Anda di halaman 1dari 27

BAB IV HASIL DAN PEMBAHASAN

4.1 Persediaan barang di kantin Waroeng X Dalam memenuhi kebutuhan akan persediaan bahan baku, selama ini kantin Waroeng X hanya menggunakan perkiraan dan perasaan dari pemilik saja. Pada saat pemilik merasa bahan baku sudah kurang maka pemilik akan melakukan pembelian kepada supplier bahan baku yang bersangkutan. pemilik tidak pernah melakukan peramalan akan permintaan barangnya, dalam proses pengendalian bahan baku kantin Waroeng X tidak memiliki sebuah sistem yang khusus, dimana kantin Waroeng X tidak melakukan pencatatan akan jumlah bahan baku yang tersisa dan menghitung biaya persediaan bahan bakunya. Proses pengadaan persediaan bahan baku di kantin Waroeng X dimulai dengan pemilik melihat jumlah bahan baku yang ada, apabila dirasa oleh pemilik jumlah bahan baku jumlahnya sudah sedikit , maka pemilik akan membeli bahan baku yang dibutuhkannya. Lead time yang diperlukan adalah satu hari. 4.2 Produk yang dijual oleh kantin yang memberikan kontribusi terbesar pada kantin Waroeng X Berikut ini adalah tabel 4.1 yang menunjukkan proporsi produk yang memberikan kontribusi penghasilan terbesar pada kantin Waroeng X. Table 4.1 Penjualan per minggu produk
Mng 1 Soto Rawon Lotek Ayam aneka krupuk Mie djawa 19 17 11 11 6 6 Mng 2 17 18 14 15 9 4 mng 3 15 18 14 15 9 4 mng 4 17 16 13 11 6 2 mng mng 1 2 19 17 15 11 6 5 20 18 11 12 4 6 mng 3 20 16 14 13 8 3 mng total 4 18 17 11 11 2 2 145 137 103 99 50 32 % annual demand 22.45% 21.21% 15.94% 15.33% 7.74% 4.95%

Harga

% annual price 26.14% 24.70% 18.57% 12.21% 1.42% 5.77%

19,000 19,000 19,000 13,000 3,000 19,000

Rujak Nasi pecel Telur asin total

6 2 0 78

8 5 0 90

8 5 0 88

3 5 0 73

4 7 2 86

4 5 1 81

1 9 1 85

3 0 1 65

37 38 5 646

19,000 12,000 4,000 127000

6.67% 4.33% 0.19% 100%

5.73% 5.88% 0.77% 100%

Sumber: pengolahan penulis Dari tabel diatas maka penulis memilih untuk meneliti empat (4) macam item yang memberikan kontribusi terbesar pada pendapatan perusahaan (21,21%), lotek (15,94%), dan Ayam (15,33%). sebesar 74,92% yaitu soto (22,45%), rawon

4.3 Peramalan atas produk yang dijual Berikut adalah metode-metode peramalan yang digunakan oleh penulis untuk meramalkan permintaan akan item yang dijual oleh Kantin Waroeng X adalah 1. Soto a. Metode Nave Table 4.2 Peramalan metode Nave produk soto
Metode nave forecast error |error| 19.00 17.00 15.00 17.00 19.00 20.00 20.00 18.00 -2.00 -2.00 2.00 2.00 1.00 0.00 -2.00 -1.00 -0.14 2.00 2.00 2.00 2.00 1.00 0.00 2.00 11.00 1.57

minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

data aktual 19.00 17.00 15.00 17.00 19.00 20.00 20.00 18.00

error ^2 4.00 4.00 4.00 4.00 1.00 0.00 4.00 21.00 3.00

|pct error| 0.12 0.13 0.12 0.11 0.05 0.00 0.11 0.64 0.09

Total 145.00 Average 18.13 Sumber: data yang diolah penulis

b. Metode Moving Average Table 4.3 Peramalan Metode moving Average untuk produk soto
metode moving average forecast error |error|

Minggu minggu 1

data aktual 19.00

error ^2

|pct error|

minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

17.00 15.00 17.00 19.00 20.00 20.00 18.00

17.00 16.33 17.00 18.67 19.67 19.33

0.00 2.67 3.00 1.33 -1.67 5.33 1.07

0.00 2.70 3.00 1.30 1.70 8.70 1.74

0.00 7.29 9.00 1.69 2.89 20.87 4.17

0.00 0.14 0.15 0.07 0.09 0.45 0.09

Total 145.00 Average 18.13 Sumber: data yang diolah penulis

c. Metode weighted moving average Table 4.4 Peramalan metode Weighted Moving Average untuk produk soto
metode weighted moving average forecast error |error| error ^2

minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

data aktual 19.00 17.00 15.00 17.00 19.00 20.00 20.00 18.00

|pct error|

15.67 16.33 17.67 19.83 19.83 19.00

1.33 2.67 2.33 0.17 -1.83 4.67 0.93

1.33 2.67 2.33 0.17 1.83 8.33 1.67

1.77 7.13 5.43 0.03 3.35 17.70 3.54

0.08 0.14 0.12 0.01 0.10 0.45 0.09

Total 145.00 Average 18.13 Sumber: data yang diolah penulis

d. Metode exponential smoothing Table 4.5 Peramalan Metode Exponential Smoothing untuk produk soto
metode exponential smoothing Minggu minggu 1 minggu 2 data aktual 19.00 17.00 forecast 19.00 error -2.00 |error| 2.00 error ^2 4.00 |pct error| 0.12

minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

15.00 17.00 19.00 20.00 20.00 18.00

18.00 16.50 16.75 17.88 18.94 19.47 18.73

-3.00 0.50 2.25 2.12 1.06 -1.47 -0.54 -0.08

3.00 0.50 2.25 2.12 1.06 1.47 12.40 1.77

9.00 0.25 5.06 4.49 1.12 2.16 26.09 3.73

0.20 0.03 0.12 0.11 0.05 0.08 0.71 0.10

Total 145.00 Average 18.13 Sumber: data yang diolah penulis

e. Metode trend analysis Table 4.6 Peramalan metode trend Analysis untuk produk soto
trend analysis x*y forecast 19 17.08 34 17.38 45 17.68 68 17.98 95 18.27 120 18.57 140 18.87 144 19.17 19.46 665

bulan minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual (y) 19.00 17.00 15.00 17.00 19.00 20.00 20.00 18.00

time (x) 1 2 3 4 5 6 7 8

x^2 1 4 9 16 25 36 49 64

error 1.92 -0.38 -2.68 -0.98 0.73 1.43 1.13 -1.17 0 0.00

|error| 1.92 0.38 2.68 0.98 0.73 1.43 1.13 1.17 10.42 1.30

error^2 3.6864 0.1444 7.1824 0.9604 0.5329 2.0449 1.2769 1.3689 17.1972 2.15

|pct error| 0.101053 0.022353 0.178667 0.057647 0.038421 0.0715 0.0565 0.065 0.59114 0.07

