INSTITUT TEKNOLOGI BANDUNG

Minimisasi Ongkos Total Inventori Indomie Goreng di Borma Dago

Tugas Besar MR Analisis Kuantitatif Dosen Suprayogi

Disusun oleh :

Alexandrio Adinanda Nababan Muhammad Yorga Permana Nabila Lystianingtyas Lusi Pratiwi

13409018 13409127 13409139 13409140

Asisten : Alvin Pradana

Manajemen Rekayasa Industri Fakultas Teknologi Industri 2011

Daftar Isi

Daftar Isi ................................................................................................................................................... i Daftar Gambar ....................................................................................................................................... iii Daftar Tabel ........................................................................................................................................... iv BAB 1 : Pendahuluan ............................................................................................................................... 1 1.1 Latar Belakang............................................................................................................................... 1 1.2 Formulasi Masalah ........................................................................................................................ 2 1.3 Tujuan ........................................................................................................................................... 3 1.4 Batasan Masalah ........................................................................................................................... 3 1.5 Asumsi ........................................................................................................................................... 4 BAB 2 : Metodologi ................................................................................................................................. 5 BAB 3 : Pengembangan Model Konseptual dan Pengumpulan Data...................................................... 8 3.1 Deskripsi Sistem ............................................................................................................................ 8 3.1.1 Relevan Sistem ....................................................................................................................... 8 3.1.2 Model Verbal......................................................................................................................... 8 3.1.3 Model Konseptual .................................................................................................................. 9 3.2 Komponen Model Matematis ..................................................................................................... 10 3.2.1 Ukuran Performansi ............................................................................................................. 10 3.2.2 Variabel Keputusan .............................................................................................................. 10 3.2.3 Parameter ............................................................................................................................ 10 3.2.4 Fungsi Objektif ..................................................................................................................... 10 3.2.5 Fungsi Pembatas .................................................................................................................. 11 3.3 Estimasi Nilai Parameter ............................................................................................................. 11 3.3.1 Forecasting Demand Satu Tahun ......................................................................................... 11 3.3.2 Ongkos Pembelian ............................................................................................................... 23 3.3.3 Ongkos Pengadaan Barang .................................................................................................. 23 3.3.4 Ongkos Simpan .................................................................................................................... 23 BAB 4 : Pengembangan Model Matematis ........................................................................................... 25 4.1 Notasi Model Matematis ............................................................................................................ 25 4.2 Model Referensi .......................................................................................................................... 25 4.3 Formulasi Model Matematis ....................................................................................................... 25

ii BAB 5 : Verifikasi, Validasi, dan Analisa Output .................................................................................... 27 5.1 Verifikasi Model Matematis ........................................................................................................ 27 5.2 Solusi Optimal ............................................................................................................................. 27 5.2.1 Perhitungan Menggunakan Metode Wagner-Within .......................................................... 27 5.2.1.3 Ongkos Total (Solusi Optimum) ........................................................................................ 33 5.2.2 Perhitungan Menggunakan Software (WinQSB).................................................................. 34 5.3 Analisis Sensitivitas ..................................................................................................................... 37 5.4 Rekomendasi Kebijakan .............................................................................................................. 43 BAB 6 : Kesimpulan ............................................................................................................................... 45

Daftar Gambar
Gambar 1 - BORMA ................................................................................................................................. 2 Gambar 2 - Fishbone Diagram ................................................................................................................ 3 Gambar 3 - Flow Chart Metodologi ........................................................................................................ 5 Gambar 4 - Sistem Inventori Toserba BORMA........................................................................................ 8 Gambar 5 - Influence Diagram .............................................................................................................. 10 Gambar 6 - Grafik Demand Tahun 2010 ............................................................................................... 12 Gambar 7 - Forecasting Demand dengan n=3 ...................................................................................... 13 Gambar 8 - Grafik Forecast Demand dengan n=3 ................................................................................ 14 Gambar 9 - Forecast Demand dengan n=4 ........................................................................................... 14 Gambar 10 - Grafik Forecast Demand dengan n=4 .............................................................................. 15 Gambar 11- Forecast Demand dengan n=5 .......................................................................................... 16 Gambar 12 - Grafik Forecast Demand dengan n=5 .............................................................................. 17 Gambar 13 - Forecast Demand dengan n=6 ......................................................................................... 17 Gambar 14 - Grafik Forecast Demand dengan n=6 .............................................................................. 18 Gambar 15 - Hasil Forecast Demand dengan = 0,3 ........................................................................... 20 Gambar 16 - Grafik Forecast Demand dengan = 0,3 ......................................................................... 21 Gambar 17 - Forecast Demand dengan = 0,5 .................................................................................... 21 Gambar 18 - Grafik Forecast dengan = 0,5 ........................................................................................ 22 Gambar 19 - Tampilan Awal WinQSB ................................................................................................... 34 Gambar 20 - Toolbar WinQSB ............................................................................................................... 34 Gambar 21 - Penentuan Jenis Masalah Inventori ................................................................................. 35 Gambar 22 - Tabel Sesuai Ketentuan yang Dipilih ................................................................................ 35 Gambar 23 - Input Data ........................................................................................................................ 36 Gambar 24 - Toombol Eksekusi ............................................................................................................ 36 Gambar 25 - Hasil Perhitungan ............................................................................................................. 36 Gambar 26 - Grafik Hasil Perhitungan .................................................................................................. 37

Daftar Tabel
Tabel 1 - Identifikasi Aspek Sistem.......................................................................................................... 9 Tabel 2 - Data Demand Tahun 2010 ..................................................................................................... 11 Tabel 3 - Hasil Forecasting dengan n=3 ................................................................................................ 13 Tabel 4 - Hasil Forecast Demand dengan n=4....................................................................................... 15 Tabel 5 - Hasil Forecast Demand dengan n=5....................................................................................... 16 Tabel 6 - Hasil Forecast Demand dengan n=6....................................................................................... 18 Tabel 7 - Hasil Forecast Demand Terbaik.............................................................................................. 19 Tabel 8 - Hasil Forecast Demand dengan = 0,3.................................................................................. 20 Tabel 9 - Hasil Forecast Demand dengan = 0,5.................................................................................. 22 Tabel 10 - Hasil Forecast Terbaik .......................................................................................................... 23 Tabel 11 - Demand Forecast Terbaik .................................................................................................... 26 Tabel 12 - Matriks Perhitungan Oen ...................................................................................................... 29 Tabel 13 - Hasil Rekapitulasi Perhitungan fn ......................................................................................... 31 Tabel 14 - Penjabaran fn ke dalam ukuran lot pemesanan ................................................................... 32 Tabel 15 - Analisis Sensitivitas .............................................................................................................. 43

