Naskah Skripsi

INSTITUT TRANSPORTASI DAN LOGISTIK TRISAKTI
ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO

REGRESSIVE INTEGRATED MOVING AVERAGE DAN PERENCANAAN
BAHAN BAKU UNTUK PENGEMASAN MINYAK GORENG DENGAN
METODE MATERIAL REQUIREMENT PLANNING
SKRIPSI
JONATHAN
170507001013
PROGRAM SARJANA
PROGRAM STUDI LOGISTIK

FAKULTAS SISTEM TRANSPORTASI DAN LOGISTIK
2021
INSTITUT TRANSPORTASI DAN LOGISTIK TRISAKTI
ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO

SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana

Logistik (S.Log)
JONATHAN
170507001013
PROGRAM SARJANA
PROGRAM STUDI LOGISTIK

FAKULTAS SISTEM TRANSPORTASI DAN LOGISTIK
2021
LEMBAR PERNYATAAN BEBAS PLAGIARISME
Saya yang bertanda tangan di bawah ini menyatakan bahwa skripsi yang saya susun bebas
dari tindakan plagiarisme sebagaimana dipersyaratkan oleh Institut Transportasi dan
Logistik Trisakti.
Saya bersedia bertanggung jawab dan menerima sanksi yang berlaku apabila dikemudian
hari ditemukan terdapat unsur plagiarisme dalam skripsi saya ini.
Jakarta, 30 Juli 2021
Materai
Jonathan
170507001013
LEMBAR PERSETUJUAN SKRIPSI
Nama : Jonathan
NIM : 170507001013
Fakultas : Sistem Transportasi dan Logistik
Program : Sarjana
Program Studi : Sistem Logistik
Peminatan : Logistik
Judul Skripsi : ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO
REGRESSIVE INTEGRATED MOVING AVERAGE DAN
PERENCANAAN BAHAN BAKU UNTUK PENGEMASAN MINYAK
GORENG DENGAN METODE MATERIAL REQUIREMENT PLANNING
Disetujui untuk diajukan dalam ujian Skripsi Falkultas Sistem Transportasi dan Logistik,
Institut Transportasi dan Logistik Trisakti
Pembimbing 1 Pembimbing 2
Sesaria Mardhiani Rachma P, S.T., M.T Dr. Yana Tatiana, SE., MSc
Ditetapkan di : Jakarta
Tanggal : 30 Juli 2021
LEMBAR PENGESAHAN
Skripsi ini diajukan oleh:
Nama : Jonathan
NIM : 170507001013
Program : Sarjana
Program Studi : Logistik
Judul Skripsi : ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO
REGRESSIVE INTEGRATED MOVING AVERAGE DAN
PERENCANAAN BAHAN BAKU UNTUK PENGEMASAN MINYAK
GORENG DENGAN METODE MATERIAL REQUIREMENT PLANNING
Telah berhasil dipertahankan di depan Dewan penguji dan diterima sebagai salah satu
syarat untuk memperoleh gelar Sarjana Logistik (S.Log) pada Fakultas Sistem Transportasi
dan Logistik, Institut Transportasi dan Logistik Trisakti.
Ditetapkan di Jakarta,
Tanggal:……………………..
DEWAN PENGUJI
Nama Tanda Tangan
Ketua, Dr. Sita Aniisah Sholihah S. Si, MT
Anggota 1, Wahyu Poncotoyo, S.T., M.T
Anggota 2, Sesaria Mardhiani Racma Puspita S.T., M,T

KATA PENGANTAR
Segala puji dan syukur kita panjatkan kepada Tuhan Yang Maha Esa atas berkah,
rahmat dan hidayah-Nya yang senantiasa dilimpahkan kepada penulis, sehingga bisa
menyelesaikan skripsi dengan judul ANALISIS PERAMALAN PERMINTAAN DENGAN
METODE AUTO REGRESSIVE INTEGRATED MOVING AVERAGE DAN PERENCANAAN
BAHAN BAKU UNTUK PENGEMASAN MINYAK GORENG DENGAN METODE MATERIAL
REQUIREMENT PLANNING
Sebagai syarat meyelesaikan Program Sarjana (S1) pada Program Sarjana Fakultas
Sistem Jurusan Sistem Logistik Institut Transportasi dan Logistik Trisakti. Dalam Menyusun
penyusunan skripsi ini banyak hambatan serta rintangan yang penulis hadapi namun pada
akhirnya dapat melaluinya berkat adanya bimbingan, bantuan, dan motivasi dari berbagai
pihak secara moral maupun spiritual. Untuk itu pada kesempatan ini penulis
menyampaikan ucapan terimakasih kepada:
1. Kedua orang tua dan keluarga yang telah memberikan doa dan dukungan selama
proses pembuatan skripsi
2. Bapak Dr. Ir. L. Denny Siahaan, MSTr, APU selaku Dekan Fakultas Sistem
Transportasi dan Logistik
3. Bapak Dr. Sri Raharjo, MPM, MPhil selaku Ketua Prodi Sistem Logistik
4. Ibu Dr. Sita Aniisah Sholihah, S.Si, MT selaku Sekretaris Prodi Sistem Logistik
5. Ibu Sesaria Mardhiani Rachma P, S.T., M.T selaku Dosen Pembimbing 1
6. Ibu Dr. Yana Tatiana, SE.MSc selaku Dosen Pembimbing 2
7. Bapak Tigor Nababan dan Ibu Eli Palinsi yang memberikan kesempatan penelitian
di PT. SMART Tbk
8. Bapak Felix Hatorangan, Ibu Metalia Yuliyanti, Bapak Suprapto dan staf PPIC PT.
SMART Tbk lainnya yang membantu memberikan informasi sebagai data
penelitian
9. Sahabat dan teman seperjuangan Sistem Logistik 2017
10. Dan semua pihak yang tidak dapat disebutkan satu persatu yang telah membantu
memberikan dukungan.
Penulis memohon maaf atas perbuatan dan kesalahan yang pernah dilakukan.
Dengan dibuatnya skripsi ini, semoga dapat memberikan manfaat untuk mendorong
penelitian selanjutnya.
Jonathan
LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH
Saya yang bertanda tangan di bawah ini:
Nama : Jonathan
NIM : 170507001013
Program : Sarjana
Program Studi : Logistik
Jenis Karya Ilmiah : Skripsi
Demi pengembangan ilmu pengetahuan dalam bidang transportasi dan logistik,

