,42
Rp 1.186.527,74
Rp 158.940,80
Rp 135.213,26
Rp 1.268.769,17
Rp
91.273,64
Rp 195.441,00
Rp 107.979,87
Rp 241.484,09
Rp
31.823,49
Rp
41.682,11
Rp
93.536,61
Rp 255.517,53
Rp
32.450,39
Rp
47.751,29
Rp 104.969,29

38

NO
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

NAMA PRODUK
CHIL SCHOOL VANILLA 200 GR
CHIL SCHOOL VANILLA 400 GR
CHIL SCHOOL VANILLA 800 GR
DIABETASOL CAPPUCINO 185 GR
DIABETASOL CAPPUCINO 600 GR
DIABETASOL COKLAT 180 GR
DIABETASOL COKLAT 600 GR
DIABETASOL VANILLA 180 GR
DIABETASOL VANILLA 600 GR
ENFAGROW A+ HONEY 800 GR
ENFAGROW A+ SA MADU 400 GR BOX
ENFAGROW A+ SA VANILLA 400 GR BOX
ENFAKID A+ MADU 800 GR
ENFAMIL A+ 400 GR BOX
ENFAMIL A+ HA 400 GR
ENTRASOL ACTIVE MOCHACINO 160 GR
ENTRASOL ACTIVE MOCHACINO 360 GR
ENTRASOL ACTIVE VANLATTE 160 GR
ENTRASOL GOLD COKLAT 185 GR
ENTRASOL GOLD COKLAT 185*2 GR
ENTRASOL GOLD VANILLA 185 GR
ENTRASOL GOLD VANILLA 370 GR
KIDZEE COKLAT 350 GR
KIDZEE MADU 350 GR
KIDZEE PLATINUM CHOCO 350 GR

Q SS ROP N OS h cost
23 1
2 6 10 Rp 19.536,35
21 1
2 8 20 Rp 24.588,71
20 2
4 17 24 Rp 54.715,06
21 1
2 6 5 Rp 19.123,67
16 1
2 9 9 Rp 32.365,38
28 1
3 9 11 Rp 25.701,12
15 1
2 9 9 Rp 29.379,01
35 1
4 10 24 Rp 29.914,89
20 1
3 12 14 Rp 36.252,00
16 1
2 12 16 Rp 37.741,48
15 1
2 6 6 Rp 21.486,07
23 1
3 8 18 Rp 28.642,44
9 1
2 6 3 Rp 23.860,00
23 1
3 10 21 Rp 26.388,54
26 1
3 12 26 Rp 31.498,55
26 1
2 7 10 Rp 22.419,04
17 1
2 5 7 Rp 21.027,82
22 1
2 6 10 Rp 21.439,95
20 1
2 5 6 Rp 17.604,62
17 1
2 7 7 Rp 21.063,88
27 1
2 8 19 Rp 24.350,96
24 1
3 9 10 Rp 30.468,59
38 2
6 17 12 Rp 61.685,80
24 1
3 12 12 Rp 31.692,97
23 1
3 11 4 Rp 31.448,24

EOQ
s cost
Rp 12.896,55
Rp 17.195,40
Rp 36.540,23
Rp 12.896,55
Rp 19.344,83
Rp 19.344,83
Rp 19.344,83
Rp 21.494,25
Rp 25.793,10
Rp 25.793,10
Rp 12.896,55
Rp 17.195,40
Rp 12.896,55
Rp 21.494,25
Rp 25.793,10
Rp 15.045,98
Rp 10.747,13
Rp 12.896,55
Rp 10.747,13
Rp 15.045,98
Rp 17.195,40
Rp 19.344,83
Rp 36.540,23
Rp 25.793,10
Rp 23.643,68

os cost
Rp
27.885,00
Rp 110.330,00
Rp 257.136,00
Rp
18.393,50
Rp 101.195,10
Rp
40.465,70
Rp 101.195,10
Rp
88.288,80
Rp 157.414,60
Rp 318.824,00
Rp
59.763,00
Rp 179.289,00
Rp
52.569,00
Rp 234.118,50
Rp 325.325,00
Rp
22.985,00
Rp
33.553,10
Rp
22.985,00
Rp
16.840,20
Rp
37.433,90
Rp
53.327,30
Rp
53.477,00
Rp
38.278,80
Rp
38.278,80
Rp
18.260,00

total inv cost

Rp
60.317,90
Rp 152.114,11
Rp 348.391,29
Rp
50.413,72
Rp 152.905,31
Rp
85.511,65
Rp 149.918,93
Rp 139.697,94
Rp 219.459,70
Rp 382.358,58
Rp
94.145,62
Rp 225.126,84
Rp
89.325,55
Rp 282.001,29
Rp 382.616,65
Rp
60.450,01
Rp
65.328,04
Rp
57.321,50
Rp
45.191,94
Rp
73.543,76
Rp
94.873,66
Rp 103.290,41
Rp 136.504,83
Rp
95.764,87
Rp
73.351,91

39

NO
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75

NAMA PRODUK
KIDZEE PLATINUM VANILLA 350 GR
KIDZEE VANILLA 350 GR
PEDIASURE COMPLETE COKLAT 400 GR
PEDIASURE COMPLETE COKLAT 900 GR
PEDIASURE COMPLETE MADU 400 GR
PEDIASURE COMPLETE MADU 900 GR
PEDIASURE COMPLETE VANILLA 400 GR
PEDIASURE COMPLETE VANILLA 900 GR
PRENAGEN EMESIS COKLAT 200 GR
PRENAGEN EMESIS PLAIN 200 GR
PRENAGEN ESSENSIS CHOCO 180 GR
PRENAGEN ESSENSIS MOCHA 180 GR
PRENAGEN ESSENSIS VANILLA 180 GR
PRENAGEN LACTAMOM COKLAT 200 GR
PRENAGEN LACTAMOM COKLAT 400 GR
PRENAGEN LACTAMOM VANILA 200 GR
PRENAGEN MOMMY COKLAT 200 GR
PRENAGEN MOMMY COKLAT 400 GR
PRENAGEN MOMMY MOCHA 200 GR
PRENAGEN MOMMY MOCHA 400 GR
PRENAGEN MOMMY STRAWBERRY 200 GR
PRENAGEN MOMMY STRAWBERRY 400 GR
PRENAGEN MOMMY VANILLA 200 GR
PRENAGEN MOMMY VANILLA 400 GR
PROCAL 400 GR BOX

Q SS ROP N OS h cost
23 1
3 10 14 Rp 30.739,02
28 1
4 14 25 Rp 35.378,48
17 1
2 6 6 Rp 19.719,25
8 1
2 7 4 Rp 24.378,55
22 1
2 8 9 Rp 24.857,51
9 1
2 6 4 Rp 27.175,70
23 1
2 9 8 Rp 24.952,94
12 1
2 10 12 Rp 34.443,62
30 1
3 10 13 Rp 28.025,20
14 1
2 4 3 Rp 17.143,44
33 1
3 9 25 Rp 27.637,19
23 2
3 7 11 Rp 21.333,00
19 1
2 5 4 Rp 19.660,06
26 1
2 8 13 Rp 21.876,51
23 1
2 9 10 Rp 26.586,91
21 1
2 7 9 Rp 19.341,51
48 7
11 16 50 Rp 51.931,46
26 1
3 10 15 Rp 29.516,26
29 1
3 9 10 Rp 24.753,78
17 1
2 6 3 Rp 19.821,72
30 2
4 9 17 Rp 26.212,27
17 1
2 7 6 Rp 21.440,15
30 3
5 10 17 Rp 28.052,66
18 1
2 7 8 Rp 21.221,16
21 1
3 8 8 Rp 29.163,21

EOQ
s cost
Rp 21.494,25
Rp 30.091,95
Rp 12.896,55
Rp 15.045,98
Rp 17.195,40
Rp 12.896,55
Rp 19.344,83
Rp 21.494,25
Rp 21.494,25
Rp 8.597,70
Rp 19.344,83
Rp 15.045,98
Rp 10.747,13
Rp 17.195,40
Rp 19.344,83
Rp 15.045,98
Rp 34.390,80
Rp 21.494,25
Rp 19.344,83
Rp 12.896,55
Rp 19.344,83
Rp 15.045,98
Rp 21.494,25
Rp 15.045,98
Rp 17.195,40

os cost
Rp
63.910,00
Rp
79.747,50
Rp
64.025,22
Rp
92.223,00
Rp
96.037,83
Rp
92.223,00
Rp
85.366,96
Rp 276.669,00
Rp
47.747,70
Rp
11.018,70
Rp
69.445,00
Rp
30.555,80
Rp
11.111,20
Rp
45.345,30
Rp
65.835,00
Rp
31.392,90
Rp 190.231,20
Rp
94.792,50
Rp
35.228,00
Rp
18.958,50
Rp
59.887,60
Rp
37.917,00
Rp
59.887,60
Rp
50.556,00
Rp
50.670,80

total inv cost

Rp 116.143,27
Rp 145.217,93
Rp
96.641,02
Rp 131.647,52
Rp 138.090,74
Rp 132.295,25
Rp 129.664,73
Rp 332.606,87
Rp
97.267,15
Rp
36.759,84
Rp 116.427,02
Rp
66.934,78
Rp
41.518,38
Rp
84.417,21
Rp 111.766,74
Rp
65.780,39
Rp 276.553,46
Rp 145.803,01
Rp
79.326,61
Rp
51.676,77
Rp 105.444,70
Rp
74.403,13
Rp 109.434,51
Rp
86.823,13
Rp
97.029,41

