SOLUSI OPTIMAL MODEL STOKASTIK SISTEM PERSEDIAAN

DENGAN PERMINTAAN YANG BERGANTUNG PADA STOK

MENGGUNAKAN PENDEKATAN SIMULASI MONTE CARLO

Liem Chin; Agus Sukmana

Jurusan Matematika Universitas Katolik Parahyangan

Jl. Ciumbuleuit 94 Bandung 40141
chin@unpar.ac.id; asukmana@unpar.ac.id

ABSTRACT

Inventory management is one important component of a supply chain system. Economic Order
Quantity (EOQ) model is often used to describe an inventory management system where customer
demand is deterministic with a fixed amount every time. However, many cases that can not be handled
by the EOQ model, for instance is a case where customer demand is stochastic. This study focused on
the inventory model in which the demand for goods (items) are not constant but has a non-linear form
that is dependent on available stock. Benkherouf et al. (2001) have provided a closed-form of the
optimal solution for inventory replenishment model with stochastic demand. However, the model is
quite difficult to calculate. Therefore, in this study we provide another alternative by Monte Carlo
simulation to find the optimal solution.

Keywords: inventory control, Monte Carlo simulation, stochastic model

ABSTRAK

Pengelolaan persediaan adalah salah satu komponen penting dari suatu sistem rantai pasok.
Model EOQ digunakan untuk mendeskripsikan suatu sistem pengelolaan persediaan di mana
permintaan pelanggan bersifat deterministik dengan jumlahnya tetap setiap saat. Namun, banyak
kasus yang tidak dapat ditangani oleh model EOQ, antara lain kasus di mana permintaan pelanggan
bersifat stokastik. Penelitian ini difokuskan pada model persediaan di mana pemintaan barang (items)
tidak konstan tetapi memiliki bentuk non-linear yaitu bergantung pada stok yang tersedia. Benkherouf
et al. (2001) telah memberikan closed-form mengenai solusi optimal dalam penambahan persediaan
kembali untuk model persediaan dengan permintaan yang bersifat stokastik. Ternyata untuk mencari
solusi model tersebut cukup sulit. Oleh karena itu, dalam penelitian ini kami memberikan cara
alternatif untuk mencari solusi optimal model yaitu menggunakan simulasi Monte Carlo.

Kata kunci: pengelolaan persediaan, simulasi Monte Carlo, model stokastik

38 Jurnal Mat Stat, Vol. 12 No. 1 Januari 2012: 38-45 

 PENDAHULUAN

Pengelolaan persediaan merupakan salah satu komponen penting dari suatu sistem rantai
pasok (supply-chain). Pengelolaan persediaan bertujuan memberikan jaminan kecukupan pasokan
sesuai dengan permintaan pelanggan dengan biaya pengelolaan minimum. Model persediaan dapat
digunakan untuk memperoleh gambaran mengenai sistem persediaan yang dikelola. Beberapa model
dasar sistem persediaan yang banyak dibahas dalam literatur antara lain: Economic Order Quantity
(EOQ), Newsboy, periodic review. Model EOQ digunakan untuk mendeskripsikan suatu sistem
pengelolaan persediaan di mana permintaan pelanggan bersifat deterministik dengan jumlahnya tetap
setiap saat. Model ini populer digunakan oleh para praktisi karena mudah dipahami untuk tujuan ingin
memperoleh gambaran global dari suatu sistem pengelolaan persediaan. Namun demikian banyak
kasus yang tidak dapat ditangani oleh model EOQ seperti misalnya permintaan pelanggan bersifat
stokastik. Sehingga kemudian dikembangkan model dasar persediaan untuk berbagai jenis
permintaanyang lebih mendekati situasi nyata.