145.00 36 204 18.13 4.50 Sumber: data yang diolah penulis

Berdasarkan data yang sudah diolah diatas, penulis melakukan perhitungan error dari beberapa metode peramalan dengan menggunakan bantuan software POM for Windows 3. Metode error yang digunakan adalah Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Standard Error, dan Mean Absolute Percent Error (MAPE). Hasil perhitungan error untuk tiap-tiap metode peramalan dari data permintaan produk soto ditunjukkan pada tabel 4.7

Table 4.7 Perhitungan Error Metode-Metode Peramalan untuk produk soto


moving average weighted moving average exponential smoothing trend analysis

nave method

MAD MSE Standard error MAPE

1.57 3 2.05 0.09

1.73 4.13 2.62 0.09

1.67 3.54 1.72 0.09

1.77 3.73 2.29 0.1

1.3 2.14 1.69 0.07

Sumber: data yang diolah penulis

Untuk mean absolute deviation (MAD), error terendah ditunjukkan oleh metode trend analysis. Untuk mean squared error (MSE), error terendah ditunjukkan oleh metode trend analysis. Untuk standard error, error terendah ditunjukkan oleh metode trend analysis. Untuk mean absolute percent error (MAPE), error terendah ditunjukkan oleh metode trend analysis.. Dengan demikian, metode trend analysis merupakan metode yang memberikan error terendah dan peramalan permintaan produk soto yang akan digunakan adalah dengan menggunakan metode trend analysis.

2. Rawon a. Metode Nave Tabel 4.8 Peramalan metode Nave untuk produk Rawon
metode nave forecast error |error|

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 17.00 18.00 18.00 16.00 17.00 18.00 16.00 17.00 137.00 17.13

error ^2

|pct error|

17.00 18.00 18.00 16.00 17.00 18.00 16.00 17.00

1.00 0.00 -2.00 1.00 1.00 -2.00 1.00 0.00 0.00

1.00 0.00 2.00 1.00 1.00 2.00 1.00 8.00 1.14

1.00 0.00 4.00 1.00 1.00 4.00 1.00 12.00 1.71

0.06 0.00 0.13 0.06 0.06 0.13 0.06 0.48 0.07

Sumber: data yang diolah penulis

b. Metode Moving Average

Table 4.9 Peramalan Metode moving Average untuk produk Rawon


metode moving average forecast error |error| error ^2

minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 17.00 18.00 18.00 16.00 17.00 18.00 16.00 17.00 137.00 17.13

|pct error|

17.67 17.33 17.00 17.00 17.00 17.00

-1.67 -0.33 1.00 -1.00 0.00 -2.00 -0.40

1.67 0.33 1.00 1.00 0.00 4.00 0.80

2.79 0.11 1.00 1.00 0.00 4.90 0.98

0.10 0.02 0.06 0.06 0.00 0.24 0.05

Sumber: data yang diolah penulis

c. Metode weighted moving average Table 4.10 Peramalan metode Weighted Moving Average untuk produk Rawon
metode weighted moving average data aktual forecast error |error| error ^2 17.00 18.00 18.00 16.00 17.83 -1.83 1.83 3.35 17.00 17.00 0.00 0.00 0.00 18.00 16.83 1.17 1.17 1.37 16.00 16.83 -0.83 0.83 0.69 17.00 16.83 0.17 0.17 0.03 16.83 Total Average 137.00 17.13 -1.33 -0.27 4.00 0.80 5.44 1.09 0.24 0.05

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

|pct error|

0.11 0.00 0.07 0.05 0.01

Sumber: data yang diolah penulis

d. Metode exponential smoothing Table 4.11 Peramalan Metode Exponential Smoothing untuk produk Rawon

minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 17.00 18.00 18.00 16.00 17.00 18.00 16.00 17.00

metode exponential smoothing forecast error |error|

error ^2

|pct error|

17.00 17.50 17.75 16.88 16.94 17.47 16.73 16.87

1.00 0.50 -1.75 0.12 1.06 -1.47 0.27 -0.27 -0.04

1.00 0.50 1.75 0.12 1.06 1.47 0.27 6.17 0.88

1.00 0.25 3.06 0.01 1.12 2.16 0.07 7.68 1.10

0.06 0.03 0.11 0.01 0.06 0.09 0.02 0.37 0.05

137.00 17.13

Sumber: data yang diolah penulis

e. Metode trend analysis Table 4.12 Peramalan metode trend Analysis untuk produk Rawon
trend analysis Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average data aktual (y) 17.00 18.00 18.00 16.00 17.00 18.00 16.00 17.00 137.00 17.13 time (x) 1 2 3 4 5 6 7 8 36 4.50 x^2 1 4 9 16 25 36 49 64 204 x*y 17 36 54 64 85 108 112 136 612 forecast 17.50 17.39 17.29 17.18 17.07 16.96 16.86 16.75 16.64 error -0.50 0.61 0.71 -1.18 -0.07 1.04 -0.86 0.25 0.00 0.00 |error| 0.50 0.61 0.71 1.18 0.07 1.04 0.86 0.25 5.22 0.65 error^2 0.25 0.37 0.50 1.39 0.00 1.08 0.74 0.06 4.41 0.55 |pct error| 0.03 0.03 0.04 0.07 0.00 0.06 0.05 0.01 0.31 0.04

