Jurnal TI Vol. 1. No.1. Agustus 2012 69 83 PDF
Jurnal TI Vol. 1. No.1. Agustus 2012 69 83 PDF
INDUSTRI FARMASI
DEBBIE KEMALA SARI DAN HERRY SUDAYAT
Program Studi Teknik Industri Universitas Suryadarma Jakarta
ABSTRAK
69
Diperlukan pemahaman lebih METODE
untuk menentukan perencanaan
produksi yang baik agar dapat Peramalan adalah suatu proses
menghasilkan keuntungan yang untuk memperkirakan berapa kebutuhan
maksimum dengan biaya minimum. di masa datang yang meliputi kebutuhan
Permasalahan mengenai safety stock dalam ukuran kuantitas, kualitas, waktu
menjadi hal yang menarik untuk dibahas. dan lokasi yang dibutuhkan dalam
Dengan melakukan peramalan dengan rangka memenuhi permintaan barang
metode terbaik dan melakukan ataupun jasa (Indra almahdy & Kholil).
perhitungan jumlah safety stock, biaya
produksi akan dapat diminimalisasi. Metode Peramalan
Atas dasar pemikiran tersebut,
penulis melaksanakan penelitian Peramalan dapat dilakukan dengan
mengenai penerapan metode peramalan beberapa cara yang dikelompokkan
untuk penentuan strategi safety stock dalam dua kategori, yaitu kuantitatif dan
yang sesuai pada industri farmasi kualitatif.
dengan pola permintaan yang bersifat Peramalan kualitatif dapat
musiman (seasonal). dilakukan dengan cara sebagai berikut
Masalah dalam penelitian ini (Aulia Ishak; 2010):
diuraikan sebagai berikut : a. Juri opini eksekutif. Dalam metode
a. Penelitian difokuskan pada metode ini, peramalan dilakukan oleh
peramalan untuk penentuan strategi eksekutif atau manajer tingkat atas
safety stock Product Sangobion perusahaan.
kemasan 100 ml/ltr di PT. Merck Tbk b. Metode Delphi. Metode ini dilakukan
b. Menentukan pokok permasalahan dengan melengkapi data untuk
diperusahaan dengan cara peramalan dengan membagikan
wawancara. daftar pertanyaan kepada konsumen
atau masyarakat
Tujuan penelitian ini adalah untuk c. Tenaga Penjualan. Peramalan
mengetahui: dilakukan dengan memanfaatkan
kedekatan tenaga penjual dengan
a. Metode peramalan alternatif dengan konsumen.
cara menggunakan informasi d. Survei Pasar. Dimana peramalan
permintaan dari tingkat kumpulan dilakukan dengan turun langsung ke
(aggregation level) yang lebih tinggi lapangan atau pasar, sehingga
dan dengan mengkombinasikan diperoleh informasi langsung dari
beberapa metode peramalan untuk pasar.
industri farmasi yang memiliki pola
permintaan yang bersifat musiman Sedangkan metode lainnya, yakni
(seasonal). metode peramalan kuantitatif,
b. Penentuan strategi safety stock dipergunakan bila kondisi berikut
berdasarkan metode peramalan terpenuhi :
terbaik yang sesuai pada industri 1) Adanya informasi tentang masa
farmasi dengan pola permintaan yang lalu
bersifat musiman (seasonal). 2) Informasi tersebut dapat
c. Perhitungan Jumlah pesanan dikuantitatifkan dalam bentuk
ekonomis (Economic Order Quantity data
/EOQ) dan titik pemesanan ulang Informasi tersebut dapat diasumsikan
(Reorder Point / ROP). bahwa pola masa lalu akan terus
bersambung sampai ke masa depan.
Kategori peramalan kuantitatif
memanfaatkan data historis (masa lalu)
untuk diproyeksikan sebagai peramalan
70
di masa mendatang. Data ini tergolong Single exponential smoothing
ke dalam data time series. Pengertian dirumuskan sebagai berikut:
dari time series (runtun waktu) adalah
himpunan observasi berurut dalam waktu Ft = Ft-1 + (Xt-1 Ft-1)
atau dimensi apa saja yang lain.