Penelitian ini difokuskan pada model persediaan stokastik di mana pemintaan barang memiliki
bentuk non-linear, yaitu bergantung pada stok yang tersedia. Sebagai ilustrasi keadaan nyata, misalkan
pada toko buku ada situasi di mana permintaan pelanggan untuk buku tertentu bergantung pada berapa
banyak jumlah jilid buku yang dipajang (display) di toko buku tersebut. Artikel yang membahas
fenomena ini antara lain Benkherouf, Boumenir, & Aggoun (2001).

Beberapa penelitian tentang model persediaan untuk permintaan yang memiliki karakteristik
tersebut antara lain: (1) Sana & Chaudhuri (2003, 2004) yang membahas model dengan permintaan
bergantung pada stok dan memuat sebagian barang dengan kondisi rusak; (2)  Pal, Bhunia, &
Mukherjee (2005) juga membahas model dengan permintaan bergantung pada stok yang mereka
uraikan pengaruhnya pada tiga komponen biaya; (3)  Soni & Shah (2008) mengaitkan permintaan
bergantung stok dengan cara pembayaran berbunga progresif. Ketiga artikel tersebut mengasumsikan
permintaan bersifat deterministik sehingga kita dapat mengetahui dengan tepat berapa besar
permintaan setiap saatnya. Chung (2003) membahas algoritma dan aspek-aspek komputasi dari model
persediaan jenis tersebut. Sedangkan untuk jenis permintaan yang bersifat stokastik antara lain dibahas
oleh Benkherouf et al. (2001).

Benkherouf et al. (2001) telah memberikan closed-form mengenai solusi optimal dalam
penambahan persediaan kembali untuk model persediaan dengan permintaan yang bersifat stokastik.
Namun untuk mencari solusi model tersebut tidaklah mudah. Oleh karena itu, pada penelitian ini kami
memberikan suatu alternatif untuk mencari solusi optimal tersebut, yaitu dengan simulasi Monte Carlo
yang diharapkan lebih mudah untuk diperoleh.

Pertanyaan penelitian yang ingin dijawab adalah: (1) apakah pendekatan simulasi Monte Carlo
dapat digunakan untuk mencari solusi model Benkherouf et al. (2001)?; (2) bagaimana kinerja
prosedur pencarian solusi model melalui pendekatan simulasi Monte Carlo?

METODE

Persediaan Stokastik

Model persediaan stokastik yang bergantung pada stok, secara matematis dituliskan sebagai
berikut (Benkherouf et al., 2001: 318):

Solusi Optimal Model …... (Liem Chin; Agus Sukmana) 39

 (1)

di mana::
(a) xt menyatakkan tingkat persediaan
p baarang (jumlah h barang yanng tersisa padda saat t),
(b) I(.) adalah variabel
v indiikator bernilaai 0 atau 1,
(c) δ adalah funngsi delta diirac,
(d) g > 0 adalahh konstanta yang
y menyattakan laju peenurunan perrsediaan,
(e) σ > 0 adalaah volatilitas,,
(f) adalah parameter
p berrnilai ,
(g) {wt} adalah gerak Brown baku,
(h) adalah banyaknya
b peemesanan/peengadaan yan ng dilakukann pada saat .

