Optimasi Alokasi Rung Dan Barang
Optimasi Alokasi Rung Dan Barang
Tesis
Disusun oleh
ii
HALAMAN PERNYATAAN
Saya menyatakan dengan sesungguhnya bahwa Tesis ini adalah asli hasil karya
saya dan tidak terdapat karya yang pernah diajukan untuk memperoleh gelar
master of science di perguruan tinggi, dan sepanjang pengetahuan saya juga tidak
terdapat karya atau pendapat yang pernah ditulis atau dipublikasikan oleh orang
lain, kecuali yang secara tertulis disebutkan sumbernya dalam naskah dan dalam
Daftar Pustaka.
iii
HALAMAN PERSEMBAHAN
iv
KATA PENGANTAR
Tesis dengan judul Optimasi Alokasi Distribusi Produk dan Jumlah Pesanan
dengan Pendekatan Logika Kabur Pada Gudang Pusat Chain Store Lokal disusun
untuk memenuhi salah satu syarat mendapatkan gelar magister pada Progam Studi
Pascasarjana Teknik Industri, Jurusan Teknik Mesin dan Industri, Universitas
Gadjah Mada.
Dalam tesis ini, penulis melakukan penelitian pada chain store lokal di
wilayah Yogyakarta untuk mengembangkan model penentuan jumlah alokasi
optimal yang harus dikirim oleh gudang pusat ke masing-masing retailer dan
penentuan jumlah pesanan optimal oleh gudang pusat ke supplier dengan
pendekatan logika kabur dan dibandingkan dengan metode lainnya.
Tulisan ini dimulai dari bagian pendahuluan yang berisi latar belakang,
rumusan masalah, batasan, tujuan serta manfaat dari penulisan ini. Bagian kedua
adalah tinjauan pustaka yang berisi uraian tentang penelitian terdahulu yang
berhubungan dengan penelitian yang dilakukan. Bagian ketiga berisi uraian
tentang dasar teori yang digunakan dalam penelitian ini. Bagian keempat
menjelaskan tentang metode penelitian yang terdiri dari objek penelitian dan
tahapan penelitian. Bagian kelima menjelaskan tentang hasil penelitian dan
pembahasan. Tulisan diakhiri dengan kesimpulan dari hasil penelitian dan saran
bagi peneliti yang ingin mengadakan penelitian sejenis.
Penulis menyadari masih banyak kekurangan didalam penyusunan tulisan ini.
Oleh karena itu, saran dan kritik yang membangun sangat diharapkan sebagai
bahan masukan perbaikan. Penulis berharap semoga hasil dari penelitian ini dapat
bermanfaat bagi kemajuan ilmu, civitas akademika, pemerintah, dan masyarakat
pada umumnya.
Penulis
v
Puji dan syukur penulis panjatkan kepada Tuhan atas segala rahmat,
kekuatan, dan kemudahan-Nya sehingga penulis dapat menyelesaikan tesis ini
dengan lancar sebagai bentuk pertanggungjawaban untuk mendapatkan gelar
magister. Penulis menyadari bahwa penyusunan tesis ini tidak terlepas dari
bantuan, bimbingan, dan dukungan seluruh pihak. Oleh karena itu, penulis ingin
menyampaikan rasa terima kasih kepada:
1.
Bapak Prof. Ir. Jamasri, Ph.D. selaku Ketua Jurusan Teknik Mesin dan
Industri Fakultas Teknik UGM.
2.
Bapak Ir. Subagyo, Ph.D. selaku Sekretaris Jurusan Teknik Mesin dan
Industri Fakultas Teknik UGM.
3.
Ibu Nur Aini Masruroh, ST., M.Sc., Ph.D. selaku Ketua Progam Studi
Pascasarjana Teknik Industri
4.
Bapak Andi Sudiarso, ST., MT., M.Sc., Ph.D selaku dosen pembimbing
tesis yang berperan besar dalam membimbing dan mendukung penulis
sehingga tesis ini dapat diselesaikan. Terima kasih atas perhatian, waktu,
dan kesempatan yang telah diberikan.
5.
Orang tua penulis, Bapak Agustinus Suratyono (Alm) dan Ibu Yuliana
Tin Budiati, Spd
Seluruh dosen, staf pengajar, dan karyawan Jurusan Teknik Mesin dan
Industri Fakultas Teknik UGM atas ilmu, pengalaman, dukungan, dan
bantuannya selama penulis berada di kampus.
7.
8.
9.
10. Teman-teman satu angkatan 2012 Genap, Devi, Rahmi, Mbak Ratih,
Mbak Tika, Mbak Asta, Gilang, Mas Adhit, Mas Dudi, Mas Ipul, dan
Pak Siddiq selaku teman seperjuangan yang selalu memberikan semangat
bagi penulis.
11. Teman-teman S2 Teknik Industri 2011, 2012, 2013, dan KMPTI UGM
yang selalu memberikan semangat selama penulis menyelesaikan tesis
ini.
12. Seluruh pihak yang telah membantu penulis baik secara langsung
maupun tidak langsung selama penulis menyelesaikan tesis ini.
Penulis
vii
DAFTAR ISI
HALAMAN JUDUL
HALAMAN PENGESAHAN
ii
HALAMAN PERNYATAAN
iii
HALAMAN PERSEMBAHAN
iv
KATA PENGANTAR
vi
DAFTAR ISI
viii
DAFTAR TABEL
xi
DAFTAR GAMBAR
xii
DAFTAR LAMPIRAN
xiv
xv
INTISARI
xvi
ABSTRACT
xvii
BAB I PENDAHULUAN
15
15
15
16
17
17
18
viii
20
23
24
24
25
27
3.5 Peramalan
27
27
28
30
33
34
34
36
38
38
39
46
49
50
50
51
53
53
53
54
55
56
59
ix
59
61
61
61
62
63
63
63
65
67
70
79
88
92
93
94
101
6.1 Kesimpulan
101
6.2 Saran
101
DAFTAR PUSTAKA
102
LAMPIRAN
109
DAFTAR TABEL
Tabel 2.1 Posisi penelitian
14
27
62
64
66
67
70
72
79
81
Tabel 5.9 Perbandingan Total Goss Profit Metode Sistem Dorong dan
Fuzzy
88
Tabel 5.10 Hasil Penghitungan Kuantitas Order, Safety Stock, dan ROP
Menggunakan Metode EOQ
93
95
98
Tabel 5.13 Hasil Perbandingan Total Biaya Inventori untuk Kedua Metode 99
Tabel 5.14 Prosentase Penghematan Biaya Inventori Menggunakan
Integasi Logika Kabur
100
xi
DAFTAR GAMBAR
Gambar 3.1 Simplifikasi Model Supply chain
16
25
26
28
29
29
30
35
36
37
38
40
40
41
42
42
43
44
45
46
57
59
60
60
65
65
Gambar 5.3 Hasil Surface Biaya Simpan dan Biaya Transportasi Terhadap
xii
Alokasi
Gambar 5.4
79
Gambar 5.5
80
Gambar 5.6
80
Gambar 5.7
Gambar 5.8
90
Gambar 5.9
89
91
97
97
98
99
xiii
DAFTAR LAMPIRAN
110
117
122
124
129
130
144
xiv
147
EOQ
MAD
MAPE
MSD
MSE
P1
: Pamela 1
P2
: Pamela 2
P3
: Pamela 3
P4
: Pamela 4
P6
: Pamela 6
P7
: Pamela 7
P8
: Pamela 8
ROP
: Reorder Point
SCM
SS
: Safety Stock
VMI
xv
INTISARI
xvi
ABSTRACT
Keyword: EOQ, chain store, fuzzy logic, number of orders, product allocation,
push system
xvii
BAB I
PENDAHULUAN
1.1.Latar Belakang
Peningkatan persaingan industri baik industri manufaktur maupun industri
jasa akibat adanya perdagangan bebas menyebabkan seluruh industri berusaha
untuk melakukan perbaikan berkelanjutan dengan tujuan untuk meningkatkan
produktivitasnya. Salah satu contoh industri yang persaingannya semakin ketat
baik dengan industri lokal, nasional, maupun internasional adalah corporate chain
store. Menurut Saladin (2003) corporate chain store (jaringan toko korporat)
merupakan jaringan dua toko atau lebih yang dimiliki dan dikendalikan secara
bersama-sama yang melakukan pembelian dan perdagangan secara terpusat serta
menjual lini produk yang sejenis. Corporate chain store semakin berkembang
tidak hanya di kota-kota besar seperti Jakarta dan Surabaya tetapi di kota kecil
seperti Yogyakarta saat ini telah banyak terjadi persaingan corporate chain store.
Hal tersebut dikarenakan Yogyakarta merupakan salah satu wilayah yang padat
penduduk dan merupakan daerah wisata sehingga banyak wisatawan baik dari
dalam negeri maupun dari luar negeri yang berkunjung ke kota Yogyakarta.
Melihat kondisi kota Yogyakarta yang memberikan prospek cukup baik bagi
perkembangan corporate chain store, terjadi peningkatan jumlah corporate chain
store tidak hanya berskala internasional dan nasional namun juga berskala lokal.
Perbedaan yang terjadi diantara corporate chain store berskala
internasional, nasional, dan lokal adalah pada aspek Supply Chain Management
(SCM). Supply chain is a global network of organizations that cooperate to
improve the flows of material and information between suppliers and customers
at the lowest cost and the highest speed (Govil & Proth, 2002). Corporate
chain store berskala internasional dan nasional telah menggunakan jaringan SCM
yang terintegasi dengan baik, sedangkan untuk corporate chain store berskala
lokal belum sepenuhnya menggunakan standarisasi tertentu pada jaringan rantai
order
yang
diminta.
