MAKALAH
Oleh:
ALIFIA DAARIY
55120120101
Pembimbing
DR. SUDJONO, M.ACC.
MAGISTER MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MERCU BUANA JAKARTA
2022
ABSTRAK
Ketidakpastian dan risiko bisnis akan pasti ditemui oleh para pengusaha dalam
menjalankan tiap aktivitas bisnisnya. Salah satu risiko bisnis yang dijumpai industri
manufaktur adalah kegagalan dalam memprediksi jumlah persediaan sebagai faktor
vital dalam aktivitas produksi. Fenomena ini pun dialami oleh PT. ABC yang
memproduksi tinta printer. Kesalahan dalam menentukan jumlah persediaan
produk jadi dipengaruhi oleh tingkat permintaan konsumen yang berbeda-beda tiap
harinya. Kelebihan persediaan produk akan meningkatkan biaya perusahaan,
sementara kekurangan persediaan dapat menghambat kegiatan operasional.
Simulasi Monte Carlo merupakan salah satu jenis metode analisis risiko kuantitatif
yang diyakini bisa memprediksi persediaan. Makalah penelitian ini bertujuan untuk
meramalkan jumlah persediaan tinta printer bulanan di tahun 2022 menggunakan
Simulasi Monte Carlo dan mengetahui tingkat akurasinya. Data yang digunakan
dalam penelitian adalah data penjualan bulanan tahun 2021. Melalui model
simulasi, didapatkan rata-rata jumlah persediaan tinta bulanan sepanjang tahun
2022 sebesar 1.622,8 buah. Data simulasi persediaan selanjutnya dibandingkan
dengan data penjualan tahun 2021 dan diperoleh tingkat akurasi sebesar 89,68%.
Hasil simulasi menunjukkan bahwa Simulasi Monte Carlo dapat membantu
membuat prediksi jumlah persediaan produk jadi di masa mendatang.
ABSTRACT
i
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena atas
Printer PT. ABC.” Makalah disusun sebagai Tugas Besar 2 dalam rangka
memenuhi salah satu syarat kelulusan mata kuliah Risk Management. Secara garis
persedian barang jadi, berupa tinta printer, pada PT. ABC. Ruang lingkup makalah
ini terdiri dari empat bab, yakni: Bab 1 yang berisi pendahuluan dan
penelitian terdahulu; Bab 3 yang berisi hasil dan pembahasan penelitian; serta Bab
4 yang berisi kesimpulan serta saran. Penulis mengucapkan terima kasih kepada
semua pihak yang telah mendukung penyusunan makalah ini. Akhir kata, semoga
Penulis
ii
DAFTAR ISI
ABSTRAK ............................................................................................................... i
KATA PENGANTAR ............................................................................................ ii
DAFTAR ISI .......................................................................................................... iii
BAB 4 PENUTUP................................................................................................ 16
4.1 Kesimpulan ................................................................................................16
4.2 Saran ..........................................................................................................16
iii
BAB 1
PENDAHULUAN
ketidakpastian atau risiko yang muncul secara alami dalam setiap aktivitas bisnis
berdasarkan data masa lalu, pengalaman ataupun pengetahuan. Namun, analisis dan
evaluasi yang dibuat seringkali hanya mencakup sebagian kecil dari dampak risiko
yang sesungguhnya dapat terjadi. Hal itu disebabkan oleh suatu risiko, besar
produk jadi, menjadi faktor vital dalam melakukan aktivitas produksi. Idealnya,
seringkali sebuah usaha gagal dalam menyajikan data mengenai kisaran jumlah
persediaan bahan baku yang tepat untuk memenuhi permintaan pasar (Eunike et al.,
tujuan dari setiap bisnis. Kegagalan dalam memprediksi jumlah persediaan ini
termasuk salah satu risiko bisnis yang dihadapi hampir semua pengusaha.
Indonesia, PT. ABC menjamin kualitas bahan baku, pengetahuan, dan teknologi
yang digunakan dalam proses produksi. Bahkan, perusahaan telah bekerja sama
dengan pemasok bahan kimia utama dan berencana akan terus memperluas
konsumen.
konsumen yang tidak menentu setiap harinya. Hal tersebut meningkatkan risiko
mendapatkan laba yang lebih cepat (Ardiansah et al., 2019; Prasetyowati, 2016).