IInterpretasi umum
u dari model
m (1) addalah perubaahan persediiaan bergantuung pada ko omponen:
laju perm
mintaan g koonstan, laju permintaan
p b
bergantung stok , dan fluktuasi permintaaan dengan
variabilitas takkonstaan. Nilai x(t(t) bernilai poositif bila ad
da barang yanng tersisa di gudang, x(t)t) bernilai
nol bila barang habiis, dan x(t) bernilai
b negaatif bila perm mintaan mellebihi stok bbarang dan nilai
n |x(t)|
menyataakan kekuranngan perminttaan barang yang tidak dapat d dipenuuhi. Model bbergantung pula
p pada
kebijakaan untuk meenangani kekkurangan, appakah kebijaakan back-order atau llost-sales. Kebijakan K
back-ordder bila pelaanggan berseedia menungggu dan bilaa barang baru ru telah tiba,, permintaan
n tersebut
akan diddahulukan untuku dipenuuhi. Sedangkkan bila meenggunakan kebijakan llost-sales, pelanggan p
diasumsiikan tidak bersedia menunggu
m seehingga kek kurangan peermintaan m merupakan hilangnya
h
kesempaatan memperroleh keuntunngan. Pada persamaan
p (1), laju perubbahan tingkatt persediaan pada
p saat
t (dituliss dxt ) akibaat dari adannya permintaaan pelanggaan dan sejumlah barangg baru masu uk dalam
gudang. Nilai dxt berrgantung padda laju permiintaan , di m
mana I(.) meenyatakan
variabel indikator. Bila a = 0, keadaan ini menunjukkan bahwa laaju permintaaan konstan sebesar s g
yang meerupakan kondisi sesuai asumsi moddel EOQ. Bila a > 0 daan , menyataakan laju
permintaaan bergantuung pada sttok. Varibeel indikator I(.) untuk membatasi ekspresi maatematika
tersebut hanya berlaaku bila tingkkat persediaaan bernilai positif.
p Permmintaan berjeenis stokastiik artinya
jumlah permintaan
p s
setiap saat bervariasi
b dann bersifat accak. Variasi permintaan tersebut dap pat tetap
atau berrubah-ubah. Sedangkan bila dan , daapat diinterp
pretasikan
sebagai laju perminntaan. Selaain itu moddel (1) men nyatakan seccara implisitt bahwa kek kurangan
persediaaan (saat ) tidak berpengaaruh terhadaap permintaaan. Sebagai gambaran mengenai
m
perilaku model persedian terseebut, lihat Gambar
G 1 yang
y merupaakan hasil ssimulasi darri tingkat
persediaaan dengan parameter-parrameter sebaagai berikut: g = 20, a = 20, , ,
dan perioode waktu yaang disimulaasikan selama setahun.

40 nal Mat Stat, Vol.

Jurn V 12 No. 1 Januari 2012: 38-45 
 Gambbar 1. Contoh tingkat persed
diaan hasil sim
mulasi.
 
 
Selanjutnnya, untuk sttruktur biayaa (cost) pada model perseediaan, diasuumsikan sebaagai berikut:
(a). Faaktor diskon adalah , dengand .
(b). Biiaya penyimppanan adalahh:

dan .

(c). Biiaya setup (ssetup cost) addalah k, denggan .

(d). Biiaya per unitt item adalahh c, dengan .

Berdasarrkan pemodeelan persediaaan dan struuktur biaya di

d atas, dapaat diperoleh solusi optim
mal untuk
penambaahan perseddiaan yang direduksi menjadi
m massalah mencaari barisan V* yang memenuhi
m
(Benkheerouf, et al., 2001:318):
2

(2)

dengan

Untuk mencari
m solussi yang memenuhi (2) tenntu saja tidak
k mudah. Olleh karena ituu, pada peneelitian ini,
solusi terrsebut akan dicari
d melaluui pendekatann simulasi Monte
M Carlo.

Solusi Optimal
Op Mode
el …... (Liem Chin; Agus Sukmana)
S 41
Misalkann peubah accak X dengann dan yanng tidak dikketahui. Berrdasarkan
hukum bilangan
b besar (law of laarge numberr), rata-rata sampel
s meruupakan hamppiran yang baaik untuk
mean (raataan), yaitu jika merrupakan peub bah acak yanng berdistribuusi identik dan
d saling
bebas deengan X, makka

(3)

adalah hampiran
h yanng baik untuuk a. addalah penakssir tak bias untuk
u a. Seddangkan pen
naksir tak
bias untuuk b adalah

(4)

Karena menggunakaan simulasi Monte Carllo, maka infimum dapaat diganti deengan minim
mum dan

integral dihituung dengan menggunaka

m an metode traapesium.