Hal
tersebut
dikarenakan
manajemen
sehingga gudang bisa memantau permintaan konsumen setiap waktu dan bisa
melakukan pengiriman produk secara optimal. Hal tersebut juga didukung
dengan penelitian yang dilakukan oleh Chopra dan Meindl (2007) yang
menyatakan bahwa menghilangkan purchase order akan dapat menurunkan
biaya transaksi pembelian Jadi dalam penelitian ini akan dilakukan optimalisasi
inventori pada seluruh jaringan rantai pasok yang terkait yakni supplier, gudang
pusat, dan retailer. Forecasting (peramalan) dilakukan untuk mengetahui pola
permintaan konsumen sehingga gudang dapat menentukan alokasi distribusi
yang optimal untuk tiap-tiap retailer, dan penentuan jumlah pesanan yang
optimal dilakukan oleh gudang ke supplier untuk meminimalisasi biaya
persediaan.
Dalam model persediaan klasik, kuantitas pemesanan yang optimal
adalah poin utama untuk meminimalkan total biaya persediaan tahunan, di mana
total biaya persediaan tahunan tersebut merupakan fungsi dari jumlah
persediaan, biaya pesan, dan biaya simpan (Hsieh, 2003). Supply chain
merupakan kegiatan yang selalu diikuti oleh uncertainty, entah itu dari aliran
material, arus informasi, atau hubungan seller-buyer di mana semuanya saling
berikatan dan saling mempengaruhi (Zarandi et al.,2002). Pada kondisi yang
sebenarnya, parameter dan variabel dalam model persediaan juga merupakan
unsur yang tidak pasti. Lotfi A. Zadeh pada tahun 1965 mengembangkan teori
logika kabur yang digunakan untuk menghitung variabel yang mengandung unsur
ketidakpastian. Pendekatan berbasis logika kabur dapat dipertimbangkan sebagai
alternatif yang lebih baik dibandingkan dengan model persediaan klasik. Maka
dari itu, dalam penelitian ini menggunakan pendekatan logika kabur dalam
penentuan order yang optimal dari gudang pusat ke suplier untuk meminimalisir
kemungkinan terjadinya overstock ataupun stock out dalam persediaan produk.
Pendekatan berbasis logika kabur ini juga akan digunakan dalam penentuan
alokasi distribusi seperti penelitian yang dilakukan oleh Petrovic (1996). Dengan
pendekatan fuzzy logic ini dapat diperoleh nilai optimal untuk alternatif solusi
alokasi distribusi produk. Untuk itu, penelitian ini juga menggunakan
pendekatan berbasis logika kabur dalam penentuan alokasi distribusi produk dari
BAB II
TINJAUAN PUSTAKA
metode
fuzzy
linear
progamming
untuk
pengoptimalan
10
11
7.237.494.
Firdaus (2007) melakukan penghitungan kuantitas order menggunakan
model EOQ dan safety stock menggunakan EOQ Ordering. Tujuan dari penelitian
tersebut adalah untuk meminimalkan biaya inventori dan mencegah terjadinya
out-of-stock. Namun tidak dilakukan validasi terhadap hasil perhitungan sehingga
tidak diketahui jumlah out-of-stock maupun total biaya inventori yang dihasilkan.
Juslanda & Oktavia (2006) melakukan analisis perencanaan dan pengendalian
persediaan bahan baku di PT. Jaya Mulia Perkasa menggunakan metode EOQ,
ROP (Reorder Point), dan SS (Safety stock). Metode ini digunakan untuk
menentukan tingkat pemesanan ekonomis pada setiap pemesanan bahan baku
untuk kelancaran proses produksi perusahaan dan meminimasi biaya persediaan.
Tujuan penelitian tersebut adalah untuk menciptakan suatu pengelolaan
persediaan yang efektif. Hasil penelitian menunjukkan bahwa perbandingan hasil
biaya persediaan sebelum menggunakan EOQ dan sesudah menggunakan EOQ
dapat diminimalisasi sebesar Rp 36.447.637. Gupta (2003) juga melakukan
penelitian mengenai kebijakan pemesanan dengan metode EOQ. Namun
penelitiannya mencakup empat permasalahan dengan karakteristik permintaan
yang berbeda-beda. Pertama adalah untuk permintaan yang bersifat pasti dan
musiman seperti pohon Natal di mana produk tersebut juga mengalami deteriorasi
seiring berjalannya waktu. Masalah kedua adalah permintaan yang diasumsikan
meningkat seiring peningkatan waktu. Sedangkan yang ketiga sama dengan yang
kedua namun permintaan dibatasi selama horison tertentu. Keempat adalah
masalah biaya pesan yang selalu meningkat seiring berjalannya waktu. Seluruh
permasalahan tersebut diselesaikan dengan metode EOQ dengan tujuan untuk
minimasi biaya persediaan.
Jazuli (2011) melakukan penelitian untuk optimalisasi sistem persediaan
dan distribusi dengan menggunakan model jaringan sebuah pusat distribusi,
12
banyak suplier, dan banyak ritel. Di mana supplier mengirimkan produk pada
pusat distribusi dan seluruh pengiriman kepada toko dilakukan atau diatur oleh
pusat distribusi tersebut, jadi tidak ada supplier yang mengirimkan produknya
secara langsung kepada toko. Penelitian tersebut menggunakan metode
pengendalian Q yang memperbaiki model EOQ di mana pada metode Q ini
diasumsikan permintaan bersifat acak sehingga memungkinkan terjadinya
kehabisan persediaan. Selain itu juga menggunakan metode pengendalian P yang
dalam pengendalian persediaannya meliputi target persediaan dari masing-masing
produk sesuai dengan pola permintaanya, dengan juga memperhatikan kebijakan
stok pengaman pada masing masing ritel maupun pusat distribusi.
Masalah persediaan akan menjadi kompleks apabila dihadapkan pada
kondisi
ketidakpastian.
Ketidakpastian
akan
memicu
risiko
sehingga
ukuran
pemesanan.
Hasil
penerapan
EPQ-fuzzy
dengan
13
menggunakan
metode
fuzzy
untuk
menentukan
jumlah
14
BAB III
LANDASAN TEORI
3.1
15
16
Pada supply chain terdapat tiga aliran yang harus dikelola seperti
ditunjukkan pada Gambar 3.1, yaitu:
1. aliran barang/material,
2. aliran uang/financial, dan
3. aliran informasi
17
3.2
Manajemen Persediaan
18
persediaan mempunyai nilai ekonomis dimasa yang akan datang pada saat aktif
(Priyanto, 2007). Persediaan adalah bahan atau barang yang disimpan yang akan
digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau
perakitan, untuk dijual kembali, dan untuk suku cadang dari suatu peralatan atau
mesin. Persediaan dapat berupa bahan mentah, bahan pembantu, barang dalam
proses, barang jadi, ataupun suku cadang (Herjanto, 1999). Setiap perusahaan
perlu mengadakan persediaan untuk menjamin kelangsungan hidup usahanya.
Untuk mengadakan persediaan, dibutuhkan sejumlah uang yang diinvestasikan
dalam persediaan tersebut. Oleh karena itu, setiap perusahaan harus dapat
mempertahankan suatu jumlah persediaan optimum yang dapat menjamin
kebutuhan bagi kelancaran kegiatan perusahaan dalam jumlah dan mutu yang
tepat dengan biaya yang serendah-rendahnya.
19
20
21
22
23
merupakan
kemampuan
suatu
perusahaan
untuk
(3.1)
24
Dalam penelitian ini, biaya-biaya serta faktor yang membentuk goss profit
adalah kontribusi penjualan sebagai pemasukan perusahaan, serta biaya
transportasi dan biaya pengiriman sebagai pengeluaran perusahaan.
3.4
25
3.4.2
melalui
efektivitas
dalam
rantai
pasok
di
mana
pemasok
rantai
pasok
dengan
mengurangi
tingkat
persediaan
dan
dengan
process
26
pasok. Information sharing yang dilakukan antarpihak dalam rantai pasok ternyata
dapat mengurangi bullwhip effect. Bullwhip effect adalah suatu kejadian terjadinya
peningkatan jumlah kelebihan atau kekurangan persediaan di setiap pelaku dalam
rantai pasok seiring semakin jauhnya pelaku tersebut dilihat dari hubungannya
dengan konsumen akhir. Berkurangnya bullwhip effect ini merupakan pencapaian
performansi yang baik dalam sebuah rantai pasok. Adanya information sharing
pun dapat meningkatkan integasi yang lebih baik antarproses dalam rantai pasok.
Nishiguchi (1994) dalam Yao et al (2005) pun menyatakan bahwa alasan utama
keunggulan para produsen dari Jepang adalah adanya sinergi antarpihak dalam
rantai pasok. Oleh sebab itu integasi yang baik antarpihak dalam rantai pasok ini
sangatlah penting.
Penerapan strategi VMI pada rantai pasok melibatkan suatu kesepakatan
antar pihak terkait. Beberapa parameter yang perlu diperhatikan dalam suatu
kesepakatan yang akan mempengaruhi performansi penerapan strategi VMI yaitu
harga beli barang dari pemasok, batas-batas persediaan yang diiingini oleh
retailer, jumlah barang yang dapat dipenuhi oleh pemasok, variasi permintaan dan
sistem pembayaran. Dalam penelitian yang dilakukan GNEg (2010), terdapat
juga parameter-parameter lain yang diuji yaitu kapasitas produksi pemasok, harga
jual barang oleh retailer, dan proporsi ongkos pemesanan. Berbeda dengan sistem
tradisional yang membebankan seluruh ongkos/biaya pemesanan pada retailer,
pada VMI ini terdapat pembagian biaya pemesanan antara pemasok dan retailer
dengan proporsi tertentu. Perbedaan VMI dengan sistem tradisional pun terdapat
pada aliran informasi antara retailer dan pemasok seperti pada Gambar 3.3.
