ITS Undergraduate 11033 Paper
ITS Undergraduate 11033 Paper
Wirawan Aditya S.P, Prof. Ir. I Nyoman Pujawan, M.Eng.,Ph.D, dan Nani Kurniati, ST., MT.
Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
Email: wirawan.seta@live.com; pujawan@ie.its.ac.id; nanikur@ie,its.ac.id
Abstrak
PT. Garuda Maintenance Facility Aero Asia bergerak dalam bidang Maintenance, Repair and
overhaul dan mempunyai pelanggan maskapai penerbangan domestik maupun luar negeri. Unit TR
(engine maintenance) bertanggung jawab atas perbaikan mesin pesawat. Saat ini, dalam pengerjaan
perbaikan mesin pesawat, TAT (turn around time) aktual dengan target mempunyai penyimpangan
cukup besar, salah satu faktornya adalah ketersediaan suku cadang (spare part) yang akan
digunakan di lini produksi untuk pengerjaan perbaikan mesin pesawat. Simulasi Monte Carlo
dilakukan untuk memberi gambaran kondisi persediaan suku cadang dengan pendekatan periodic
review (R,s,S) system secara lebih nyata. Penentuan kombinasi parameter S dan s sangat
berpengaruh terhadap keberhasilan pengendalian persediaan. Modifikasi stok maksimum dilakukan
untuk mengantisipasi variabilitas yang tinggi pada demand dan lead time ketika rumus EOQ tidak
mampu mengakomodasi target service level. Spare part diklasifikasi agar dapat diketahui tingkat
kepentingannya, dan dengan analisa hasil simulasi dapat diperoleh informasi strategi pemenuhan
persediaan untuk mengatasi masalah ketidak tersediaan spare part.
ABSTRACT
PT. Garuda Maintenance Facility Aero Asia which moves in the field of Maintenance, Repair
and Overhaul has airline customers, domestic and abroad. TR unit (engine maintenance) is
responsible for aircraft engine repairs. Currently, the repair work on aircraft engines, the target vs
actual TAT (turn around time) has a significant deviation. One factor is the availability of spare
parts (spare part) to be used in the production line for repair work on aircraft engines. Monte
Carlo simulations performed to illustrate the condition of the spare parts inventory with periodic
review approach (R, S, S) system is more real. Determination of the parameters S and s very
influential on the success of inventory control. Parameter combinations were simulated in order to
get better results. Maximum stock modifications made to anticipate the high variability in demand
and lead times when the EOQ formula can not accommodate the service level targets. Spare parts
are classified in order to know its importance, and the analysis of simulation results can be
obtained information compliance strategy to address supply outage spare part.
Actual0TAT 50 TAT
Target 100 150
Gambar 1. 1 Perbandingan antara Rencana dan
Aktual Pengerjaan Gambar 1. 2 Keadaan material (c class) saat produksi
2
kondisi di perusahaan bahwa terdapat
permintaan yang tidak stabil, meminimalkan
shortage dan data yang digunakan adalah data
review per bulan, sehingga metode yang
digunakan untuk penelitian ini adalah periodic
review (R,s,S) system.
3
datanya di-generate dari bilangan random, yang diperbesar maka dapat didapat hasil sebagai
kemudian disusun suatu distribusi probabilitas. berikut:
Harga
2000
sebagai contoh perhitungan simulasi persediaan
dengan Ms. Excel – Monte Carlo. 1000
100000
4
Jika VC < 0.2 use a simple EOQ involving. Reorder Point + Jumlah Pemesanan
Jika VC >= 0.2 use a heuristic.
4.2 Generate Data Random
Dengan menggunakan acuan diatas, maka Membuat data random yang menyerupai
didapat hasil sebagai berikut: data historis yang digunakan dalam simulasi.
Tahap pertama adalah dengan fitting distribution
Tabel 4. 3 Contoh perhitunganVariability Coefficient data historis. Setelah mengetahui probabilitas
distribusi dan juga parameter dari distribusi,
maka parameter distribusi tersebut dilakukan
No. Part VC Metode sebagai inputan dalam men-generate bilangan
1 9523M21P01 0.67 Heuristic acak. Untuk software fitting distribution
2 P108P38 1.06 Heuristic menggunakan Promodel – StatFit, dan untuk
3 301-323-910-0 0.31 Heuristic men-generate bilangan acak menggunakan
Minitab – Calc – Random Data.