Sumber: data yang diolah penulis

Berdasarkan data yang sudah diolah diatas, penulis melakukan perhitungan error dari beberapa metode peramalan dengan menggunakan bantuan software POM for Windows 3. Metode error yang digunakan adalah Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Standard Error, dan Mean Absolute Percent Error (MAPE). Hasil perhitungan error untuk tiap-tiap metode peramalan dari data permintaan produk soto ditunjukkan pada tabel 4.13 Table 4.13 Perhitungan Error Metode-Metode Peramalan untuk produk Rawon
moving average 0.8 0.98 1.28 0.05 weighted moving average 0.80 1.09 0.95 0.05 exponential smoothing 0.88 1.1 1.24 0.05 trend analysis 0.65 0.55 0.86 0.04

nave method MAD MSE Standard error MAPE 1.14 1.71 1.55 0.07

Sumber: data yang diolah penulis

Untuk mean absolute deviation (MAD), error terendah ditunjukkan oleh metode trend analysis. Untuk mean squared error (MSE), error terendah ditunjukkan oleh metode trend analysis. Untuk standard error, error terendah ditunjukkan oleh metode trend analysis. Untuk mean absolute percent error (MAPE), error terendah ditunjukkan oleh metode trend analysis.. Dengan demikian, metode trend analysis merupakan metode yang memberikan error terendah dan peramalan permintaan produk rawon yang akan digunakan adalah dengan menggunakan metode trend analysis.

3. Lotek a. Metode Nave Tabel 4.14 Peramalan metode Nave untuk produk Rawon
metode nave forecast error |error| 11.00 14.00 14.00 13.00 15.00 3.00 0.00 -1.00 2.00 -4.00 3.00 0.00 1.00 2.00 4.00

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2

data aktual 11.00 14.00 14.00 13.00 15.00 11.00

error ^2 9.00 0.00 1.00 4.00 16.00

|pct error| 0.21 0.00 0.08 0.13 0.36

minggu 3 minggu 4 Total Average

14.00 11.00 103.00 12.88

11.00 14.00 11.00

3.00 -3.00 0.00 0.00

3.00 3.00 16.00 2.29

9.00 9.00 48.00 6.86

0.21 0.27 1.28 0.18

Sumber: data yang diolah penulis

b. Metode Moving Average Table 4.15 Peramalan Metode moving Average untuk produk Rawon
metode moving average forecast error |error|

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 11.00 14.00 14.00 13.00 15.00 11.00 14.00 11.00 103.00 12.88

error ^2

|pct error|

13.00 13.67 14.00 13.00 13.33 12.00

0.00 1.33 -3.00 1.00 -2.33 -3.00 -0.60

0.00 1.33 3.00 1.00 2.33 7.66 1.53

0.00 1.77 9.00 1.00 5.43 17.20 3.44

0.00 0.09 0.27 0.07 0.21 0.64 0.13

Sumber: data yang diolah penulis c. Metode weighted moving average Table 4.16 Peramalan metode Weighted Moving Average untuk produk Rawon
metode weighted moving average data aktual forecast error |error| error ^2 11.00 14.00 14.00 13.00 13.50 -0.50 0.50 0.25 15.00 13.50 1.50 1.50 2.25 11.00 14.17 -3.17 6.17 38.07 14.00 13.17 0.83 1.83 3.35 11.00 13.17 -2.17 1.17 1.37 12.00 Total Average 103.00 12.88 -3.50 -0.70 11.17 2.23 45.29 9.06 0.94 0.19

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4

|pct error|

0.04 0.10 0.56 0.13 0.11

Sumber: data yang diolah penulis

d. Metode exponential smoothing Table 4.17 Peramalan Metode Exponential Smoothing untuk produk Rawon
metode exponential smoothing forecast error |error| error ^2 11.00 12.50 13.25 13.13 14.06 12.53 13.27 12.13 3.00 1.50 -0.25 1.87 -3.06 1.47 -2.27 2.26 0.32 3.00 1.50 0.25 1.87 3.06 1.47 2.27 13.42 1.92 9.00 2.25 0.06 3.50 9.36 2.16 5.15 31.49 4.50

minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 11.00 14.00 14.00 13.00 15.00 11.00 14.00 11.00 103.00 12.88

|pct error| 0.21 0.11 0.02 0.12 0.28 0.11 0.21 1.05 0.15

Sumber: data yang diolah penulis e. Metode trend analysis Table 4.18 Peramalan metode trend Analysis untuk produk Rawon
trend analysis Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average data aktual (y) 11.00 14.00 14.00 13.00 15.00 11.00 14.00 11.00 103.00 12.88 time (x) 1 2 3 4 5 6 7 8 36 4.50 x^2 1 4 9 16 25 36 49 64 204 x*y 11 28 42 52 75 66 98 88 460 forecast 13.17 12.98 12.79 12.60 12.40 12.21 12.02 11.83 11.64 error -2.17 1.02 1.21 0.40 2.60 -1.21 1.98 -0.83 3.00 0.38 |error| 2.17 1.02 1.21 0.40 2.60 4.21 1.98 0.83 14.42 1.80 error^2 4.71 1.04 1.46 0.16 6.76 17.72 3.92 0.69 36.47 4.56 |pct error| 0.20 0.07 0.09 0.03 0.17 0.38 0.14 0.08 1.16 0.15

Sumber: data yang diolah penulis

Berdasarkan data yang sudah diolah diatas, penulis melakukan perhitungan error dari beberapa metode peramalan dengan menggunakan bantuan software POM for Windows 3. Metode error yang digunakan adalah Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Standard Error, dan Mean Absolute Percent Error (MAPE). Hasil perhitungan error untuk tiap-tiap metode peramalan dari data permintaan produk soto ditunjukkan pada tabel 4.19

Table 4.19 Perhitungan Error Metode-Metode Peramalan untuk produk Lotek


moving average 1.73 4.13 2.62 0.09 weighted moving average 1.67 3.54 1.72 0.09 exponential smoothing 1.77 3.73 2.29 0.1 trend analysis 1.3 2.14 1.69 0.07

nave method MAD MSE Standard error MAPE 1.57 3 2.05 0.09

Sumber: data yang diolah penulis

Untuk mean absolute deviation (MAD), error terendah ditunjukkan oleh metode trend analysis. Untuk mean squared error (MSE), error terendah ditunjukkan oleh metode trend analysis. Untuk standard error, error terendah ditunjukkan oleh metode trend analysis. Untuk mean absolute percent error (MAPE), error terendah ditunjukkan oleh metode trend analysis.. Dengan demikian, metode trend analysis merupakan metode yang memberikan error terendah dan peramalan permintaan produk lotek yang akan digunakan adalah dengan menggunakan metode trend analysis.