40

NO
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

NAMA PRODUK
PROCAL GOLD LUTEIN 400 GR
PROCAL GOLD LUTEIN 900 GR
PROMIL 400 GR BOX
PROMIL GOLD LUTEIN 900 GR
PROMISE 400 GR BOX
PROMISE GOLD LUTEIN 400 GR
S-26 400 GR BOX
S-26 GOLD LUTEIN 400 GR
S-26 GOLD LUTEIN 900 GR
SUSTAGEN SCHOOL 6+ MADU 350 GR
SUSTAGEN JUNIOR 1+ HONEY 350 BOX
SUSTAGEN JUNIOR 1+ VANILLA 350 BOX
SUSTAGEN JUNIOR 1+ VANILLA 800 GR
SUSTAGEN KID 3+ CHOCO 800 GR
SUSTAGEN KID 3+ COKLAT 350 GR
SUSTAGEN KID 3+ HONEY 800 GR
SUSTAGEN KID 3+ MADU 350 GR
SUSTAGEN KID 3+ VANILLA 350 GR
SUSTAGEN KID 3+ VANILLA 800 GR
SUSTAGEN SCHOOL 6+ VANILLA 350 GR
SUSTAGEN SCHOOL 6+ VANILLA 800 GR
TEEN ZEE PLATINUM GIRLS COKLAT 200 GR
TWEEN ZEE PLAT COCKBLACKFOREST 350 GR
TWEEN ZEE PLATINUM STRW 350 GR
TWEEN ZEE PLATINUM VANILLARICH 350 GR

Q SS ROP N OS h cost
17 1
2 6 11 Rp 23.752,17
14 1
2 10 12 Rp 35.756,94
20 1
2 7 7 Rp 27.349,08
10 1
2 9 5 Rp 27.561,94
15 1
2 6 6 Rp 22.316,00
11 1
2 4 3 Rp 15.745,58
15 1
2 5 4 Rp 21.466,27
13 1
2 6 7 Rp 19.099,81
8 1
2 5 3 Rp 26.628,46
11 1
2 4 4 Rp 19.884,01
17 1
2 7 10 Rp 21.346,76
16 1
2 7 9 Rp 22.839,25
16 3
4 8 6 Rp 41.990,44
11 1
2 7 6 Rp 26.162,43
15 1
2 6 10 Rp 18.385,57
13 1
2 9 8 Rp 31.897,07
13 1
2 6 5 Rp 19.229,93
14 1
2 6 7 Rp 18.938,56
16 1
2 12 22 Rp 37.360,55
10 1
2 4 4 Rp 15.067,60
10 1
2 4 4 Rp 27.799,46
16 1
2 7 3 Rp 22.571,93
23 1
3 11 15 Rp 32.676,75
20 1
2 8 10 Rp 27.450,65
20 1
2 8 8 Rp 25.894,33

EOQ
s cost
Rp 12.896,55
Rp 21.494,25
Rp 15.045,98
Rp 19.344,83
Rp 12.896,55
Rp 8.597,70
Rp 10.747,13
Rp 12.896,55
Rp 10.747,13
Rp 8.597,70
Rp 15.045,98
Rp 15.045,98
Rp 17.195,40
Rp 15.045,98
Rp 12.896,55
Rp 19.344,83
Rp 12.896,55
Rp 12.896,55
Rp 25.793,10
Rp 8.597,70
Rp 8.597,70
Rp 15.045,98
Rp 23.643,68
Rp 17.195,40
Rp 17.195,40

os cost
Rp 108.530,95
Rp 254.334,60
Rp
50.084,86
Rp 113.281,25
Rp
33.594,90
Rp
25.543,05
Rp
30.060,48
Rp
77.165,55
Rp
71.988,60
Rp
18.832,00
Rp
47.080,00
Rp
42.372,00
Rp
62.865,00
Rp
62.865,00
Rp
47.080,00
Rp
83.820,00
Rp
23.540,00
Rp
32.956,00
Rp 230.505,00
Rp
18.832,00
Rp
41.910,00
Rp
6.105,00
Rp
56.101,50
Rp
37.401,00
Rp
29.920,80

total inv cost

Rp 145.179,67
Rp 311.585,79
Rp
92.479,92
Rp 160.188,02
Rp
68.807,45
Rp
49.886,33
Rp
62.273,88
Rp 109.161,91
Rp 109.364,19
Rp
47.313,71
Rp
83.472,74
Rp
80.257,23
Rp 122.050,84
Rp 104.073,40
Rp
78.362,12
Rp 135.061,89
Rp
55.666,48
Rp
64.791,11
Rp 293.658,65
Rp
42.497,30
Rp
78.307,16
Rp
43.722,90
Rp 112.421,93
Rp
82.047,05
Rp
73.010,53

41

Dari hasil simulasi tersebut, masih terjadi kehabisan barang untuk seluruh
barang. Hal ini mempengaruhi biaya out-of-stock yang meningkat sehingga total
biaya inventori pun meningkat.

5.2 Penghitungan Safety Stock dan Kuantitas Order Menggunakan Integrasi

Logika Kabur Berdasarkan Nilai Reorder Point Dari Fuzzy Optimalisasi
Biaya
Penghitungan safety stock dan kuantitas order menggunakan integrasi
logika kabur dibagi menjadi dua, yaitu berdasarkan nilai reorder point dari service
level perusahaan dan berdasarkan nilai reorder point dari fuzzy optimalisasi biaya.
Langkah pertama yang dilakukan untuk metode menggunakan integrasi
logika kabur berdasarkan nilai reorder point dari fuzzy optimalisasi biaya adalah
mencari nilai reorder point. Nilai reorder point diperoleh dengan menurunkan
persamaan fuzzy total biaya safety stock terhadap nilai reorder point. Setelah nilai
reorder point didapat, jumlah stok pengaman diperoleh. Kuantitas order optimal
diperoleh melalui proses defuzzifikasi berdasarkan graded mean integration.
Simulasi dilakukan dengan mengubah-ubah fuzzy number hingga memperoleh
hasil yang optimal.
Penghitungan stok pengaman dan kuantitas order dengan menggunakan
integrasi logika kabur berdasarkan nilai reorder point dari fuzzy optimalisasi biaya
dilakukan dengan cara memasukan fuzzy number. D1, D2, D3, dan D4 merupakan
fuzzy number yang merepresentasikan jumlah permintaan per hari, sedangkan d1,
d2, d3, dan d4 merupakan fuzzy number yang merepresentasikan jumlah
permintaan selama waktu tunggu. Tabel 5.3 merupakan tabel hasil penghitungan
safety stock dan kuantitas order menggunakan integrasi logika kabur berdasar
fuzzy optimalisasi biaya beserta fuzzy number-nya dan telah disimulasikan
menggunakan tabel MRP.

42

Tabel 5.3 Hasil Penghitungan Safety Stock dan Kuantitas Order Menggunakan
Integrasi Logika Kabur Berdasarkan Nilai Reorder point dari Fuzzy
Optimalisasi Biaya
NO
NAMA PRODUK
1 BONAKID 3
2 CHILKID PLAT 800 MADU
3 CHILKID VANILA 800

FUZZY (OPTIMALISASI BIAYA)

Q SS ROP N OS h cost
s cost
os cost
18 2
3 4 0 Rp 29.592,07 Rp 8.597,70 Rp
30 8
16 13 0 Rp 132.581,73 Rp 27.942,53 Rp
41 14
27 22 0 Rp 189.777,72 Rp 47.287,35 Rp

total inv cost

Rp 38.189,77
Rp 160.524,25
Rp 237.065,07

Hasil penghitungan safety stock dan kuantitas order menggunakan

integrasi logika kabur berdasarkan nilai reorder point dari service level
perusahaan lebih baik hasilnya dibanding dengan hasil penghitungan stok
pengaman dan kuantitas order menggunakan integrasi logika kabur berdasarkan
nilai reorder point dari fuzzy optimalisasi biaya. Hal tersebut ditunjukkan melalui
tiga buah sampel yang dihitung stok pengaman dan kuantitas ordernya
menggunakan dua metode tersebut, disimulasikan selama setahun menggunakan
tabel MRP yang menggunakan data permintaan riil dari perusahaan, dan
dibandingkan hasilnya. Sampel produk susu tersebut adalah bonakid 3 yang
merupakan sampel produk susu yang mewakili jumlah permintaan sedikit, chil kid
platinum 800 gram madu yang merupakan sampel produk susu yang mewakili
jumlah permintaan sedang, dan chil kid vanila 800 gram yang merupakan sampel
produk susu yang mewakili jumlah permintaan banyak. Tabel 5.4 merupakan
tabel perbandingan hasil perhitungan safety stock dan kuantitas order
menggunakan integrasi logika kabur berdasarkan nilai reorder point dari service
level perusahaan dan berdasarkan nilai reorder point dari fuzzy optimalisasi biaya.

43

Tabel 5.4 Perbandingan Hasil Perhitungan Safety Stock dan Kuantitas Order Menggunakan Integrasi Logika Kabur Berdasarkan Nilai
Reorder point dari Service level Perusahaan dan Berdasarkan Nilai Reorder point dari Fuzzy Optimalisasi Biaya
NO
NAMA PRODUK
1 BONAKID 3
2 CHILKID PLAT 800 MADU
3 CHILKID VANILA 800

FUZZY (SERVICE LEVEL)

Q SS ROP N OS h cost
s cost
os cost
18 2
3 4 0 Rp 29.592,07 Rp 8.597,70 Rp
30 7 15 13 0 Rp 128.142,58 Rp 27.942,53 Rp
38 17 22 23 0 Rp 155.762,09 Rp 49.436,78 Rp

total inv cost

Rp 38.189,77
Rp 156.085,10
Rp 205.198,87

FUZZY (OPTIMALISASI BIAYA)

Q SS ROP N OS h cost
s cost
os cost
18 2
3 4 0 Rp 29.592,07 Rp 8.597,70 Rp
30 8 16 13 0 Rp 132.581,73 Rp 27.942,53 Rp
41 14 27 22 0 Rp 189.777,72 Rp 47.287,35 Rp

total inv cost

Rp 38.189,77
Rp 160.524,25
Rp 237.065,07

Jumlah out-of-stock yang dihasilkan dari kedua metode untuk ketiga produk tersebut berjumlah nol atau tidak terjadi out-ofstock. Total biaya inventori bonakid 3 adalah Rp 38.189,77 saat menggunakan integrasi logika kabur baik berdasarkan nilai reorder
point dari service level perusahaan maupun nilai reorder point dari fuzzy optimalisasi biaya. Dengan kata lain, total biaya inventori
yang dihasilkan menggunakan kedua metode untuk bonakid 3 adalah sama. Sedangkan, chil kid platinum 800 gram madu dan chil
kid vanila 800 gram memiliki total biaya inventori yang tinggi ketika dihitung menggunakan integrasi logika kabur berdasarkan nilai
reorder point dari fuzzy optimalisasi biaya, yaitu sebesar Rp 160.524,25 dan Rp 237.065,07 dibanding ketika dihitung menggunakan
integrasi logika kabur berdasarkan nilai reorder point dari service level perusahaan. Total biaya inventori untuk chil kid platinum 800
gram madu dan chil kid vanila 800 gram yang dhitung menggunakan integrasi logika kabur berdasarkan nilai reorder point dari
service level perusahaan adalah Rp156.085,10 dan Rp 205.198,87. Hal tersebut tidak sesuai dengan tujuan untuk meminimalisasi
total biaya inventori walaupun sesuai dengan tujuan untuk meminimalisi out-of-stock. Oleh karena itu, perhitungan untuk seluruh
produk menggunakan integrasi logika kabur berdasarkan nilai reorder point dari service level perusahaan.
Perlu diketahui bahwa hasil perhitungan di atas mengasumsikan fungsi keanggotaan mengikuti bentuk trapesium. Jika data
diasumsikan mengikuti bentuk fungsi keanggotaan segitiga akan diperoleh hasil seperti yang ditunjukkan pada tabel 5.5 di bawah ini.