Hal ini dapat menjadi penyebab utama terjadinya rush order yang tidak bisa
ditangani oleh perusahaan (Guo, 2016). Kurangnya persediaan tinta printer akan
2007).
mendatang. Hal itu diyakini penting sebagai acuan bagi pelaku usaha untuk
3
dalam Memprediksi Persediaan Tinta Printer PT. ABC” yang fokus pada
peramalan jumlah persediaan barang jadi berupa tinta printer, berdasarkan data
dengan melakukan Simulasi Monte Carlo sebagai metode analisis dan evaluasi
berdasarkan karakteristik distribusi input atau data yang dianalisis (Alijoyo et al.,
2020).
solusi dari suatu masalah secara acak (random) berdasarkan distribusi data masa
lalu yang digunakan. Dasar simulasi ini adalah pengujian pada elemen-elemen
digunakan dalam menghitung Value at Risk (VaR) dari suatu investasi, namun kini
Simulasi Monte Carlo telah banyak diterapkan di berbagai bidang (Alijoyo et al.,
2020).
1) Apakah Simulasi Monte Carlo dapat memprediksi persediaan tinta printer PT.
ABC?
4
2) Data jumlah penjualan yang digunakan merupakan data pada kondisi normal.
PT. ABC.
memprediksi persediaan.
Simulasi Monte Carlo adalah salah satu teknik penilaian risiko kuantitatif
yang dapat digunakan oleh berbagai organisasi dalam proses manajemen risiko,
simulasi didasarkan pada probabilitas yang diperoleh dari data historis sebuah
𝑓𝑖
𝑃𝑖 = …………………………………………………….…………….. 2.1
𝑛
𝑓𝑖 : frekuensi kejadian i
Simulasi Monte Carlo menjadi salah satu model yang paling populer untuk
masalah pengendalian persediaan (Djati, 2007) dan termasuk dalam jenis simulasi
dengan cara penarikan sampel dari sebuah proses acak (Tersine, 1994). Analisis dan
evaluasi risiko dengan fenomena bilangan acak tidak hanya hanya dilakukan untuk
5
6
perbankan, tetapi juga untuk risiko operasional di berbagai bidang lain, misalnya
manufaktur (Alijoyo et al., 2020). Pada dasarnya, metode ini mampu meniru
distribusi yang sama dan sesuai dengan kenyataan (Bunyanuddin, 2018). Pada
simulasi persediaan barang, pesanan produk, waktu permintaan dan jumlah produk
permintaan saat proses pengiriman bersifat tidak pasti (probabilistik). Fungsi dari
variabelnya dengan melakukan analisis data masa lalunya sehingga informasi yang
pengulangan proses simulasi melalui serangkaian iterasi (Alijoyo et al., 2020) dan
terhadap sistem yang nyata dengan menggunakan model (Djati, 2007). Model
simulasi adalah perangkat uji coba yang menerapkan beberapa aspek penting untuk
keputusan, termasuk salah satunya melalui data masa lalu. Model simulasi yang
umum, simulasi dapat diartikan sebagai suatu sistem yang digunakan untuk
ketidakpastian dengan tidak atau menggunakan model atau metode tertentu dan
2004).
2.1.3 Persediaan
perusahaan yang tersedia untuk diproduksi atau dijual kembali kepada konsumen
(Prasetyowati, 2016). Persediaan juga dapat diartikan sebagai aset atau sumber daya
yang dimiliki perusahaan untuk dijual dalam operasi bisnis normal atau barang yang
akan digunakan atau dikonsumsi dalam memproduksi barang yang akan dijual.