BAB 1 : Pendahuluan
1.1 Latar Belakang
Seiring dengan meningkatnya kebutuhan manusia akan berbagai macam barang dan kebutuhan suasana yang nyaman saat membeli barang, pasar tradisional menjadi tidaklah efektif, saat ini pasar modern kini menjadi salah satu alternartif bagi konsumen yang ingin berbelanja. Pasar modern tidak banyak berbeda dari pasar tradisional, namun pasar jenis ini penjual dan pembeli tidak bertransakasi secara langsung melainkan pembeli melihat label harga yang tercantum dalam barang (barcode), berada dalam bangunan dan pelayanannya dilakukan secara mandiri (swalayan) atau dilayani oleh pramuniaga. Barang-barang yang dijual, selain bahan makanan makanan seperti buah, sayuran, daging, sebagian besar barang lainnya yang dijual adalah barang yang dapat bertahan lama. Tidak seperti pasar tradisional, pasar modern menjual berbagai macam barang ini dalam 1 gedung atau daerah yang tidak terlalu jauh, sehingga konsumen bisa mendapatkan berbagai macam barang yang dibutuhkan dengan waktu yang relativ singkat. Keuntungan lain yang didapat adalah kenyamanan yang lebih dapat dirasakan konsumen jika dibandingkan berbelanja pasar tradisonal. Beberapa contoh dari pasar modern adalah hypermarket, pasar swalayan (supermarket), dan minimarket. Toserba Borma merupakan salah satu pasar modern yang terdapat di Bandung. Tidak hanya menjual makanan sehari-hari, borma juga menyediakan barang kebutuhan rumah tangga bahkan alat-alat elektronik. Saat ini hampir di setiap daerah di Bandung terdapat mini market ini, seperti di daerah Dago, Setiabudi, Lembang, Buah Batu dll. Dengan bermunculannya minimarket seperti alfamart, indomart, Yomart dll otomatis membuat kondisi persaingan yang semakin tinggi. Borma harus memilki startegi agar bisa tetap beroperasi dan bisa mandapatkan keuntungan, salah satunya adalah dengan memaksimalkan asset yang dimiliki dan meminimumkan biaya produksi, salah satunya dapat dilakukan dengan meminimalkan biaya inventori pada borma. Dalam setiap kegiatan usaha selalu dijumpai inventori dalam berbagai bentuk antara lain bahan baku sebagai masukan untuk proses produksi, bahan penolong untuk membantu terlaksananya proses produksi, suku cadang untuk menggantikan komponen yang mengalami kerusakan, barang settengah jadi dan barang jadi yang ispa untuk dipasarkan kepada konsumen. Salah satu penyebab adanya inventory adalah barang-barang tersebut tidak dapat diperoleh secara instan tetapi diperlukan tenggang waktu untuk memperoleh barang tersebut. Dimulai dari saat pemesanan barang, waktu untuk mengantarkan barang ke distributor bahkan sampai dengan waktu memproses barang tersebut hingga siap untuk digunakan. Inventori dalam suatu usaha dapat dikategorikan sebagai modal kerja yang bebrbentuk barang. Keberadaanya tidak saja dianggap sebagai beban tetapi sekaligus dapat dianggap sebagai aser yang dapat segera dicairkan dalam bentuk uang tunai. Inventori, sebagai sumber daya yang menganggur, menurut Monden (1983), keberadaan inventori dapat dipandang sebagai suatu pemborosan dan artinya menajdi beban bagi suatu unit usaha dalam bentuk ongkos yang lebih tinggi. Oleh karena itu keberadaan inventori perlu dieliminasi. Bila tidak mungkin utntuk dieliminasi maka biaya pengadaaan inventori ini perlu untuk diminimalkan yang seterusnya akan berpengaruh juga terhadap biaya produksi yang dikeluarkan unit usaha tersebut. Borma yang dalam keberjalanan usahanya menggunakan sistem inventori (sistem penyimpanan) harus pintar-pintar dalam mengeluarkan ongkos-ongkos yang terlibat seperti ongkos pembelian, ongkos pengadaan, ongkos simpan dan ongkos pengadaan barang. Pemakaian ongkos inventori ini

2 diasumsikan tidak akan mengurangi omset penjualan secara keseluruhan, berdasarkan asumsi tersebut dapat dikatakan bahwa minimasi ongkos inventori akan menaikkan keuntungan sistem usaha secara keseluruhan. Melihat belum maksimalnya borma dalam menggunakan sistem inventori dan belum minimalnya biaya yang dikeluarkan, kami mencoba untuk memperbaiki sistem inventori Borma dalam hal meminimisasi ongkos-ongkos inventori dengan melihat aspek-aspek yang mempengaruhi, seperti permalan demand, gaji karyawan,biaya listrik dll. Dalam kasus ini kami mengambil produk Indomie Goreng sebagai objek kami, karena Indomie Goreng merupakan salah satu barang yang paling banyak di beli konsumen.

Gambar 1 - BORMA

1.2 Formulasi Masalah

Dalam kegiatan berbisnis, terdapat berbagai kendala yang mengurangi optimalisasi profit. Kendalakendala tersebut dapat diklasifikasikan dalam subbagian yang menyusun suatu usaha. Ada lima subbagian utama yang disebut 5 M, yaitu Man, Material (Money), Method, Machine, dan Management. Pengklasifikasian tersebut dinyatakan dalam Fishbone Diagram. Dalam Fishbone Diagram, bagian kepala ikan menyatakan effect (hasil) dan tulang-tulangnya menyatakan cause (penyebab). Subbagian 5M terletak pada tulang ikan untuk menggambarkan penyebab suatu masalah. Apabila effect yang dimaksud adalah maksimasi profit, penyebabpenyebabnya dapat diklasifikasikan sebagai berikut :

Gambar 2 - Fishbone Diagram

Seperti yang terdapat di diagram pada subbagian Method, dinyatakan bahwa salah satu penyebab maksimasi profit terganggu adalah sistem inventory yang belum optimal. Untuk mengoptimalkan sistem inventory dibutuhkan pemodelan keadaan sesungguhnya. Fokus utama dalam memodelkan sistem inventori adalah untuk meminimasi biaya inventory per karton. Sistem inventory yang dimodelkan adalah sistem inventory toko swalayan Borma. Produk yang dimodelkan adalah Indomie goreng.

1.3 Tujuan
1. Meminimisasi ongkos total inventori Indomie Goreng di Borma Dago sehingga dapat memaksimalkan profit yang didapat Borma. 2. Memperkirakan waktu yang tepat dalam melakukan pemesanan Indomie Goreng berdasarkan peramalan demand agar biaya yang dikeluarkan minimum

1.4 Batasan Masalah

1. Borma menjual berbagai macam kebutuhan sehari-hari, berupa makanan pokok dan juga barang-barang pelengkap seperti barang elektronik. Akan tetapi, yang akan dibahas pada makalah ini adalah mengenai inventori indomie goreng karena makananlah yang memberikan kontribusi paling besar. 2. Tidak ada kebijakan untuk memperluas gudang inventori makanan tersebut.

1.5 Asumsi
Dalam mencari jawaban atas permasalahan inventori dinamis, digunakan asumsi-asumsi pokok di antaranya sebagai berikut : 1. Permintaan barang diketahui secara pasti dan muncul pada awal periode perencanaan serta besarnya tidak selalu sama antara satu periode dengan periode perencanaan lainnya 2. Horizon perencanaan terbatas (finitie) dan terdiri atas beberapa periode perencanaan yang sama panjang 3. Ukuran lot pemesanan akan meliputi kebutuhan dan permintaan barang satu atau beberapa periode perencanaan secara utuh (integer), artinya pemenuhan permintaan dalam satu periode perencanaan tidak dapat dipecah 4. Barang yang dipesan akan datang pada awal periode perencanaan karena itu pemesanan akan dilakukan L periode waktu sebelum waktu kedatangan barang yang direncanakan 5. Tidak ada diskon dalam pembelian barang 6. Barang yang dibeli bersifat independen atara barang yang satu dengan barang lainnya 7. Tidak ada inventori awal dan inventori akhir pada setiap periode perencanaan serta tidak ada barang dalam daftar pesanan yang belum tiba pada saat pemesanan lain dilakukan