44

Tabel 5.5 Hasil Perhitungan Stok Pengaman dan Kuantitas Order Menggunakan
Integrasi Logika Kabur dengan Fungsi Keanggotaan Segitiga
NO
NAMA PRODUK
1 BONAKID 3
2 CHILKID PLAT 800 MADU
3 CHILKID VANILA 800

FUZZY SEGITIGA
Q SS ROP N OS h cost
s cost
26 1
2 3 0 Rp 46.539,56 Rp 6.448,28
32 7
15 12 1 Rp 130.198,86 Rp 25.793,10
39 12
25 23 6 Rp 172.428,19 Rp 49.436,78

os cost
Rp
Rp 18.988,20
Rp 71.181,00

total inv cost

Rp 52.987,83
Rp 174.980,16
Rp 293.045,97

Sama seperti penghitungan safety stock dan kuantitas order ketika

menggunakan fungsi keanggotaan berbentuk trapesium, hasil penghitungan di atas
juga memasukkan fuzzy number, yakni D1, D2, dan D3 serta d1, d2, dan d3.
Berdasarkan perhitungan di atas, Bonakid 3 tidak terjadi out-of-stock,
tetapi total biaya inventori yang dihasilkan tinggi yaitu sebesar Rp 52.987,83.
Peristiwa out-of-stock terjadi pada produk susu Chil Kid Platinum 800 Gram
Madu dan Chil Kid Vanila 800 Gram, masing-masing sebesar 1 unit dan 6 unit.
Total biaya inventori Chil Kid Platinum 800 Gram Madu dan Chil Kid Vanila 800
Gram juga tinggi, yaitu masing-masing sebesar Rp 174.980,16 dan Rp
293.045,97.
Oleh karena hasil perhitungan yang menggunakan integrasi logika kabur
berdasarkan nilai reorder point dari fuzzy optimalisasi biaya dan fungsi
keanggotan segitiga tidaklah lebih baik dibanding menggunakan integrasi logika
kabur berdasarkan nilai reorder point dari service level perusahaan, maka
diputuskan cara penghitungan untuk keseluruhan produk menggunakan integrasi
logika kabur berdasarkan nilai reorder point dari service level perusahaan.

5.3 Penghitungan Safety stock dan Kuantitas Order Menggunakan Integrasi

Logika Kabur Berdasarkan Nilai Reorder point dari Service level
Perusahaan
Ketika permintaan atau lead time bervariasi, hal tersebut akan
menimbulkan kemungkinan bahwa permintaan aktual akan melebihi permintaan
yang diharapkan. Konsekuensinya, inventori tambahan harus diadakan yang
disebut juga safety stock.
Jumlah stok pengaman dicari dengan menghitung reorder pointnya. Nilai
reorder point dihitung berdasarkan persentase kehabisan barang yang diinginkan

45

oleh perusahaan (kebijakan perusahaan). Persentase kehabisan barang tersebut

merupakan kombinasi dari luas area fungsi keanggotaan dari fuzzy total
permintaan dan luas area fungsi keanggotaan dari jumlah kehabisan barang yang
diijinkan perusahaan dalam satu siklus persediaan. Hal ini ditunjukkan pada
lampiran 5. Jumlah safety stock diperoleh dengan mengurangi nilai reorder point
dengan hasil defuzzifikasi dari fuzzy number melalui proses Graded Mean
Integration pada h level, 0<hw, 0<w1. Dengan mengubah-ubah fuzzy number,
jumlah safety stock didapatkan. Jika A merupakan himpunan fuzzy maka
pemilihan batasan fuzzy number dilakukan dengan aturan A = (min, x1, x2, max).
Kuantitas

order

diperoleh

dengan

logika

kabur

melalui

proses

defuzzifikasi terhadap fuzzy number jumlah rata-rata permintaan per hari

menggunakan Graded Mean Integration berbasis k-preference dari fuzzy total
biaya persediaan. Nilai k-preference diasumsikan 0,5 agar tidak terlalu condong
ke kanan atau ke kiri. Kemudian hasilnya diturunkan dengan logika bahwa jumlah
yang harus dipesan akan optimal saat total biaya persediaan minimum. Kuantitas
order yang dihasilkan akan berbeda-beda nilainya tergantung fuzzy number yang
menjadi input. Variabel input, fuzzy number, untuk penghitungan safety stock dan
kuantitas order dengan menggunakan metode logika kabur berdasarkan service
level perusahaan dapat dilihat pada lampiran. D1, D2, D3, dan D4 merupakan
fuzzy number yang merepresentasikan jumlah permintaan per hari sedangkan d1,
d2, d3, dan d4 merupakan fuzzy number yang merepresentasikan jumlah
permintaan selama lead time.
Setelah jumlah safety stock dan kuantitas order telah diperoleh, langkah
selanjutnya adalah mensimulasikan menggunakan tabel MRP di mana digunakan
data riil untuk memvalidasi keakuratan hasil perhitungan dalam mengurangi
jumlah out-of-stock dan meminimalkan biaya persediaan. Simulasi dilakukan
selama setahun. Tabel 5.6 merupakan hasil perhitungan stok pengaman dan
kuantitas order menggunakan integrasi logika kabur berdasarkan nilai reorder
point dari service level perusahaan.

46

Tabel 5.6 Hasil Penghitungan Stok Pengaman dan Kuantitas Order Menggunakan Integrasi Logika Kabur
Berdasarkan Nilai Reorder point dari Service level Perusahaan
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

NAMA PRODUK
BMT LACTOFERIN 200 GR
BMT LACTOFERIN 400 GR
BMT PLATINUM 400 GR
BMT PLATINUM 800 GR
BONA KID 4 400 GR
BONAKID 3
CHIL KID MADU 200 GR
CHIL KID MADU 800 GR
CHIL KID PLATINUM 400 GR MADU
CHIL KID PLATINUM 800 GR MADU
CHIL KID PLATINUM 800 GR VANILLA
CHIL KID PLATINUM VANILA 400 GR
CHIL KID VANILLA 200 GR
CHIL KID VANILLA BOX 800 GR
CHIL MIL 200 GR
CHIL MIL BOX 800 GR
CHIL MIL PLATINUM 400 GR
CHIL MIL PLATINUM 800GR
CHIL SCHOOL COKLAT 200 GR
CHIL SCHOOL COKLAT 400 GR
CHIL SCHOOL COKLAT 800 GR
CHIL SCHOOL PLATINUM VANILA 400 G
CHIL SCHOOL STRAWBERRY 200 GR
CHIL SCHOOL STRAWBERRY 400 GR
CHIL SCHOOL STRAWBERRY 800 GR

Q SS ROP N OS
33 2
4 6 0
28 2
3 6 0
20 2
3 8 0
14 2
3 7 0
18 2
3 5 0
18 2
3 4 0
46 8 16 11 0
43 17 34 17 0
20 2
3 8 0
30 9 12 13 0
30 8 11 14 0
20 5
6 8 0
51 6
9 8 0
41 13 26 22 0
33 3
5 8 0
19 3
5 12 0
20 3
5 7 0
14 2
4 10 0
23 2
3 2 0
20 2
3 3 0
14 2
3 4 0
28 4
6 8 0
23 2
3 2 0
20 2
3 3 0
14 2
3 3 0

FUZZY (SERVICE LEVEL)

h cost
s cost
os cost
Rp 28.763,78 Rp 12.896,55 Rp Rp 34.146,82 Rp 12.896,55 Rp Rp 28.050,75 Rp 17.195,40 Rp Rp 42.298,55 Rp 15.045,98 Rp Rp 28.268,06 Rp 10.747,13 Rp Rp 29.708,02 Rp 8.597,70 Rp Rp 54.631,97 Rp 23.643,68 Rp Rp 226.515,08 Rp 36.540,23 Rp Rp 27.144,06 Rp 17.195,40 Rp Rp 117.062,85 Rp 27.942,53 Rp Rp 110.047,31 Rp 30.091,95 Rp Rp 32.694,26 Rp 17.195,40 Rp Rp 45.898,30 Rp 17.195,40 Rp Rp 187.811,36 Rp 47.287,35 Rp Rp 31.845,74 Rp 17.195,40 Rp Rp 60.974,25 Rp 25.793,10 Rp Rp 31.512,21 Rp 15.045,98 Rp Rp 49.072,70 Rp 21.494,25 Rp Rp 23.315,36 Rp 4.298,85 Rp Rp 26.462,29 Rp 6.448,28 Rp Rp 44.569,78 Rp 8.597,70 Rp Rp 43.281,19 Rp 17.195,40 Rp Rp 22.771,44 Rp 4.298,85 Rp Rp 26.583,88 Rp 6.448,28 Rp Rp 41.934,64 Rp 6.448,28 Rp -

total inv cost

Rp 41.660,33
Rp 47.043,37
Rp 45.246,15
Rp 57.344,53
Rp 39.015,19
Rp 38.305,72
Rp 78.275,64
Rp 263.055,31
Rp 44.339,46
Rp 145.005,38
Rp 140.139,26
Rp 49.889,66
Rp 63.093,70
Rp 235.098,71
Rp 49.041,14
Rp 86.767,35
Rp 46.558,19
Rp 70.566,95
Rp 27.614,21
Rp 32.910,57
Rp 53.167,48
Rp 60.476,59
Rp 27.070,29
Rp 33.032,16
Rp 48.382,91