27
3.4.3
Customer Demand
Distribution
Inventory Level of
Retailer
Traditional
VMI
Available to supplier
Available to supplier
Available to supplier
(s, S)
(z, Z)
Retailer
Supplier
Paid by retailer
Shared
Inventory Policy of
Retailer
Replenishment/ Order
decision is Made by
Fixed Cost of Ordering
3.5
Peramalan
3.5.1
Definisi Peramalan
Menurut Nasution (2005) peramalan adalah proses untuk memperkirakan
barang
dan
jasa.
Peramalan
diperlukan
disamping
untuk
memperkirakan apa yang akan terjadi dimasa yang akan datang juga para
28
1993):
1. Pola Horizontal (H) atau Horizontal Data Pattern
Pola data ini terjadi bilamana data berfluktuasi di sekitar nilai ratarata. Suatu produk yang penjualannya tidak meningkat atau menurun selama
waktu tertentu termasuk jenis ini. Bentuk pola horizontal ditunjukan seperti
Gambar 3.4.
29
30
3.5.3
Teknik Peramalan
Menurut Taylor III (2005) terdapat dua buah metode dalam melakukan
31
(3.2)
(3.3)
= Konstanta penghalusan
(3.4)
32
(3.6)
di mana, b = kelandaian garis regesi
x = nilai variabel bebas
y = nilai variabel tak bebas
= rata-rata nilai y
x = rata-rata nilai x
n = jumlah titik data atau observasi
2. Metode Kausal
Model ini mengasumsikan bahwa faktor yang diramalkan mewujudkan
hubungan sebab akibat dengan satu atau lebih variabel independen. Tujuan
dari model ini adalah menemukan bentuk hubungan tersebut dan
menggunakannya untuk meramalkan nilai mendatang dari variabel dependen.
Pendekatan ini lebih kuat dibandingkan metode seri waktu yang hanya
menggunakan nilai historis untuk variabel yang diramalkan. Model
matematika yang digunakan pada metode kuadrat terkecil dari proyeksi trend
bisa digunakan untuk melakukan analisis regesi linear.
Beberapa metode peramalan yang akan digunakan dalam penelitian ini
adalah:
1.
Naive:
+1 = 1
2.
Moving Average :
+1 = =1
(3.8)
3.
Exponential Smoothing :
+1 = + 1
(3.9)
4.
Regession:
= 0 + 1
Di mana: 1 =
0 =
2 ( )2
(3.7)
(3.10)
(3.11)
(3.12)
33
pada tingkat akurasi tertinggi. Menurut Hanke (2005), tingkat akurasi dari
beberapa metode peramalan tersebut dapat dilihat dari beberapa indikator sebagai
berikut:
1.
2.
(3.13)
=1( )2
(3.14)
3.6
=1
3.
=1
(3.15)
Purchase order
Pengertian purchase order (PO) bila diterjemahkan secara harfiah bahwa
34
hal-hal yang tidak disetujui oleh penjual, maka penjual akan menolak purchase
order (PO) tersebut dengan cara mengirimkan kembali purchase order (PO)
disertai dengan konfirmasi penolakan. purchase order (PO) itu sendiri
mempunyai kekuatan seperti halnya sales contract.
3.7
dorong adalah pembentukan alokasi distribusi yang optimal menuju masingmasing lokasi pusat penjualan. Dasar pembangunan model distribusi ini adalah
peramalan terhadap tingkat permintaan. Menurut Gaspersz (1998), ada dua
strategi peramalan yang digunakan dalam alokasi sistem dorong, yaitu:
1. Peramalan akumulatif
Peramalan
akumulatif
adalah
peramalan
yang
dilakukan
3.8
35
Gambar 3.8 Hubungan antara Biaya dan Tingkat Persediaan (Siagian, 1987)
Gambar 3.8 menjelaskan bahwa jika tingkat persediaan semakin besar
maka pemesanan akan jarang dilakukan sehingga mengakibatkan biaya pesan
akan semakin kecil. Sebaliknya jika tingkat persediaan sedikit, maka pemesanan
akan semakin sering dilakukan dan biaya pesan akan semakin meningkat,
sedangkan biaya simpan secara langsung tergantung pada tingkat persediaan rata-
36
rata. Semakin banyak tingkat persediaannya, maka biaya simpan akan semain
tinggi. Begitu juga sebaliknya. Oleh karena itu, biaya simpan dan biaya pesan
berbanding terbalik. Solusi yang optimal akan diperoleh jika total biaya minimum.
3.9
Heizer
dan
Render
(2005)
model-model
persediaan
Gambar 3.9 Kurva Titik Pemesanan Ulang (Render & Haizer, 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 safety stock 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.
37
(3.16)
keterangan:
LT
= lead time.
38
3.10
Logika Kabur
3.10.1
atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu
nilai bisa benar atau salah secara bersamaan. Namun seberapa besar keberadaan
dan kesalahan tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy
memiliki derajat keanggotaan dalam rentang 0 hingga 1 yang berbeda dengan
logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy adalah suatu
39
cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output
dan mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu
keanggotakan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan
sebagian benar dan sebagian salah pada waktu yang sama (Kusumadewi, 2004).
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat
keabuan dan juga hitam dan putih dalam bentuk linguistik, konsep tidak pasti
seperti sedikit, lumayan, dan sangat (Zadeh, 1965). Kelebihan dari teori
logika fuzzy adalah kemampuan dalam proses penalaran secara bahasa (linguistic
reasoing) sehingga dalam perancangannya tidak memerlukan persamaan
matematik dari objek yang akan dikendalikan (Kusumadewi, 2003).
3.10.2
Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
40
[x] =
0;
xa
( )
;
( )
1;
axb
(3.17)
xb
( )
;
( )
axb
0;
xb
(3.18)
41
[x] = {
0;
x a atau x c
( )
;
( )
axb
( )
;
( )
bxc
(3.19)
42
[x] =
0;
x a atau x d
( )
;
( )
axb
1;
bxc
( )
;
( )
cxd
(3.20)
4. 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.
43
12
(3.21)
1;
Kurva S untuk penyusutan akan bergerak dari sisi kanan dengan
nilai keanggotaan 1 ke sisi paling kiri dengan nilai keanggotaan
nol.
;
(3.22)
0;
5. Representasi Kurva Bentuk Lonceng (Bell Curve)
44
Kurva berbentuk lonceng ini terbagi atas tiga kelas, yaitu himpunan
fuzzy PI, Beta, dan Gauss. Perbedaan ketiga kurva ini terletak pada
gadiennya.
a. Kurva PI
Pada kurva ini, derajat keanggotaan 1 terletak pada pusat dengan
domain (), dan lebar kurva () seperti terlihat pada Gambar
3.18.
, , =
; , 2 ,
1 ; , + 2 , +
>
(3.23)
b. 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 ().
45
, , =
1+
(3.24)
46
3.10.3
47
48
ii.
iii.
Komposisi aturan
Tidak seperti penalaran monoton, apabila sistem terdiri dari
beberapa aturan, maka inferensi diperoleh dari kumpulan dan
korelasi antar aturan
iv.
Defuzzifikasi
Proses pengolahan menggunakan metode inferensi fuzzy Mamdani
secara khusus akan mengalami perubahan sesuai dengan fungsifungsi yang akan digunakan di dalam aturan-aturan yang dibentuk.
Dalam metode fuzzy Mamdani, fungsi implikasi yang digunakan
adalah fungsi minimum, sedangkan fungsi komposisi yang
digunakan adalah fungsi maksimum (Kusumadewi, 2003). Proses
defuzzifikasi akan dilakukan setelah mendapatkan keluaran berupa
nilai fungsi keanggotaan dari himpunan keluaran sistem. Metode
defuzzifikasi yang akan digunakan adalah metode Centroid, yang
secara umum dapat dirumuskan sebagai berikut:
=
(3.25)
49
c. Metode Sugeno
Penalaran metode Sugeno ini hampir sma dengan Mamdani,
hanya saja output sistem tidak berupa himpunan fuzzy melainkan berupa
konstanta atau persamaan linear. Metode ini diperkenalkan oleh TakagiSugeno Kang pada tahun 1985. Perbedaan antara Metode Mamdani dan
Metode Sugeno terletak pada konsekuen di mana Metode Sugeno
menggunakan konstanta atau fungsi matematika dari variabel input.
3.10.4
2003):
1. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. predikat sebagai hasil operasi dengan operator AND diperoleh dengan
mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan.
(3.26)
AB = min
(A x , B y )
2. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. predikat sebagai hasil operasi dengan operator OR diperoleh dengan
mengambil nilai keanggitaan terbesar antar elemen pada himpunanhimpunan yang bersangkutan.
AB = max
(A x , B y )
(3.27)
3. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. predikat sebagai hasil operasi dengan operator NOT diperoleh dengan
mengurangkan
nilai
keanggotaan
elemen
pada
himpunan
yang
bersangkutan dari 1.
A = 1 A []
(3.28)
50
3.10.6
Functional Principle
Operasi matematika di dalam logika kabur dengan bentuk trapesium
51
(3.29)
Di mana a1, a2, a3, a4, b1, b2, b3, dan b4 adalah nilai pasti.
2. Perkalian dan adalah
x = (1,2,3,4),
(3.30)
(3.31)
(3.32)
Di mana a1, a2, a3, a4, b1, b2, b3, dan b4 adalah nilai pasti.