Berikut ini merupakan beberapa Keterangan :
metode peramalan kuantitatif yang Ft = Forecast pada periode t
sering digunakan, yaitu: Ft-1 = Forecast pada periode t-1
= Konstanta smoothing
Metode Naive Xt-1 = Aktual demand periode t-1
71
Keterangan : MSE = Et2
Xj,t,t+1 = Peramalan permintaan untuk n
produk j padaperiode t+1, dan dibuat MSE menunjukkan rata-rata dari
diakhir periode t. kuadrat kesalahan yang terjadi selama
j,t = Tingkat permintaan produk j periode peramalan.
pada produk t.
f Nt+1-P = Seasonal index untuk family Rata-rata Deviasi Mutlak (Mean Absolute
product pada periode t. Deviation = MAD)
72
PERAMALAN PELAYANAN
(TIDAK PASTI) PESANAN(PASTI)
MANAJEMEN
PERMINTAAN
73
Laba yang maksimal dapat dicapai d. Untuk menyanggah proses produksi
dengan meminimalkan biaya operasional yang tidak dapat diandalkan.
yang berkaitan dengan persediaan. e. Untuk memanfaatkan diskon
Namun meminimalkan biaya persiapan f. Untuk menghadapi kenaikan harga di
dapat dicapai dengan memesan atau masa yang akan datang.
memproduksi dalam jumlah yang kecil,
sedangkan untuk meminimalkan biaya Perhitungan kebutuhan safety stock
pemesanan dapat dicapai dengan
melakukan pesanan yang besar dan Safety stock merupakan
jarang. persediaan yang disiapkan sebagai
penyangga untuk mengantisipasi adanya
Secara umum alasan untuk perbedaan antara peramalan dan
memiliki persediaan adalah sebagai permintaan aktual, antara delivery time
berikut: yang diharapkan dan aktualnya, serta
a. Untuk menyeimbangkan biaya hal-hal tak terduga lainnya. Jumlah
pemesanan atau persiapan dan biaya safety stock yang dibutuhkan untuk
penyimpanan memenuhi tingkat permintaan /
b. Untuk memenuhi permintaan kebutuhan tertentu dapat ditentukan
pelanggan, misalnya menepati melalui simulasi komputer atau metode
tanggal pengiriman. statistik. Dalam perhitungannya,
c. Untuk menghindari penutupan fasilitas diperlukan sampel data mengenai
manufaktur. volume penjualan / penggunaan dan
siklus pengorderan.
f = Frekuensi kejadian
Formula yang digunakan untuk d = Deviasi kejadian terhadap rata-
menghitung nilai safety stock adalah: rata (mean)
n = Total observasi
c = R(s2) + S2(R2)
Sehubungan dengan ketidak
akuratan peramalan, terdapat formula
Dimana : dalam menentukan safety stock, yakni:
c = Jumlah safety stock yang
dibutuhkan
R = Siklus pengisian persediaan Safety stock = Service Level x Forecast
rata-rata (lead time) Error x Lead time
s = Standar deviasi penjualan /
penggunaan rata-rata Nilai service level yang digunakan
S = Penjualan / Penggunaan rata- dalam perhitungan rumus ini adalah
rata besarnya nilai z dari persentase tingkat
R = Standar deviasi siklus pelayanan yang diharapkan. Forecast
pengisian persediaan (lead time) error yang digunakan adalah nilai Root
Mean Square Error, sedangkan Lead
Standar deviasi penjualan / time yang digunakan adalah rentang
penggunaan rata-rata (s) didapat dari waktu dimulai dari saat pemesanan
formula berikut. Demikian juga dengan barang hingga barang siap digunakan.