47

NO
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

NAMA PRODUK
CHIL SCHOOL VANILLA 200 GR
CHIL SCHOOL VANILLA 400 GR
CHIL SCHOOL VANILLA 800 GR
DIABETASOL CAPPUCINO 185 GR
DIABETASOL CAPPUCINO 600 GR
DIABETASOL COKLAT 180 GR
DIABETASOL COKLAT 600 GR
DIABETASOL VANILLA 180 GR
DIABETASOL VANILLA 600 GR
ENFAGROW A+ HONEY 800 GR
ENFAGROW A+ SA MADU 400 GR BOX
ENFAGROW A+ SA VANILLA 400 GR BOX
ENFAKID A+ MADU 800 GR
ENFAMIL A+ 400 GR BOX
ENFAMIL A+ HA 400 GR
ENTRASOL ACTIVE MOCHACINO 160 GR
ENTRASOL ACTIVE MOCHACINO 360 GR
ENTRASOL ACTIVE VANLATTE 160 GR
ENTRASOL GOLD COKLAT 185 GR
ENTRASOL GOLD COKLAT 185*2 GR
ENTRASOL GOLD VANILLA 185 GR
ENTRASOL GOLD VANILLA 370 GR
KIDZEE COKLAT 350 GR
KIDZEE MADU 350 GR
KIDZEE PLATINUM CHOCO 350 GR

Q SS ROP N OS
23 2
4 6 0
28 3
5 6 0
30 5
7 12 0
24 2
3 6 0
23 2
3 6 0
33 2
4 8 0
23 2
3 6 0
40 2
5 9 0
23 2
4 11 0
21 3
5 10 0
20 2
3 5 0
28 2
4 7 0
15 2
3 6 0
28 3
5 9 0
34 2
4 10 0
33 4
5 6 0
20 2
3 5 0
33 3
5 4 0
23 2
3 5 0
20 2
3 6 0
33 2
4 7 0
28 2
4 8 0
38 8 12 17 0
27 3
6 11 0
27 2
4 9 0

FUZZY (SERVICE LEVEL)

h cost
s cost
os cost
Rp 22.361,47 Rp 12.896,55 Rp Rp 37.637,47 Rp 12.896,55 Rp Rp 90.960,20 Rp 25.793,10 Rp Rp 20.633,02 Rp 12.896,55 Rp Rp 45.384,24 Rp 12.896,55 Rp Rp 31.150,17 Rp 17.195,40 Rp Rp 45.488,12 Rp 12.896,55 Rp Rp 34.299,32 Rp 19.344,83 Rp Rp 46.327,77 Rp 23.643,68 Rp Rp 58.653,67 Rp 21.494,25 Rp Rp 29.853,08 Rp 10.747,13 Rp Rp 33.015,46 Rp 15.045,98 Rp Rp 41.886,65 Rp 12.896,55 Rp Rp 36.557,58 Rp 19.344,83 Rp Rp 42.716,83 Rp 21.494,25 Rp Rp 31.980,77 Rp 12.896,55 Rp Rp 25.575,67 Rp 10.747,13 Rp Rp 29.893,44 Rp 8.597,70 Rp Rp 19.670,73 Rp 10.747,13 Rp Rp 24.821,35 Rp 12.896,55 Rp Rp 32.120,21 Rp 15.045,98 Rp Rp 33.441,40 Rp 17.195,40 Rp Rp 63.500,80 Rp 36.540,23 Rp Rp 38.470,92 Rp 23.643,68 Rp Rp 37.206,88 Rp 19.344,83 Rp -

total inv cost

Rp 35.258,02
Rp 50.534,02
Rp 116.753,30
Rp 33.529,57
Rp 58.280,79
Rp 48.345,57
Rp 58.384,67
Rp 53.644,14
Rp 69.971,44
Rp 80.147,92
Rp 40.600,21
Rp 48.061,44
Rp 54.783,20
Rp 55.902,41
Rp 64.211,08
Rp 44.877,32
Rp 36.322,80
Rp 38.491,14
Rp 30.417,86
Rp 37.717,90
Rp 47.166,18
Rp 50.636,80
Rp 100.041,03
Rp 62.114,59
Rp 56.551,70

48

NO
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75

NAMA PRODUK
KIDZEE PLATINUM VANILLA 350 GR
KIDZEE VANILLA 350 GR
PEDIASURE COMPLETE COKLAT 400 GR
PEDIASURE COMPLETE COKLAT 900 GR
PEDIASURE COMPLETE MADU 400 GR
PEDIASURE COMPLETE MADU 900 GR
PEDIASURE COMPLETE VANILLA 400 GR
PEDIASURE COMPLETE VANILLA 900 GR
PRENAGEN EMESIS COKLAT 200 GR
PRENAGEN EMESIS PLAIN 200 GR
PRENAGEN ESSENSIS CHOCO 180 GR
PRENAGEN ESSENSIS MOCHA 180 GR
PRENAGEN ESSENSIS VANILLA 180 GR
PRENAGEN LACTAMOM COKLAT 200 GR
PRENAGEN LACTAMOM COKLAT 400 GR
PRENAGEN LACTAMOM VANILA 200 GR
PRENAGEN MOMMY COKLAT 200 GR
PRENAGEN MOMMY COKLAT 400 GR
PRENAGEN MOMMY MOCHA 200 GR
PRENAGEN MOMMY MOCHA 400 GR
PRENAGEN MOMMY STRAWBERRY 200 GR
PRENAGEN MOMMY STRAWBERRY 400 GR
PRENAGEN MOMMY VANILLA 200 GR
PRENAGEN MOMMY VANILLA 400 GR
PROCAL 400 GR BOX

Q SS ROP N OS
27 3
5 9 0
33 3
6 12 0
21 2
3 5 0
14 2
3 4 0
30 2
3 6 0
14 2
3 4 0
30 2
4 7 0
20 2
3 7 0
40 4
6 7 0
23 2
3 2 0
41 2
4 8 0
33 2
3 5 0
24 1
2 4 0
33 1
2 6 0
29 3
5 7 0
23 2
3 7 0
57 20 25 15 0
29 2
4 10 0
33 2
4 8 0
20 1
2 5 0
33 2
4 9 0
20 1
2 6 0
33 12 14 9 0
20 3
5 7 0
27 4
6 6 0

FUZZY (SERVICE LEVEL)

h cost
s cost
os cost
Rp 37.479,66 Rp 19.344,83 Rp Rp 44.601,33 Rp 25.793,10 Rp Rp 27.509,51 Rp 10.747,13 Rp Rp 42.027,54 Rp 8.597,70 Rp Rp 33.762,82 Rp 12.896,55 Rp Rp 49.400,79 Rp 8.597,70 Rp Rp 34.902,98 Rp 15.045,98 Rp Rp 55.521,76 Rp 15.045,98 Rp Rp 37.419,76 Rp 15.045,98 Rp Rp 26.570,51 Rp 4.298,85 Rp Rp 35.748,80 Rp 17.195,40 Rp Rp 27.858,67 Rp 10.747,13 Rp Rp 21.178,76 Rp 8.597,70 Rp Rp 27.446,18 Rp 12.896,55 Rp Rp 35.878,44 Rp 15.045,98 Rp Rp 21.108,70 Rp 15.045,98 Rp Rp 72.268,00 Rp 32.241,38 Rp Rp 34.820,21 Rp 21.494,25 Rp Rp 31.176,84 Rp 17.195,40 Rp Rp 23.785,00 Rp 10.747,13 Rp Rp 30.591,82 Rp 19.344,83 Rp Rp 22.887,65 Rp 12.896,55 Rp Rp 43.811,71 Rp 19.344,83 Rp Rp 30.461,68 Rp 15.045,98 Rp Rp 43.140,10 Rp 12.896,55 Rp -

total inv cost

Rp 56.824,48
Rp 70.394,43
Rp 38.256,64
Rp 50.625,24
Rp 46.659,37
Rp 57.998,49
Rp 49.948,95
Rp 70.567,73
Rp 52.465,74
Rp 30.869,36
Rp 52.944,20
Rp 38.605,80
Rp 29.776,46
Rp 40.342,73
Rp 50.924,41
Rp 36.154,67
Rp 104.509,38
Rp 56.314,46
Rp 48.372,24
Rp 34.532,12
Rp 49.936,65
Rp 35.784,20
Rp 63.156,54
Rp 45.507,65
Rp 56.036,65

49

NO
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

NAMA PRODUK
PROCAL GOLD LUTEIN 400 GR
PROCAL GOLD LUTEIN 900 GR
PROMIL 400 GR BOX
PROMIL GOLD LUTEIN 900 GR
PROMISE 400 GR BOX
PROMISE GOLD LUTEIN 400 GR
S-26 400 GR BOX
S-26 GOLD LUTEIN 400 GR
S-26 GOLD LUTEIN 900 GR
SUSTAGEN SCHOOL 6+ MADU 350 GR
SUSTAGEN JUNIOR 1+ HONEY 350 BOX
SUSTAGEN JUNIOR 1+ VANILLA 350 BOX
SUSTAGEN JUNIOR 1+ VANILLA 800 GR
SUSTAGEN KID 3+ CHOCO 800 GR
SUSTAGEN KID 3+ COKLAT 350 GR
SUSTAGEN KID 3+ HONEY 800 GR
SUSTAGEN KID 3+ MADU 350 GR
SUSTAGEN KID 3+ VANILLA 350 GR
SUSTAGEN KID 3+ VANILLA 800 GR
SUSTAGEN SCHOOL 6+ VANILLA 350 GR
SUSTAGEN SCHOOL 6+ VANILLA 800 GR
TEEN ZEE PLATINUM GIRLS COKLAT 200 GR
TWEEN ZEE PLAT COCKBLACKFOREST 350 GR
TWEEN ZEE PLATINUM STRW 350 GR
TWEEN ZEE PLATINUM VANILLARICH 350 GR