4. 1/B = B-1= (1/b4, 1/b3, 1/b2, 1/b1) di mana 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
/B = (a1/b4, a2/b3, a3/b2, a4/b1)
(3.33)
5.Jika R, maka
()0,x = (1,2,3,4)
()<0,x = (4,3,2,1)
3.10.7
(3.34)
52
dan R-1 adalah fungsi invers dari fungsi L dan R, dan gaded mean pada h-level
dari sebuah fuzzynumber A = (a,b,c,d) adalah
h[L-1(h) + R-1(h)]/2
(3.35)
Maka Gaded Mean Integation pada h level dari persamaan 3.35 adalah trapesium
(Chen dkk, 2006)
P( A)
w
L1 (h) R 1 (h)
h(
)dh / hdh
0
2
(3.40)
di mana h di antara 0 dan w, 0<w1
Jika Gaded Mean Integation didasarkan pada k-preference, maka
persamaan 3.35 dapat ditulis dalam persamaan 3.36 (Wang dan Chen, 2002)
w k (a (b a ) h
w
(1 k )c (c b)h
P( A) h
dh / hdh
0
0
w
w
(3.36)
Untuk memperoleh solusi yang optimal maka dapat digunakan k = 0.5 (Hsieh,
2004).
BAB IV
METODE PENELITIAN
53
54
55
2. Studi literatur
Studi literatur dilakukan untuk memperoleh data sekunder yang berkaitan
dengan penelitian. Literatur dapat berupa buku-buku referensi, karya
ilmiah, maupun jurnal.
pengolahan
data
yang
dipakai
dalam
penelitian
ini
menggunakan fuzzy inventory model for fuzzy demand and fuzzy lead time untuk
kasus penentuan kuantitas order optimum dari gudang pusat ke supplier, di mana
model tersebut telah dikembangkan oleh Hsieh (2004), sedangkan sistem inferensi
fuzzy Mamdani digunakan untuk penentuan optimalisasi alokasi distribusi produk
dari gudang pusat ke masing-masing cabang Pamella Swalayan Supermarket.
1. Pengolahan data dengan sistem dorong
Digunakan untuk menentukan jumlah alokasi distribusi produk
yang optimal dari gudang pusat ke tujuh cabang Pamella Swalayan
Supermarket berdasarkan hasil peramalan.
2. Pengolahan data dengan sistem inferensi fuzzy
Digunakan untuk menentukan jumlah alokasi distribusi produk
yang optimal dari gudang pusat ke tujuh cabang Pamella Swalayan
Supermarket dengan cara memodelkan permasalahan ke dalam sistem
inferensi fuzzy, kemudian disimulasikan sehingga akan diperoleh solusi
optimal.
3. Pengolahan data dengan EOQ
Digunakan untuk menghitung kuantitas order optimal dari
gudang pusat ke supplier dengan cara memasukkan data biaya pesan dan
biaya simpan
4. Pengolahan data dengan fuzzy inventory model
Digunakan untuk menghitung kuantitas order optimal dari
gudang pusat ke suplier dengan cara melakukan Gaded Mean Integation
berdasarkan k-preference terhadap persamaan total biaya inventori. Model
ini memasukkan fuzzy permintaan dan fuzzy waktu tunggu ke dalam
56
persamaan
matematik
menggunakan
functional
principle
untuk
57
Mulai
Studi Pustaka
Perumusan
Masalah
Penetapan Tujuan
Identifikasi
Aktivitas Kerja
Pemilihan Metode
Sistem Inferensi
Fuzzy
Pengumpulan
data historis
permintaan
Pembentukan
masukan dan
keluaran
Pemilihan metode
peramalan
Percobaan model
sistem inferensi
fuzzy Mamdani
Peramalan
terhadap
permintaan
Penentuan
prosentase alokasi
ke masing-masing
cabang
Ya
Solusi sistem
inferensi fuzzy
Solusi alokasi
sistem dorong
Tidak
58
Penentuan total
alokasi optimal
Penentuan
kuantitas order
dengan logika
kabur
Penentuan
kuantitas order
dengan metode
EOQ
Penentuan safety
stock berbasis
service level
Penentuan safety
stock dengan
EOQ ordering
Penentuan ROP
Penentuan ROP
Simulasi
menggunakan
tabel MRP
Simulasi
menggunakan
tabel MRP
Penentuan jumlah
out-of-stock
Penentuan jumlah
out-of-stock
Total Biaya
Inventori
Total Biaya
Inventori
Penentuan Gross
Profit dan biaya
inventori optimal
Kesimpulan
Selesai
59
Gambar 4.2 Penentuan jumlah masukan dan keluaran sistem inferensi fuzzy
Mamdani
2. Penentuan keluaran sistem, yaitu alokasi distribusi untuk masing-masing
store
3. Penyusunan karakteristik sistem inferensi fuzzy Mamdani seperti tampak
pada Gambar 4.3
60
61
4.5.4. 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 Gaded Mean Integation 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:
1 SL =
(4.1)
62
: kebutuhan bersih
: kebutuhan kotor
G
SR
POH
NR
PORcp
PORls
63
BAB V
HASIL DAN PEMBAHASAN
64
NAMA PRODUK
Prenagen Mommy Choco 200g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 X 2 g
Fortune Refill 1000 ml * 12
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
P1
(%)
44,63
37,26
41,48
34,61
38,38
35,33
31,53
33,16
32,65
20,68
23,14
31,59
26,23
P8
(%)
4,87
2,26
0,99
4,65
5,23
5,57
8,92
4,12
15,65
5,83
5,66
9,91
5,72
TOTAL
(%)
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
100,00
65
1500
2700
3000
4000
8100 11800
Jarak
(m)
115
231
422
625
1266
1845
Biaya Perawatan
(Rp)
66
Cabang
P1
P2
P3
P4
P6
P7
P8
Jenis Kendaraan
Mistubishi Colt 100ps
Daihatsu Ganmax
Daihatsu Ganmax
Mitsubishi L300
Mitsubishi L300
Mitsubishi L300
Mitsubishi L300
Jarak
(km)
Biaya
Perawatan
(Rp)
0,24
1,50
3,00
2,70
8,10
11,8
4,00
44
115
231
422
1.266
1.845
625
Biaya Konsumsi
Bahan Bakar
(Rp)
102
637
1.274
1.146
3.439
5.009
1.698
Rata-rata Jumlah
Biaya
Pengiriman
Transportasi Prosentae
Barang
per unit
(%)
(unit)
(Rp)
67
4
0,85
63
24
4,65
80
38
7,34
77
41
7,94
73
129
25,12
75
183
35,62
49
95
18,48
100,00
67
Nama Produk
Prenagen Mommy Choco 200g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 X 2 g
Fortune Refill 1000 ml * 12
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
Biaya
Simpan/Hari/Unit
(Rp)
0,37
0,66
0,17
0,17
0,56
0,38
0,10
0,65
0,88
0,73
0,68
0,10
0,15
68
Biaya Simpan/unit
Rp
%
P1
0,08
0,18
P2
0,06
0,14
P3
0,07
0,15
P4
0,06
0,14
P6
0,04
0,09
P7
0,06
0,13
P8
0,08
0,17
Total
0,46
1,00
Sosro Teh Kotak 200 ml
Cabang
P1
P2
P3
P4
P6
P7
P8
Total
%
0,17
0,17
0,15
0,13
0,09
0,13
0,16
1,00
P1
P2
P3
P4
P6
P7
P8
Total
Biaya Simpan/unit
Rp
1,56
1,26
1,34
1,20
0,78
1,15
1,48
8,77
Poci Biru
%
0,18
0,14
0,15
0,14
0,09
0,13
0,17
1,00
Biaya Simpan/unit
Rp
1,83
1,41
1,54
0,37
0,92
1,35
0,99
8,41
%
0,22
0,17
0,18
0,04
0,11
0,16
0,12
1,00
Happytos Merah Kc
Maya Sardine Chili 155 g
Biaya
Biaya
Cabang
Simpan/unit
Simpan/unit
Cabang
Rp
%
Rp
%
P1
1,81 0,19
P1
0,27
0,18
P2
1,46 0,15
P2
0,22
0,14
P3
1,54 0,16
P3
0,23
0,15
P4
1,39 0,14
P4
0,21
0,14
P6
0,90 0,09
P6
0,14
0,09
P7
0,76 0,08
P7
0,20
0,13
P8
1,71 0,18
P8
0,26
0,17
Total
9,57 1,00 Total
1,54
1,00
Chilkid
Caplang Mkp 60 ml
Biaya
Cabang
Biaya Simpan
Cabang
Simpan/unit
Rp
%
Rp
%
P1
1,20 0,18
P1
0,16
0,18
P2
1,05 0,15
P2
0,13
0,15
P3
1,22 0,18
P3
0,11
0,12
P4
0,94 0,14
P4
0,12
0,14
P6
0,52 0,08
P6
0,08
0,09
P7
0,86 0,13
P7
0,12
0,14
P8
0,99 0,15
P8
0,15
0,17
Total
6,79 1,00 Total
0,86
1,00
69
Rp
%
P1
2,44
0,18
P2
1,97
0,14
P3
2,08
0,15
P4
2,04
0,15
P6
1,21
0,09
P7
1,79
0,13
P8
2,31
0,17
Total
13,85
1,00
Poci Vanila
Cabang
Biaya Simpan/unit
Rp
%
P1
0,49
0,18
P2
0,39
0,14
P3
0,41
0,15
P4
0,37
0,14
P6
0,24
0,09
P7
0,36
0,13
P8
0,46
0,17
Total
2,72
1,00
P1
P2
P3
P4
P6
P7
P8
Total