formula untuk perhitungan standar
deviasi siklus pengisian persediaan (R): Pengukuran Kinerja
74
produk tersebut. Biasanya service level
Service Level dinyatakan dalam satuan persen, dimana
semakin mendekati nilai 100%, berarti
Service level atau tingkat kebutuhan akan produk dapat terpenuhi
pelayanan merupakan salah satu dengan sangat baik. Nilai service level ini
metode untuk penilaian kinerja dari memiliki keterkaitan dengan jumlah
manajemen persediaan dan juga kejadian stock out yaitu kekurangan
gudang. produk dari pada yang dibutuhkan dan
Service level adalah suatu tingkat merupakan salah satu cara penilaian
yang memperlihatkan jumlah pemesanan kerja inventory control. Semakin tinggi
(reservasi) akan suatu produk yang nilai service level, maka kejadian stock
dipenuhi tepat waktu dibandingkan out semakin jarang.
dengan total permintaan terhadap
Nilai service level dapat diperoleh
dengan menggunakan formula berikut:
75
Ch = I x C = Biaya penyimpanan
Q* adalah EOQ yaitu jumlah (dolar / unit / tahun)
pemesanan yang memberikan total biaya Q = Jumlah pemesanan (unit /
persediaan yang terendah. EOQ juga pesanan)
bisa diperoleh dengan membuat turunan F = Frekuensi pemesanan (kali / tahun)
dari fungsi total biaya (TC) terhadap Q T = Jarak waktu antar tiap pesanan
sebagai berikut: (tahun, hari)
TC= Total biaya persediaan (dolar /
tahun)
TC = Q Ch + D x Co
Q Jumlah Pesanan Ekonomis (EOQ)
dTC = - DCo x Ch = 0 dengan titik pemesanan ulang
dQ Q2 2 (Reorder Point / ROP)
2DCo = ChQ2
Q* = 2DCo Pada model EOQ sebelumnya,
Ch informasi lead time belum
dipertimbangkan, sehingga diasumsikan
bahwas pesanan akan langsung diterima
Total biaya per tahun (TC) = Biaya seketika, sesuai ukuran pemesanan
pembelian per tahun + Biaya yang dilakukan. Tentunya asumsi ini
penyimpanan per tahun + Biaya tidak realistis karena sesungguhnya
Pemesanan per tahun pesanan akan diterima setelah selang
TC = Q Ch + D x Co (2.16) waktu tertentu setelah dilakukannya
Q pemesanan. Pada model EOQ dengan
Dimana : titik pemesanan ulang (reorder point),
D = Jumlah kebutuhan barang (unit asumsi tersebut ditiadakan. Pemesanan
/ tahun) harus dilakukan sebelum tingkat
Co = Biaya pemesanan (dolar / persediaan menjadi nol, yaitu ketika
pesanan) persediaan mencapai titik pemesanan
I = Biaya penyimpanan (% terhadap ulang (reorder point) (Aulia Ishak, 2010).
nilai barang) Secara grafis situasi ini dapat
C = Harga barang (dolar / unit) digambarkan seperti pada gambar 2.
Q
Tingkat Persediaan
ROP
L L
Waktu
76
maka permintaan per hari adalah L = Waktu tenggang (Lead time)
D/365 D = Jumlah kebutuhan barang (unit /
tahun)
Jadi rumus untuk titik pemesanan ulang, R = Titik pemesanan ulang (Reorder
R, adalah R = L.D/365 Point / ROP)
Dimana :
Single Exponential Smoothing
HASIL DAN PEMBAHASAN
Besarnya (konstanta smoothing)
Metode peramalan yang yang terdapat dalam perhitungan Single
digunakan untuk meramalkan Eksponential Smoothing ditentukan
permintaan adalah Metode Naive, Single dengan cara trial and error hingga
Exponential Smoothing, Product mendapat error terkecil. Setelah
Aggregation, Kombinasi antara Product dilakukan uji coba terhadap variasi dari
Aggregation dan Naive. 0,1 hingga 0,9 diperoleh nilai sebesar
0,3 yang menghasilkan error terkecil.