Q SS ROP N OS
19 1
2 6 0
20 2
3 8 0
27 4
5 5 0
14 3
4 7 0
19 1
2 5 0
19 1
2 2 0
19 2
3 4 0
19 1
2 4 0
14 2
3 3 0
19 1
2 2 0
27 2
3 4 0
19 1
2 6 0
21 3
4 7 0
15 1
2 5 0
19 6
7 5 0
15 2
3 8 0
19 1
2 4 0
19 1
2 5 0
21 4
7 10 0
19 1
2 2 0
15 1
2 3 0
19 3
4 6 0
27 5
7 9 0
27 1
2 6 0
27 1
2 6 0

FUZZY (SERVICE LEVEL)

h cost
s cost
os cost
Rp 27.569,27 Rp 12.896,55 Rp Rp 56.290,63 Rp 17.195,40 Rp Rp 35.972,45 Rp 10.747,13 Rp Rp 45.349,20 Rp 15.045,98 Rp Rp 28.506,62 Rp 10.747,13 Rp Rp 28.743,45 Rp 4.298,85 Rp Rp 28.601,81 Rp 8.597,70 Rp Rp 24.288,15 Rp 8.597,70 Rp Rp 41.735,32 Rp 6.448,28 Rp Rp 27.673,49 Rp 4.298,85 Rp Rp 32.418,54 Rp 8.597,70 Rp Rp 25.461,52 Rp 12.896,55 Rp Rp 58.069,54 Rp 15.045,98 Rp Rp 35.331,83 Rp 10.747,13 Rp Rp 33.679,13 Rp 10.747,13 Rp Rp 36.406,45 Rp 17.195,40 Rp Rp 27.661,60 Rp 8.597,70 Rp Rp 27.584,30 Rp 10.747,13 Rp Rp 60.741,02 Rp 21.494,25 Rp Rp 29.570,32 Rp 4.298,85 Rp Rp 37.772,32 Rp 6.448,28 Rp Rp 30.398,07 Rp 12.896,55 Rp Rp 45.581,53 Rp 19.344,83 Rp Rp 33.633,56 Rp 12.896,55 Rp Rp 33.258,10 Rp 12.896,55 Rp -

total inv cost

Rp 40.465,82
Rp 73.486,03
Rp 46.719,58
Rp 60.395,18
Rp 39.253,75
Rp 33.042,30
Rp 37.199,51
Rp 32.885,85
Rp 48.183,59
Rp 31.972,34
Rp 41.016,24
Rp 38.358,07
Rp 73.115,51
Rp 46.078,95
Rp 44.426,25
Rp 53.601,85
Rp 36.259,30
Rp 38.331,43
Rp 82.235,27
Rp 33.869,17
Rp 44.220,59
Rp 43.294,62
Rp 64.926,35
Rp 46.530,11
Rp 46.154,65

50

Pada Tabel 5.6 jumlah stok pengaman dan kuantitas order berhasil
mencegah terjadinya out-of-stock dan meminimalkan total biaya inventori untuk
masing-masing produk. Menurut Hsun (2002), meminimalkan out-of-stock dapat
meminimalkan total biaya persediaan. Bahkan pada kasus tertentu, total biaya
persediaan minimal ketika tidak terjadi kehabisan barang, misalnya untuk produk
yang tidak memerlukan proses penyimpanan khusus sehingga biaya simpannya
rendah dan biaya kehabisan barang berbeda cukup signifikan dengan biaya
simpan (Hsun, 2002). Data ini diperoleh dengan mengasumsikan fungsi
keanggotaan mengikuti bentuk trapesium. Dalam penelitian ini, semua
perhitungan menggunakan fungsi aritmatika functional principle.

5.4 Perbandingan Hasil Penghitungan Stok Pengaman dan Kuantitas Order

Berdasarkan Kedua Metode
Hasil penghitungan stok pengaman dan kuantitas order dengan
menggunakan EOQ dibandingkan dengan hasil penghitungan stok pengaman dan
kuantitas order dengan menggunakan integrasi logika kabur berdasarkan nilai
reorder point dari service level perusahaan. Perbandingan hasil dari kedua metode
dilihat dari jumlah out-of-stok dan total biaya inventori yang dihasilkan dari
masing-masing produk. Tabel 5.7 adalah tabel hasil perbandingan kedua metode.

51

Tabel 5.7 Hasil Perbandingan Jumlah Stok Pengaman dan Kuantitas Order dari Kedua Metode
NO

NAMA PRODUK

1 BMT LACTOFERIN 200 GR

2 BMT LACTOFERIN 400 GR
3 BMT PLATINUM 400 GR
4 BMT PLATINUM 800 GR
5 BONA KID 4 400 GR
6 BONAKID 3
7 CHIL KID MADU 200 GR
8 CHIL KID MADU 800 GR
9 CHIL KID PLATINUM 400 GR MADU
10 CHIL KID PLATINUM 800 GR MADU
11 CHIL KID PLATINUM 800 GR VANILLA
12 CHIL KID PLATINUM VANILA 400 GR
13 CHIL KID VANILLA 200 GR
14 CHIL KID VANILLA BOX 800 GR
15 CHIL MIL 200 GR
16 CHIL MIL BOX 800 GR
17 CHIL MIL PLATINUM 400 GR
18 CHIL MIL PLATINUM 800GR
19 CHIL SCHOOL COKLAT 200 GR
20 CHIL SCHOOL COKLAT 400 GR
21 CHIL SCHOOL COKLAT 800 GR
22 CHIL SCHOOL PLATINUM VANILA 400 G
23 CHIL SCHOOL STRAWBERRY 200 GR
24 CHIL SCHOOL STRAWBERRY 400 GR
25 CHIL SCHOOL STRAWBERRY 800 GR

Q SS OS h cost
26 1 12 Rp 22.763,87
20 1 5 Rp 24.578,18
19 1 4 Rp 24.834,46
11 1 6 Rp 34.302,35
14 1 5 Rp 21.294,42
12 1 4 Rp 19.865,47
40 2 35 Rp 36.926,11
26 4 91 Rp 81.340,16
18 1 12 Rp 22.837,69
21 3 51 Rp 62.898,00
21 3 57 Rp 65.510,69
19 1 10 Rp 23.110,40
43 2 25 Rp 34.757,66
30 4 95 Rp 83.702,19
30 1 9 Rp 25.239,32
16 1 9 Rp 44.222,55
17 1 7 Rp 21.522,97
12 1 9 Rp 33.971,54
14 1 3 Rp 14.860,29
14 1 2 Rp 19.901,99
9 1 5 Rp 27.070,06
21 1 24 Rp 26.677,68
15 1 4 Rp 14.848,12
14 1 3 Rp 20.454,67
8 1 6 Rp 27.788,74

EOQ
s cost
os cost
Rp 17.195,40 Rp 47.982,00
Rp 19.344,83 Rp 81.955,50
Rp 17.195,40 Rp 44.883,20
Rp 21.494,25 Rp 129.903,00
Rp 15.045,98 Rp 21.923,88
Rp 12.896,55 Rp 18.714,53
Rp 25.793,10 Rp 104.527,50
Rp 53.735,63 Rp 1.079.578,50
Rp 17.195,40 Rp 120.304,80
Rp 36.540,23 Rp 968.398,20
Rp 38.689,65 Rp 1.082.327,40
Rp 17.195,40 Rp 118.635,00
Rp 25.793,10 Rp 74.662,50
Rp 58.034,48 Rp 1.127.032,50
Rp 19.344,83 Rp 46.689,50
Rp 30.091,95 Rp 121.126,50
Rp 17.195,40 Rp 69.261,50
Rp 21.494,25 Rp 186.018,30
Rp 8.597,70 Rp
8.365,50
Rp 10.747,13 Rp 11.033,00
Rp 12.896,55 Rp 53.570,00
Rp 21.494,25 Rp 207.345,60
Rp 6.448,28 Rp 11.154,00
Rp 10.747,13 Rp 16.549,50
Rp 12.896,55 Rp 64.284,00

total inv cost

Rp 87.941,27
Rp 125.878,50
Rp 86.913,06
Rp 185.699,60
Rp 58.264,27
Rp 51.476,55
Rp 167.246,71
Rp 1.214.654,29
Rp 160.337,89
Rp 1.067.836,42
Rp 1.186.527,74
Rp 158.940,80
Rp 135.213,26
Rp 1.268.769,17
Rp 91.273,64
Rp 195.441,00
Rp 107.979,87
Rp 241.484,09
Rp 31.823,49
Rp 41.682,11
Rp 93.536,61
Rp 255.517,53
Rp 32.450,39
Rp 47.751,29
Rp 104.969,29

FUZZY (SERVICE LEVEL)

Q SS OS h cost
s cost
os cost
33 2 0 Rp 28.763,78 Rp 12.896,55 Rp 28 2 0 Rp 34.146,82 Rp 12.896,55 Rp 20 2 0 Rp 28.050,75 Rp 17.195,40 Rp 14 2 0 Rp 42.298,55 Rp 15.045,98 Rp 18 2 0 Rp 28.268,06 Rp 10.747,13 Rp 18 2 0 Rp 29.708,02 Rp 8.597,70 Rp 46 8 0 Rp 54.631,97 Rp 23.643,68 Rp 43 17 0 Rp 226.515,08 Rp 36.540,23 Rp 20 2 0 Rp 27.144,06 Rp 17.195,40 Rp 30 9 0 Rp 117.062,85 Rp 27.942,53 Rp 30 8 0 Rp 110.047,31 Rp 30.091,95 Rp 20 5 0 Rp 32.694,26 Rp 17.195,40 Rp 51 6 0 Rp 45.898,30 Rp 17.195,40 Rp 41 13 0 Rp 187.811,36 Rp 47.287,35 Rp 33 3 0 Rp 31.845,74 Rp 17.195,40 Rp 19 3 0 Rp 60.974,25 Rp 25.793,10 Rp 20 3 0 Rp 31.512,21 Rp 15.045,98 Rp 14 2 0 Rp 49.072,70 Rp 21.494,25 Rp 23 2 0 Rp 23.315,36 Rp 4.298,85 Rp 20 2 0 Rp 26.462,29 Rp 6.448,28 Rp 14 2 0 Rp 44.569,78 Rp 8.597,70 Rp 28 4 0 Rp 43.281,19 Rp 17.195,40 Rp 23 2 0 Rp 22.771,44 Rp 4.298,85 Rp 20 2 0 Rp 26.583,88 Rp 6.448,28 Rp 14 2 0 Rp 41.934,64 Rp 6.448,28 Rp -

total inv cost

Rp 41.660,33
Rp 47.043,37
Rp 45.246,15
Rp 57.344,53
Rp 39.015,19
Rp 38.305,72
Rp 78.275,64
Rp 263.055,31
Rp 44.339,46
Rp 145.005,38
Rp 140.139,26
Rp 49.889,66
Rp 63.093,70
Rp 235.098,71
Rp 49.041,14
Rp 86.767,35
Rp 46.558,19
Rp 70.566,95
Rp 27.614,21
Rp 32.910,57
Rp 53.167,48
Rp 60.476,59
Rp 27.070,29
Rp 33.032,16
Rp 48.382,91