cukup berdasarkan permintaan pasar, tidak kurang dan juga tidak lebih. Persediaan
perlu dikendalikan dengan cara mencatat dan memverifikasinya secara berkala dan
berkelanjutan dalam sebuah audit (Khairunisa, 2020). Ada sejumlah hal yang perlu
unit persediaan bahan baku yang akan disiapkan perusahaan; serta (2) waktu
historis penjualan tinta printer bulanan pada tahun 2021. Sepanjang tahun 2021,
penjualan tinta terbanyak terjadi pada bulan September, yaitu sebanyak 1.824 buah
yang berjumlah 100. Nilai probabilitas 0,078 atau 7,8% (≈8%) dapat diartikan
bahwa penjualan bulan Januari memiliki bilangan acak sebanyak 8 angka dengan
jumlah persediaan simulasi dari nilai bilangan acak. Dengan kata lain, bilangan
acak yang dibangkitkan menjadi representasi dari penjualan sesuai data historis
yang ada. Jika bilangan acak yang dibangkitkan pada simulasi berada pada kisaran
0 hingga 8, berarti jumlah persediaan simulasi tinta printer tahun 2022 sebanyak
10
11
Probabilitas Interval
No. Bulan Penjualan (buah) Probabilitas
Kumulatif Bilangan Acak
Jumlah 17.464
Setelah memperoleh interval dari seluruh jumlah penjualan tiap bulan, tahap
dengan fungsi “IF.” Angka 1 dan 100 pada formulasi maksudnya adalah pencarian
bilangan acak antara angka terkecil, yaitu 1, dan angka terbesar, yakni 100. Langkah
penjualan sesungguhnya tahun 2021 dan hasil simulasi persediaan tahun 2022.
12
Bilangan acak 78, bersumber pada data interval di Tabel 3.1, diartikan bahwa
persediaan tinta printer pada simulasi untuk bulan Juni 2022 berjumlah 1.071 buah.
3.2).
Tabel 3.2. Estimasi Jumlah Persediaan Tinta Printer Tahun 2022 Hasil
Simulasi Monte Carlo
Penjualan (buah) Bilangan Persediaan Tahun
No. Bulan Tingkat Akurasi
Tahun 2021 Acak 2022 (Simulasi)
3.2 Pembahasan
3.2.1 Hasil Simulasi Monte Carlo untuk Persediaan Tinta Printer Tahun 2022
bilangan acak sebagai dasar untuk menentukan besar estimasi data persediaan di
dari Microsoft Excel. Gambaran hasil pembangkitan bilangan acak berkisar dari
angka 6 sampai 78. Bilangan acak sebesar 6 menunjukkan jumlah persediaan hasil
simulasi berada di interval 0-8 yang mewakili data penjualan sebesar 1.362 buah.
berada di interval 78-83 yang mewakili data penjualan sebesar 1.071 buah.
Perencanaan bisnis yang tepat akan menghasilkan sistem produksi yang nantinya
lebih terstruktur dan optimal. Simulasi Monte Carlo juga menjawab tantangan
diingat para pengusaha ialah, bilangan acak yang dibangkitkan dari proses simulasi
(Prasetyowati, 2016).
14
3.2.2 Prediksi Jumlah Persediaan Tinta Printer PT. ABC Tahun 2022
perlu diproduksi perusahaan adalah 1.071 buah, yaitu pada bulan Juni. Sementara
sebesar 1.824 buah, yakni pada bulan Juli dan September. Menurut hasil simulasi
juga ditunjukkan bahwa total persediaan tinta bulanan untuk satu tahun adalah
19.474 buah dengan rata-rata 1.622,8 buah tiap bulannya serta tingkat akurasi
mencapai 89,68%. Bila dibandingkan dengan data penjualan tahun 2021, tingkat
akurasi prediksi menggunakan Simulasi Monte Carlo paling kecil terletak pada
bulan Agustus yang hanya mencapai 63,41% dan Juni yang mencapai 67,23%.