BAB 2 : Metodologi

Gambar 3 - Flow Chart Metodologi

6 Topik yang dipilih pertama kali adalah masalah pemesanan bahan bakar di salah satu SPBU Pertamina, seperti Premium, Pertamax, dan Pertamax Plus serta masalah optimasi distribusi dari pemasok ke SPBU tersebut. Masalah tersebut merupakan masalah mix-product. Namun, penyelesaian masalah terlalu sederhana setelah dikaji lebih lanjut. Awalnya, pengiriman bensin per jenis akan dioptimalkan dengan pembatas kapasitas tangki per pengiriman, waktu kirim, serta permintaan rata-rata per jenis produk. Nyatanya, bensin yang dikirim tidak dapat dicampur ke dalam satu tangki karena dapat merusak bensin tersebut. Bensin yang dikirim hanya dapat dikirim per jenis dalam satu tangki sehingga perhitungan menjadi sederhana. Topik kedua yang dipilih adalah masalah inventori. Produk yang dipilih awalnya adalah makanan ringan. Kendalanya adalah permintaan pasar terhadap produk tersebut tidak besar sehingga produk yang dijadikan objek permasalahan diganti menjadi bahan sembako. Lokasi yang dijadikan tempat penelitian adalah swalayan besar yang memiliki jumlah stok dan permintaan yag stabil dan besar. Swalayan-swalayan yang dimaksud antara lain Yogya, Giant, Superindo, dan Borma. Karena masalah perijinan oleh manajemen tiap swalayan, hanya Borma yang dapat dimintai informasi mengenai data-data perusahaan. Observasi dilakukan langsung di Borma dan data primer diperoleh dari Bapak Arief selaku manajer inventori di Borma. Berdasarkan data perusahaan, bahan sembako yang paling banyak permintaannya adalah Indomie goreng. Melalui wawancara, diperoleh data primer berisi mekanisme pemesanan dan inventori Indomie goreng di Borma. Selain itu, diperoleh juga data mengenai biayabiaya yang dikeluarkan dalam sistem inventori indomie goreng serta data penjualan indomie goreng selama setahun terakhir (Mei 2010-April 2011). Data penjualan selama setahun terakhir merupakan data utama yang dijadikan patokan dalam pemodelan sistem inventori Indomie goreng Borma. Idealnya, diperlukan data lebih dari satu tahun untuk menciptakan peramalan yang akurat. Akan tetapi, sistem pembukuan di Borma tidak dikelola dengan baik sebelum periode waktu tersebut sehingga manajemen Borma tidak dapat memberikan data yang tepat. Oleh karena itu, data setahun sebelumnya diasumsikan sama dengan data Mei 2010-April 2011. Setelah itu, dibuatlah model verbal dan model konseptual dari masalah inventori yang diambil. Untuk dapat menyelesaikan masalah inventori dengan model yang sudah dibuat, maka dibutuhkan data peramalan demand indomie goreng di BORMA. Dalam hal ini, diputuskan untuk melakukan forecast demand selama satu tahun. Forecasting atau peramalan data pada periode Mei 2011- April 2012 dilakukan menggunakan metode Moving Average dengan n = 5. Sebelum penetapan metode tersebut, telah dilakukan pembandingan dengan metode lain. Moving Average dengan n = 5 menghasilkan sum of square paling minimum dibandingkan dengan metode lain sehingga metode tersebut dipilih dalam meramalkan jumlah permintaan per bulan periode berikutnya. Metode yang digunakan untuk menyelesaikan masalah inventori adalah metode Wagner-Within. Metode ini dapat mengoptimalkan sistem inventori, yaitu dengan meminimumkan biaya pesan dan biaya simpan. Dengan asumsi bahwa biaya pesan dan biaya simpan diketahui (didapat dari manajemen Borma). Biaya inventori optimal diperoleh dengan menentukan jumlah barang yang

7 dipesan berdasarkan permintaan hasil peramalan tiap bulan. Dengan metode ini dapat diketahui berapa jumlah optimal per pemesanan serta pada bulan apa harus memesan dan berapa yang harus disimpan. Penyelesaian masalah diselesaikan dengan dua cara, yaitu penghitungan manual dan penghitungan menggunakan software. Untuk memastikan data tetap optimal, dilakukan analisis sensitivitas sebelum akhirnya direkomendasikan kebijakan inventori yang akan meminimumkan ongkos inventori BORMA.

BAB 3 : Pengembangan Model Konseptual dan Pengumpulan Data

3.1 Deskripsi Sistem
3.1.1 Relevan Sistem Summary Definition untuk kebijakan inventori produk indomie goring di TOSERBA BORMA Jalan Ir. H. Djuanda adalah sebagai berikut: Sebuah sistem kebijakan inventori dari Divisi Gudang TOSERBA BORMA terhadap jumlah karton pesanan per lot pemesanan Indomie Goreng agar dapat meminimisasi ongkos total inventori agar memberikan maksimasi kontribusi profit yang dihasilkan oleh produk tersebut bagi income TOSERBA BORMA keseluruhan. a. Major Sistem Input Kebijakan Pemesanan per Pembelian per periode dalam kasus Inventori Indomie Goreng b. Major Activity - Peramalan demands Indomie Goreng selama satu tahun ke depan - Pengendalian terhadap ongkos pemesanan dan ongkos simpan gudang bagi Indomie Goreng c. Major Sistem Output Ongkos Total Inventori dari kasus inventori Indomie Goreng

Gambar 4 - Sistem Inventori Toserba BORMA

3.1.2 Model Verbal Untuk memaksimumkan profit BORMA atas penjualan makanan ringan, perusahaan harus meminimisasi biaya pokok produksi. Salah satunya dengan meminimisasi biaya inventori. Biaya inventori tersebut dikendalikan oleh 4 komponen utama, yaitu ongkos beli, ongkos pesan, ongkos penyimpanan di gudang. Ongkos beli adalah sesuatu yang given. Ongkos beli total adalah biaya beli per karton dikalikan dengan jumlah permintaan per tahun.

Sementara 2 komponen lainnya adalah komponen yang dipengaruhi oleh jumlah pesanan (Qo) per lot. Jumlah ini pun akan mempengaruhi berapa kali perusahaan memesan barang dalam satu tahun.

3.1.3 Model Konseptual Model konseptual akan kami sajikan dalam bentuk influence diagram. Sebelumnya kami mengidentifikasi aspek dari sistem.
Tabel 1 - Identifikasi Aspek Sistem

No 1 2 3 4 5 6 7 8 9 10 11

Aspek / Item Data Demands Tahun Sebelunya Forecasting Demands Tahun Ini Biaya Setiap pemesanan Ongkos Pesan Lead Time Biaya Simpan per Karton Ongkos Simpan Biaya Beli per Karton Ongkos Beli Ongkos Total Inventori Profit

Aturan Penggunaan 1 3 1 3 1 1 3 1 3 3 2

Identifikasi Input Komponen Input Komponen Input Input Komponen Input Komponen Komponen Output

Penjelasan: 1. Input adalah setiap elemen yang mempengaruhi system tetapi tidak dipengaruhi sistem 2. Komponen adalah bagian sistem yang dipengaruhi oleh input/komponen dan mempengaruhi output/komponen lain pada system 3. Output adalah sesuatu yang dipengaruhi system dan tidak mempengaruhi sistem. Berikut adalah influence diagram yang menunjukkan pengaruh masing-masing elemen terhadap elemen lain:

10

Keputusan Jumlah Pesanan per Lot Inventory

Data Demand Tahun Sebelumnya

Forecast Demand Tahun Ini Biaya Setiap Pemesanan Ongkos Pesan Lead Time Pemesanan Ongkos Total Inventori Biaya Simpan per Unit

Biaya beli per Unit

Ongkos Simpan

Ongkos Beli

Profit

Gambar 5 - Influence Diagram

3.2 Komponen Model Matematis

3.2.1 Ukuran Performansi Kriteria performansi yang menjadi fungsi tujuan adalah minimisasi ongkos total inventori produk indomie goreng untuk memaksimisasi profit. 3.2.2 Variabel Keputusan Variabel keputusan adalah ukuran lot pemesanan ekonomis (economic order quantity) setiap kali melakukan pembelian (Qo ) 3.2.3 Parameter Parameter yang digunakan dalam model ini tertera dalam tabel 1 yang menjadi bagian dari komponen.