4 P142P05 6.09 Heuristic
5 305-393-802-0 0.56 Heuristic Apabila dalam uji fitting distribution
6 P191P08 10.50 Heuristic tidak menunjukkan probabilitas distribusi yang
7 305-115-104-0 6.97 Heuristic sesuai maka dilakukan dengan pendekatan
8 335-304-103-0 12.31 Heuristic Monte carlo. Adapun langkah – langkah untuk
9 301-480-726-0 13.98 Heuristic membuat model simulasi Monte Carlo sebagai
4. Simulasi Persediaan dengan Ms. Excel berikut:
Dengan konsep Monte Carlo dapat Langkah 1: Membuat distribusi
disimulasikan tingkat persedian di gudang unit kemungkinan untuk variabel penting.
TR berdasarkan parameter tertentu, dan dapat Langkah 2: Membangun distribusi
dilihat aspek biaya- biaya terkait seperti holding kemungkinan kumulatif untuk tiap – tiap
cost, order cost, dan stock out cost. Dengan variabel di tahap pertama.
menggunakan metode (R,s,S) dapat ditentukan
Langkah 3:Menentukan interval angka
kombinasi untuk parameter (S) dan (s) untuk
radom untuk tiap variabel.
mendapatkan hasil yang lebih baik dari segi
biaya dan ketersediaan barang. Langkah 4: Membuat angka random.
Langkah simulasi sebagai berikut: Langkah 5:Membuat simulasi dari angka
Langkah 1 : Setting Parameter Input random.
Langkah 2 : Generate Data Random Untuk metode fitting distribution,
Langkah 3 : Simulasi Perhitungan Inventory menggunakan software Promodel – Stat Fit,
dan order barang sebagai berikut:
Langkah 4: Perhitungan biaya inventory, Biaya
Order, dan Jumlah stock out.
4.1 Setting Parameter Input
Parameter yang dijadikan acuan adalah
parameter persedian yang menggunakan
pendekatan EOQ, yakni:
1. Jumlah Pemesanan
Q* 2C 0 D / h (2.3)
Gambar 4.16 Fitting distribusi data 9523M21P01
dengan Promodel
2. Reorder Point
ROP = d x l + Safety Stock (2.4)
3. Safety stock
SS = Z x sdl (2.5)
4. Maximum stock
5
Perhitungan dilakukan dengan menggunakan
software Microsoft Excel.
a. Inventory periode ke-t (it):
it = it-1 + Order receive - dt (4.2)
b. Order periode ke-t dilakukan jika inventory
periode t-1 kurang dari ROP (s). Jumlah part
yang diorder adalah sebesar stok maksimum
(S) dikurangi inventory periode t-1.
ordert = Max. stock – (it-1 + inventory on
Gambar 4.17 Perbandingan distribusi 9523M21P01 order t-1) (4.3)
dengan Promodel c. Demand didapatkan dari data asli serta data
yang di-generate dengan simulasi Monte
Contoh bilangan acak untuk part Carlo atau distribusi data Promodel dan
Minitab.
9523M21P01 dapat dilihat pada tabel 4.8.
d. Inventory on order: jumlah inventory yang
Pada tabel hanya akan ditampilkan 18 dari telah dipesan dan belum sampai di gudang,
120 data yang di-generate. (pendekatan terakumulasi dari inventory on order
probabilitas) sebelumnya, dan dikurangi jika part yang
dipesan diterima.
Tabel 4. 4 Bilangan acak penggunaan part e. Receipt: order yang datang pada periode t
9523M21P01 f. Lead time: waktu tunggu dari order hingga
Perio Bil. Perio Bil. Perio Bil. receipt, didapatkan dari generate random
de Acak de Acak de Acak data.
1 0 7 22 13 20 g. Holding costt = jumlah inventory x holding
2 108 8 110 14 99 cost per part
3 101 9 11 15 15 h. Order costt = 0 jika pada periode t tidak
4 23 10 3 16 81
terdapat pemesanan, atau sejumlah biaya
5 9 11 31 17 37
order jika ada pesanan.