Simulassi Monte Carlo

C

P
Penelitian inni diawali deengan mengeembangkan prosedur
p sim
mulasi Monte Carlo untuk k mencari
solusi opptimal dari model yang telah diajukkan sebelum mnya oleh Beenkherouf ddkk. (2001). Prosedur
tersebut kemudian di-coding agar dapatt dieksekusii dengan menggunaka m an program Matlab.
Selanjutnnya dilakukaan eksperimeen sederhanaa untuk melihhat kinerja prosedur penccarian solusi tersebut.
Berdasarrkan analisiss terhadap keluaran
k darri program Matlab yanng telah diulang 200 kaali, kami
mengkajji kualitas prrosedur tersebbut dalam menemukan
m solusi
s optimaal model. Berikut adalah prosedur
yang diuusulkan untukk mencari soolusi persamaaan (2) mengggunakan peendekatan simmulasi Monte Carlo:

(1) masuukkan param meter-parameeter berikut inni.

(a). Biaya
B kekuraangan
(b). Biaya
B penyim mpanan .
(c). Faktor
F diskoon .
(d). Biaya
B setup .
(e). Biaya
B per unnit item .
(f). Parameter
P dan .
(g). Waktu
W pengaamatan T (daalam tahun).
(h). M:
M waktu peemesanan kem mbali. M yaang digunakaan adalah: 1, 2, 3, 4, 6, daan 12 bulan.
(i). N:
N banyaknyya selang wakktu selama periode
p pemeesanan kembali.
(j). sim:
s banyaknnya simulasi.

(2) set suku1

s = 0, suuku2 = 0, maatriks x berukkuran .
(3) Banggkitkan bilanngan acak beerdistribusi normal
n baku sebanyak
s bbuah.
(4) untuuk , lakukan:
(a) jika
j , hitung dan
.
(b) jjika , hitung:
(i) .
(ii) .

42 nal Mat Stat, Vol.

Jurn V 12 No. 1 Januari 2012: 38-45 
 ((iii) dan .
(
(iv) dan .

(c) jjika , hitung:

(i) .
(ii) .
(
(iii) dan .
(
(iv) dan .

(d) Hitung
H suku1, yaitu dengan menggunakan
m n metode trappesium.

(5) hitunng jumlah daari suku1 dann suku2 dan simpan

s hasillnya dalam variabel
v ytem
mp.
(6) ulanngi langkah 2 hingga langgkah 5 sebanyyak sim kali (yaitu banyaaknya simulaasi).
(7) hitunng mean darii ytemp.
(8) ulanngi langkah 2 hingga langgkah 7 untuk sebanyak niilai q yang diibutuhkan.
(9) ulanngi langkah 2 hingga lanngkah 8 untuuk waktu peemesanan yaang berbeda (pada penellitian ini,
wakttu pemesanaan kembali diigunakan: 1, 2, 3, 4, 6, daan 12 bulan sekali).
s

Simulasi di atas dilakuukan dengann bantuan program

p Maatlab 2007. Adapun haasil yang
ditampilkan dari sim
mulasi tersebuut adalah graafik biaya to
otal per tahunn (y) terhadaap tingkat peemesanan
kembali (Q) dengann waktu pem mesanan kem mbali bervariasi antara saatu bulan, duua bulan, tig ga bulan,
empat buulan, enam bulan,
b dan 122 bulan. Sellain itu, ditam
mpilkan pulaa biaya minim mum per tah hun untuk
periode pemesenan
p y
yang bervariaasi tersebut.

H
HASIL DA
AN PEMB
BAHASAN
N

Solusi Optimal

Pada bagian ini diberikann contoh num

P merik hasil siimulasi denggan parameteer sebagai beerikut:
(a) g = $ 100.000, a = $ 20, p = $ 5, q = $ 2, , k = $ 100, c = $ 20;
(b) wakktu pengamaatan: T = 10 tahun
t dak mungkin diambil T taak hingga);
(dibataasi karena tid
(c) wakktu pemesanaan kembali: 1, 2, 3, 4, 5,, 6 dan 12 bu ulan;
(d) bannyaknya simuulasi: 200.