4. Ayam a. Metode Nave Tabel 4.21 Peramalan metode Nave untuk produk Ayam
metode nave forecast error |error|

Minggu minggu 1 minggu 2 minggu 3

data aktual 11.00 15.00 15.00

error ^2

|pct error|

11.00 15.00

4.00 0.00

4.00 0.00

16.00 0.00

0.27 0.00

minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

11.00 11.00 12.00 13.00 11.00 99.00 12.38

15.00 11.00 11.00 12.00 13.00 11.00

-4.00 0.00 1.00 1.00 -2.00 0.00 0.00

4.00 0.00 1.00 1.00 2.00 12.00 1.71

16.00 0.00 1.00 1.00 4.00 38.00 5.43

0.36 0.00 0.08 0.08 0.18 0.97 0.14

Sumber: data yang diolah penulis b. Metode Moving Average Table 4.22 Peramalan Metode moving Average untuk produk Ayam
metode moving average forecast error |error|

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

data aktual 11.00 15.00 15.00 11.00 11.00 12.00 13.00 11.00

error ^2

|pct error|

13.67 13.67 12.33 11.33 12.00 12.00

-2.67 -2.67 -0.33 1.67 -1.00 -5.00 -1.00

2.67 2.67 0.33 1.67 1.00 8.34 1.67

7.13 7.13 0.11 2.79 1.00 18.16 3.63

0.24 0.24 0.03 0.13 0.09 0.73 0.15

99.00 12.38

Sumber: data yang diolah penulis

c. Metode weighted moving average Table 4.23 Peramalan metode Weighted Moving Average untuk produk Ayam
metode weighted moving average data aktual forecast error |error| error ^2 11.00

Minggu minggu 1

|pct error|

minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

15.00 15.00 11.00 11.00 12.00 13.00 11.00 99.00 12.38

14.33 13.00 11.67 12.33 12.33 11.83

-3.33 -2.00 0.33 0.67 -1.33 -5.67 -1.13

3.33 2.00 0.33 0.67 1.33 7.66 1.53

11.09 4.00 0.11 0.45 1.77 17.42 3.48

0.30 0.18 0.03 0.05 0.12 0.68 0.14

Sumber: data yang diolah penulis

d. Metode exponential smoothing Table 4.24 Peramalan Metode Exponential Smoothing untuk produk Ayam
metode exponential smoothing data aktual forecast error |error| error ^2 11.00 15.00 11.00 4.00 4.00 16.00 15.00 13.00 2.00 2.00 4.00 11.00 14.00 -3.00 3.00 9.00 11.00 12.50 -1.50 1.50 2.25 12.00 11.75 0.25 0.25 0.06 13.00 11.88 1.12 1.12 1.25 11.00 12.44 -1.44 1.44 2.07 11.72 99.00 1.43 13.31 34.64 12.38 0.20 1.90 4.95

Minggu minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 minggu 2 minggu 3 minggu 4 Total Average

|pct error| 0.27 0.13 0.27 0.14 0.02 0.09 0.13 1.05 0.15

Sumber: data yang diolah penulis

e. Metode trend analysis Table 4.25 Peramalan metode trend Analysis untuk produk Ayam
trend analysis Minggu minggu 1 minggu 2 minggu 3 minggu data aktual (y) 11.00 15.00 15.00 11.00 time (x) 1 2 3 4 x^2 1 4 9 16 x*y 11 30 45 44 forecast 13.17 12.98 12.79 12.60 error -2.17 2.02 2.21 -1.60 |error| 2.17 1.02 1.21 0.40 error^2 4.71 1.04 1.46 0.16 |pct error| 0.20 0.07 0.08 0.04

4 minggu 1 minggu 2 minggu 3 minggu 4 minggu 1 Total Average

11.00 12.00 13.00 11.00

5 6 7 8

25 36 49 64

55 72 91 88

12.40 12.21 12.02 11.83 9.77 109.77 12.20

-1.40 -0.21 0.98 -0.83

2.60 4.21 1.98 0.83

6.76 17.72 3.92 0.69

0.24 0.35 0.15 0.08

99.00 12.38

36 4.50

204

436

-1.00 -0.13

14.42 1.80

36.47 4.56

1.20 0.15

Sumber: data yang diolah penulis Berdasarkan data yang sudah diolah diatas, penulis melakukan perhitungan error dari beberapa metode peramalan dengan menggunakan bantuan software POM for Windows 3. Metode error yang digunakan adalah Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Standard Error, dan Mean Absolute Percent Error (MAPE). Hasil perhitungan error untuk tiap-tiap metode peramalan dari data permintaan produk soto ditunjukkan pada tabel 4.26

Table 4.26 Perhitungan Error Metode-Metode Peramalan untuk produk Lotek


moving average 1.71 5.43 2.76 0.14 weighted moving average 1.53 3.48 1.87 0.14 exponential smoothing 1.9 4.95 2.63 0.15 trend analysis 1.38 2.47 1.81 0.11

nave method MAD MSE Standard error MAPE 1.71 5.43 2.76 0.14

Sumber: data yang diolah penulis

Untuk mean absolute deviation (MAD), error terendah ditunjukkan oleh metode trend analysis. Untuk mean squared error (MSE), error terendah ditunjukkan oleh metode trend analysis. Untuk standard error, error terendah ditunjukkan oleh metode trend analysis. Untuk mean absolute percent error (MAPE), error terendah ditunjukkan oleh metode trend analysis.. Dengan demikian, metode trend analysis merupakan metode yang memberikan error terendah dan peramalan permintaan produk Ayam yang akan digunakan adalah dengan menggunakan metode trend analysis.