3.2.4 Fungsi Objektif Kami memakai metode determinasi dinamis untuk menjawab permasalahan inventori indomie goreng di BORMA. Fungsi Tujuannya adalah untuk meminimasi ongkos total inventori indomie goreng di BORMA. Dengan pembatas

11 3.2.5 Fungsi Pembatas Ongkos inventori mempunyai fungsi pembatas sebagai berikut, yaitu inventori pada saat-t adalah : a. Jumlah inventori pada saat t-1 ditambah banyaknya indomie goreng yang dipesan pada saatt dikurangi demand pada saat-t b. Inventori awal sama dengan nol c. Inventori pada akhir periode sama dengan nol d. Ongkos pemesanan sama dengan nol jika tidak dilakukan pemesanan e. Jumlah indomie goreng yang dipesan selama satu periode (satu tahun) sama dengan demand selama tahun tersebut.

3.3 Estimasi Nilai Parameter

3.3.1 Forecasting Demand Satu Tahun Forecasting atau peramalah merupakan aktivitas pertama dalam penentuan jadwal peroduksi di masa depan. Peramalah memprediksi jumlah permintaan pasar akan sebuah produk yang kemudian digunakan sebagai dasar untuk menentukan target volume produksi. Ide yang mendasarri setiap metode peramalan adalah penggunaan data atau fakta di masa lalu untuk memprediksikan kondisi di masa yang akan dating. Berdasarkan karakteristik data yang digunakan, secara garis besar, metode peramalan dikelompokkan menjadi dua, yaitu Metode Peramalan Kualitatif dan Metode Peramalan Kuantitatif.
Tabel 2 - Data Demand Tahun 2010

No 1 2 3 4 5 6 7 8 9 10 11 12

Permintaan Bulan Karton) Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

(dalam 7002 7840 6327 6983 8097 7503 6835 6459 7226 8020 7111 7113 Permintaan (dalam Kartonan) 176 196 159 175 203 188 171 162 181 201 178 178

12

Permintaan Mei 2010 - April 2011

250 200

150

100

Permintaan (dalam Kartonan)

50

Gambar 6 - Grafik Demand Tahun 2010

Data yang kami miliki adalah data 12 bulan (satu tahun) penjualan total kardus indomie goreng di tahun 2010. Agar peramalan dapat dilakukan lebih akurat, dibutuhkan data lebih banyak. Data tersebut merupakan demand tahun 2009. Akan tetapi, buruknya pendataan pada tahun tersebut manajer tidak dapat memberikan data 12 bulan perusahaan tahun 2009. Untuk memperoleh data 12 bulan tahun 2009, kami asumsikan bahwa data demand tahun 2009 sama dengan demand tahun 2010. Dalam forecasting, kami menggunakan metode-metdoe sebagai berikut : 1. Moving Average Metode ini digunakan apabila data-datanya tidak memiliki trend (baik naik atau turun) dan tidak dipengaruhi musim. Metode ini digunakan untuk peramalan dengan perioda waktu spesifik. Peramalan data diungkapkan dalam rumus :

MA n
Keterangan : n = jumlah perioda dt = jumlah permintaan pada bulan t

d
t 1

Dalam hal ini perhitungan demand tahun 2011 digunakan metode moving average yang menggunakan jumlah periode (n) yang berbeda. Dalam kasus ini di gunakan n=3, n= 4, n=5, dan n=6. Perhitungan dilakukan dengan menggunakan WINQSB dan didapat hasil sebabgai berikut :

13 a. n = 3

Gambar 7 - Forecasting Demand dengan n=3

Tabel 3 - Hasil Forecasting dengan n=3

No 1 2 3 4 5 6 7 8 9 10 11 12

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast error error^2 186 10 100 177 -19 361 183 24 576 177 2 4 177 -26 676 179 -9 81 189 18 324 187 25 625 174 -7 49 171 -30 900 181 3 9 187 9 81 total sum of square error 3786

14

Moving Average n = 3
250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 8 - Grafik Forecast Demand dengan n=3

b. n = 4

Gambar 9 - Forecast Demand dengan n=4

15
Tabel 4 - Hasil Forecast Demand dengan n=4

No 1 2 3 4 5 6 7 8 9 10 11 12 Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast error 185 9 183 -13 182 23 177 2 177 -26 183 -5 181 10 184 22 181 0 175 -26 179 1 181 3 total sum of square error

error^2 81 169 529 4 676 25 100 484 0 676 1 9 2754

Moving Average n = 4
250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 10 - Grafik Forecast Demand dengan n=4

c. n = 5

16

Gambar 11- Forecast Demand dengan n=5 Tabel 5 - Hasil Forecast Demand dengan n=5

No 1 2 3 4 5 6 7 8 9 10 11 12

Bulan Demand Aktual Mei 176 Juni 196 Juli 159 Agustus 175 September 203 Oktober 188 November 171 Desember 162 Januari 181 Februari 201 Maret 178 April 178

Forecast error 180 4 183 -13 186 27 177 2 177 -26 182 -6 184 13 179 17 180 -1 181 -20 181 3 179 1 total sum of square error

error^2 16 169 729 4 676 36 169 289 1 400 9 1 2499

17

Moving Average n = 5
250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 12 - Grafik Forecast Demand dengan n=5

d. n = 6

Gambar 13 - Forecast Demand dengan n=6

18
Tabel 6 - Hasil Forecast Demand dengan n=6

No 1 2 3 4 5 6 7 8 9 10 11 12

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast error 179 3 180 -16 185 26 181 6 177 -26 181 -7 183 12 182 20 176 -5 180 -21 184 6 180 2 total sum of square error

error^2 9 256 676 36 676 49 144 400 25 441 36 4 2752

Moving Average n = 6
250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 14 - Grafik Forecast Demand dengan n=6

Ketika menggunakan metode moving average hasil yang akurat didapatkan ketika SSE nya paling kecil. Karena semakin kecil SSE maka data yang diperoleh menjadi lebih mendekati kenyataan. Berdasarkan data diatas, didapatkan bahwa SSE yang paling kecil dicapai ketika n=5. Data peramalan yang diperoleh dengan menggunakan n= 5 pada metode Moving Average adalah :

19

Tabel 7 - Hasil Forecast Demand Terbaik

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast 180 183 186 177 177 182 184 179 180 181 181 179

2. Single Exponential Smoothing Metode ini digunakan untuk mengoreksi kesalahan peramalan di masa lalu. Koreksi tersebut dilakukan pada peramalan berikutnya. Data yang dihasilkan merupakan penjumlahan hasil peramalan dengan kesalahan peramalan sebelumnya. Metode ini didefinisikan dalam rumus :

Ft 1 Dt (1 ) Ft
Keterangan : Ft+1 = Ramalan untuk periode berikutnya Dt = Demand aktual pada periode t Ft = Peramalan yang ditentukan sebelumnya untuk periode t = Faktor bobot Ketentuan-ketentuan antara lain : besar, smoothing yg dilakukan kecil kecil, smoothing yg dilakukan semakin besar optimum akan meminimumkan MSE, MAPE Pada metode SES ini, merupakan nilai pembobotan pada demand, sedangkan nilai pembobotan pada peramalan sebelumnya sebesar 1-. Dengan menggunakan software, didapat optimal adalah 0,02. Akan tetapi, nilai pembobotan ini dirasa tidak memberikan nilai peramalan sesuai kenyataan sesungguhnya. Nilai pembobotan 0,98 pada peramalan

20 sebelumnya dirasa terlalu besar. Data yang tidak lengkap membuat hasil peramalan tidak akurat sehingga nilai pembobotan pada hasil peramalan seharusnya tidak sebesar itu. Untuk mendapatkan proporsi yang ideal, yang digunakan berada pada rentang 0,3 hingga 0,7. Hasil MSE minimum diperoleh ketika berada pada titik sebagai berikut : a. = 0,3