Metode Naive Nilai MAPE berdasarkan metode
Single Exponential Smoothing adalah
Nilai MAPE berdasarkan metode sebesar 51%. Nilai tersebut
Naive adalah 53%. Nilai ini masih cukup menunjukkan rata-rata simpangan
besar karena peramalan yang maksimum yang dihasilkan dari forecast
diberlakukan rata-rata memiliki dengan metode single eksponential
simpangan hingga 53% dari peramalan smoothing.
sebenarnya. Berikut ini adalah visualisasi dari
Berikut ini adalah visualisasi dari data Mean Absolute Percentage Error
data Mean Absolute Percentage Error (MAPE) selama 1 tahun.
(MAPE) selama 1 tahun.
Rata-rata Kesalahan Pada Metode Naive tahun 2011
Tingkat Kesalahan
1400
1200 1236,2
1000 560,1
800 36,3 57,4
600 46,5 14 38,6 121,9 108,7
400 11,5 8 152,5
200
0
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/1 11
/1 11
/1 11
/1 11
/1 11
11
/0 11
/0 11
/0 11
28 /20
14 20
28 /20
11 /20
25 20
09 /20
23 /20
06 20
20 /20
04 /20
18 /20
01 /20
15 /20
12 20
26 /20
10 /20
24 /20
07 /20
21 20
05 /20
20
17 /20
31 /20
14 /20
2/
4/
5/
8/
1/
2/
2
1
1
1
/0
03
MAPE Tanggal
1200
1039
1000
800
600 291 203 115
38,1 75,3 46 86 44 106
400 14,1 14 8
200
0
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/1 11
/1 11
/1 11
11
/1 11
/1 11
17 /20
31 /20
14 2 0
28 / 20
14 2/ 20
28 / 20
11 / 20
25 / 20
09 4/ 20
23 / 20
06 / 20
20 6/ 20
04 / 20
18 / 20
01 / 20
15 8/ 20
12 / 20
26 / 20
10 / 20
24 / 20
07 20
20
21 / 20
05 1/ 20
1/
0/
2/
1
1
3
3
4
5
5
6
7
7
8
9
9
0
1
/0
03
MAPE Tanggal
77
seasonal index yang diperoleh pada
level family product sebagaimana yang
terdapat pada rumus (2.3). Lalu
selanjutnya melakukan penjumlahan
terhadap keseluruhan hasil peramalan
pada level individual product seperti
Product Aggregation (Kumpulan) yang tertera pada rumus (2.4). Sehingga
didapat peramalan pada tingkat family
Metode ini merupakan metode product.
yang menggunakan peramalan pada Nilai MAPE yang dihasilkan adalah
level family product. Metode ini juga sebesar 32%. Hal ini berarti rata-rata
menggunakan data produk yang terdapat kesalahan peramalan dengan
di dalam family product tersebut pendekatan seperti ini cukup kecil, yakni
(individual item). Untuk menerapkan tipe memiliki rata-rata persentase simpangan
peramalan ini, diperlukan perhitungan sebesar 32% dari permintaan yang
seasonal index terlebih dahulu. Berikut sebenarnya.
ini adalah seasonal index yang di dapat Untuk menggambarkan fluktuasi
dengan cara membagi permintaan dari Rata-rata Persentase Kesalahan
dengan rata-rata permintaan tahun (MAPE) data tersebut akan disajikan
tersebut pada periode yang sama. dalam bentuk grafik. Berikut ini adalah
Peramalan dengan metode visualisasi dari data Mean Absolute
product aggregation ini dilakukan dengan Percentage Error (MAPE) selama 1
cara mengalikan masing-masing jumlah tahun.