6 73 12 16 18 12
6
S = stok maksimum
s = reorder point Tabel 4. 6 Hasil Simulasi Part 9523M21P01
MOQ = minimum order quantity SL. S.L. Total
Eksp. S s
Input Aktual Cost
1 129 90,00% 87 72% 27853,22
4.4 Perhitungan biaya inventory, Biaya 2 124 90,00% 87 69% 26837,08
Order, dan Jumlah stock out. 3 118 90,00% 87 66% 25226,16
4 113 90,00% 87 64% 23931,22
Biaya penyimpanan dapat diketahui sebagai 5 108 90,00% 87 63% 22596,38
6 102 90,00% 87 61% 21169,53
berikut: 7 97 90,00% 87 56% 19508,99
8 135 92,50% 92 74% 30110,18
HOLDING COST 9 129 92,50% 92 73% 29364,00
10 124 92,50% 92 69% 27306,10
Capital cost 18.0% 11 118 92,50% 92 66% 25940,36
12 113 92,50% 92 66% 24981,68
Tax 1.0% 13 108 92,50% 92 63% 23081,31
Insurance 1.5% 14 102 92,50% 92 62% 21677,45
15 142 95,00% 99 78% 33737,24
Obsolescene 1.0% 16 136 95,00% 99 76% 32906,97
17 131 95,00% 99 74% 30676,48
Storage 2.5% 18 126 95,00% 99 71% 29155,85
19 120 95,00% 99 71% 28073,26
Handling 2.0% 20 115 95,00% 99 67% 26004,73
TOTAL 26% 21 109 95,00% 99 65% 24530,06
22 153 97,50% 110 87% 39384,07
23 147 97,50% 110 82% 38345,81
Biaya Holding didapat dapat dari jumlah faktor 24 142 97,50% 110 78% 35933,88
yakni sebesar 26% dikalikan dengan harga 25 136 97,50% 110 77% 34293,76
spare part tersebut. 26 131 97,50% 110 78% 33197,89
27 126 97,50% 110 76% 30921,36
28 120 97,50% 110 74% 29247,55
Biaya Pemesanan dapat diketahui Sebesar 29 165 99,00% 123 90% 46610,77
30 160 99,00% 123 90% 44904,27
Rp. 350.000, hal ini meliputi Internet, 31 154 99,00% 123 89% 42704,77
Telepon, Fax, Pembuatan PO (Tinta, Kertas, 32 149 99,00% 123 83% 40807,97
33 144 99,00% 123 82% 39251,86
Printer, administrasi lainnya) 34 138 99,00% 123 81% 37320,52
Jumlah Stock Out, Didapat Hasil simulasi 35 133 99,00% 123 80% 35093,53
7
5.2 Hasil Simulasi Part P108P38 Kecenderungan yang didapatkan adalah
semakin besar SL aktual maka biaya juga akan
Simulasi dilakukan untuk berbagai kombinasi
semakin besar, hal ni diperlihatkan dalam
service level dan S dari penggunaan service
gambar dengan kecenderungan yang terjadi.
level input sebesar 90 % hingga 99 %, serta
Jika ingin menaikkan SL aktual dari BL yakni
penggunaan S sejumlah ROP + 0,4 Q hingga
78% menjadi 83% (percobaan ke 16) dengan
ROP + 1,6 Q. Hasil dari 35 simulasi part
nilai S = 104, s = 78. Maka membutuhkan biaya
P108P38 dirangkum dalam tabel 4.13.
total sebesar USD 3,326.05. Untuk menaikkan
Tabel 4. 7 Hasil Simulasi Part P108P38 SL aktual BL menjadi SL sebesar 86% dengan
S. Lvl S.L. Total
Eksp.
S
Input
s
Aktual Cost
parameter S = 114, s = 86 maka membutuhkan
1 97 90,00% 66 78% 31242,35 biaya total sebesar USD 10.247. Namun jika
2 93 90,00% 66 78% 30449,01 ingin memaksimalkan nilai SL aktual yakni
3 89 90,00% 66 76% 28893,17
89% dengan nilai S = 128 s = 97 dengan
4 85 90,00% 66 73% 27263,38
5 81 90,00% 66 71% 25798,54 konsekuensi membutuhkan biaya total yang
6 78 90,00% 66 70% 24337,61 lebih tinggi, sebesar USD 18,628.58.
7 74 90,00% 66 71% 23102,80
8 102 92,50% 71 80% 34313,98
9 98 92,50% 71 80% 33188,62 5.3 Hasil Simulasi Part P142P05
10 94 92,50% 71 78% 31746,90 Simulasi dilakukan untuk berbagai
11 90 92,50% 71 76% 30101,45
12 86 92,50% 71 74% 28545,60
kombinasi service level dan S dari penggunaan
13 82 92,50% 71 71% 27016,42 service level input sebesar 90 % hingga 99 %,
14 78 92,50% 71 71% 25810,05 serta penggunaan S sejumlah ROP + 0,4 Q
15 108 95,00% 77 81% 38056,36
16 104 95,00% 77 83% 36959,43
hingga ROP + 1,6 Q. Hasil dari 35 simulasi part
17 100 95,00% 77 80% 35381,21 P142P05 dirangkum dalam tabel 4.15.