Situasi pertaama yang akan diamati adalah

a mana perbeddaan penggunnaan model stokastik
bagaim
dibandinngkan dengann model deterministik, di d mana peng garuh stok teerhadap permmintaan dimmunculkan
namun dengan
d efek yang sangaat kecil (β = 0,01). Darri hasil perbaandingan biaaya total pen ngelolaan
persediaaan, dengan model
m stokastik lebih reendah daripad
da model deeterministik ttapi penghemmatannya
sangat kecil
k , yaitu sekitar USD 1-4 dari ordee biaya total sekitar US$ 1,25 juta (lihat Tabel 1). Namun,
dari hasiil ini juga dapat
d dilihat bahwa wakttu antar pen ngadaan baraang selama 112 bulan (sattu tahun)
sekali memberikan
m b
biaya yang paaling murah dibandingan n dengan yang lainnya.

Solusi Optimal
Op Mode
el …... (Liem Chin; Agus Sukmana)
S 43
Tabel 1
Rangkuman Solusi Optimal untuk Skenario β = 0,01 ; σ = 0 atau 5
Waktu antar pengadaan (dalam bulan)
1 2 3 4 6 12
β = 0,01
σ = 0

Q optimal 8.058 unit 15.609 unit 22.783 unit 29.451 unit 42.230 unit 75.015 unit

Biaya Total ($) 1.261.493 1.257.826 1.254.658 1.251.777 1.246.651 1.235.015

β = 0,01
σ = 5

Q optimal 8.053 unit 15.611 unit 22.758 unit 29.526 unit 42.242 unit 75.028 unit

Biaya Total ($) 1.261.491 1.257.822 1.254.657 1.251.777 1.246.650 1.235.013

Berikutnya, situasi yang akan diamati adalah bagaimana perbedaan penggunaan model
stokastik dibandingkan dengan model deterministik, di mana pengaruh stok terhadap permintaan
dimunculkan tapi dengan efek sedang (β = 0,5). Strategi optimal (lihat Tabel 2) untuk situasi ini
adalah melakukan pengadaan persediaan secara regular setiap enam bulanan dengan Qoptimal = 40.817
unit (deterministik) atau Qoptimal = 40.741 unit (stokastik). Berbeda dengan situasi sebelumnya, disini
model stokastik tidak selalu memberikan biaya pengelolaan persediaan yang lebih rendah
dibandingkan dengan model deterministik.

Tabel 2
Rangkuman Solusi Optimal untuk Skenario β = 0,5 ; σ = 0 atau 5
Waktu antar pengadaan (dalam bulan)
1 2 3 4 6 12
Q optimal 7.948 unit 15.314 unit 22.191 unit 28.813 unit 40.817 unit 70.079 unit
β = 0,5
σ = 0

Biaya
1.263.620 1.261.098 1.258.849 1.256.766 1.253.009 1.320.289
Total ($)
Q optimal 7.936 unit 15.306 unit 22.190 unit 28.779 unit 40.741 unit 70.084 unit
β = 0,5
σ = 5

Biaya
1.263.618 1.261.096 1.258.849 1.256.765 1.253.009 1.320.292
Total

Terakhir, situasi yang akan diamati adalah bagaimana perbedaan penggunaan model stokastik
dibandingkan dengan model deterministik, di mana pengaruh stok terhadap permintaan dimunculkan
dengan efek besar (β = 0,95). Strategi optimal (lihat Tabel 3) untuk situasi ini adalah melakukan
pengadaan persediaan secara regular setiap bulan dalam satu tahun periode perencanaan.