permintaan individual product dengan
120
100 94 57 96 59 59
80 37 50 53 58
25 33
60 17 12
4
40
20 43
0
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/1 11
/1 11
/1 11
/1 11
/1 11
11
17 /20
31 /20
14 20
28 / 20
14 / 20
28 20
11 / 20
25 / 20
09 / 20
23 / 20
06 / 20
20 / 20
04 / 20
18 / 20
01 / 20
15 / 20
12 / 20
26 / 20
10 / 20
24 20
07 / 20
21 / 20
05 / 20
20
1/
3/
0/
2/
1
1
2
2
3
4
4
5
5
6
6
7
7
8
8
9
9
0
1
1
/0
03
MAPE Tanggal
78
Nilai Mean Square Error (MSE) (MAPE) data tersebut akan disajikan
adalah 14670547 jika di akar ( ) kan dalam bentuk grafik. Berikut ini adalah
hasilnya sebesar 3830 (Forecast Error) visualisasi dari data Mean Absolute
Untuk menggambarkan fluktuasi Percentage Error (MAPE) selama 1
dari Rata-rata Persentase Kesalahan tahun.
600 570
500 231
400 27
300 15 22 8 8 2 22 14 35 32,9
200 8 54
100
0
/0 11
/0 11
/0 011
2 1
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
6 1
/0 11
/0 11
/0 11
/0 11
/0 11
/0 11
/1 11
0 1
/1 11
/1 11
/1 11
11
/0 01
/0 01
/1 01
17 /20
31 20
14 /20
28 /20
11 /20
25 /20
09 /20
23 20
06 /20
04 /20
18 /20
01 /20
15 /20
12 /20
26 /20
10 /20
07 /20
21 20
05 /20
20
14 1/2
28 2/2
20 6/2
24 /2
1/
5/
1/
2/
1
3
3
4
4
7
7
8
8
9
9
0
1
/0
03
MAPE Tanggal
METODE MAPE
Naive Methode 53%
Single Exponential Smoothing 51%
Product Aggregation 32%
Product Aggregation combined with Naive 28%
Terlihat dari resume tabel di atas, kombinasi ini adalah sebesar 28%. Hal
metode-metode peramalan yang baru di ini terjadi karena dari semua metode
usulkan menghasilkan nilai MAPE yang baru yang diusulkan, sedangkan metode
lebih kecil dibandingkan dengan Product Aggregation yang menghasilkan
peramalan yang telah dilakukan. Oleh MAPE sebesar 32%, berarti hasilnya
karena itu, metode tersebut layak untuk jauh lebih besar dan tidak layak untuk di
dicoba diterapkan pada perusahaan. coba atau diterapkan di perusahaan.
Dari keseluruhan metode yang Untuk perhitungan selanjutnya,
diusulkan, nilai MAPE yang terkecil akan digunakan metode peramalan yang
adalah ketika peramalan dilakukan terpilih berdasarkan nilai MAPE terkecil,
dengan metode Product Aggregation yakni metode Product Aggregation yang
dikombinasikan dengan metode Naive. dikombinasikan dengan metode Naive.
MAPE yang dihasilkan oleh metode
79
Perbandingan Penilaian Kinerja mengantisipasi kondisi kehilangan
penjualan ini, diperlukan sebuah
Penilaian kinerja secara rutin tindakan antisipasi. Pemberlakuan
dilakukan perusahaan untuk menjamin persediaan pengamanan (safety stock)
keberlangsungan produksi guna merupakan salah satu upaya
mengevaluasi kinerja untuk menghindari terjadinya permintaan yang
meningkatkan performa perusahaan tidak dapat terpenuhi.
secara berkelanjutan. Salah satu cara Berikut ini adalah perhitungan
dalam melakukan penilaian kinerja safety stock 1 tahun terakhir dengan
adalah dengan melakukan perhitungan menggunakan nilai Mean Absolute
service level. Penilaian kinerja ini Percentage Error (MAPE) terkecil; yakni
dihitung berdasarkan perhitungan Product Aggregation combined with
besarnya service level sebelum dan Naive.