52

NO

NAMA PRODUK

26 CHIL SCHOOL VANILLA 200 GR

27 CHIL SCHOOL VANILLA 400 GR
28 CHIL SCHOOL VANILLA 800 GR
29 DIABETASOL CAPPUCINO 185 GR
30 DIABETASOL CAPPUCINO 600 GR
31 DIABETASOL COKLAT 180 GR
32 DIABETASOL COKLAT 600 GR
33 DIABETASOL VANILLA 180 GR
34 DIABETASOL VANILLA 600 GR
35 ENFAGROW A+ HONEY 800 GR
36 ENFAGROW A+ SA MADU 400 GR BOX
37 ENFAGROW A+ SA VANILLA 400 GR BOX
38 ENFAKID A+ MADU 800 GR
39 ENFAMIL A+ 400 GR BOX
40 ENFAMIL A+ HA 400 GR
41 ENTRASOL ACTIVE MOCHACINO 160 GR
42 ENTRASOL ACTIVE MOCHACINO 360 GR
43 ENTRASOL ACTIVE VANLATTE 160 GR
44 ENTRASOL GOLD COKLAT 185 GR
45 ENTRASOL GOLD COKLAT 185*2 GR
46 ENTRASOL GOLD VANILLA 185 GR
47 ENTRASOL GOLD VANILLA 370 GR
48 KIDZEE COKLAT 350 GR
49 KIDZEE MADU 350 GR
50 KIDZEE PLATINUM CHOCO 350 GR

Q SS OS h cost
23 1 10 Rp 19.536,35
21 1 20 Rp 24.588,71
20 2 24 Rp 54.715,06
21 1 5 Rp 19.123,67
16 1 9 Rp 32.365,38
28 1 11 Rp 25.701,12
15 1 9 Rp 29.379,01
35 1 24 Rp 29.914,89
20 1 14 Rp 36.252,00
16 1 16 Rp 37.741,48
15 1 6 Rp 21.486,07
23 1 18 Rp 28.642,44
9 1 3 Rp 23.860,00
23 1 21 Rp 26.388,54
26 1 26 Rp 31.498,55
26 1 10 Rp 22.419,04
17 1 7 Rp 21.027,82
22 1 10 Rp 21.439,95
20 1 6 Rp 17.604,62
17 1 7 Rp 21.063,88
27 1 19 Rp 24.350,96
24 1 10 Rp 30.468,59
38 2 12 Rp 61.685,80
24 1 12 Rp 31.692,97
23 1 4 Rp 31.448,24

EOQ
s cost
os cost
Rp 12.896,55 Rp 27.885,00
Rp 17.195,40 Rp 110.330,00
Rp 36.540,23 Rp 257.136,00
Rp 12.896,55 Rp 18.393,50
Rp 19.344,83 Rp 101.195,10
Rp 19.344,83 Rp 40.465,70
Rp 19.344,83 Rp 101.195,10
Rp 21.494,25 Rp 88.288,80
Rp 25.793,10 Rp 157.414,60
Rp 25.793,10 Rp 318.824,00
Rp 12.896,55 Rp 59.763,00
Rp 17.195,40 Rp 179.289,00
Rp 12.896,55 Rp 52.569,00
Rp 21.494,25 Rp 234.118,50
Rp 25.793,10 Rp 325.325,00
Rp 15.045,98 Rp 22.985,00
Rp 10.747,13 Rp 33.553,10
Rp 12.896,55 Rp 22.985,00
Rp 10.747,13 Rp 16.840,20
Rp 15.045,98 Rp 37.433,90
Rp 17.195,40 Rp 53.327,30
Rp 19.344,83 Rp 53.477,00
Rp 36.540,23 Rp 38.278,80
Rp 25.793,10 Rp 38.278,80
Rp 23.643,68 Rp 18.260,00

total inv cost

Rp 60.317,90
Rp 152.114,11
Rp 348.391,29
Rp 50.413,72
Rp 152.905,31
Rp 85.511,65
Rp 149.918,93
Rp 139.697,94
Rp 219.459,70
Rp 382.358,58
Rp 94.145,62
Rp 225.126,84
Rp 89.325,55
Rp 282.001,29
Rp 382.616,65
Rp 60.450,01
Rp 65.328,04
Rp 57.321,50
Rp 45.191,94
Rp 73.543,76
Rp 94.873,66
Rp 103.290,41
Rp 136.504,83
Rp 95.764,87
Rp 73.351,91

FUZZY (SERVICE LEVEL)

Q SS OS h cost
s cost
os cost
23 2 0 Rp 22.361,47 Rp 12.896,55 Rp 28 3 0 Rp 37.637,47 Rp 12.896,55 Rp 30 5 0 Rp 90.960,20 Rp 25.793,10 Rp 24 2 0 Rp 20.633,02 Rp 12.896,55 Rp 23 2 0 Rp 45.384,24 Rp 12.896,55 Rp 33 2 0 Rp 31.150,17 Rp 17.195,40 Rp 23 2 0 Rp 45.488,12 Rp 12.896,55 Rp 40 2 0 Rp 34.299,32 Rp 19.344,83 Rp 23 2 0 Rp 46.327,77 Rp 23.643,68 Rp 21 3 0 Rp 58.653,67 Rp 21.494,25 Rp 20 2 0 Rp 29.853,08 Rp 10.747,13 Rp 28 2 0 Rp 33.015,46 Rp 15.045,98 Rp 15 2 0 Rp 41.886,65 Rp 12.896,55 Rp 28 3 0 Rp 36.557,58 Rp 19.344,83 Rp 34 2 0 Rp 42.716,83 Rp 21.494,25 Rp 33 4 0 Rp 31.980,77 Rp 12.896,55 Rp 20 2 0 Rp 25.575,67 Rp 10.747,13 Rp 33 3 0 Rp 29.893,44 Rp 8.597,70 Rp 23 2 0 Rp 19.670,73 Rp 10.747,13 Rp 20 2 0 Rp 24.821,35 Rp 12.896,55 Rp 33 2 0 Rp 32.120,21 Rp 15.045,98 Rp 28 2 0 Rp 33.441,40 Rp 17.195,40 Rp 38 8 0 Rp 63.500,80 Rp 36.540,23 Rp 27 3 0 Rp 38.470,92 Rp 23.643,68 Rp 27 2 0 Rp 37.206,88 Rp 19.344,83 Rp -

total inv cost

Rp 35.258,02
Rp 50.534,02
Rp 116.753,30
Rp 33.529,57
Rp 58.280,79
Rp 48.345,57
Rp 58.384,67
Rp 53.644,14
Rp 69.971,44
Rp 80.147,92
Rp 40.600,21
Rp 48.061,44
Rp 54.783,20
Rp 55.902,41
Rp 64.211,08
Rp 44.877,32
Rp 36.322,80
Rp 38.491,14
Rp 30.417,86
Rp 37.717,90
Rp 47.166,18
Rp 50.636,80
Rp 100.041,03
Rp 62.114,59
Rp 56.551,70

53

NO

NAMA PRODUK

Q SS OS h cost
51 KIDZEE PLATINUM VANILLA 350 GR
23 1 14 Rp 30.739,02
52 KIDZEE VANILLA 350 GR
28 1 25 Rp 35.378,48
53 PEDIASURE COMPLETE COKLAT 400 GR 17 1 6 Rp 19.719,25
54 PEDIASURE COMPLETE COKLAT 900 GR
8 1 4 Rp 24.378,55
55 PEDIASURE COMPLETE MADU 400 GR
22 1 9 Rp 24.857,51
56 PEDIASURE COMPLETE MADU 900 GR
9 1 4 Rp 27.175,70
57 PEDIASURE COMPLETE VANILLA 400 GR 23 1 8 Rp 24.952,94
58 PEDIASURE COMPLETE VANILLA 900 GR 12 1 12 Rp 34.443,62
59 PRENAGEN EMESIS COKLAT 200 GR
30 1 13 Rp 28.025,20
60 PRENAGEN EMESIS PLAIN 200 GR
14 1 3 Rp 17.143,44
61 PRENAGEN ESSENSIS CHOCO 180 GR
33 1 25 Rp 27.637,19
62 PRENAGEN ESSENSIS MOCHA 180 GR
23 2 11 Rp 21.333,00
63 PRENAGEN ESSENSIS VANILLA 180 GR
19 1 4 Rp 19.660,06
64 PRENAGEN LACTAMOM COKLAT 200 GR 26 1 13 Rp 21.876,51
65 PRENAGEN LACTAMOM COKLAT 400 GR 23 1 10 Rp 26.586,91
66 PRENAGEN LACTAMOM VANILA 200 GR 21 1 9 Rp 19.341,51
67 PRENAGEN MOMMY COKLAT 200 GR
48 7 50 Rp 51.931,46
68 PRENAGEN MOMMY COKLAT 400 GR
26 1 15 Rp 29.516,26
69 PRENAGEN MOMMY MOCHA 200 GR
29 1 10 Rp 24.753,78
70 PRENAGEN MOMMY MOCHA 400 GR
17 1 3 Rp 19.821,72
71 PRENAGEN MOMMY STRAWBERRY 200 GR 30 2 17 Rp 26.212,27
72 PRENAGEN MOMMY STRAWBERRY 400 GR 17 1 6 Rp 21.440,15
73 PRENAGEN MOMMY VANILLA 200 GR
30 3 17 Rp 28.052,66
74 PRENAGEN MOMMY VANILLA 400 GR
18 1 8 Rp 21.221,16
75 PROCAL 400 GR BOX
21 1 8 Rp 29.163,21