18 96 95,00% 77 78% 33633,38 Tabel 4. 8 Hasil Simulasi Part P142P05
19 92 95,00% 77 77% 32032,04 S. Lvl S.L. Total
Eksp. S s
20 88 95,00% 77 76% 30400,49 Input Aktual Cost
21 84 95,00% 77 73% 29086,05 1 27 90,00% 19 81% 32350,77
22 117 97,50% 86 86% 44703,27 2 26 90,00% 19 80% 30990,45
23 113 97,50% 86 86% 43881,12 3 25 90,00% 19 80% 30267,21
24 109 97,50% 86 84% 41995,40 4 24 90,00% 19 78% 28931,85
25 105 97,50% 86 83% 39876,49 5 23 90,00% 19 77% 27621,45
26 101 97,50% 86 83% 38030,58 6 22 90,00% 19 77% 26311,05
27 97 97,50% 86 82% 36239,78 7 21 90,00% 19 75% 25388,74
28 94 97,50% 86 79% 34669,40 8 29 92,50% 21 86% 34734,45
29 128 99,00% 97 89% 52261,96 9 27 92,50% 21 86% 34123,53
30 124 99,00% 97 88% 51017,16 10 26 92,50% 21 81% 33325,41
31 120 99,00% 97 88% 49126,13 11 25 92,50% 21 80% 31915,17
32 116 99,00% 97 86% 46506,35 12 24 92,50% 21 80% 30504,93
33 112 99,00% 97 85% 45274,69 13 23 92,50% 21 78% 29119,65
34 108 99,00% 97 85% 43620,39 14 22 92,50% 21 77% 28109,98
35 104 99,00% 97 84% 41907,82 15 31 95,00% 23 90% 37817,01
16 30 95,00% 23 90% 37193,61
17 29 95,00% 23 85% 36245,73
Dengan melihat keadaan base line dengan 18 28 95,00% 23 84% 34760,61
pendekatan EOQ berada pada percobaan 18 19 27 95,00% 23 81% 33325,41
20 26 95,00% 23 80% 31915,17
dengan SL aktual sebesar 78%, sedangkan SL 21 25 95,00% 23 80% 30855,58
target adalah 95%, sehingga dengan pendekatan 22 34 97,50% 26 93% 43981,52
EOQ, parameter yang dihasilkan kurang baik 23 33 97,50% 26 93% 42634,29
24 32 97,50% 26 94% 41998,41
dibandingkan dari beberapa scenario yang ada. 25 31 97,50% 26 91% 40950,69
Dalam gambar terlihat BL berada pada SL 26 30 97,50% 26 91% 39340,77
aktual 78%, tetapi dalam hasil perhitungan 27 29 97,50% 26 85% 36245,73
28 28 97,50% 26 86% 35111,26
simulasi terdapat pula percobaan ke 1 dengan 29 38 99,00% 30 98% 50833,04
SL aktual 78% tetapi dengan biaya lebih rendah 30 37 99,00% 30 98% 49435,89
yakni USD 31242.4. Hal ini menunjukkan 31 36 99,00% 30 98% 48787,53
bahwa dengan SL yang sama 78% tetapi dengan 32 35 99,00% 30 98% 47615,01
33 34 99,00% 30 97% 45905,25
mengkombinasi parameter yang ada sehingga 34 33 99,00% 30 94% 44232,93
dapat menemukan titik yang baik diantara 35 32 99,00% 30 91% 41376,22
skenario yang ditawarkan.