Gambar 15 - Hasil Forecast Demand dengan = 0,3

Tabel 8 - Hasil Forecast Demand dengan = 0,3

No 1 2 3 4 5 6 7 8 9 10 11 12

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast error 181 5 180 -16 184 25 177 2 176 -27 184 -4 185 14 181 19 175 -6 177 -24 184 6 182 4 total sum of square error

error^2 25 256 625 4 729 16 196 361 36 576 36 16 2876

21

Single Exponential Smoothing = 0.3

250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 16 - Grafik Forecast Demand dengan = 0,3

b. = 0,5

Gambar 17 - Forecast Demand dengan = 0,5

22

Tabel 9 - Hasil Forecast Demand dengan = 0,5

Single Exponential Smoothing = 0.5

250 200 150 100 50 0

Demand Aktual

Forecast

Gambar 18 - Grafik Forecast dengan = 0,5

Pada metode SES ini didapat hasil MSE paling minimum pada = 0,3. Oleh karena itu, pada peramalan menggunakan metode SES digunakan = 0,3. Data peramalan dengan menggunakan = 0,3 adalah sebagai berikut :

23

Tabel 10 - Hasil Forecast Terbaik

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Aktual 176 196 159 175 203 188 171 162 181 201 178 178

Forecast 181 178 187 173 174 189 188 180 171 176 188 183

Jika dibandingkan SSE yang paling minimum pada metode Moving Average dengan metode Single Exponential Smoothing, didapat bahwa metode Moving Average dengan n=5 (SSE = 2499) lebih tepat digunakan dalam peramalan data tahun 2011. 3.3.2 Ongkos Pembelian Ongkos pembelian satuan diasumsikan konstan untuk setiap karton yang dibeli berapapun jumlahnya. Ongkos total pembelian adalah ongkos yang dikeluarkan selama 12 periode. Ongkos beli satuan berdasarkan survey yang dilakukan adalah Rp 34.000,00 per karton. 3.3.3 Ongkos Pengadaan Barang Ongkos pengadaan barang terdiri atas Ongkos Pemesanan dan Ongkos Persiapan. Dalam kasus inventori indomie goreng Toserba BORMA, tidak ada ongkos persiapan hanya ada ongkos pemesanan, sebesar Rp 100.000,00. 3.3.4 Ongkos Simpan Ongkos simpan barang adalah semua pengeluaran yang timbul akibat penyimpanan barang dan terdiri atas ongkos memiliki inventori, ongkos gudang, ongkos kerusakan dan penyusutan, ongkos kadaluarsa, serta ongkos administrasi. a. Ongkos memiliki inventori dihitung dari modal Borma yang digunakan untuk membeli Indomie Goreng. Dalam kasus ini, tidak dipertimbangkan ongkos memiliki inventori karena nilainya sangat kecil. b. Ongkos gudang dihitung berdasarkan biaya yang diperlukan untuk menunjang fasilitas gudang. Dalam kasus ini, ongkos gudang dibebankan pada listrik saja, sebesar Rp 100.000,00/periode. Ongkos gudang untuk satu karton indomie goreng adalah besarnya biaya listrik untuk persentase luas gudang yang digunakan untuk indomie goreng dibagi dengan rata-rata demand selama satu tahun terakhir. c. Ongkos kerusakan dan penyusutan ongkos yang ditumbulkan karena faktor kerusakan dan penyusutan. Biasanya diukur dari pengalaman sesuai presentasenya, sebesar 1% dari ongkos pembelian.

24 d. Ongkos kadaluarsa ongkos penurunan nilai karena adanya produk baru. Ongkos ini biasanya dibebankan pada barang elektronik. Oleh karena itu, dalam kasus inventori Indomie Goreng ini tidak ada ongkos kadularsa. e. Ongkos administrasi ongkos yang dikeluarkan untuk mengadministrasikan inventori. Dalam kasus ini, ongkos administrasi merupakan gaji karyawan gudang. Jumlah karyawan gudang BORMA sebanyak tiga orang dengan gaji masing-masing Rp 1.100.000,00/periode. Besarnya ongkos administrasi untuk satu karton indomie goreng adalah persentase kerja karyawan untuk administrasi indomie goreng dikali jumlah total gaji karyawan dibagi dengan rata-rata demand selama setahun terakhir.

BAB 4 : Pengembangan Model Matematis

4.1 Notasi Model Matematis
Ot : Ongkos total inventori total selama N periode A h It : Satuan ongkos pesan : Satuan ongkos simpan : Inventori akhir periode ke-t

Qt : Ukuran lot pemesanan barang yang akan dating pada periode ke-t Dt : Permintaan pada periode ke-t n e : Batas maksimum periode yang dicakup pada pemesanan Qt : Batas awal periode yang dicakup pada pemesanan Qt

Ob : Ongkos pembelian barang

4.2 Model Referensi

Dalam menyelesaikan masalah inventori Indomie goreng di BORMA, digunakan model referensi deterministik dinamis Wagner-Within.

4.3 Formulasi Model Matematis

[ Dengan pembatas a. b. c. d. e. It = It-1 +Qt - Dt I0 = 0 IN = 0 Yt = 1, jika Qt > 0 dan Yt = 0, jika Qt = 0

Berikut ini adalah rincian ongkos inventori yang diketahui : a. Ongkos pembelian : Ob = Rp 34.000,00/karton b. Ongkos pemesanan : A = Rp 100.000,00/pemesanan c. Ongkos simpan : h = Og + OA + Op

26

Maka total ongkos simpan = Rp 550,32/karton d. Demand satu tahun (berdasarkan forecasting) = Ft :
Tabel 11 - Demand Forecast Terbaik

No 1 2 3 4 5 6 7 8 9 10 11 12

Bulan Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

Demand Forecast 180 183 186 177 177 182 184 179 180 181 181 179

BAB 5 : Verifikasi, Validasi, dan Analisa Output

5.1 Verifikasi Model Matematis
Berdasarkan model matematis yang dibuat : [ ]

Dimensi akhir dari persamaan tersebut adalah Rp. Berikut ini dijabarkan verifikasi model : Ot = Rp A = Rp /pemesanan Y = pemesanan (bilangan biner, satu pemesanan atau nol pemesanan) h = Rp /karton It = karton Ob satuan = Rp/karton Qt = karton Ketika dioperasikan akan menjadi seperti berikut :

Setelah diverifikasi, model dapat dinyatakan layak karena dimensi matematis input sama dengan dimensi matematis output, yaitu Rupiah.

5.2 Solusi Optimal

5.2.1 Perhitungan Menggunakan Metode Wagner-Within 5.2.1.1 Ongkos Operasional (Ongkos pemesanan dan ongkos simpan) Dengan menggunakan prinsip program dinamis, Wagner-Within (1958) mengembangkan algoritma untuk penyelesaian permasalahan inventori deterministik dinamis, dengan langkah-langkah sebagai berikut : a. Memisahkan ongkos total menjadi ongkos beli dan ongkos operasional (ongkos simpan dan ongkos pesan). Ongkos beli bersifat tetap, sementara ongkos operasional akan berbeda pada setiap periode. b. Menghitung matriks ongkos total untuk semua alternatif pemesanan selama horizon perencanaan (terdiri atas 12 periode). Selanjutnya, didefinisikan Oen sebagai ongkos dari periode e sampai dengan periode n bila order dilakukan pada periode e untuk memenuhi permintaan dari periode e sampai periode n. Rumusan Oen dinyatakan sebagai berikut :

28

Untuk 1 e n N, dengan : A h qet : ongkos pesan : ongkos simpan/karton/periode :

Berdasarkan formulasi di atas, maka didapatkan hasil sebagai berikut : O11 O12 O13 O14 . O1111 O1112 O1212 = Rp 100.000,00 + Rp 550,32 x (180-180) = Rp 100.000,00 + Rp 550,32 x {(363-180) + (363-363) = Rp 100.000,00 + Rp 550,32 x {(549-180) + (549-363) + (549-549) = Rp 100.000,00 + Rp 550,32 x {(726-180) + (726-363) + (726-549) + (726-726) = Rp 100.000,00 + Rp 550,32 x {(181-181) = Rp 100.000,00 + Rp 550,32 x {(360-181) + (360-360) = Rp 100.000,00 + Rp 550,32 x {(179-179)} = Rp 100.000,00 = Rp 200.710,39 = Rp 405.433,15 = Rp 697.658,38 = Rp 100.000,00 = Rp 198.507,28 = Rp 100.000,00