EOQ
s cost
os cost
Rp 21.494,25 Rp 63.910,00
Rp 30.091,95 Rp 79.747,50
Rp 12.896,55 Rp 64.025,22
Rp 15.045,98 Rp 92.223,00
Rp 17.195,40 Rp 96.037,83
Rp 12.896,55 Rp 92.223,00
Rp 19.344,83 Rp 85.366,96
Rp 21.494,25 Rp 276.669,00
Rp 21.494,25 Rp 47.747,70
Rp 8.597,70 Rp 11.018,70
Rp 19.344,83 Rp 69.445,00
Rp 15.045,98 Rp 30.555,80
Rp 10.747,13 Rp 11.111,20
Rp 17.195,40 Rp 45.345,30
Rp 19.344,83 Rp 65.835,00
Rp 15.045,98 Rp 31.392,90
Rp 34.390,80 Rp 190.231,20
Rp 21.494,25 Rp 94.792,50
Rp 19.344,83 Rp 35.228,00
Rp 12.896,55 Rp 18.958,50
Rp 19.344,83 Rp 59.887,60
Rp 15.045,98 Rp 37.917,00
Rp 21.494,25 Rp 59.887,60
Rp 15.045,98 Rp 50.556,00
Rp 17.195,40 Rp 50.670,80

total inv cost

Rp 116.143,27
Rp 145.217,93
Rp 96.641,02
Rp 131.647,52
Rp 138.090,74
Rp 132.295,25
Rp 129.664,73
Rp 332.606,87
Rp 97.267,15
Rp 36.759,84
Rp 116.427,02
Rp 66.934,78
Rp 41.518,38
Rp 84.417,21
Rp 111.766,74
Rp 65.780,39
Rp 276.553,46
Rp 145.803,01
Rp 79.326,61
Rp 51.676,77
Rp 105.444,70
Rp 74.403,13
Rp 109.434,51
Rp 86.823,13
Rp 97.029,41

FUZZY (SERVICE LEVEL)

Q SS OS h cost
s cost
os cost
27 3 0 Rp 37.479,66 Rp 19.344,83 Rp 33 3 0 Rp 44.601,33 Rp 25.793,10 Rp 21 2 0 Rp 27.509,51 Rp 10.747,13 Rp 14 2 0 Rp 42.027,54 Rp 8.597,70 Rp 30 2 0 Rp 33.762,82 Rp 12.896,55 Rp 14 2 0 Rp 49.400,79 Rp 8.597,70 Rp 30 2 0 Rp 34.902,98 Rp 15.045,98 Rp 20 2 0 Rp 55.521,76 Rp 15.045,98 Rp 40 4 0 Rp 37.419,76 Rp 15.045,98 Rp 23 2 0 Rp 26.570,51 Rp 4.298,85 Rp 41 2 0 Rp 35.748,80 Rp 17.195,40 Rp 33 2 0 Rp 27.858,67 Rp 10.747,13 Rp 24 1 0 Rp 21.178,76 Rp 8.597,70 Rp 33 1 0 Rp 27.446,18 Rp 12.896,55 Rp 29 3 0 Rp 35.878,44 Rp 15.045,98 Rp 23 2 0 Rp 21.108,70 Rp 15.045,98 Rp 57 20 0 Rp 72.268,00 Rp 32.241,38 Rp 29 2 0 Rp 34.820,21 Rp 21.494,25 Rp 33 2 0 Rp 31.176,84 Rp 17.195,40 Rp 20 1 0 Rp 23.785,00 Rp 10.747,13 Rp 33 2 0 Rp 30.591,82 Rp 19.344,83 Rp 20 1 0 Rp 22.887,65 Rp 12.896,55 Rp 33 12 0 Rp 43.811,71 Rp 19.344,83 Rp 20 3 0 Rp 30.461,68 Rp 15.045,98 Rp 27 4 0 Rp 43.140,10 Rp 12.896,55 Rp -

total inv cost

Rp 56.824,48
Rp 70.394,43
Rp 38.256,64
Rp 50.625,24
Rp 46.659,37
Rp 57.998,49
Rp 49.948,95
Rp 70.567,73
Rp 52.465,74
Rp 30.869,36
Rp 52.944,20
Rp 38.605,80
Rp 29.776,46
Rp 40.342,73
Rp 50.924,41
Rp 36.154,67
Rp 104.509,38
Rp 56.314,46
Rp 48.372,24
Rp 34.532,12
Rp 49.936,65
Rp 35.784,20
Rp 63.156,54
Rp 45.507,65
Rp 56.036,65

54

NO

NAMA PRODUK

Q SS OS h cost
76 PROCAL GOLD LUTEIN 400 GR
17 1 11 Rp 23.752,17
77 PROCAL GOLD LUTEIN 900 GR
14 1 12 Rp 35.756,94
78 PROMIL 400 GR BOX
20 1 7 Rp 27.349,08
79 PROMIL GOLD LUTEIN 900 GR
10 1 5 Rp 27.561,94
80 PROMISE 400 GR BOX
15 1 6 Rp 22.316,00
81 PROMISE GOLD LUTEIN 400 GR
11 1 3 Rp 15.745,58
82 S-26 400 GR BOX
15 1 4 Rp 21.466,27
83 S-26 GOLD LUTEIN 400 GR
13 1 7 Rp 19.099,81
84 S-26 GOLD LUTEIN 900 GR
8 1 3 Rp 26.628,46
85 SUSTAGEN SCHOOL 6+ MADU 350 GR
11 1 4 Rp 19.884,01
86 SUSTAGEN JUNIOR 1+ HONEY 350 BOX
17 1 10 Rp 21.346,76
87 SUSTAGEN JUNIOR 1+ VANILLA 350 BOX 16 1 9 Rp 22.839,25
88 SUSTAGEN JUNIOR 1+ VANILLA 800 GR
16 3 6 Rp 41.990,44
89 SUSTAGEN KID 3+ CHOCO 800 GR
11 1 6 Rp 26.162,43
90 SUSTAGEN KID 3+ COKLAT 350 GR
15 1 10 Rp 18.385,57
91 SUSTAGEN KID 3+ HONEY 800 GR
13 1 8 Rp 31.897,07
92 SUSTAGEN KID 3+ MADU 350 GR
13 1 5 Rp 19.229,93
93 SUSTAGEN KID 3+ VANILLA 350 GR
14 1 7 Rp 18.938,56
94 SUSTAGEN KID 3+ VANILLA 800 GR
16 1 22 Rp 37.360,55
95 SUSTAGEN SCHOOL 6+ VANILLA 350 GR 10 1 4 Rp 15.067,60
96 SUSTAGEN SCHOOL 6+ VANILLA 800 GR 10 1 4 Rp 27.799,46
97 TEEN ZEE PLATINUM GIRLS COKLAT 200 GR16 1 3 Rp 22.571,93
98 TWEEN ZEE PLAT COCKBLACKFOREST 350 GR
23 1 15 Rp 32.676,75
99 TWEEN ZEE PLATINUM STRW 350 GR
20 1 10 Rp 27.450,65
100 TWEEN ZEE PLATINUM VANILLARICH 350 GR20 1 8 Rp 25.894,33
JUMLAH TOTAL BIAYA INVENTORI
Rp

EOQ
s cost
os cost
Rp 12.896,55 Rp 108.530,95
Rp 21.494,25 Rp 254.334,60
Rp 15.045,98 Rp 50.084,86
Rp 19.344,83 Rp 113.281,25
Rp 12.896,55 Rp 33.594,90
Rp 8.597,70 Rp 25.543,05
Rp 10.747,13 Rp 30.060,48
Rp 12.896,55 Rp 77.165,55
Rp 10.747,13 Rp 71.988,60
Rp 8.597,70 Rp 18.832,00
Rp 15.045,98 Rp 47.080,00
Rp 15.045,98 Rp 42.372,00
Rp 17.195,40 Rp 62.865,00
Rp 15.045,98 Rp 62.865,00
Rp 12.896,55 Rp 47.080,00
Rp 19.344,83 Rp 83.820,00
Rp 12.896,55 Rp 23.540,00
Rp 12.896,55 Rp 32.956,00
Rp 25.793,10 Rp 230.505,00
Rp 8.597,70 Rp 18.832,00
Rp 8.597,70 Rp 41.910,00
Rp 15.045,98 Rp
6.105,00
Rp 23.643,68 Rp 56.101,50
Rp 17.195,40 Rp 37.401,00
Rp 17.195,40 Rp 29.920,80

total inv cost

Rp 145.179,67
Rp 311.585,79
Rp 92.479,92
Rp 160.188,02
Rp 68.807,45
Rp 49.886,33
Rp 62.273,88
Rp 109.161,91
Rp 109.364,19
Rp 47.313,71
Rp 83.472,74
Rp 80.257,23
Rp 122.050,84
Rp 104.073,40
Rp 78.362,12
Rp 135.061,89
Rp 55.666,48
Rp 64.791,11
Rp 293.658,65
Rp 42.497,30
Rp 78.307,16
Rp 43.722,90
Rp 112.421,93
Rp 82.047,05
Rp 73.010,53
16.294.850,60

FUZZY (SERVICE LEVEL)