Biaya Simpan/unit
Rp
0,08
0,09
0,07
0,06
0,04
0,06
0,07
0,46
%
0,17
0,18
0,15
0,13
0,08
0,12
0,16
1,00
70
Metode
Peramalan
Prenagen
Winter's Additive,
Mommy
2 Season
Coklat 200
Gam
Poci Teh Celup Winter's Additive,
Isi 25 50 Gam
2 Season
Kuning
Winter's
Fortune Refill
Multiplicative, 2
1000 ML
Season
Sosro Teh
Kotak 200 ML
Winter's
Multiplicative, 2
Season
HappyTos
Winter's Additive,
Merah Kecil
2 Season
25 Gam
HappyTos Real Winter's Additive,
Corn Chip 170
2 Season
Gam
Winter's
Cap Lang
Multiplicative, 2
MKP 30 ML
Season
Tingkat Akurasi
MAPE
MSE
MAD
MAPE
Validasi
3,93
101,87
5,51
4,12
20,62
31829,03
153,50
14,27
13,09
395068,77
366,72
5,12
7,26
2856,238
40,18
9,36
10,14
56283,25
171,90
7,59
20,42
13557,91
73,56
10,49
23,92
25109,74
120,40
11,82
Cap Lang
MKP 60 ML
Winter's Additive,
2 Season
9,35
8631,62
71,07
3,67
Maya Sardines
Chili 155 Gam
Winter's Additive,
2 Season
12,50
1249,84
28,57
7,50
71
Winter's
Multiplicative, 2
Season
4,17
602190,48
752,52
4,44
Chilkid Madu
200 g
Winter's Additive,
2 Season
19,09
26,46
4,53
5,83
Winter's
Multiplicative, 2
Season
16,14
2170,75
37,10
4,80
Winter's Additive,
2 Season
23,92
25109,74
120,40
11,82
Poci Teh
Vanilla
72
73
74
75
76
77
78
79
Linguistic Terms
Rendah (zmf)
Tinggi (smf)
[9.067 29.27]
[-5.481 27.62]
[6.759 18.63]
[6.004 15.62]
[5.003 41.44]
[0.8105 35.69]
[0.415 13.63]
[14.2 44.1]
Range
[-6 36]
[0 19]
[0 45]
[0 45]
Gambar 5.3 Hasil Surface Biaya Simpan dan Biaya Transportasi Terhadap Alokasi
80
Gambar 5.4 Hasil Surface Kontribusi Penjualan dan Biaya Transportasi Terhadap
Alokasi
Gambar 5.5 Hasil Surface Kontribusi Penjualan dan Biaya Simpan Terhadap Alokasi
Proses tuning dilakukan dengan menggeser grafik fungsi keanggotaan input
maupun output sehingga didapatkan surface optimal sesuai dengan rule yang telah
ditetapkan sebelumnya. Rule yang digunakan pada fuzzy mamdani dapat dilihat pada
lampiran 3.
81
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
Frekuensi
Jangka
Pengiriman
Waktu
Dalam 1
Pengiriman
Bulan
(hari)
(kali)
5
6
3
10
3
10
2
15
4
7
3
10
3
10
Frekuensi
Jangka
Pengiriman
Waktu
Dalam 1
Pengiriman
Bulan
(hari)
(kali)
15
2
6
5
6
5
3
10
6
5
5
6
3
10
Okt
2012
(unit)
78
23
30
9
23
17
11
Okt
2012
(unit)
3.594
1.504
2.232
1.634
1.966
2.230
880
4
276
7
1
108
248
-16
3.318
1.389
2.061
1.509
1.814
2.058
813
3.515
1.061
2.337
1.344
1.655
2.014
791
-197
328
-276
165
159
44
22
Validasi
Des
2012
(unit)
Penjualan
(unit)
69
20
26
8
20
15
10
40
28
25
1
21
27
5
Selisih
(unit)
29
-8
1
7
-1
-12
5
Validasi
Des
2012
(unit)
Penjualan
(unit)
3.732
1.562
2.318
1.698
2.041
2.315
914
3.812
1269
2250
1.498
1994
2310
836
Selisih
(unit)
-80
293
68
200
47
5
78
82
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
Frekuensi
Jangka
Pengiriman
Waktu
Dalam 1
Pengiriman
Bulan
(hari)
(kali)
3
10
2
15
1
30
1
30
1
30
1
30
1
30
Frekuensi
Jangka
Pengiriman
Waktu
Dalam 1
Pengiriman
Bulan
(hari)
(kali)
6
5
2
15
2
15
1
30
3
10
1
30
3
10
Okt
2012
(unit)
54
22
20
27
18
36
22
Okt
2012
(unit)
157
58
80
39
132
53
58
18
4
34
-2
-18
0
18
196
72
100
48
165
66
73
221
37
74
30
169
71
49
-25
35
26
18
-4
-5
24
Validasi
Des
2012
(unit)
Penjualan
(unit)
27
11
10
14
9
18
11
23
11
9
23
9
23
6
Selisih
(unit)
4
0
1
-9
0
-5
5
Validasi
Des
2012
(unit)
Penjualan
(unit)
189
70
97
47
159
64
70
201
55
45
25
189
68
38
Selisih
(unit)
-12
15
52
22
-30
-4
32
83
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
84
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
85
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
86
Cabang
P1
P2
P3
P4
P6
P7
P8
Cabang
P1
P2
P3
P4
P6
P7
P8
87
Cabang
P1
P2
P3
P4
P6
P7
P8
88
Nama Produk
Prenagen Mommy Choco 200g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
Total
Sistem Dorong
(Rp)
14.712.494
5.037.062
5.161.166
5.506.764
57.039.462
9.702.742
3.184.512
4.014.605
16.956.156
10.003.562
21.418.491
1.859.987
32.617.736
187.214.738
Fuzzy Logic
(Rp)
14.717.035
5.035.630
5.166.347
5.516.887
57.063.740
9.715.910
3.175.972
4.003.537
16.955.237
10.006.981
21.440.005
1.865.704
32.557.923
187.220.907
89
dilakukan tuning lagi untuk mencari solusi yang paling otimum. Namun pada
solusi fuzzy dengan model ini, untuk total seluruh produk metode fuzzy logic
memberikan total goss profit lebih tinggi meskipun tidak signifikan yakni dengan
selisih Rp 6.169,- atau 0,0033% lebih tinggi.
Karena keterbatasan data penjualan harian yang diperoleh, maka
perbandingan terhadap existing sistem hanya dilakukan terhadap produk Prenagen
Mommy choco 200g di Pamela 1. Model dengan pendekatan sistem dorong dan
fuzzy logic memiliki frekuensi pengiriman 5 kali per bulan yakni setiap 6 hari
sekali. Simulasi alokasi produk Prenagen Mommy choco 200g pada periode
Oktober, November, dan Desember dilakukan untuk mengetahui perbandingan
total pengeluaran kedua metode terhadap kondisi aktual. Total pengeluaran yang
paling besar dihasilkan oleh alokasi dengan pendekatan sistem dorong, sedangkan
pendekatan fuzzy logic memberikan total pengeluaran yang lebih rendah
dibandingkan sistem dorong maupun existing sistem. Hal tersebut ditunjukkan
pada Gambar 5.6.
8.000
aktual; 6.915
7.000
6.000
sistem dorong;
7.464
fuzzy logic;
5.852
Total Pengeluaran
(Rp)
5.000
4.000
3.000
2.000
1.000
-
90
3.000
Biaya Simpan
(Rp)
2.500
2.000
1.500
fuzzy logic;
1.468
aktual; 1.655
1.000
500
Gambar 5.7 Perbandingan Total Biaya Simpan Untuk Produk Prenagen Mommy
Choco 200g di Pamela 1
91
6.000
aktual; 5.261
5.000
fuzzy logic;
4.384
sistem dorong;
4.384
Biaya Transportasi
(Rp)
4.000
3.000
2.000
1.000
92
93
Tabel 5.10 Hasil Penghitungan Jumlah Pesanan, Safety Stock, dan ROP
Menggunakan Metode EOQ
No
1
2
3
4
5
6
7
8
9
10
11
12
13
5.9.
Nama Produk
Prenagen Mommy Choco 200 g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
Q
ss
(Unit) (Unit)
370
4
740
15
1045
8
1048
12
1013
36
319
1
1202
7
845
10
503
8
473
4
536
4
655
3
5555
130
ROP
(Unit)
15
90
48
51
155
9
37
106
54
37
44
12
1106
94
Nama Produk
Prenagen Mommy Choco 200 g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
Q
ss
(unit) (unit)
361
15
741
90
1052
130
1052
63
1156
243
374
5
1204
73
983
178
524
122
630
39
613
50
622
12
6720 2340
ROP
(unit)
32
184
243
128
491
11
148
389
247
79
103
24
5491
95
satu tahun. Karena keterbatasan data yang didapatkan, validasi hanya dilakukan
terhadap produk Prenagen Mommy Choco 200 g di Pamela 1. Gambar 5.9
merupakan pola permintaan harian produk Prenagen Mommy Choco 200 g di
Pamella 1. Maka dari itu Q, ss, dan ROP untuk Prenagen Mommy Choco 200 g di
Pamela 1 dan Pamela yang lain dihitung berdasarkan prosentase kontribusi
penjualan produk tersebut dikalikan dengan total Q, ss, dan ROP seperti tampak
pada Tabel 5.11.