Dari seluruh data penjualan yang penulis olah maka penulis dapat mengambil kesimpulan bahwa kantin Waroeng X sebaiknya menerapkan peramalan dengan metode trend analysis untuk produk Soto, Rawon, Lotek, dan Ayam. 4.4 Kebutuhan bahan baku untuk setiap produk yang diteliti Macam persediaan bahan baku yang banyak tidak akan mungkin dapat perusahaan kontrol semua. Maka hanya beberapa macam item bahan baku penting saja yang akan di kontrol oleh perusahaan. Cara sederhana untuk memilah-milah item yang harus memperoleh perhatian khusus adalah dengan metode mengklasifikasi item dalam kelompok ABC. Dimana barang-barang dalam kelompok A adalah barang yang harus dikontrol ketat karena nilai barang yang mahal, kelompok B adalah barang yang dikontrol dengan moderat karena nilai barang yang sedang/ tidak terlalu mahal, kelompok C adalah barang yang tidak perlu dikontrol dengan seksama karena nilai barang yang rendah. Dalam kelompok ABC item bahan baku diklasifikasikan menjadi 3 kelompok, dalam penelitian ini penulis menggunakan kriteria untuk kelompok barang A dengan nilai item 70% 75% , untuk kelompok barang B dengan nilai item 20% 25%, untuk kelompok barang C dengan nilai item 10% - 15%. Dari empat (4) macam produk yang dijual oleh kantin Wareong X, dari setiap produk memiliki bahan-bahan baku masing-masing yang dibutuhkan untuk menghasilkan produk tersebut. Berikut adalah bahan baku yang dibutuhkan untuk setiap produk yang dijual oleh kantin Waroeng X. 4.4.1 Kebutuhan bahan baku untuk produk Soto

Table 4.27 Tabel kebutuhan bahan baku untuk produk Soto Soto harga per kg 57000 20000 10000 13000 15000 12000 18000

Nama no bahan baku

kebutuhan bahan baku 0.125 0.06 0.05 0.03 0.025 0.025 0.025

Harga 7125 1200 500 390 375 300 450

% 61.34% 10.33% 4.30% 3.36% 3.23% 2.58% 3.87%

1 Daging sapi 2 sereh 3 lobak minyak 4 goreng 5 jeruk lemon kacang 6 kedelai 7 kerupuk

cummulative annual demand 61.34% 71.67% 75.97% 79.33% 82.56% 85.14% 89.02%

udang 8 bawang daun 0.016666667 0.016666667 9 saledri 0.01 10 bawang putih 0.005 11 pala 0.005 12 laja 0.0025 13 kuning 0.0025 14 daun jeruk 0.0025 15 daun salam 0.0025 16 jahe 0.0025 17 tomat 0.002 18 lada/merica 0.0015 19 garam total (porsi) Sumber: data yang diolah penulis

8000 133.3333333 1.15% 20000 333.3333333 2.87% 15000 150 1.29% 40000 200 1.72% 20000 100 0.86% 25000 62.5 0.54% 25000 62.5 0.54% 10000 25 0.22% 25000 62.5 0.54% 10000 25 0.22% 60000 120 1.03% 1000 1.5 0.01% 11616 100.00%

90.17% 93.04% 94.33% 96.05% 96.91% 97.45% 97.99% 98.20% 98.74% 98.95% 99.99% 100.00%

Berdasarkan pada tabel 4.27, dari hasil pengklasifikasian tersebut dapat diperoleh tiga (3) macam bahan baku yang termasuk dalam klasifikasi A untuk produk Soto yaitu Daging sapi (61.34%), Sereh (10,33%), lobak (4,30%) Selanjutnya ketiga (3) jenis barang tersebut akan diteliti oleh penulis pada penelitian ini.

4.4.2

Kebutuhan bahan baku untuk produk Rawon Table 4.28 Tabel kebutuhan bahan baku untuk produk Rawon Rawon harga per kg 57000 20000 8000 15000 20000 18000 6000 15000 15000 11000 25000 20000

Nama no bahan baku

1 Daging sapi 2 sereh 3 gula merah 4 jeruk lemon 5 keluwek 6 kerupuk udang 7 tauge 8 bawang merah 9 bawang putih 10 gula pasir 11 cengek merah 12 kemiri

kebutuhan bahan baku 0.125 0.06 0.05 0.025 0.025 0.025 0.02 0.01 0.01 0.006 0.005 0.005

cummulative Harga 7125 1200 400 375 500 450 120 150 150 66 125 100 % 60.81% 10.24% 3.41% 3.20% 4.27% 3.84% 1.02% 1.28% 1.28% 0.56% 1.07% 0.85% annual demand 60.81% 71.05% 74.47% 77.67% 81.93% 85.77% 86.80% 88.08% 89.36% 89.92% 90.99% 91.84%

13 laja 0.005 14 pala 0.005 15 kunyit 0.005 16 minyak goreng 0.003 17 cikur 0.0025 18 jahe 0.0025 19 jinten 0.0025 20 tomat 0.0025 21 daun jeruk 0.0025 22 daun salam 0.0025 23 lada/merica 0.002 24 garam 0.0015 25 ketumbar 0.001 26 terasi 0.00025 total (porsi) Sumber: data yang diolah penulis

20000 40000 25000 13000 40000 25000 20000 10000 25000 10000 60000 1000 35000 41000

100 0.85% 200 1.71% 125 1.07% 39 0.33% 100 0.85% 62.5 0.53% 50 0.43% 25 0.21% 62.5 0.53% 25 0.21% 120 1.02% 1.5 0.01% 35 0.30% 10.25 0.09% 11716.75 100.00%

92.70% 94.40% 95.47% 95.80% 96.66% 97.19% 97.62% 97.83% 98.36% 98.58% 99.60% 99.61% 99.91% 100.00%

Berdasarkan pada tabel 4.28, dari hasil pengklasifikasian tersebut dapat diperoleh tiga (3) macam bahan baku yang termasuk dalam klasifikasi A untuk produk Rawon yaitu Daging sapi (60,81%), Sereh (10,24%), Gula merah (3,41%) Selanjutnya ketiga (3) jenis barang tersebut akan diteliti oleh penulis pada penelitian ini.