Data terperinci akan dipaparkan dalam tabel berikut :

Tabel 12 - Matriks Perhitungan Oen

e n 1 2 3 4 5 6 7 8 9 10 11 12 Rp 100,000.00

1 Rp 200,710.39 Rp 100,000.00

2 Rp 405,433.15 Rp 202,361.38 Rp 100,000.00

3 Rp 697,658.38 Rp 397,178.20 Rp 197,408.41 Rp 100,000.00

4 Rp 1,087,292.02 Rp 689,403.43 Rp 392,225.23 Rp 197,408.41 Rp 100,000.00

5 Rp 1,588,092.32 Rp 1,090,043.67 Rp 692,705.41 Rp 397,728.53 Rp 200,160.06 Rp 100,000.00

6 Rp 2,195,656.64 Rp 1,596,347.27 Rp 1,097,748.29 Rp 701,510.69 Rp 402,681.50 Rp 201,260.72 Rp 100,000.00

7 Rp 2,885,220.13 Rp 2,187,401.69 Rp 1,590,293.64 Rp 1,095,546.97 Rp 698,208.71 Rp 398,278.86 Rp 198,509.07 Rp 100,000.00

8 Rp 3,677,695.33 Rp 2,880,817.49 Rp 2,184,650.04 Rp 1,590,843.97 Rp 1,094,446.31 Rp 695,457.06 Rp 396,627.87 Rp 199,059.40 Rp 100,000.00

10 Rp 4,574,182.90 Rp 3,677,695.33 Rp 2,881,918.15 Rp 2,188,502.35 Rp 1,592,516.66 Rp 1,093,895.98 Rp 695,457.06 Rp 398,278.86 Rp 199,609.73 Rp 100,000.00

11 Rp 5,570,280.20 Rp 4,574,182.90 Rp 3,678,795.99 Rp 2,885,770.46 Rp 2,190,153.34 Rp 1,591,944.63 Rp 1,093,895.98 Rp 697,108.05 Rp 398,829.19 Rp 199,609.73 Rp 100,000.00

12 Rp 6,653,879.97 Rp 5,559,273.60 Rp 4,565,377.62 Rp 3,673,843.02 Rp 2,879,716.83 Rp 2,182,999.05 Rp 1,586,441.33 Rp 1,091,144.33 Rp 694,356.40 Rp 396,627.87 Rp 198,509.07 Rp 100,000.00

30 c. Menghitung fn yang didefinisikan sebagai ongkos minimum yang mungkin dari periode e sampai periode n dengan asumsi tingkat inventori di akhir periode n adalah nol. Nilai f0 = 0, selanjutnya dihitung secara berurutan hingga mendapatkan nilai f12, yaitu nilai ongkos operasional total dari pemesanan optimal yang dihitung dengan rumus berikut : [ ] Untuk e = 1, 2, 3, ..., n dan n = 1, 2, 3, , N Maka ongkos minimum yang mungkin dapat dihitung adalah sebagai berikut : f0 =0 f1 = min {O11 + f0} = min {Rp 100.000,00} = Rp 100.000,00 untuk O11 + f0 f2 = min {O12 + f0, O22 + f1} = min { Rp 200.710,39, Rp 200.000,00} = Rp 200.000,00 untuk O22 + f1 f3 = min {O13 + f0, O23 + f1, O33 + f2} = Rp 300.000,00 untuk O33 + f2 f12 = min {O112 + f0, O212 + f1, , O1212 + f11} = Rp 1.194.036,28 untuk O1112 + f10 Data terperinci akan dipaparkan dalam tabel berikut :

Tabel 13 - Hasil Rekapitulasi Perhitungan fn

e n 1 2 3 4 5 6 7 8 9 10 11 12 Minim um Rp 100,000.00

1 Rp 200,710.39 Rp 200,000.00

2 Rp 405,433.15 Rp 402,361.00 Rp 300,000.00

3 Rp 697,658.38 Rp 497,178.20 Rp 397,408.41 Rp 400,000.00

4 Rp 1,087,292.02 Rp 789,403.43 Rp 592,225.23 Rp 497,408.41 Rp 497,408.41

5 Rp 1,588,092.32 Rp 1,190,043.67 Rp 892,705.41 Rp 697,728.53 Rp 597,568.47 Rp 597,408.41

6 Rp 2,195,656.64 Rp 1,696,347.27 Rp 1,297,748.29 Rp 1,001,510.69 Rp 800,089.91 Rp 698,669.13 Rp 697,408.41

7 Rp 2,885,220.13 Rp 2,287,401.69 Rp 1,790,293.64 Rp 1,395,546.97 Rp 1,095,617.12 Rp 895,687.27 Rp 795,917.48 Rp 797,408.41

8 Rp 3,677,695.33 Rp 2,980,817.49 Rp 2,384,650.04 Rp 1,890,843.97 Rp 1,491,854.72 Rp 1,192,865.47 Rp 994,036.28 Rp 896,467.81 Rp 895,917.48

10 Rp 4,574,182.90 Rp 3,777,695.33 Rp 3,081,918.15 Rp 2,488,502.35 Rp 1,989,925.07 Rp 1,591,304.39 Rp 1,292,865.47 Rp 1,095,687.27 Rp 995,527.21 Rp 995,917.48

11 Rp 5,570,280.20 Rp 4,674,182.90 Rp 3,878,795.99 Rp 3,185,770.46 Rp 2,587,561.75 Rp 2,089,353.04 Rp 1,691,304.39 Rp 1,394,516.46 Rp 1,194,746.67 Rp 1,095,527.21 Rp 1,095,527.21

Rp 100,000.00

Rp 200,000.00

Rp 300,000.00

Rp 397,408.41

Rp 497,408.41

Rp 597,408.41

Rp 697,408.41

Rp 795,917.48

Rp 895,917.48

Rp 995,527.21

Rp 1,095,527.21

12 Rp 6,653,879.97 Rp 5,659,273.60 Rp 4,765,377.62 Rp 3,973,843.02 Rp 3,277,125.24 Rp 2,680,407.46 Rp 2,183,849.74 Rp 1,788,552.74 Rp 1,490,273.88 Rp 1,292,545.35 Rp 1,194,036.28 Rp 1,195,527.21 Rp 1,194,036.28

32 d. Menerjemahkan fN menjadi ukuran lot.

Tabel 14 - Penjabaran fn ke dalam ukuran lot pemesanan

fN = OeN + fe-1 fe-1 = Ove-1 + fv-1 ...

Pemesanan terakhir dilakukan pada periode e untuk memenuhi permintaan dari peirode e sampai periode n Pemesanan sebelum pemesanan terakhir dilakukan pada periode v untuk memenuhi permintaan dari periode v sampai periode e-1 Pemesanan yang pertama harus dilakukan pada periode 1 untuk memenuhi permintaan dari periode 1 sampai periode u-1 ...