Tabel 5.11 Q, ROP, dan ss untuk Prenagen Mommy Choco 200 g di masingmasing Pamela
Lokasi
Kontribusi
Penjualan
(%)
EOQ
Fuzzy Logic
P1
44,63
Q
(unit)
165
P2
8,85
33
32
P3
14,35
53
52
P4
3,72
14
13
P6
11,11
41
40
P7
12,47
46
45
P8
4,87
18
18
100,00
370
15
361
32
15
Total
ROP
SS
Q
(unit) (unit) (unit)
6
2
161
ROP
SS
(unit) (unit)
14
7
96
60
50
persediaan
(unit)
40
30
20
10
-10
1
15
29
43
57
71
85
99
113
127
141
155
169
183
197
211
225
239
253
267
281
295
309
323
337
351
365
periode (hari)
97
180
160
140
persediaan
(unit)
120
100
80
60
40
20
-20
1
17
33
49
65
81
97
113
129
145
161
177
193
209
225
241
257
273
289
305
321
337
353
periode
(hari)
Gambar 5.10. Hasil Simulasi Menggunakan Metode EOQ Untuk Prenagen
Mommy Choco 200 G di Pamela 1
200
180
160
140
persediaan (unit)
120
100
80
60
40
20
1
17
33
49
65
81
97
113
129
145
161
177
193
209
225
241
257
273
289
305
321
337
353
periode (hari)
Gambar 5.11 Hasil Simulasi Menggunakan Integasi Logika Kabur Untuk Produk
1 di Lokasi Penjualan 1
98
Pamela 2
Biaya Inventori
Penghematan
EOQ
Fuzzy logic
(%)
(Rp)
(Rp)
28.341
26.575
3,22
Pamela 3
30.687
28.215
4,20
Pamela 4
29.267
25.231
7,41
Pamela 6
31.159
28.705
4,10
Pamela 7
32.944
28.416
7,38
Pamela 8
26.710
26.192
0,98
Lokasi Penjualan
NAMA BARANG
1
2
3
4
5
6
EOQ
82.220
208.323
130.737
119.061
954.904
102.065
FUZZY
52.120
206.254
75.941
64.936
280.766
41.775
99
NAMA BARANG
7
8
9
10
11
12
13
EOQ
79.636
476.433
638.977
335.975
1.635.455
32.292
3.536.824
8.332.904
FUZZY
46.062
263.450
224.918
158.899
147.876
21.657
539.645
2.124.299
4.500.000
4.000.000
Biaya Inventori
(Rp)
3.500.000
3.000.000
2.500.000
2.000.000
EOQ
1.500.000
FUZZY
1.000.000
500.000
1 2 3 4 5 6 7 8 9 10 11 12 13
Jenis Produk
100
Nama Produk
Prenagen Mommy Choco 200 g New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
Rata-rata
Penghematan
(%)
22,41
0,50
26,51
29,42
54,56
41,91
26,71
28,79
47,93
35,78
83,42
19,71
73,52
37,78
Jadi hasil penghitungan jumlah pesanan, reorder point, dan safety stock
menggunakan metode integasi logika kabur memberikan penghematan biaya
inventori kepada perusahaan rata-rata sebesar 37,78% dibandingkan dengan
metode EOQ.
101
BAB VI
PENUTUP
6.1. Kesimpulan
Berdasarkan penelitian yang telah dilakukan, maka dapat diambil
kesimpulan berikut.
1. Alokasi produk untuk tiap-tiap varian produk dari gudang pusat ke tiap-tiap
retailer menggunakan sistem inferensi Fuzzy Mamdani menghasilkan ilai
yang lebih optimal karena stockout yang dihasilkan lebih kecil dibandingkan
dengan pendekatan sistem dorong sehingga total goss profit yang diberikan
juga lebih tinggi dengan selisih Rp 6.169,- atau 0,0033% lebih tinggi.
2. Jumlah pesanan, ROP, dan safety stock yang optimal oleh gudang ke supplier
untuk tiap-tiap varian produk diperoleh dengan menggunakan metode fuzzy
logic, di mana metode tersebut dapat memberikan penghematan biaya
inventori kepada perusahaan rata-rata sebesar 37,78% dibandingkan dengan
metode EOQ.
6.2. Saran
Beberapa saran yang dapat menjadi bahan masukan untuk penelitian
selanjutnya adalah sebagai berikut.
1. Alokasi dilakukan untuk produk dengan tipe pola penjualan yang berbedabeda.
2. Optimalisasi model fuzzy logic dilakukan dengan pembangunan model yang
memiliki variasi jumlah linguistic terms maupun fungsi keanggotaan dan
melalui proses DOE (Design of Experiment).
3. Penggunaan sistem inferensi fuzzy logic yang lain.
DAFTAR PUSTAKA
Alfian, C. S. 2012. Pengembangan Model Persediaan yang Dikelola Pemasok
(Vendors Managed Inventory). Universitas Katolik Parahyangan.
Bandung.
Ali, I., Hasan, S. S. 2012. Fuzzy Progamming Approach For A Compromise
Allocation Of Repairable Components. International Journal of
Scientific and Engineering Research, vol. 3, no. 10, pp. 142-147.
Amer, Y., Luong, L., dan Lee, S. 2009. Optimizing Order Fulfillment In A
Global Retail Supply chain. University of South Australia, Australia.
Amir, M.S. 2001. Seluk Beluk dan Teknik Perdagangan Luar Negeri. Jakarta:
PPM.
Assauri, S. 1998. Manajemen Produksi dan Operasi. Edisi Revisi. Fakultas
Ekonomi Universitas Indonesia (FE-UI). Jakarta.
Ballou, R. H. 2009. Business Logistic Management (4 ed.). Englewood Cliffs, NJ:
Prentice-Hall.
Behret, H., Kahraman, C. 2011. A Fuzzy Optimization Model for Single-Period
Inventory Problem.
Proceedings
of
the
World
Congess
on
Engineering, vol. 2.
Biegel, J. E. 1999. Pengendalian Produksi Suatu Pengendalian Kuantitatif,
Jakarta: Akademika Pressindo.
Borade, A. dan Bansod, S. 2009. Vendor Managed Inventory in a Two Level
Supply Chain : A Case Study of Small Indian Enterise. International
Journal of Management Science and Engineering Management, vol.4,
no.4, pp 270-280.
Buffa, S. E., Rakesh, K. S. 1996. Modern Production and OperationManagement,
Eigth Edition. London: John Willey and Sons Inc.
Chen, S., Chien C.W. 2006. FuzzyDistance of Trapezoidal Fuzzy Number,
Ching Yun University. Taiwan.
Chen, S., Guo-Chin L. 2000. Representation, Rangking, and Distance of Fuzzy
Nimber With Exponential Membership Function Using Gaded Mean
102
103
104
105
for
Agent-Based
Project
Schedule
Coordination.
106
107
Progamming. Jordan
Journal
of
Mechanical
Fuzzy Goal
and
Industrial
108
LAMPIRAN
109
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
JAN
FEB
26
100
42
369
192
213
479
58
101
535
140
251
138
485
27
88
409
193
218
111
114
124
146
132
112
5.335 4.643
MAR APR
MEI
JUN
JUL
270
48
47
37
67
75
52
40
234
346
143
310
47
90
393
354 383
232 241
140 186
544 2050
34
47
97 165
502 541
343
273
137
402
25
146
547
533
330
366
512
25
141
464
636
291
439
537
31
183
503
513
253
182
483
49
163
472
457
174
157
535
59
139
428
611
189
183
905
65
221
447
413
164
180
1000
40
201
515
242
219
235
204
160
218
242
232
310
84
89
109
138
119
178
12
29
39
449 4.278 3.808
104
140
17
3.551
48
113
116
131
124
21
10
4.768 4.590
110
247
DES
102
75
113
130
168
126
158
136
34
24
41
23
3.732 3.590 3.515 3.812
PAMELLA 2
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
JAN
FEB
MAR
APR
18
12
13
10
18
11
14
16
19
28
172
45
27
41
7
18
146
152
34
34
180
7
12
105
141
40
34
77
7
27
96
167
41
44
143
8
23
159
176
40
38
250
24
55
154
143
54
36
219
10
64
128
112
57
43
153
17
50
169
208
55
45
129
15
63
102
204
30
40
228
20
48
127
121
46
38
168
6
54
123
134
58
52
190
1
37
141
117
51
43
231
3
55
139
80
69
91
100
76
94
74
73
112
94
78
116
60
45
48
47
12
10
2298 1648
50
38
9
1589
62
67
51
67
17
13
1569 1193
62
49
24
970
51
69
13
1211
45
54
18
1228
68
55
63
48
5
8
2041 1681
111
MEI
TERJUAL
JUN JUL AGST SEPT
OKT
NOV DES
59
55
44
39
20
11
1061 1269
PAMELLA 3
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
JAN
TERJUAL
APR MEI JUN JUL AGST SEPT OKT
FEB
MAR
34
18
16
22
20
23
34
33
226
67
72
47
32
73
267
173
68
69
36
34
58
161
98
94
90
81
39
78
199
215
72
76
167
32
62
150
242
47
75
159
16
49
185
172
76
77