4.4.3

Kebutuhan bahan baku untuk produk Lotek

Table 4.29 Tabel kebutuhan bahan baku untuk produk Lotek Lotek harga Harga per kg 10000 2000 22000 1100 25000 625 18000 450 15000 375 10000 250 8000 240 8000 160 7800 156 15000 150

Nama no 1 2 3 4 5 6 7 8 9 10 bahan baku sayuran kacang tanah cengek merah kerupuk udang jeruk sambal kentang gula merah tempe tahu bawang putih

kebutuhan bahan baku 0.2000 0.0500 0.0250 0.0250 0.0250 0.0250 0.0300 0.0200 0.0200 0.0100

cummulative % 35.54% 19.55% 11.11% 8.00% 6.66% 4.44% 4.26% 2.84% 2.77% 2.67% annual demand 35.54% 55.09% 66.20% 74.19% 80.86% 85.30% 89.56% 92.41% 95.18% 97.85%

11 12 13 14 15

cikur 0.0025 40000 100 1.78% terasi 0.0003 41000 10.25 0.18% pisang klutuk 0.0020 3000 6 0.11% garam 0.0030 1000 3 0.05% telur 0.0001 16000 2 0.04% total (porsi) 5627.25 100.00% Sumber: data yang diolah penulis

99.62% 99.80% 99.91% 99.96% 100.00%

Berdasarkan pada tabel 4.29, dari hasil pengklasifikasian tersebut dapat diperoleh empat (4) macam bahan baku yang termasuk dalam klasifikasi A untuk produk Lotek yaitu Sayuran (35,54%), Kacang tanah (19,55%), Cengek merah (11,11%), Kerupuk udang (8%). Selanjutnya keempat (4) jenis barang tersebut akan diteliti oleh penulis pada penelitian ini.

4.4.4

kebutuhan bahan baku untuk produk Ayam

Table 4.30 Tabel kebutuhan bahan baku untuk produk Lotek Ayam harga Harga per kg 25000 6250 13000 20000 15000 15000 10000 25000 25000 1000 35000 3250

Nama kebutuhan bahan baku bahan baku 1 daging ayam 0.25 minyak 2 0.25 goreng 3 sereh 0.04 4 bawang putih 0.025 5 bawang merah 0.0125 6 daun salam 0.01 7 jahe 0.0025 8 kuning 0.0025 9 garam 0.0015 10 ketumbar 0.0015 total (porsi) Sumber: data yang diolah penulis no

% 56.10% 29.17%

cummulative annual demand 56.10% 85.27% 92.45% 95.81% 97.50% 98.39% 98.95% 99.52% 99.53% 100.00%

800 7.18% 375 3.37% 187.5 1.68% 100 0.90% 62.5 0.56% 62.5 0.56% 1.5 0.01% 52.5 0.47% 11141.5 100.00%

Berdasarkan pada tabel 4.30, dari hasil pengklasifikasian tersebut dapat diperoleh dua (2) macam bahan baku yang termasuk dalam klasifikasi A untuk produk Ayam adalah daging ayam (56,10%), minyak goreng (29,17%). Selanjutnya kedua (2) jenis barang tersebut akan diteliti oleh penulis pada penelitian ini.

4.5 Biaya persediaan yang relevan Sebagai seorang pedagang, baik besar atau kecil sebaiknya memiliki kemampuan untuk mengelola persediaan bahan baku. Persediaan bahan baku merupakan salah satu faktor yang sangat penting dalam kegiatan sebuah usaha. Pada usaha kantin Waroeng X, terdapat beberapa biaya relevan yang dapat diperhitungkan yaitu biaya pemesanan (ordering cost) dan biaya penyimpanan (holding cost).

4.5.1 Biaya Pemesanan (Ordering Cost) Biaya pemesanan adalah biaya yang dikeluarkan setiap kali pemesanan dilakukan, biaya pemesanan (ordering cost) akan semakin membesar jika frekuensi pemesanan meningkat. Dalam hal ini biaya yang terjadi dalam usaha kantin Waroeng X yang dapat digolongkan dalam ordering cost adalah biaya transportasi. Biaya transportasi yang mucul dalam kegiatan usaha kantin Waroeng X sebesar Rp 2000,00 4.5.2 Biaya Penyimpanan (Holding Cost) Biaya penyimpanan adalah biaya yang terjadi karena adanya penyimpanan suatu persediaan bahan baku atau barang dagangan. Biaya penyimpanan akan semakin meningkat jika rata-rata jumlah barang yang disimpan semakin meningkat. Dana yang tertanam dalam persediaan seharusnya dapat dialokasikan untuk kegiatan usaha lain atau disimpan dalam bentuk deposito atau tabungan di bank. Maka penanaman modal dalam bentuk persediaan memiliki opportunity cost berupa biaya bunga tabungan. Biaya penyimpanan didapat dari hasil perhitungan biaya per unit (berdasarkan harga beli) dikalikan dengan biaya bunga yang terjadi akibat adanya opportunity cost. Diasumsikan tingkat bunga tabungan yang dipergunakan untuk tahun 2011 adalah 5% per bulan

4.6 Biaya persediaan berdasarkan metode basic EOQ/ simple aggregation Biaya persediaan pada usaha kantin Waroeng X terdiri dari biaya penyimpanan dan biaya pemesanan. Besarnya biaya pemesanan diperoleh dari data tingkat kebutuhan persediaan rata-rata kemudian dikalikan dengan suku bunga tabungan yang berlaku pada tahun 2011 yaitu sebesar 5% (diperoleh dari

http://pusatdata.kontan.co.id/v2/bungadeposito ). Berikut adalah biaya penyimpanan

bahan baku daging. Biaya penyimpanan Daging = rata-rata kebutuhan x harga beli x suku bunga = 4.4 x 57000 x 5% = Rp 3777,44

Tabel 4.31 biaya simpan bahan baku pada usaha kantin Waroeng X
nama barang harga beli per kg 57000 57000 5.00% 5.00% Suku bunga (h)

no

satuan

Permintaan

kebutuhan per kg

Biaya simpan 2850 2850 5700

Daging soto rawon Total kg kg 0.125 0.125 145 137 18.125 17.125 35.25 kg kg kg kg kg kg kg kg kg kg 0.06 0.06 0.05 0.05 0.25 0.25 0.2 0.05 0.025 0.025 145 137 145 137 99 99 103 103 103 103 8.7 8.22 16.92 7.25 6.85 24.75 24.75 20.6 5.15 2.575 2.575 10000 10000 25000 13000 10000 22000 25000 18000 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 25000 25000 5.00% 5.00%

Sereh soto rawon Total 1250 1250 2500 500 500 1250 650 500 1100 1250 900 14850

3 4 5 6 7 8 9 10

Lobak gula merah daging ayam minyak goreng sayuran kacang tanah cengek merah kerupuk udang

total biaya simpan

Sumber: data olahan penulis Hal hal yang termasuk dalam biaya pemesanan dalam usaha kantin Waroeng X adalah biaya transportasi. Dalam sekali pembelian bahan baku kantin Waroeng X membutuhkan biaya Rp 2000,00. Biaya ini diperkirakan berdasarkan biaya naik transportasi umum yang dibutuhkan untuk membeli bahan baku ke pasar.