8
Diketahui base line yakni titik awal untuk S. Lvl S.L. Total
Eksp. S s
Input Aktual Cost
melakukan simulasi, yakni percobaan ke-18 31 9 99,00% 4 100% 3986,91
dengan service level aktual sebesar 84% dengan 32 8 99,00% 4 99% 3753,89
total biaya USD 34,760.61. Berdasarkan BL 33 8 99,00% 4 99% 3907,12
34 7 99,00% 4 99% 3877,85
(pendekatan EOQ) maka pencapaian dengan 35 6 99,00% 4 99% 4389,59
target SL 95% hanya sebesar 84% pada
aktualnya. Maksud disini adalah dengan Untuk part 305-393-802-0, didapat hasil
parameter pendekatan EOQ maka pencapaian simulasi yakni berada pada percobaan 18
SL aktual yang didapat tidak sebaik SL target. dengan nilai S sebesar 8, s sebesar 3 dan SL
Setelah disimulasikan dengan aktual adalah 95% (target SL adalah 95). Jadi
menggeser parameter persediaan ke atas dan ke memang antara SL target dan aktual mempunyai
bawah dari nilai base line, maka didapatkan nilai yang sama. Dan untuk menaikkan SL
kombinasi dari S dan s yang mempengaruhi SL aktual menjadi 98% pada percobaan 3,
aktual, diketahui untuk nilai base line, kurang membutuhkan biaya sebesar USD 235.82. yang
optimal diantara skenario yang ada. karena pada menyebabkan SL aktual naik adalah kombinasi
percobaan ke 28, didapat SL aktual sebesar 86% dari parameter persediaan seperti S dan s, jika
dengan S senilai 28 , s senilai 26 dan total biaya dilihat dari SL input maka tidak menjadi acuan
sebesar 35,111,26. untuk menaikkan SL aktual bahwa semakin besar SL input akan
dari 84% menuju 86% hanya selisih USD berpengaruh terhadap SL aktual. Hal ini
350.65. dibuktikan pada percobaan 18 dan 3. Nilai SL
input percobaan 18 adalah 95% dan SL aktual
5.4 Hasil Simulasi Part 305-393-802-0 95%, untuk percobaan 3, SL input adalah 90%
Menunjukkan contoh hasil simulasi dan SL aktual adalah 98%.
untuk part 305-393-802-0 pada service level Dengan keadaan seperti ini jika ingin
95% dan S sebesar ROP + Q. Pada tabel hanya menaikkan SL menjadi 99% maka
ditunjukkan 35 baris dari total 144 baris membutuhkan biaya sebesar USD 671.24. untuk
simulasi. menaikkan SL aktual dari 95% menjadi 100%
maka memerlukan biaya sebesar USD 780.30.
Tabel 4. 9 Hasil Simulasi Part 305-393-802-0
S. Lvl S.L. Total
Hal ini dapat disimpulkan bahwa semakin besar
Eksp. S s
Input Aktual Cost SL aktual maka diikuti dengan semakin besar
1 10 90,00% 3 99% 3897,51 pula biaya yang diperlukan.
2 9 90,00% 3 97% 3573,35
3 8 90,00% 3 98% 3442,43
4 7 90,00% 3 95% 3206,61 5.5 Hasil Simulasi Part P191P08
5 6 90,00% 3 97% 3293,21 Simulasi dilakukan pada berbagai
6 6 90,00% 3 95% 3284,36
7 5 90,00% 3 94% 3850,48
kondisi service level dan S. Menunjukkan
8 11 92,50% 3 99% 3897,51 contoh hasil simulasi untuk part P191P08 pada
9 10 92,50% 3 97% 3573,35 service level 95% dan S sebesar ROP + Q. Pada
10 9 92,50% 3 98% 3442,43 tabel hanya ditunjukkan 35 baris dari total 144
11 8 92,50% 3 95% 3206,61
12 7 92,50% 3 97% 3293,21 baris simulasi.
13 6 92,50% 3 95% 3284,36
14 5 92,50% 3 94% 3850,48
Tabel 4. 10 Hasil Simulasi Part P191P08
15 11 95,00% 3 99% 3897,51
S. Lvl S.L. Total
16 10 95,00% 3 97% 3573,35 Eksp. S s
Input Aktual Cost
17 9 95,00% 3 98% 3442,43
1 18 90,00% 14 91% 47122,51
18 8 95,00% 3 95% 3206,61
2 17 90,00% 14 91% 47122,51
19 7 95,00% 3 97% 3293,21
3 17 90,00% 14 91% 45463,86
20 6 95,00% 3 95% 3284,36
4 16 90,00% 14 91% 45463,86
21 5 95,00% 3 94% 3850,48
5 16 90,00% 14 91% 42961,85
22 11 97,50% 4 100% 4497,88