129
28
40
282
105
94
79
62
22
64
253
200
137
123
77
21
61
205
48
52
57
90
71
78
74
50
100
15
2982
53
84
11
2508
67
70
61
72
34
120
93
90 106
98
23
9
4
6
8
3241 2839 3038 2596 2406
112
NOV
DES
26
21
25
112
47
96
137
23
49
215
115
58
73
153
33
46
298
173
70
63
129
2
74
284
218
75
70
140
1
45
338
104
91
94
74
118
56
67
28
2065
47
88
7
2134
47
87
8
2225
68
75
90
79
14
9
2337 2250
PAMELLA 4
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
JAN
FEB
MAR
APR
10
78
45
41
208
5
19
159
67
27
40
157
2
18
149
51
35
40
180
12
14
138
115
55
55
120
24
63
167
94
35
10
26
3
40
105
68
49
18
135
8
13
112
40
55
15
210
8
39
108
64
49
43
92
53
43
110
86
12
2.114
83
89
9
1.647
118 108
79
81
15
11
2.462 1054
113
MEI
TERJUAL
JUN JUL AGST SEPT
OKT
NOV
DES
21
102
128
108
121
5
2
92
185
35
55
73
7
26
161
61
37
42
183
13
41
93
110
55
42
162
9
30
235
74
32
47
123
3
25
142
38
63
71
55
70
87
33 103 117
26
96 108
18
8
25
2.149 1837 1345
95
82
24
1244
82
73
29
1.549
100
88
69
80
13
10
1633 1.344
122
106
23
1.498
PAMELLA 6
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
APR
TERJUAL
MEI JUN JUL AGST SEPT
JAN
FEB
MAR
OKT
NOV
DES
29
18
12
14
19
14
19
17
15
21
13
21
115
56
64
199
8
75
225
103
35
54
369
4
110
177
107
48
60
159
13
54
157
112
55
75
246
5
86
128
95
57
71
422
19
42
202
99
64
67
264
11
87
113
149
88
70
370
10
26
135
122
78
104
216
19
180
65
143
52
64
257
21
133
109
135
44
80
208
12
150
143
116
48
68
371
10
169
144
127
91
106
533
10
189
271
48
66
46
63
65
46
40
63
67
91
84
93
86
54
113 100
7
14
2389 2427
82
119
8
2245
65
64
70
81
115
92
95 109
18
10
12
20
2221 1892 2152 1766
99
88
14
1721
58
99
8
1814
102
111
6
1858
114
89 100
116 100
5
9
1655 1994
PAMELLA 7
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
JAN
FEB
MAR
APR
18
18
15
21
14
11
13
136
70
84
375
36
24
251
38
91
79
419
18
14
197
82
97
87
142
6
46
290
118
102
101
210
14
27
282
159
97
110
348
24
14
267
102
116
120
284
16
27
252
48
48
79
76
79
51
67
69
105
92
22
21
2717 2188
MEI
TERJUAL
JUN JUL AGST
102
82
113
99
4
5
2455 2378
115
SEPT
OKT
NOV
DES
18
24
30
29
27
112
142
145
462
20
22
268
292
244
306
528
19
46
163
260
42
118
213
16
29
206
180
91
98
208
11
53
268
161
119
117
112
5
71
251
91
101
126
168
14
68
236
41
52
72
78
52
122
63
98 105
89 101 111
14
13
29
2545 2394 2119
54
95
19
2122
67
126
10
1933
83
102
117
1982
89 112
103 107
8
23
2014 2310
PAMELLA 8
NAMA PRODUK
Prenagen Mommy Choco 200 g
New
Poci Teh Biru 40 g
Poci Teh Clp Isi 25 50 g Kuning
Poci Teh Clp Vanila 25 x 2 g
Fortune Refill 1000 ml
Chil Kid Madu 200 g
Sosro Teh Kotak 200 ml
Happytos Merah Kecil 25 g
Happytos Real Corn Chip 170 g
Mrh
Cap Lang Mkp 30 ml
Cap Lang Mkp 60 ml
Maya Sardines Chili 155 g
Indocafe Coffeemix 20 g Sachet
APR
TERJUAL
MEI JUN JUL AGST
JAN
FEB
MAR
13
10
18
14
22
24
22
120
8
42
105
13
1
21
93
3
8
83
30
1
35
129
4
37
50
27
1
32
186
7
39
45
29
1
43
175
7
44
40
36
2
32
107
5
76
48
48
48
116
80
78
30
40
3
810
29
29
15
950
19
33
7
964
26
23
9
679
40
7
3
788
116
SEPT
OKT
NOV
DES
12
29
1
35
122
10
30
29
21
2
41
156
7
39
46
35
4
15
11
5
49
49
17
11
18
8
6
40
81
8
9
17
11
6
49
78
35
13
20
6
12
38
61
98
130
108
118
193
155
132
27
37
19
921
35
49
37
831
23
11
21
741
33
38
18
843
33
48
7
896
32
35
10
791
28
63
6
836
Cabang
Jenis kendaraan
Pamella 1
Pamella 2
Pamella 3
Pamella 4
Pamella 6
Pamella 7
Pamella 8
Biaya konsumsi
bahan bakar sekali
jalan
(Rp)
102
637
1.274
1.146
3.439
5.009
1.698
117
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang
(km)
0,24
0,24
0,24
0,24
0,24
0,24
0,24
Total
Jumlah
kebutuhan
55.000
100.000
100.000
95.000
395.000
104.000
500.000
10 liter
4 liter
4liter
1 unit
1 unit
1 unit
1 unit
Jumlah
kebutuhan
Rasio jarak
penggantian
(km)
0,000048
0,000012
0,000006
0,000024
0,000012
0,000006
0,000006
Total
(Rp)
26,40
4,80
2,40
2,28
4,74
0,62
3,00
44,24
Pamela 2
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang
(km)
1,5
1,5
1,5
1,5
1,5
1,5
1,5
55.000
40.000
40.000
40.000
120.000
113.000
445.000
118
4 liter
3 liter
3 liter
1 unit
1 unit
1 unit
1 unit
Rasio jarak
(km)
0,000300
0,000075
0,000036
0,000150
0,000075
0,000038
0,000038
Total
Total
(Rp)
66,00
9,00
4,50
6,00
9,00
4,24
16,69
115,43
Pamela 3
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5.000
20.000
40.000
10.000
20.000
40.000
40000
Jarak dari
gudang
(km)
55.000
40.000
40.000
40.000
120.000
113.000
445.000
Jumlah
kebutuhan
4 liter
3 liter
3 liter
1 unit
1 unit
1 unit
1 unit
Rasio jarak
(km)
0,000600
0,000150
0,000075
0,000300
0,000150
0,000075
0,000075
Total
Total
(Rp)
132,00
18,00
9,00
12,00
18,00
8,48
33,38
230,85
Pamela 4
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang (km)
2,7
2,7
2,7
2,7
2,7
2,7
2,7
60.000
100.000
100.000
95.000
115.000
104.000
500.000
119
Jumlah
kebutuhan
8 liter
4 liter
4 liter
1 unit
1 unit
1 unit
1 unit
Rasio jarak
(km)
0,000540
0,000135
0,000068
0,000270
0,000135
0,000067
0,000068
Total
Total
(Rp)
259,20
54,00
27,00
25,65
15,53
7,02
33,75
422,15
Pamela 6
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang (km)
8,1
8,1
8,1
8,1
8,1
8,1
8,1
60.000
100.000
100.000
95.000
115.000
104.000
500.000
Jumlah
kebutuhan
8 liter
4 liter
4 liter
1 unit
1 unit
1 unit
1 unit
Rasio jarak
(km)
0,001620
0,000405
0,000203
0,000810
0,000405
0,000203
0,000203
Total
Total
(Rp)
777,60
162,00
81,00
76,95
46,58
21,06
101,25
1.266,44
Pamela 7
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang
(km)
11,8
11,8
11,8
11,8
11,8
11,8
11,8
120
Jumlah
kebutuhan
8 liter
4 liter
4 liter
1 unit
1 unit
1 unit
1 unit
Rasio jarak
(km)
0,002360
0,000590
0,000295
0,001180
0,000590
0,000295
0,000295
Total
Total
(Rp)
1.132,80
236,00
118,00
112,10
67,85
30,68
147,50
1.844,93
Pamela 8
Jenis Komponen
Oli mesin
Oli gardan/transmisi
Oli transmisi
Filter oli
Filter udara
Air coolant
Kampas rem
Batas Jarak
Penggantian
(km)
5000
20000
40000
10000
20000
40000
40000
Jarak dari
gudang
(km)
4
4
4
4
4
4
4
Jumlah
kebutuhan
Rasio jarak
(km)
8 liter
4 liter
4 liter
1 unit
1 unit
1 unit
1 unit
0,000800
0,000200
0,000100
0,000400
0,000200
0,000100
0,000100
Total
Total
(Rp)
384,00
80,00
40,00
38,00
23,00
10,40
50,00
625,40
Total Biaya Transportasi = (Biaya Konsumsi bahan bakar + Biaya Perawatan Kendaraan) x 2
Cabang
Pamella 1
Pamella 2
Pamella 3
Pamella 4
Pamella 6
Pamella 7
Pamella 8
Biaya Konsumsi
Bahan Bakar
(Rp)
102
637
1.274
1.146
3.439
5.009
1.698
Biaya
Perawatan
(Rp)
Total Biaya
Transportasi
(Rp)
44
115
231
422
1.266
1.845
625
292
1.504
3.009
3.137
9.410
13.709
4.647
121
Rata-rata jumlah
barang yang dikirim
per trip
(unit)
67
63
80
77
73
75
49
Biaya Transportasi
per unit
(Rp)
4
24
38
41
129
183
95
Biaya
Transportasi
Rendah
Rendah
Tinggi
Tinggi
Rendah
Rendah
Tinggi
Tinggi
Biaya
Simpan
Rendah
Tinggi
Rendah
Tinggi
Rendah
Tinggi
Rendah
Tinggi
Alokasi
Distribusi
Rendah
Rendah
Rendah
Rendah
Tinggi
Tinggi
Tinggi
Rendah
3 Linguistic terms
No.