Dari kedua data diatas maka kita dapat mencari biaya total persediaan yang dikeluarkan oleh usaha kantin Waroeng X adalah sebagai berikut, Biaya total persediaan = biaya penyimpanan + biaya pemesanan = Rp 14850 + Rp 2000,00 = Rp 16850,00 Jadi biaya total persediaan yang harus dikeluarkan oleh usaha kantin Waroeng X dengan menggunakan pengendalian persediaan metode simple aggregation/ basic EOQ adalah Rp 16850,00. Metode EOQ merupakan salah satu model sederhana yang dapat dipergunakan untuk menentukan jumlah pesanan yang ekonomis, dan juga mempertimbangkan 2 macam biaya yaitu biaya penyimpanan dan biaya pemesanan. Pertama kali yang dilakukan dalam menggunakan metode EOQ ini adalah menghitung jumlah lot-size yang optimal untuk setiap produk. Jumlah lot-size yang optimal untuk bahan baku daging ayam adalah sebesar 8,9 kg, dengan perhitungan sebagai berikut: D (Permintaan) S (Biaya pesan) h (Suku bunga) C (Harga beli) = 24,8 kg = 2000 = 5% = 25000

    = = 8,9 kg
     

Berikut adalah perhitungan EOQ untuk setiap bahan baku dari produk yang diteliti oleh penulis: Table 4.32 Optimal Lot Size untuk bahan baku di kantin Waroeng X
no 1 2 3 4 5 6 7 8 9 10 11 12 item Daging sapi(soto) Daging sapi(Rawon) Sereh(soto) Sereh(Rawon) lobak gula merah daging ayam minyak goreng sayuran kacang tanah cengek merah kerupuk udang demand Biaya (kg) pesan 18.1 17.1 11.6 11.0 7.3 28.8 24.8 24.8 20.6 5.2 3.1 4.4 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 rms 2 2 2 2 2 2 2 2 2 2 2 2 2DS 72500 68500 46400 43840 29000 115200 99000 99000 82400 20600 12360 17716 bunga C H 2850 2850 1250 1250 500 500 1250 650 500 1100 1250 900 2DS/H 25.4 24.0 37.1 35.1 58.0 230.4 79.2 152.3 164.8 18.7 9.9 19.7 EOQ 5.0 4.9 6.1 5.9 7.6 15.2 8.9 12.3 12.8 4.3 3.1 4.4

5.00% 57000 5.00% 57000 5.00% 5.00% 5.00% 5.00% 5.00% 25000 25000 10000 10000 25000

5.00% 13000 5.00% 10000 5.00% 22000 5.00% 25000 5.00% 18000

Sumber: data olahan penulis Setelah diketahui jumlah lot-size yang optimal untuk masing-masing item bahan baku, langkah berikutnya adalah melakukan perhitungan banyaknya pesanan yang terjadi dalam waktu 1 bulan. Daging sapi untuk produk soto dipesan sebanyak 4 kali dalam 1 bulan, hasil pemesanan tersebut didapatkan dari pembagian jumlah penjualan dengan optimal lot size. Untuk perhitungan item lainnya dapat dilihat pada table 4.33 sebagai berikut: Table 4.33 Frekuensi Pemesanan untuk setiap item
no 1 2 3 4 5 6 7 8 9 10 item Daging sapi (soto) Daging sapi (rawon) Sereh (soto) Sereh (rawon) lobak gula merah daging ayam minyak goreng sayuran kacang tanah Demand(kg) 18.1 17.1 11.6 11.0 7.3 28.8 24.8 24.8 20.6 5.2 EOQ 5.0 4.9 6.1 5.9 7.6 15.2 8.9 12.3 12.8 4.3 frekuensi pemesanan 4 3 2 2 1 2 3 2 2 1

11 12

cengek merah kerupuk udang total

3.1 4.4

3.1 4.4

1 1 23

Sumber: data olahan penulis order cost untuk item-item yang diteliti di tunjukkan dalam table 4.34 sebagai berikut: Table 4.34 order cost untuk item-tem bahan baku
no 1 2 3 4 5 6 7 8 9 10 11 12 item Daging sapi (Soto) Daging sapi (Rawon) Sereh (Soto) Sereh (Rawon) Lobak gula merah daging ayam minyak goreng Sayuran kacang tanah cengek merah kerupuk udang Total frekuensi pemesanan 4 3 2 2 1 2 3 2 2 1 1 1 23 annual order cost 7187 6986 3808 3701 1904 3795 5562 4011 3209 2380 1965 1997 46506

Sumber: data olahan penulis Keterangan: S = Rp 2000,00 holding cost akan semakin besar dengan semakin meningkatnya jumlah lot-size yang dipesan. Perhitungan holding cost untuk item bahan baku daging (soto) adalah sebagai berikut: Holding cost = (Q/2)*C*h Holding cost = (5/3)*57000*5% = 7187 Pada table 4.35 dapat dilihat hasil perhitungan untuk holding cost untuk item-item bahan baku. Table 4.35 holding cost untuk ite-item bahan baku di kantin Waroeng X
no 1 Item Daging sapi (Soto) bunga 5.00% C 57000 EOQ 5.0 frekuensi pemesanan 4 holding cost 7187

2 3 4 5 6 7 8 9 10 11 12

Daging sapi (Rawon) Sereh (Soto) Sereh (Rawon) lobak gula merah daging ayam minyak goreng sayuran kacang tanah cengek merah kerupuk udang total