6 15 90,00% 14 91% 42961,85
23 10 97,50% 4 99% 4132,88
7 14 90,00% 14 91% 40728,22
24 9 97,50% 4 100% 3986,91
8 19 92,50% 15 93% 51651,74
25 8 97,50% 4 99% 3753,89
9 19 92,50% 15 91% 49965,02
26 7 97,50% 4 99% 3907,12
10 18 92,50% 15 91% 49965,02
27 6 97,50% 4 99% 3877,85
11 18 92,50% 15 91% 48306,37
28 5 97,50% 4 99% 4389,59
12 17 92,50% 15 91% 45804,37
29 11 99,00% 4 100% 4497,88
13 16 92,50% 15 91% 45804,37
30 10 99,00% 4 99% 4132,88
14 16 92,50% 15 91% 43570,73
9
S. Lvl S.L. Total S. Lvl S.L. Total
Eksp. S s Eksp. S s
Input Aktual Cost Input Aktual Cost
15 21 95,00% 17 93% 55672,09 7 2 90,00% 2 99% 30817,31
16 20 95,00% 17 93% 55672,09 8 3 92,50% 2 99% 30899,87
17 20 95,00% 17 92% 53991,40 9 2 92,50% 2 99% 30817,31
18 19 95,00% 17 92% 53991,40 10 2 92,50% 2 99% 30817,31
19 19 95,00% 17 91% 51489,40 11 2 92,50% 2 99% 30817,31
20 18 95,00% 17 91% 51489,40 12 2 92,50% 2 99% 30817,31
21 17 95,00% 17 91% 49255,76 13 2 92,50% 2 99% 30817,31
22 24 97,50% 19 94% 63374,36 14 2 92,50% 2 99% 30817,31
23 23 97,50% 19 94% 63374,36 15 3 95,00% 2 99% 30899,87
24 22 97,50% 19 94% 61533,40 16 3 95,00% 2 99% 30899,87
25 22 97,50% 19 94% 59764,57 17 2 95,00% 2 99% 30817,31
26 21 97,50% 19 94% 59764,57 18 2 95,00% 2 99% 30817,31
27 21 97,50% 19 93% 57196,46 19 2 95,00% 2 99% 30817,31
28 20 97,50% 19 93% 57196,46 20 2 95,00% 2 99% 30817,31
29 27 99,00% 22 94% 72232,43 21 2 95,00% 2 99% 30817,31
30 26 99,00% 22 94% 72232,43 22 3 97,50% 2 99% 30899,87
31 25 99,00% 22 94% 70391,47 23 3 97,50% 2 99% 30899,87
32 25 99,00% 22 94% 68622,64 24 3 97,50% 2 99% 30899,87
33 24 99,00% 22 94% 68622,64 25 3 97,50% 2 99% 30899,87
34 24 99,00% 22 94% 66010,46 26 3 97,50% 2 99% 30899,87
35 23 99,00% 22 94% 66010,46 27 2 97,50% 2 99% 30817,31
28 2 97,50% 2 99% 30817,31
29 3 99,00% 2 99% 30899,87
Titik base line dengan pendekatan EOQ untuk 30 3 99,00% 2 99% 30899,87
part P191P08 berada pada percobaan 18 dengan 31 3 99,00% 2 99% 30899,87
SL target sebesar 95% dan SL aktual sebesar 32 3 99,00% 2 99% 30899,87
33 3 99,00% 2 99% 30899,87
92% dengan total biaya sebesar USD 5399140. 34 3 99,00% 2 99% 30899,87
Dengan mengacu pada hasil kombinasi dari 35 3 99,00% 2 99% 30899,87
simulasi maka diketahui bahwa titik EOQ tidak Dengan melihat kecenderungan dari hasil yang
optimal jika dibandingkan dengan skenario yang diperoleh terlihat berpusat pada 2 buah titik,
ada, karena pada percobaan 8, didapatkan hasil yakni pada titik SL aktual di 99%, tetapi yang
S = 20, s = 15 dan SL aktual adalah 93%, tetapi membedakan adalah total biaya. Sebenarnya
dengan total biaya yang lebih rendah sebesar untuk total biaya tidak terlalu beberbeda jauh,
USD 51,651.74. Bila dilihat dari hasil yang hal ini juga dilihat dari kombinasi parameter
diperoleh pada percobaan 18 dan 8, maka dapat persediaan yang hampir sama pada kedua titik
disimpulkan parameter persediaan percobaan 8 ini.
lebih baik dibandingkan dengan parameter Melihat fenomena ini dapat disimpulkan
persediaan percobaan 18. Jika ingin bahwa untuk jenis part ini untuk mencapai SL
memaksimalkan SL aktual berdasar skenario aktual 99% tidak sulit untuk dilakukan, hal ini
yang ditawarkan maka nilai SL maksimal dikarenakan dengan adanya 35 skenario yang
adalah 94% dengan S = 22, s = 19. Dan dengan disimulasikan, hasil yang diperoleh adalah
SL yang besar, dibutuhkan pula kenaikan biaya kecenderungan berpusat pada titik 99%.
sebesar USD 5,773.17.