Q SS OS h cost
s cost
os cost
19 1 0 Rp 27.569,27 Rp 12.896,55 Rp 20 2 0 Rp 56.290,63 Rp 17.195,40 Rp 27 4 0 Rp 35.972,45 Rp 10.747,13 Rp 14 3 0 Rp 45.349,20 Rp 15.045,98 Rp 19 1 0 Rp 28.506,62 Rp 10.747,13 Rp 19 1 0 Rp 28.743,45 Rp 4.298,85 Rp 19 2 0 Rp 28.601,81 Rp 8.597,70 Rp 19 1 0 Rp 24.288,15 Rp 8.597,70 Rp 14 2 0 Rp 41.735,32 Rp 6.448,28 Rp 19 1 0 Rp 27.673,49 Rp 4.298,85 Rp 27 2 0 Rp 32.418,54 Rp 8.597,70 Rp 19 1 0 Rp 25.461,52 Rp 12.896,55 Rp 21 3 0 Rp 58.069,54 Rp 15.045,98 Rp 15 1 0 Rp 35.331,83 Rp 10.747,13 Rp 19 6 0 Rp 33.679,13 Rp 10.747,13 Rp 15 2 0 Rp 36.406,45 Rp 17.195,40 Rp 19 1 0 Rp 27.661,60 Rp 8.597,70 Rp 19 1 0 Rp 27.584,30 Rp 10.747,13 Rp 21 4 0 Rp 60.741,02 Rp 21.494,25 Rp 19 1 0 Rp 29.570,32 Rp 4.298,85 Rp 15 1 0 Rp 37.772,32 Rp 6.448,28 Rp 19 3 0 Rp 30.398,07 Rp 12.896,55 Rp 27 5 0 Rp 45.581,53 Rp 19.344,83 Rp 27 1 0 Rp 33.633,56 Rp 12.896,55 Rp 27 1 0 Rp 33.258,10 Rp 12.896,55 Rp Rp

total inv cost

Rp 40.465,82
Rp 73.486,03
Rp 46.719,58
Rp 60.395,18
Rp 39.253,75
Rp 33.042,30
Rp 37.199,51
Rp 32.885,85
Rp 48.183,59
Rp 31.972,34
Rp 41.016,24
Rp 38.358,07
Rp 73.115,51
Rp 46.078,95
Rp 44.426,25
Rp 53.601,85
Rp 36.259,30
Rp 38.331,43
Rp 82.235,27
Rp 33.869,17
Rp 44.220,59
Rp 43.294,62
Rp 64.926,35
Rp 46.530,11
Rp 46.154,65
5.639.376,24

55

Berdasarkan hasil perbandingan yang ditunjukkan pada tabel 5.7, hasil

penghitungan safety stock dan kuantitas order untuk seratus produk yang
menggunakan integrasi logika kabur berdasarkan nilai reorder point dari service
level perusahaan mampu mencegah terjadinya out-of-stock serta menghasilkan
total biaya inventori yang minimum dibanding menggunakan metode EOQ.
Jumlah total biaya inventori untuk seratus produk pada metode EOQ adalah Rp
16.325.374,94 dan pada metode logika kabur berdasarkan nilai reorder point dari
service level perusahaan adalah Rp 5.540.864,29. Berdasarkan perhitungan
tersebut, metode logika kabur berdasarkan nilai reorder point dari service level
perusahaan mampu menurunkan biaya inventori yang signifikan dari biaya
inventori yang dihasilkan dari metode EOQ. Oleh karena itu, hal ini menunjukkan
bahwa model penghitungan stok pengaman dan kuantitas order dengan
menggunakan integrasi logika kabur berdasarkan nilai reorder point dari service
level perusahaan lebih akurat dibanding metode EOQ.

5.5 Penggunaan Hasil Penghitungan Logika Kabur Untuk Masa Mendatang

Menurut Fogarty (1991), salah satu contoh permintaan dengan pola data
horizontal adalah produk-produk yang merupakan kebutuhan sehari-hari seperti
susu, roti, dan lain-lain. Produk-produk seperti itu akan memiliki pola permintaan
pada masa mendatang tidak jauh berubah dengan permintaan sebelumnya (Hanke
dan Wichern, 2005). Berdasarkan alasan tersebut simulasi menggunakan tabel
MRP menggunakan data histori dirasa telah cukup dan hasil perhitungan jumlah
pesanan dan safety stock dapat digunakan untuk masa mendatang. Lampiran 13
menggambarkan autokorelasi untuk tiga sampel produk susu yaitu BMT Platinum
400 gram, Chil Kid Madu 800 gram, dan Chil Mil Platinum 800 gram. Hasil
autokorelasi untuk ketiga buah produk menunjukkan produk bersifat random.

BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan
1. Kuantitas order yang optimal dengan menggunakan metode EOQ untuk
masing-masing barang berkisar antara 8 unit sampai dengan 48 unit,
sedangkan jumlah safety stock-nya berkisar antara 1 unit sampai dengan 7
unit.
2. Kuantitas order yang optimal dengan menggunakan metode integrasi logika
kabur dengan pendekatan Graded Mean Integration, yakni berdasarkan nilai
reorder point dari service level perusahaan untuk untuk masing-masing barang
berkisar antara 14 unit sampai dengan 57 unit, sedangkan jumlah safety stocknya berkisar antara 1 unit sampai dengan 20 unit.
3. Total biaya inventori yang dihasilkan oleh metode logika kabur adalah Rp
5.639.376,24

lebih

rendah

dibandingkan

metode

EOQ

adalah

Rp

16.294.850.60. Out-of-stock tidak terjadi pada metode logika kabur,

sedangkan pada metode EOQ out-of-stock terjadi 473 kali untuk 100 produk
susu. Oleh karena itu, hasil penghitungan kuantitas order dan safety stock
menggunakan metode integrasi logika kabur berdasarkan nilai reorder point
dari service level perusahaan menghasilkan jumlah out-of-stock dan total biaya
inventori lebih minimum dibandingkan metode EOQ.

6.2 Saran
1. Perlu dilakukan penelitian untuk jenis produk yang bersifat musiman atau
seasonal seperti sirup atau minuman gelas.
2. Perlu dilakukan penelitian dalam penghitungan kuantitas order dan safety
stock dengan menggunakan bentuk fungsi keanggotaan yang berbeda
seperti bell curve.

56

DAFTAR PUSTAKA

Amer, Y., Luong, L., dan Lee, S., 2009, Optimizing Order Fulfillment In A
Global Retail Supply Chain, University of South Australia, Australia.
Ballou, R.H., 2004, Business Logistics/Supply Chain Management, Pearson
Education, New Jersey.
Chen, S., dan Chien C.W., 2006, Fuzzy Distance of Trapezoidal Fuzzy Number,
Ching Yun University, Taiwan.
Chen, S., dan Guo-Chin L., 2000, Representation, Rangking, and Distance of
Fuzzy Nimber With Exponential Membership Function Using Graded Mean
Integration Method, Journal of Mathematical Sciences, vol 16, no. 2, pp 123131
Chopra, S. dan Meindl, P., 2007, Supply Chain Management: Strategy, Planning,
and Operation, Prentice Hall, United States.
Davis, M.M. dan Heineke, J., 2005, Operations Management, McGraw Hill,
United States of America.
Hanke, J.E. dan Wichern, D.W., 2005, Business Forecasting, Prentice Hall,
United States of America.
Hsieh, C.H., 2003, Optimization of Fuzzy Inventory Models under k-preference,
Tamsui Oxford Journal of Mathematical Sciences, vol 19, no. 1, pp 79-97
Hsieh, C.H., 2004, Optimization of Fuzzy Inventory Model Under Fuzzy Demand
and Fuzzy Lead Time, Journal of Management Sciences, vol 20, no. 2, pp 2126.
Jazuli, 2010, Perancangan Sistem Pendukung Keputusan untuk Persediaan dan
Distribusi pada Pusat Distribusi Minimarket Berjaringan, Universitas Gadjah
Mada, Yogyakarta, Indonesia.
Kusumadewi, S., 2003, Artificial Intelligence, Graha Ilmu, Yogyakarta.
Lesmono, N.V., 2009, Integrasi Algoritma Genetika Dalam Penentuan Kuantitas
Order dan Stok Pengaman Untuk Meminimalkan Biaya Persediaan Pada
Model Persediaan Berbasis Logika Kabur, Universitas Gadjah Mada,
Yogyakarta, Indonesia.

57

58

Lestari, W.P., 2009, Pengaruh Integrasi Logika Kabur Terhadap Stok Pengaman
dan Kuantitas Order Untuk Meminimalisasi Biaya Persediaan, Universitas
Gadjah Mada Yogyakarta, Indonesia.
Levi, et al., 2000, Designing and Managing the Supply Chain, McGraw Hill,
United States.
Levin, R.I, David S.R., Joel P.S., dan Everette S.G.Jr., 1992, Quantitative
Approaches to Management, 8th Edition, McGraw Hill Inc., United States of
America.
Firdaus, S., 2007, Evaluasi Tingkat Safety Stock Dalam Replenishment Policy
Berdasarkan Cycle Service Level Untuk Meminimalkan Total Biaya
Persediaan (PT. Muliaglass), Universitas Gadjah Mada, Yogyakarta,
Indonesia.
Fogarty, D.W., Blackstone Jr., dan Hoffman, T.R., 1991, Production and
Inventory Management, 2nd Edition, South-Western Publishing Co., Cincinnati.
Pradipta, Y., 2007, Perbaikan Sistem Persediaan Bahan Baku Dengan
Menggunakan Metode Economic Order Quantity, Universitas Gadjah Mada,
Yogyakarta, Indonesia.
Siregar, Z.A., Penentuan Quantity Order Pada Sistem Inventori Berdasarkan
Logika Fuzzy, Universitas Gadjah Mada, Yogyakarta, Indonesia.
Stevenson, J.W., 2004, Operation Management, McGraw-Hill, United States.
Tersine, R.J., 1994, Principles of Inventory and Materials Management, PTR
Prentice-Hall, New Jersey.
Wang, C., dan Shan-Huo C., 2002, Comparison of Learning Effort Using Fuzzy
Graded Mean Integration Method, Proceeding of the International Conference
on Computer in Education, IEEA.
Widodo, P.P. dan Handayanto, R.T., 2012, Penerapan Soft Computing dengan
MATLAB, Rekayasa Industri, Bandung.
Yanuar, A., 2008, Evaluasi Model Penentuan Safety Stock Dengan Pendekatan
Parametrik dan Non Parametrik, Universitas Gadjah Mada, Yogyakarta,
Indonesia.