serta tenaga kerja yang akan digunakan untuk periode berikutnya. Selain itu, hasil
(Muhaimin et al., 2020) yang memprediksi persediaan alat tulis kantor dengan
akurasi sebesar 92% yang juga menggambarkan situasi dalam jangka panjang
terbukti cukup efektif. Studi (Dedrizaldi et al., 2019) yang melakukan pengolahan
Air Minum dalam Kemasan (AMDK) mendapatkan jumlah permintaan untuk tahun
2018 sebesar 2.669.458 kardus dan rata-rata permintaan dalam satu minggu sebesar
15
Simulasi Monte Carlo dan mendapatkan tingkat akurasi sebesar 96,21% untuk
PENUTUP
4.1 Kesimpulan
tinta printer pada bulan Januari sampai dengan bulan Desember tahun 2022. Rata-
adalah 1.622,8 buah dengan tingkat akurasi sebesar 89,68%. Kesimpulan yang
dapat ditarik dari makalah penelitian ini adalah Simulasi Monte Carlo mampu
4.2 Saran
persediaan bahan baku atau tingkat pendapatan. Hal tersebut dimaksudkan untuk
melihat efektivitas metode Monte Carlo dalam membuat model simulasi prediksi
atau estimasi variabel yang dipilih berdasarkan data historis aslinya. Disamping itu,
peneliti juga disarankan untuk menambah sampel dan melakukan simulasi lebih
16
DAFTAR PUSTAKA
Alijoyo, A., Wijaya, B., & Jacob, I. (2020). Monte carlo simulation. Center for Risk
Management & Sustainability. www.lspmks.co.id
Ardiansah, I., Pujianto, T., & Perdana, I. I. (2019). Penerapan simulasi monte carlo
dalam memprediksi persediaan produk jadi pada IKM Buluk Lupa. Jurnal
Industri Pertanian, 01(03), 61–69. http://jurnal.unpad.ac.id/justin
Blocher, E. J., Chen, K. H., Cokins, G., & Lin, T. W. (2007). Manajemen biaya:
Penekanan strategis (Buku 2) (3rd ed.). Penerbit Salemba.
Bunyanuddin, A. (2018). Model simulasi monte carlo untuk menentukan kebutuhan
alat angkut dan biaya pengiriman barang per kilogram (Studi kasus pada
perusahaan jasa pengiriman barang). Institut Teknologi Sepuluh Nopember.
Darnis, R., Nurcahyo, G. W., & Yunus, Y. (2020). Simulasi monte carlo untuk
memprediksi persediaan darah. Jurnal Informasi Dan Teknologi, 2(4), 139–
144. https://doi.org/10.37034/jidt.v2i4.98
Dedrizaldi, Masdupi, E., & Linda, M. R. (2019). Analisis perencanaan persediaan
air mineral dengan pendekatan metode monte carlo pada PT. Agrimitra Utama
Persada. Jurnal Kajian Manajemen Dan Wirausaha, 01(01), 388–396.
Djati, B. S. L. (2007). Simulasi, teori dan aplikasinya. ANDI.
Eunike, A., Setyanto, N. W., Yuniarti, R., Hamdala, I., Lukodono, R. P., & Fanani,
A. A. (2018). Perencanaan produksi dan pengendalian persediaan.
Universitas Brawijaya Press.
Fathoni, A. (2011). Optimasi persediaan rangkaian bunga hias menggunakan
simulasi monte carlo (Studi kasus pada CV Sentra Mulia tahun 2011).
Universitas Islam Negeri Syarif Hidayatullah.
Guo, Z. (2016). Intelligent decision-making models for production and retail
operations. Springer Berlin Heidelberg.
https://books.google.co.id/books?id=SQyPDAAAQBAJ&pg=PA317&lpg=P
A317&dq=Guo,+Z.+(2016).+Intelligent+Decision-
making+Models+for+Production+and+Retail+Operations.+Springer+Berlin+
Heidelberg.&source=bl&ots=D2hXTMMNt_&sig=ACfU3U0GkiDqjV5Asj
A0gi7kf-
vcFD9Tbw&hl=en&sa=X&ved=2ahUKEwiD2ZTYpOn3AhUzILcAHa4eCv
cQ6AF6BAgREAM#v=onepage&q=Guo%2C Z. (2016). Intelligent
Decision-making Models for Production and Retail Operations. Springer
Berlin Heidelberg.&f=false
Kakiay, T. J. (2004). Pengantar sistem simulasi. ANDI.
Khairunisa, A. (2020). Optimasi persediaan berbasis simulasi monte carlo serta
analisis kinerja gudang batu bara menggunakan Frazelle Model (Studi kasus:
PT. Sinar Tambang Arthalestari). Universitas Islam Indonesia.
Muhaimin, A., Sumijan, & Santony, J. (2020). Pemodelan dan simulasi pengelolaan
persedian alat tulis kantor dengan metode monte carlo. Jaringan Sistem
Informasi Robotik, 4(1), 1–6.
http://www.ojsamik.amikmitragama.ac.id/index.php/js/article/view/64/67
Oktavia, C. W., Natalia, C., Suprata, F., & Hindratmo, A. (2020). Analisis dan
implementasi simulasi monte carlo untuk prediksi kebutuhan gula berdasarkan
17
18