sesudah diterapkannya metode Setelah menghitung besar safety
peramalan yang terpilih. stock untuk tiap periode dan masing-
Terlihat dari tabel 1 terjadi masing metode, dilakukan estimasi
beberapa periode dimana permintaan jumlah produksi dengan cara
tidak dapat terpenuhi. Dengan menambahkan nilai forecast dengan
menjumlahkan seluruh kehilangan safety stock. Permintaan yang tidak
permintaan tersebut, total permintaan terpenuhi merupakan kerugian bagi
yang tidak terpenuhi adalah sebesar perusahaan. Berikut ini adalah
507525 karton. Jumlah ini cukup besar perbandingan nilai service level sebelum
mengingat kepuasan pelanggan dan sesudah diterapkannya metode
sangatlah berarti guna meningkatkan peramalan yang terpilih.
keuntungan perusahaan. Untuk
Tabel 2 Perbandingan Tingkat Pelayanan (Service Level)
Dari tabel di atas terlihat bahwa yang dilakukan lebih kecil dari
terjadi peningkatan service level sebesar permintaan yang datang.
31,5%. Hal ini disebabkan oleh akurasi
metode peramalan yang baru lebih tinggi
sehingga permintaan yang datang dapat
di antisipasi dengan baik. Sedangkan
pada metode yang lama, error yang Strategi Penentuan Safety Stock
terjadi lebih besar jika dibandingkan
dengan metode yang baru. Oleh karena Ketersediaan produk merupakan
itu, terdapat beberapa kali kondisi hal yang paling penting dalam menjamin
dimana permintaan tidak dapat tingkat pelayanan perusahaan terhadap
tertangani dengan baik ketika produksi customernya. Kondisi dimana
permintaan lebih tinggi dari pada
80
produksi menyebabkan stock out yang nilai z dari persentase tingkat pelayanan
menimbulkan kehilangan penjualan. yang diharapkan. Forecast error yang
Kehilangan penjualan ini merupakan digunakan adalah nilai Root Mean
kerugian bagi perusahaan. Oleh karena Square Error, sedangkan Lead time yang
itu, diperlukan strategi dalam digunakan adalah rentang waktu dimulai
menentukan jumlah persediaan untuk dari saat pemesanan barang hingga
motif berjaga-jaga. Jenis persediaan ini barang siap digunakan.
dikenal dengan sebutan safety stock.
Besarnya nilai safety stock Berdasarkan perhitungan,
tergantung kepada nilai service level diperoleh besarnya safety stock yang
yang ditentukan oleh perusahaan. Nilai harus disediakan berdasarkan metode
service level yang digunakan dalam Product Aggregation combined with
perhitungan rumus ini adalah besarnya Naive, sebagai berikut.
81
total barang. Terdiri dari biaya
Asumsi-asumsi pehitungan adalah telepon, biaya pembuatan penawaran
sebagai berikut: sampai terjadinya Purchase Order
a. Satu botol sangobion kemasan 100 (PO), biaya pengiriman dan biaya tak
ml/ltr= $ 3,33 terduga.
b. Satu karton isi 50 botol sangobion e. Biaya penyimpanan 6% terhadap total
kemasan 100 ml/ltr=$ 167 barang. Terdiri dari biaya Listrik
c. Hasil rata-rata permintaan sangobion antara lain lampu, komputer, printer,
kemasan 100 ml/ltr dalam jangka 2 kipas angin, kulkas, AC. Biaya
tahun = 544482 karton. kebersihan, obat anti rayap / hama
d. Biaya pemesanan ditetapkan dari dan biaya tak terduga.
perusahaan $ 28 terhadap
Diketahui:
D = 544482 karton Jangka waktu antar tiap pesanan :
Co = $ 28 T = Jumlah hari kerja per tahun
I = 6% Frekuensi pesanan
C = $ 167 = 365/312 = 1,16 ( dibulatkan
Ch = $ 167 x 0,06 = $ 10,02 1 hari )
d = 544482/365 = 1492
karton / hari
EOQ = Q* = 2DCo
Ch Total biaya per tahun :
TC = 1 Q Ch + D/Q x Co
2
Q* = (2) . (544482) . ($ 28) TC =1744/2 x $ 10,02 +
$ 10,02 544482/1744 x $ 28
ROP: 1492
SS : 1455
Waktu
82
KESIMPULAN
83