Tabel 3
Rangkuman Solusi Optimal untuk Skenario β = 0,95 ; σ = 0 atau 5
Waktu antar pengadaan (dalam bulan)
1 2 3 4 6 12
Q optimal 7.649 unit 13.760 unit 18.126 unit 28.779 unit 12.610 unit 5.869 unit
β = 0,95
σ = 0

Biaya
1.275.835 1.285.005 1.293.490 1.301.547 1.313.869 1.320.289
Total ($)
Q optimal 7.635 unit 13.762 unit 18.132 unit 23.252 unit 12.616 unit 5.875 unit
β = 0,95
σ = 5

Biaya
1.275.833 1.285.003 1.293.488 1.301.548 1.313.867 1.320.292
Total ($)

44 Jurnal Mat Stat, Vol. 12 No. 1 Januari 2012: 38-45 

 PENUTUP

Dari hasil uji coba terhadap prosedur pencarian solusi melalui simulasi Monte Carlo yang
kami lakukan, dapat disimpulkan bahwa bila diterapkan terhadap situasi stokastik dengan parameter
volatilitas rendah, solusi untuk model stokastik hampir sama dengan solusi untuk model deterministik
yang bergantung pada stok. Karena pada situasi ini parameter volatilitas permintaan tidak memberikan
efek pada fluktuasi permintaan secara berarti. Kemudian bila diterapkan terhadap situasi stokastik
dengan parameter volatilitas cukup tinggi, solusi untuk model stokastik berbeda dengan solusi untuk
model deterministik yang bergantung pada stok. Pada situasi ini parameter volatilitas permintaan
memberikan efek pada fluktuasi permintaan secara berarti. Terjadi penghematan bila digunakan model
stokastik, namum penghematannya masih kurang berarti nilainya dibandingkan dengan biaya total
pengelolaan persediaan. Selanjutnya solusi optimal sulit untuk diprediksi dicapai pada periode waktu
antar pengadaan dengan panjang interval berapa bulan, karena sangat bergantung pada pemilihan
parameter model. Solusi yang diperoleh pada umumnya “make sense”.

Secara umum dapat disimpulkan bahwa prosedur simulasi Monte Carlo yang dirancang dapat
membantu mencari solusi optimal model secara lebih mudah dan interpretasinya cukup “make sense”
dibandingkan dengan solusi umum secara analitik dari (Benkherouf et al., 2001).

Kami mengucapkan terimakasih kepada Lembaga Penelitian dan Pengabdian Kepada

Masyarakat (LPPM) Universitas Katolik Parahyangan yang telah mendanai penelitian ini.

DAFTAR PUSTAKA

Benkherouf, L., Boumenir, A., & Aggoun, L. (2001). A Stochastic Inventory Model with Stock
Dependent Demand Items. Journal of Applied Mathematics and Stochastic Analysis, 14(4), 317-
328.

Chung, K.. (2003). An Algorithm for an Inventory Model with Inventory-Level-Dependent Demand
Rate. Computers & Operations Research, 30, 1311-1317.

Pal, A. K., Bhunia, A. K., & Mukherjee, R. N. (2005). A Marketing-Oriented Inventory Model with
Three-Component Demand Rate Dependent on Displayed Stock Level (DSL). Journal of the
Operational Research Society, 56(113-118).

Sana, S., & Chaudhuri, K. S. 2003. On a Volume Flexible Stock-Dependent Inventory Model.
Advanced Modeling and Optimization, 5(3), 197-210.

Sana, S., & Chaudhuri, K. S. 2004. A Stock-Review Model with Stock-Dependent Demand, Quadratic
Deterioration Rate. Advanced Modeling and Optimization, 6(2), 25-32

Soni, H., & Shah, N. H. (2008). Optimal Ordering Policy for Stock-Dependent under Progressive
Payment Scheme. European Journal of Operational Research, 184, 91-100.

Solusi Optimal Model …... (Liem Chin; Agus Sukmana) 45