5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00% 5.00%

57000 25000 25000 10000 10000 25000 13000 10000 22000 25000 18000

4.9 6.1 5.9 7.6 15.2 8.9 12.3 12.8 4.3 3.1 4.4

3 2 2 1 2 3 2 2 1 1 1 23

6986 3808 3701 1904 3795 5562 4011 3209 2380 1965 1997 46506

Sumber: data olahan penulis Total biaya persediaan merupakan penjumlahan order cost dan holding cost. Total cost = total ordering cost + total holding cost = 46506 + 46506 = Rp 93012, 00 Jadi total biaya persediaan yang harus dikeluarkan oleh usaha kantin Waroeng X dengan menggunakan metode simple aggregation/basic EOQ adalah Rp 93012, 00 4.7 Biaya persediaan berdasarkan metode complete aggregation Pada metode complete aggregation ini pemesanan dilakukan dengan cara menggabungkan seluruh jenis produk pada setiap pemesanannya. Kelebihan metode ini adalah penggunaannya yang cukup mudah dan menghemat biaya pemesanan karena frekuensi pemesanan akan berkurang. 4.7.1 Biaya pemesanan Langkah pertama yang dilakukan adalah menentukan biaya pemesanan gabungan (S*) untuk produk yang dipesan oleh usaha kantin Waroeng X untuk item-item bahan baku. Biaya pemesanan gabungan (S*) diperoleh dari jumlah biaya pemesanan untuk memesan satu jenis produk yang digabungkan karena semua bahan baku itu dimasukkan kedalam setiap pemesanan. Biaya pemesanan gabungan yang akan diperhitungkan adalah biaya transportasi sebesar Rp 2000, 00. Sedangkan untuk perhitungan biaya tambahan

satu jenis bahan baku adalah sebesar Rp 300, 00. Bahan baku yang dibeli berjumlah 10 jenis, jadi total specific cost adalah Rp 3000, 00. Berikut adalah perhitungan gabungan biaya pemesanan tetap (combined fixed order cost): S* = biaya umum + (specific cost*jumlah produk) = Rp 2000, 00 + Rp 3000,00 = Rp 5000, 00 Kemudian langkah selanjutnya adalah menghitung frekuensi

pemesanan optimal (optimal order frequency) masing-masing barang. Perhitungan frekuensi pemesanan optimal dapat dihitung dengan menggunakan rumus:

n* =

= = 6,16 kali Jadi jumlah frekuensi pemesanan yang optimal adalah 6,16 kali per bulan. Maka total biaya pemesanan adalah 6,16 x Rp 5000, 00 = Rp 30800,00

4.7.2

Biaya penyimpanan Setelah menghitung ordering cost lalu kita menghitung biaya penyimpanan. Biaya penyimpanan dapat diperoleh dengan cara membagi total perkalian antara demand dikali biaya simpan dikali harga seperti pada table 4.36, dibagi enam (6) kali frekuensi pemesanan optimal/bulan. Holding cost =

= Rp 12314, 01
Jadi biaya penyimpanan selama satu bulan dengan menggunakan complete aggregation adalah sebesar Rp 12314, 01.

4.7.3

Total biaya persediaan Untuk menghitung total biaya persediaan di usaha kantin Waroeng X dengan menggunakan metode complete aggregation adalah dengan menjumlahkan biaya pemesanan dan biaya penyimpanan yang sudah dihitung diatas.

Total biaya persediaan

= biaya penyimpanan + biaya pemesanan = Rp 12314,01 + Rp 30800,00 = Rp 43114,01

Sehingga dari penjumlahan diatas didapat total biaya persediaan di usaha kantin Waroeng X jika menggunakan metode complete aggregation adalah sebesar Rp 43114, 01 4.7.4 Optimal order Untuk menghitung optimal order menggunakan metode complete aggregation adalah dengan membagi demand oleh berapa kali pesan selama per bulan. Optimal order untuk item bahan baku diatas dapat dilihat pada table 4.36 sebagai berikut:

Table 4.36 Untuk menghitung optimal order


ITEM 1 2 3 4 5 6 7 8 9 daging sereh gula merah daging ayam minyak goreng sayuran kacang tanah cengek merah kerupuk udang optimal order frequency (D/n*) 6 4 2 4 4 3 1 1 1 optimal order 5.8 5.8 6.0 6.3 6.3 7.0 5.0 3.0 4.0

D 35 23 12 25 25 21 5 3 4

Sumber: data olahan penulis Jadi optimal order untuk daging sebanyak 5,8kg/ pesan, sereh sebanyak 5,8kg/ pesan, gula merah sebanyak 6 kg/ pesan, daging ayam sebanyak 6,3kg/ pesan, minyak goreng sebanyak 6,3kg/ pesan, sayuran sebanyak 7 kg/ pesan, kacang tanah sebanyak 5kg/ pesan, cengek merah sebanyak 3kg/ pesan, kerupuk udang sebanyak 4kg/ pesan. 4.8 Perhitungan Reorder point (ROP) masing-masing item bahan baku Table 4.37 ROP masing-masing bahan baku
average daily demand lead Demand Demand terendah SS ROP

no

ITEM

time tertinggi

1 2 3 4 5 6 7 8 9

daging sereh gula merah daging ayam minyak goreng sayuran kacang tanah cengek merah kerupuk udang

35 23 12 25 25 21 5 3 4

5.035714286 3.222857143 1.761428571 3.535714286 3.535714286 2.942857143 0.735714286 0.441428571 0.573857143

1 1 1 1 1 1 1 1 1

20 20 20 15 15 15 15 15 15

15 15 15 11 11 11 11 11 11

5 5 5 4 4 4 4 4 4

10 8 7 8 8 7 5 4 5

Sumber data olahan penulis Dengan mengetahui ROP masing-masing item bahan baku, pemilik usaha akan lebih mudah dalam menentukan waktu untuk melakukan pemesanan. ROP menunjukkan jumlah persediaan dimana pemilik sebaiknya melakukan pemesanan agar produk yang dipesan tidak kekurangan persediaan akibat adanya keterlambatan pengiriman dari supplier.

Beri Nilai