5.7 Hasil Simulasi Part 335-304-103-0
5.6 Hasil Simulasi Part 305-115-104-0 Simulasi dilakukan pada berbagai
Menunjukkan contoh hasil simulasi kondisi service level dan S. Menunjukkan
untuk part 305-115-104-0 pada service level contoh hasil simulasi untuk part 335-304-103-0
95% dan S sebesar ROP + Q. Pada tabel hanya pada service level 95% dan S sebesar ROP + Q.
ditunjukkan 35 baris dari total 144 baris Pada tabel hanya ditunjukkan 35 baris dari total
simulasi. 144 baris simulasi.
Tabel 4. 11 Hasil Simulasi Part 305-115-104-0 Tabel 4. 12 Hasil Simulasi Part 335-304-103-0
S. Lvl S.L. Total S. Lvl S.L. Total
Eksp. S s Eksp. S s
Input Aktual Cost Input Aktual Cost
1 2 90,00% 2 99% 30817,31 1 2 90,00% 1 99% 14641,64
2 2 90,00% 2 99% 30817,31 2 2 90,00% 1 99% 14641,64
3 2 90,00% 2 99% 30817,31 3 2 90,00% 1 99% 14641,64
4 2 90,00% 2 99% 30817,31 4 2 90,00% 1 99% 14641,64
5 2 90,00% 2 99% 30817,31 5 2 90,00% 1 99% 14641,64
6 2 90,00% 2 99% 30817,31 6 1 90,00% 1 99% 14320,81
10
S. Lvl S.L. Total S. Lvl S.L. Total
Eksp. S s Eksp. S s
Input Aktual Cost Input Aktual Cost
7 1 90,00% 1 99% 14320,81 1 2 90,00% 1 100% 26954,68
8 2 92,50% 1 99% 14641,64 2 2 90,00% 1 100% 26954,68
9 2 92,50% 1 99% 14641,64 3 2 90,00% 1 100% 26954,68
10 2 92,50% 1 99% 14641,64 4 2 90,00% 1 100% 26954,68
11 2 92,50% 1 99% 14641,64 5 2 90,00% 1 100% 26954,68
12 2 92,50% 1 99% 14641,64 6 2 90,00% 1 100% 26954,68
13 2 92,50% 1 99% 14641,64 7 2 90,00% 1 100% 26954,68
14 1 92,50% 1 99% 14320,81 8 2 92,50% 2 100% 26954,68
15 2 95,00% 1 99% 14641,64 9 2 92,50% 2 100% 26954,68
16 2 95,00% 1 99% 14641,64 10 2 92,50% 2 100% 26954,68
17 2 95,00% 1 99% 14641,64 11 2 92,50% 2 100% 26954,68
18 2 95,00% 1 99% 14641,64 12 2 92,50% 2 100% 26954,68
19 2 95,00% 1 99% 14641,64 13 2 92,50% 2 100% 26954,68
20 2 95,00% 1 99% 14641,64 14 2 92,50% 2 100% 26954,68
21 2 95,00% 1 99% 14641,64 15 2 95,00% 2 100% 26954,68
22 2 97,50% 2 100% 23835,46 16 2 95,00% 2 100% 26954,68
23 2 97,50% 2 100% 23835,46 17 2 95,00% 2 100% 26954,68
24 2 97,50% 2 100% 23835,46 18 2 95,00% 2 100% 26954,68
25 2 97,50% 2 100% 23835,46 19 2 95,00% 2 100% 26954,68
26 2 97,50% 2 100% 23835,46 20 2 95,00% 2 100% 26954,68
27 2 97,50% 2 100% 23835,46 21 2 95,00% 2 100% 26954,68
28 2 97,50% 2 100% 23835,46 22 3 97,50% 2 100% 27049,14
29 2 99,00% 2 100% 23835,46 23 3 97,50% 2 100% 27049,14
30 2 99,00% 2 100% 23835,46 24 2 97,50% 2 100% 26954,68
31 2 99,00% 2 100% 23835,46 25 2 97,50% 2 100% 26954,68
32 2 99,00% 2 100% 23835,46 26 2 97,50% 2 100% 26954,68
33 2 99,00% 2 100% 23835,46 27 2 97,50% 2 100% 26954,68
34 2 99,00% 2 100% 23835,46 28 2 97,50% 2 100% 26954,68
35 2 99,00% 2 100% 23835,46 29 3 99,00% 2 100% 27049,14
30 3 99,00% 2 100% 27049,14
31 3 99,00% 2 100% 27049,14
Melihat hasil dari simulasi, dihasilkan 32 3 99,00% 2 100% 27049,14
persebaran data terhadap SL aktual dan total 33 3 99,00% 2 100% 27049,14
biaya yang mempunyai kecenderungan memusat 34 2 99,00% 2 100% 26954,68
35 2 99,00% 2 100% 26954,68
di suatu titik. Hal ini dikarenakan parameter
persediaan seperti S (max stock) dan s (reorder
point) yang hampir sama di setiap skenario yang Untuk part 301-480-726-0, berdasar hasil
dilakukan. simulasi dengan mengatur kombinasi parameter
Dengan melihat fenomena ini dapat persediaan seperti S (max stock) dan s (reorder
disimpulkan bahwa untuk jenis part 301-480- point), sehingga didapatkan hasil dari 35
726-0, pengendalian persediaan tidak terlalu skenario berpusat pada SL aktual di level 100%.