fu-1 = O1(u-1) + f0

Dari tabel hasil optimal di atas, akan diterjemahkan ke dalam bentuk ukuran lot pemesanan dan periode pemesanannya, yaitu sebagai berikut : i. f12 = O1112 + f10 berarti pemesanan sebesar 360 karton dilakukan pada periode 10 untuk memenuhi permintaan pada periode 11 dan 12, selanjutnya periode sebelumnya bergantung pada f10. ii. f10 = O910 + f8 berarti pemesanan sebesar 361 karton dilakukan pada periode 8 untuk memenuhi permintaan pada periode9 dan 10, selanjutnya periode sebelumnya bergantung pada f8. iii. f8 = O78 + f6 berarti pemesanan sebesar 363 karton dilakukan pada periode 6 untuk memenuhi permintaan pada periode 7 dan 8, selanjutnya periode sebelumnya bergantung pada f6. iv. f6 = O66 + f5 berarti pemesanan sebesar 182 karton dilakukan pada periode 5 untuk memenuhi permintaan pada periode 6, selanjutnya periode sebelumnya bergantung pada f5. v. f5 = O55 + f4 berarti pemesanan sebesar 177 karton dilakukan pada periode 4 untuk memenuhi permintaan pada periode 5, selanjutnya periode sebelumnya bergantung pada f4. vi. f4 = O34 + f2 berarti pemesanan sebesar 363 karton dilakukan pada periode 2 untuk memenuhi permintaan pada periode 3 dan 4, selanjutnya periode sebelumnya bergantung pada f2. vii. f2 = O22 + f1 berarti pemesanan sebesar 183 karton dilakukan pada periode 1 untuk memenuhi permintaan pada periode 2, selanjutnya periode sebelumnya bergantung pada f1. viii. f1 = O11 + f0 berarti pemesanan sebesar 180 karton dilakukan pada periode 0 untuk memenuhi permintaan pada periode 1. Penjabaran telah selesai sebab semua periode telah tercakup. Hasil perhitungan lot optimum disajikan sebagai berikut : Periode (bulan) 0 1 2 3 4 5 Permintaan (Ft) 180 183 186 177 177 Ukuran lot pemesanan 180 183 363 177 Saat pemesanan 180 183 363 177 182

33 6 7 8 9 10 11 12 182 184 179 180 181 181 179 182 363 361 360 363 361 360 -

Ongkos operasional total adalah f12 = Rp 1.194.036,28 5.2.1.2 Ongkos Beli Penentuan ongkos beli tidak dilakukan dengan riset operasi karena ongkos beli total bersifat konstan, berapapun kebijakan ukuran lot pemesanan setiap periodenya. Ongkos beli total dipengaruhi oleh demand total selama satu tahun dan ongkos beli satuan, disajikan dalam tabel berikut : Periode (bulan) 1 2 3 4 5 6 7 8 9 10 11 12 Demand (Ft) 180 183 186 177 177 182 184 179 180 181 181 179 TOTAL ONGKOS BELI Ongkos beli total Rp 6.120.000,00 Rp 6.222.000,00 Rp 6.324.000,00 Rp 6.018.000,00 Rp 6.018.000,00 Rp 6.188.000,00 Rp 6.256.000,00 Rp 6.086.000,00 Rp 6.120.000,00 Rp 6.154.000,00 Rp 6.154.000,00 Rp 6.086.000,00 Rp 73.746.000,00

5.2.1.3 Ongkos Total (Solusi Optimum) Seperti yang dituliskan dalam formulasi model (Bab 4), ongkos total adalah sebagai berikut : [ ]

Selanjutnya dipisahkan antara ongkos beli dan ongkos operasional (ongkos pesan dan ongkos simpan) : [ ] [ ]

34 5.2.2 Perhitungan Menggunakan Software (WinQSB) Perhitungan model matematika permasalahan inventory Indomie goreng toko swalayan Borma menggunakan software WINQSB. Teori yang digunakan adalah Inventory Theory and Systems. Langkah-langkah pengerjaan menggunakan software WINQSB adalah sebagai berikut: 1. Jalankan program Inventory Theory and System. Ketika pogram diaktifkan, muncul tampilan seperti pada gambar.

Gambar 19 - Tampilan Awal WinQSB

2. Setelah masuk ke tampilan software, klik tombol pada toolbar untuk menginput data baru

.
Gambar 20 - Toolbar WinQSB

3. Muncul tampilan untuk menentukan spesifikasi masalah. Pada Inventory Problem Spesification terdapat banyak pilihan tipe masalah. Pilih tipe masalah Multiple-Period Dynamic Demand Lot Sizing Problem. Masukan ketentuan Problem Title, Time Unit, dan Number of Periods sesuai dengan data.

35

Gambar 21 - Penentuan Jenis Masalah Inventori

4. Muncul tabel sesuai dengan ketentuan yang dipilih.

Gambar 22 - Tabel Sesuai Ketentuan yang Dipilih

5. Masukkan data sesuai dengan perolehan sebelumnya. Demand menggunakan hasil peramalan dengan metode Moving Average dengan n = 5. Metode tersebut menghasilkan data permalan paling optimal. Diketahui Setup Cost (biaya pesan) sebesar Rp 100.000, Unit Variable Cost (harga beli) dari pemasok Indomie goreng sebesar Rp 34.000 per kardus,

36 Holding Cost (biaya simpan) sebesar Rp 550,32 per kardus per bulan. Tidak ada Backorder pada sistem inventory ini

Gambar 23 - Input Data

6. Jalankan software dengan menekan tombol eksekusi pada toolbar

Gambar 24 - Toombol Eksekusi

7. Muncul hasil penghitungan yang mengoptimalkan sistem inventory indomie goreng selama satu tahun sebagai berikut

Gambar 25 - Hasil Perhitungan

37 Tabel di atas menggunakan asumsi barang langsung datang ketika dipesan (tidak ada lead time). Bulan 1 adalah bulan Mei 2011dan bulan 12 adalah bulan April 2012. Dari tabel, diperoleh data pemesanan per bulan dan jumlah yang harus disimpan untuk memenuhi kebutuhan bulan berikutnya. Diperoleh juga kalkulasi biaya per bulan serta akumulasi selama satu tahun. Untuk mendapatkan biaya inventory minimum, pemesanan dilakukan pada bulan bulan 1, 2, 3, 4, 6, 7, 9, dan 11. Pada bulan 4, 7, 9, dan 11 jumlah pemesanan diperbanyak untuk memenuhi kebutuhan bulan berikutnya. Kelebihan pemesanan tersebut disimpan di gudang. Barang yang disimpan di gudang dikenakan biaya simpan. Solusi pada tabel dapat dinyatakan dalam bentuk grafik sebagai berikut:

Gambar 26 - Grafik Hasil Perhitungan

5.3 Analisis Sensitivitas

Dalam bagian ini, akan dibahas mengenai rentang nilai koefisien-koefisien dalam model yang membuat solusi masalah tetap layak dan optimal. Dibatasi bahwa rentang nilai yang diuji sensitivitasnya antara lain A (ongkos pesan per pemesanan), h (ongkos simpan per karton), dan Ft (demand per periode). Analisis sensitivitas dilakukan secara manual karena model tidak dapat dilinierkan sehingga tidak dapat diselesaikan dengan program WinQSB ataupun Lingo. Solusi layak dan optimal dari model adalah sebagai berikut Periode 1 2 3 4 5 6 Qt (jumlah karton pemesanan) 180 183 363 0 177 182 It (jumlah karton penyimpanan) 0 0 177 0 0 0 Yt (bilangan biner, menyatakan di periode ini pesan atau tidak) 1 1 1 0 1 1

38 7 8 9 10 11 12 363 0 361 0 360 0 179 0 181 0 179 0 1 0 1 0 1 0

Didapat bahwa variable = 0 merupakan variable non basis dan variable > 0 merupakan variable basis. Hasil akhir analisis sensitivitas bukanlah menentukan nilai yang tetap dari setiap variabel, melainkan menetapkan variabel tersebut sebagai basis, berapapun nilainya. 1. Analisis Sensitivitas Fungsi Tujuan Fungsi tujuan adalah sebagai berikut [ ] [ ]

Ongkos beli total bersifat konstan sehingga yang diuji adalah ongkos operasional yang terdiri atas ongkos pesan AYt dan ongkos simpan hIt. Dari data solusi optimal di atas, ditemukan 2 buah indikasi - Jika Yt = 0, maka It-1 > 0 - Jika It-1 > 0, maka Yt = 0 Artinya suatu periode dapat memilih, apakah untuk memenuhi permintaan pada periode tersebut dilakukan pemesanan atau memanfaatkan karton penyimpanan pada periode sebelumnya. Pemesanan dilakukan jika dalam suatu periode ongkos pemesanan lebih kecil daripada ongkos penyimpanan barang dikalikan jumlah permintaan,

Penyimpanan dilakukan jika dalam suatu periode ongkos pemesanan lebih besar daripada ongkos penyimpanan barang dikalikan jumlah permintaan. Artinya untuk memenuhi permintaan pada periode tersebut lebih baik menyimpan sejumlah karton di periode sebelumnya daripada harus membeli pada periode tersebut.

a. Analisis Sensitivitas Koefisien Ongkos Pemesanan Diasumsikan koefisien h konstan yaitu Rp 550,32. Kini akan dicari rentang A agar solusi tetap layak dan optimal. [ ]

Dilakukan pemesanan jika

, yaitu pada periode ke-1, 2, 3, 5, 6, 7, 9, 11.