1
2
3
4
5
6
7
8
9
No.
10
11
12
13
14
15
16
17
18
Kontribusi
Penjualan
Rendah
Rendah
Rendah
Sedang
Sedang
Sedang
Tinggi
Tinggi
Tinggi
Kontribusi
Penjualan
Rendah
Rendah
Rendah
Sedang
Sedang
Sedang
Tinggi
Tinggi
Tinggi
Biaya
Transportasi
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
Biaya Simpan
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
122
Alokasi
Distribusi
Sedang
Sedang
Rendah
Tinggi
Sedang
Rendah
Tinggi
Tinggi
Sedang
Alokasi
Distribusi
Sedang
Sedang
Rendah
Tinggi
Sedang
rendah
Tinggi
Tinggi
Sedang
No.
19
20
21
22
23
24
25
26
27
Biaya
Transportasi
Rendah
Rendah
Rendah
Sedang
Sedang
Sedang
Tinggi
Tinggi
Tinggi
Biaya Simpan
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
Rendah
Sedang
Tinggi
123
Alokasi
Distribusi
Tinggi
Tinggi
Sedang
Tinggi
Sedang
Rendah
Sedang
Sedang
Rendah
Linguistic Terms
Rendah (trapmf)
Tinggi (trapmf)
[0 0 0 28.24]
[8.619 36 37 38]
[0 1 7 16.35]
[9.778 19 20 21]
[0 0 0 33]
[10.1 43 44 45]
[0 0 0 37.09]
[9.342 43 44 45]
Range
[0 36]
[7 19]
[0 45]
[0 45]
Range
[-6 36]
[0 19]
[0 45]
[0 45]
Range
[0 36]
[5 19]
[0 45]
[0 45]
Linguistic Terms
Rendah (trapmf)
Tinggi (trapmf)
[0 0 0 29.38]
[9.857 36 37 38]
[0 1 7 16.98]
[10.1 19 20 21]
[0 0 0 29.9]
[14.82 45 46 47]
Rendah (zmf)
Tinggi (smf)
[0 35.54]
[10.06 45]
124
Range
[0 36]
[7 19]
[0 45]
[0 45]
Linguistic Terms
Rendah (zmf)
Tinggi (smf)
[0 27.29]
[6.905 36]
[7 16.57]
[9.302 19]
[0 36.49]
[8.512 45]
Rendah (trapmf)
Tinggi (trapmf)
[0 0 0 37.09]
[9.342 45 46 47]
Range
[0 36]
[7 19]
[0 45]
[0 45]
Linguistic Terms
Rendah (gaussmf)
Tinggi (gaussmf)
[12.98 0]
[12.9 36]
[4.193 7]
[3.977 19]
[14.6 0]
[14.91 45]
Rendah (zmf)
Tinggi (smf)
[0 35.54]
[10.06 45]
Range
[0 36]
[7 19]
[0 45]
[0 45]
Linguistic Terms
Rendah (gaussmf)
Tinggi (gaussmf)
[12.58 0]
[12.3 36]
[4.193 7]
[3.977 19]
[14.6 0]
[14.91 45]
Rendah (trapmf)
Tinggi (trapmf)
[0 0 0 37.09]
[9.549 45 46 47]
Range
[0 36]
[7 19]
[0 45]
[0 45]
125
Range
[0 50]
[7 19]
[0 45]
[0 45]
Linguistic Terms
Rendah (trapmf)
Tinggi (trapmf)
[0 0 0 29.38]
[9.857 36 37 38]
[0 1 7 16.98]
[10.1 19 20 21]
[0 0 0 29.9]
[14.82 45 46 47]
Rendah (gaussmf)
Tinggi (gaussmf)
[12.99 0]
[12.99 45]
Range
[0 36]
[7 19]
[0 45]
[0 45]
Biaya
Transportasi
Biaya
Simpan
Swalayan
Kontribusi
Penjualan
Alokasi
Distribusi
Linguistic Terms
Range
Rendah
(trapmf)
Sedang (trimf)
Tinggi (trapmf)
[0 0 0 12.52]
[17.19 36 37 38]
[0 36]
[0 1 7 11.49]
[13.78 19 20 21]
[7 19]
[0 0 0 16.37]
[21.01 45 46 47]
[0 45]
[0 0 0 13.39]
[21.73 45 46 47]
[0 45]
Biaya
Transportasi
Biaya
Simpan
Swalayan
Kontribusi
Penjualan
Alokasi
Distribusi
Linguistic Terms
Range
Rendah
(trapmf)
Sedang (gaussmf)
Tinggi (trapmf)
[0 0 0 11.86]
[6.31 17.2]
[14.71 36 37 38]
[0 36]
[0 1 7 11.84]
[2.88 12.8]
[12.8 19 20 21]
[7 19]
[0 0 0 15.89]
[9.94 18.5]
[18.15 45 46 47]
[0 45]
[0 0 0 18.04]
[8.16 22.53]
[21.73 45 46 47]
[0 45]
126
Biaya
Transportasi
Biaya
Simpan
Swalayan
Kontribusi
Penjualan
Alokasi
Distribusi
Linguistic Terms
Range
Rendah
(trapmf)
Sedang (trapmf)
Tinggi (trapmf)
[0 0 0 13.86]
[7.176 15.38
27.78 30.24]
[20.3 36 37 38]
[0 36]
[0 1 7 12]
[12.7 19 20 21]
[7 19]
[18.2 45 46 47]
[0 45]
[23.2 45 46 47]
[0 45]
[0 0 0 15.2]
[0 0 0 13.4]
Rendah (zmf)
Linguistic Terms
Sedang (trimf)
Range
Tinggi (smf)
[0 13.95]
[15.38 36]
[0 36]
[7 12]
[12.79 19]
[7 19]
[0 16.61]
[17.2 45]
[0 45]
[0 13.4]
[19.58 45]
[0 45]
[0 13.29]
[7 12]
[0 16.61]
[0 12.7]
Linguistic Terms
Sedang (trapmf)
[7.857 13.8 21.5
26.1]
[9.042 12.42
15.52 16.72]
[4.34 10.4 21
27.2]
[5.233 11.33
16.73 28.33]
127
Range
Tinggi (smf)
[14.62 36]
[0 36]
[12.79 19]
[7 19]
[17.2 45]
[0 45]
[19.58 45]
[0 45]
Rendah (zmf)
Linguistic Terms
Sedang (gaussmf)
Tinggi (smf)
[0 13.29]
[5.28 17.58]
[14.62 36]
[0 36]
[7 12]
[1.919 13.86]
[12.79 19]
[7 19]
[0 16.61]
[7.129 15.71]
[17.2 45]
[0 45]
[0 12.7]
[6.986 14.31]
[19.58 45]
[0 45]
128
Range
4.
2 4828,46 5,3027
370
0,37
SL= 90, di mana nilai z mengikuti tabel distribusi normal yaitu 1,28
Lead time = 2 hari
D = 2,1732 unit/hari
ROP = 5,3027 2 + 1,28 2 2,1732 = 15
SS
5.
= 15 5,3027 2 = 4
2 4828,46 37,175
740
0,66
SL= 90, di mana nilai z mengikuti tabel distribusi normal yaitu 1,28
Lead time = 2 hari
D = 8,546 unit/hari
ROP = 37,175 2 + 1,28 2 8,546 = 90
SS
= 90 37,175 2 = 4
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
dh/ h dh
w
w
0
0
w
P( A)
k ( D1 2 D2 ) (1 k )( D4 2 D3 )
3
Persamaan fuzzy total biaya persediaan akan menjadi persamaan dengan bentuk
P( A)
1 3HQ
(1 k )C (2 D3 D4 )
kC( D1 2 D2 )
3 2
Q
Kuantitas order akan optimal saat total biaya inventori mencapai minimum, yaitu:
dP( A)
0
d0
maka persamaan untuk kuantitas order optimal didapat:
Q
2C k ( D1 2 D2 ) (1 k )(2 D3 D4 )
X
H
3
144
d=(d1, d2, d3, d4,) dilakukan dengan melakukan perhitungan nilai reorder point
berdasarkan presentase kehabisan barang yang diijinkan perusahaan dikurangi
dengan hasil defuzzifikasi dari fuzzy number melalui proses gade mean integation
pada h-level, 0<hw, 0<w1. Presentase kehabisan barang merupakan kombinasi
dari dari luas area fungsi keanggotaan dari fuzzy total permintaan dan luas area
fungsi keanggotaan dari jumlah kehabisan barang yang diijinkan perusahaan
dalam suatu siklus persediaan.
Untuk memperoleh hasil defuzzifikasi dari fuzzy number jumlah
permintaan selama lead time melalui proses gaded mean integation pada h-level,
0<hw, 0<w1 dengan (nilai w diasumsikan 1 pada penelitian ini):
x d1
w
L( X )
d 2 d1
x d4
R( X )
d d
3
L1 (h)
d 1 (d 2 d 1 )h
w
R 1 (h)
d 4 (d 4 d 3 )h
w
d1 d 4 (d 2 d1 d 4 d3 )h
/2
w
145
P( A) h
dh / h.dh
2
0
0
Sehingga persamaan untuk stok pengaman = reorder point - rata-rata permintaan
w
SS R M DL
R d 4 (d 4 d1 d 2 d 3)(d 4 d 3)(1 Sp)
M DL (d1 2d 2 2d 3 d 4) / 6
Dengan memasukan fuzzy number jumlah permintaan selama lead time yang
berbeda-beda dengan aturan fuzzy number A=(min, x1, x2, maks) hingga diperoleh
nilai safety stock dalam jumlah yang optimal.
146
147
148
149
150
151