kompleks, dengan alasan karena dari 35 Hal ini dikarenakan angka kombinasi yang
skenario simulasi hasil yang didapat SL aktual dilakukan hampir serupa, sehingga hasilnya
berpusat / mempunyai kecenderungan pada yang didapat pun hampir serupa.
angka 99% dan 100%. Sehingga untuk jenis Melihat fenomena seperti diatas atas
part ini tidak menjadi perhatian utama dalam dapat disimpulkan bahwa untuk mencapai
pengendalian persediaan. Pencapaian yang besar pencapaian 100% tidak membutuhkan
ini juga mendapat pengaruh dari kuantitas part kompleksitas yang tinggi. Hal ini dikarenakan
dan penggunaan yang tidak terlalu banyak jika dengan melakukan 35 skenario simulasi, hasil
dibandingakan dengan penggunaan part lainnya. yang didapat pun hampir sama yakni pada
service level aktual 100%. Terdapat 2
pemusatan / kecenderungan pada service level
5.8 Hasil Simulasi Part 301-480-726-0 100% tetapi pada biaya USD 26,954.6 dan
Simulasi dilakukan pada berbagai USD 27,049.1
kondisi service level dan S. Menunjukkan
contoh hasil simulasi untuk part 301-480-726-0 5.9 Hasil Simulasi Part 301-323-910-0
pada service level 95% dan S sebesar ROP + Q. Simulasi dilakukan pada berbagai
Pada tabel hanya ditunjukkan 35 baris dari total kondisi service level dan S. Tabel 4.26
144 baris simulasi. menunjukkan contoh hasil simulasi untuk part
301-323-910-0 pada service level 95% dan S
Tabel 4. 13 Hasil Simulasi Part 301-480-726-0
11
sebesar ROP + Q, yakni 81 item. Pada tabel bahwa dengan nilai SL aktual 93% mempunyai
hanya ditunjukkan 35 baris dari total 144 baris total biaya yang berbeda.
simulasi.
12
menjadi pendekatan terbaik, walaupun Waters, C D J (1992). Inventory Control and
untuk tipe spare part consumable. Management. John Wiley & Sons
8. Untuk perumusan yang menggunakan
pendekatan distribusi normal, bukanlah
parameter yang terbaik. Hal ini berdasar
perhitungan dengan modifikasi
parameter.
7. Daftar Pustaka
Chopra, Sunil and Meindl, Peter (2004). Supply
Chain Management –
Strategy Planning and Operation.
Prentice Hall International Edition
Law, A M dan Kelton W D. (2005). Simulation
Modelling and Analysis.
McGraw – Hill.
Lukito, H K (2007) Penentuan Replenishment
dengan Pendekatan (S,Q) dan
Statistical Process Control (SPC)
untuk Meminimalkan Biaya
Persediaan. Surabaya. Tugas Akhir TI
ITS.
Mandiri, Elan Tangguh,. (2007) Evaluasi
Kebijakan Persediaan Bahan Baku
Untuk Meningkatkan Kinerja
Persediaan di PT. TRISULAPACK
INDAH (MASPION UNIT III).
Surabaya, Tugas Akhir TI ITS.
Nasution, Arman Hakim (1999). Perencanaan
dan Pengendalian Produksi,
Jakarta, PT. Candimas Metropole
Pujawan, I Nyoman. (2005). Supply Chain
Management. Surabaya, Guna Widya
Richardus E. Indrajit dan Djokopranoto
Richardus. (2005). Strategi
Manajemen Pembelian dan Supply
Chain. Grasindo. Jakarta
Silver, E. A., Pyke; David F; Peterson, Rein
(1998) Inventory Management
and Production Planning and
Scheduling. New York, John Wiley
& Sons
Smith, S B. (1989) Computer Based Production
and Inventory Control New Jersey.
Prentice Hall International Edition
Tersine, R J (1994). Principles of Inventory
and Material Management. New
Jersey. Prentice Hall International
Edition
13