39 Dilakukan penyimpanan jika Maka: , yaitu pada periode ke-4, 8, 10, 12.

Karena terdiri atas banyak periode, yang dilihat hanyalah Ft pesan minimum dan Ft simpan maksimum.

Sehingga didapat rentang A

Catatan: Ft pesan untuk periode 1 diabaikan di awal karena memang harus dilakukan pemesanan. Ft pesan untuk periode 5, 9, dan 11 tidak dipertimbangkan karena pada periode sebelumnya telah dilakukan penyimpanan sehingga pada periode ini harus dilakukan pemesanan.

b. Analisis Sensitivitas Koefisien Ongkos Penyimpanan per Karton Pengujian sama dengan yang dilakukan terhadap ongkos pesan (A). Diasumsikan koefisien A konstan yaitu Rp 100.000,00. Kini akan dicari rentang h agar solusi tetap layak dan optimal. [ ]

Dilakukan pemesanan jika Dilakukan penyimpanan jika Maka:

, yaitu pada periode ke-1, 2, 3, 5, 6, 7, 9, 11. , yaitu pada periode ke-4, 8, 10, 12.

Karena terdiri atas banyak periode, yang dilihat hanyalah Ft pesan minimum dan Ft simpan maksimum.

setiap ruas dibagi h,

pembilang dan penyebut dibalik dan berganti tanda,

Sehingga diperoleh rentang h

40

Catatan sama dengan analisis sensitivitas A.

2. Analisis Sensitivitas Pembatas Model minimisasi ongkos total inventori indomie goring Toserba Borma terdiri atas 5 pembatas sebagai berikut: a. It = It-1 +Qt - Dt b. I0 = 0 c. IN = 0 d. Yt = 1, jika Qt > 0 dan Yt = 0, jika Qt = 0 e. Dalam bagian ini akan diuji sensitivitas dari Dt yang merupakan Ft yaitu peramalan permintaan pada periode-t. dari pengujian ini akan ditemukan tentang nilai Ft sehingga solusi tetap layak dan optimal. Dilakukan pemesanan jika dan 11. Dilakukan penyimpanan jika , yaitu pada periode ke-1, 2, 3, 5, 6, 7, 9,

, yaitu pada periode ke-4, 8, 10, 12.

Periode t = 1 Dilakukan pemesanan. Berapapun permintaannya pemesanan tetap harus dilakukan sehingga

Periode t = 2 Dilakukan pemesanan sehingga

Karena harus bilangan bulat maka

Periode t = 3 Dilakukan pemesanan sehingga

41 Karena harus bilangan bulat maka

Periode t = 4 Tidak melakukan pemesanan, dilakukan penyimpanan sehingga

Karena harus bilangan bulat maka

Periode t = 5 Dilakukan pemesanan. Karena periode sebelumnya tidak memesan barang, berapapun permintaannya pemesanan tetap harus dilakukan sehingga

Periode t = 6 Dilakukan pemesanan sehingga

Karena harus bilangan bulat maka

Periode t = 7 Dilakukan pemesanan sehingga

Karena harus bilangan bulat maka

Periode t = 8 Tidak melakukan pemesanan, dilakukan penyimpanan sehingga

42

Karena harus bilangan bulat maka

Periode t = 9 Dilakukan pemesanan. Karena periode sebelumnya tidak memesan barang, berapapun permintaannya pemesanan tetap harus dilakukan sehingga

Periode t = 10 Tidak melakukan pemesanan, dilakukan penyimpanan sehingga

Karena harus bilangan bulat maka

Periode t = 11 Dilakukan pemesanan. Karena periode sebelumnya tidak memesan barang, berapapun permintaannya pemesanan tetap harus dilakukan sehingga

Periode t = 12 Tidak melakukan pemesanan, dilakukan penyimpanan sehingga

Karena harus bilangan bulat maka

43

Dari pengujian sensitivitas di atas didapat tabel rentang permintaan sebagai berikut :

Tabel 15 - Analisis Sensitivitas

Periode ke-t 1 2 3 4 5 6 7 8 9 10 11 12

Rentang Permintaan (Ft)

5.4 Rekomendasi Kebijakan

Berdasarkan hasil perhitungan, ada beberapa kebijakan yang direkomendasikan, yaitu sebagai berikut : - Pemesanan pada bulan April 2011 sebanyak 180 karton untuk memenuhi demand bulan Mei 2011 - Pemesanan pada bulan Mei 2011 sebanyak 183 karton untuk memenuhi demand bulan Juni 2011 - Pemesanan pada bulan Juni 2011 sebanyak 363 karton untuk memenuhi demand bulan Juli dan Agustus 2011 - Pemesanan pada bulan Agustus 2011 sebanyak 177 karton untuk memenuhi demand bulan September 2011 - Pemesanan pada bulan September 2011 sebanyak 182 karton untuk memenuhi demand bulan Oktober 2011 - Pemesanan pada bulan Oktober 2011 sebanyak 363 karton untuk memenuhi demand bulan November dan Desember 2011

44 Pemesanan pada bulan Desember 2011 sebanyak 361 karton untuk memenuhi demand bulan Januari dan Februari 2012 Pemesanan pada bulan Februari 2012 sebanyak 360 karton untuk memenuhi demand bulan Maret dan April 2012

BAB 6 : Kesimpulan
Berdasarkan hasil pengamatan pada BORMA, BORMA sudah mempunyai sistem inventori yang tetap, yaitu melakukan pemesanan ketika stok barang di gudang sudah habis. Tidak ada lead time dalam waktu pemesanan tersebut. Sistem tersebut, sebenarnya sudah cukup baik, tetapi sistem tersebut tidak meminimumkan ongkos inventori indomie goreng BORMA. Berdasarkan model yang dibuat, didapat solusi optimal yang dapat meminimumkan ongkos total inventori, yaitu : - Pemesanan pada bulan April 2011 sebanyak 180 karton untuk memenuhi demand bulan Mei 2011 - Pemesanan pada bulan Mei 2011 sebanyak 183 karton untuk memenuhi demand bulan Juni 2011 - Pemesanan pada bulan Juni 2011 sebanyak 363 karton untuk memenuhi demand bulan Juli dan Agustus 2011 - Pemesanan pada bulan Agustus 2011 sebanyak 177 karton untuk memenuhi demand bulan September 2011 - Pemesanan pada bulan September 2011 sebanyak 182 karton untuk memenuhi demand bulan Oktober 2011 - Pemesanan pada bulan Oktober 2011 sebanyak 363 karton untuk memenuhi demand bulan November dan Desember 2011 - Pemesanan pada bulan Desember 2011 sebanyak 361 karton untuk memenuhi demand bulan Januari dan Februari 2012 - Pemesanan pada bulan Februari 2012 sebanyak 360 karton untuk memenuhi demand bulan Maret dan April 2012 Dengan menerapkan solusi tersebut, maka BORMA akan dapat meminimumkan ongkos inventori totalnya. Hal ini juga akan berpengaruh pada profit BORMA, karena semakin sedikit ongkos yang dikeluarkan, maka hal tersebut dapat meningkatkan profit BORMA.