menyetujui untuk memberikan kepada Institut Transportasi dan Logistik Trisakti Hak
Bebas Royaliti Non-eksklusif (Non-exsclusive Royality-Free Right) atas skripsi saya yang
berjudul
ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO REGRESSIVE
INTEGRATED MOVING AVERAGE DAN PERENCANAAN BAHAN BAKU UNTUK
PENGEMASAN MINYAK GORENG DENGAN METODE MATERIAL REQUIREMENT
PLANNING
Melalui pernyataan ini maka Institut Transportasi dan Logistik Trisakti berhak menyimpan,
mengelola, dan mempublikasikan tugas akhir saya dengan syarat mencantumkan nama
saya sebagai penulis atau salah satu penulis dan sebagai pemilik Hak Cipta.
Demikian pertanyaan ini saya buat dengan sebenarnya.

Yang membuat pernyataan
Jonathan
ABSTRAK
Nama : Jonathan
NIM : 170507001013
Judul : ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO
Pembimbing 1 : Sesaria Mardhiani Rachma P, S.T., M.T

Pembimbing 2 : Dr. Yana Tatiana, SE.MSc
Permintaan minyak goreng yang terus meningkat setiap tahun menjadi keuntungan bagi
PT. SMART dalam menjalankan bisnisnya. Sebelum malakukan proses produksi
perusahaan harus melakukan peramalan permintaan untuk mengetahui berapa perkiraan
kebutuhan bahan baku yang akan digunakan sebagai pengendalian persediaan agar tidak
terjadinya kelebihan atau kekurangan stok yang akan merugikan perusahaan. Tujuan dari
penelitian ini untuk meramalkan jumlah permintaan minyak goreng pada 12 periode
berikutnya dan merencanakan lot size bahan bahan baku dengan biaya terendah. Metode
yang digunakan dalam peramalan yaitu Autoregressive Integrated Moving Average
(ARIMA) dan merencanakan lot size dengan metode Materials Requirements Planning
(MRP) teknik FOQ dan POQ. Hasil peramalan ARIMA dengan nilai MAPE sebesar 33% dan
teknik biaya terendah yang dipilih POQ.
Kata Kunci: Arima, MRP, Permintaan, Peramalan, Persediaan.
Institut Transportasi dan Logistik Trisakti i

ABSTRACT
Nama : Jonathan
NIM : 170507001013
Judul : ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO
Pembimbing 1 : Sesaria Mardhiani Rachma P, S.T., M.T

Pembimbing 2 : Dr. Yana Tatiana, SE.MSc
The demand for cooking oil that continues to increase every year is an advantage for PT.
SMART in running its business. Before carrying out the production process, the company
must forecast demand to find out how much the estimated raw material needs will be
used as inventory control so that there is no excess or shortage of stock that will harm the
company. The purpose of this study is to predict the amount of cooking oil demand in the
next 12 periods and to plan the lot size of raw materials with the lowest cost. The method
used in forecasting is Autoregressive Integrated Moving Average (ARIMA) and lot size
planning using the Materials Requirements Planning (MRP) method of FOQ and POQ
techniques. ARIMA forecasting results with a MAPE value of 33% and the lowest cost
technique chosen by POQ.
Keywords: Arima, Demand, Forecast, Inventory, MRP.
Institut Transportasi dan Logistik Trisakti ii

DAFTAR ISI
ABSTRAK............................................................................................................................... i
ABSTRACT.............................................................................................................................ii
DAFTAR ISI ........................................................................................................................... iii
Daftar Tabel .........................................................................................................................v
Daftar Gambar .................................................................................................................... vi
BAB 1 ................................................................................................................................... 1
1.1. Latar Belakang .......................................................................................................... 1
1.2. Rumusan Masalah .................................................................................................... 2
1.3. Tujuan ....................................................................................................................... 3
1.4. Manfaat .................................................................................................................... 3
1.5. Ruang Lingkup Penelitian ......................................................................................... 4
1.6. Sistematika penulisan ............................................................................................... 4
BAB 2 ................................................................................................................................... 6
2.1 Logistik dan Rantai Pasok .......................................................................................... 6
2.2 Logistik Pangan ......................................................................................................... 7
2.3 Permintaan................................................................................................................ 8
2.4 Pengelolaan Permintaan ........................................................................................... 8
2.5 Peramalan ................................................................................................................. 9
2.6 Persediaan Bahan Baku........................................................................................... 13
2.7 Material Requirements Planning (MRP) ................................................................. 15
2.8 Bill Of Material (BOM)............................................................................................. 16
2.9 Profil Komoditas Minyak Goreng ............................................................................ 17
2.9.1 Deskripsi Komoditas......................................................................................... 17
2.9.2 Uraian Proses Produksi .................................................................................... 17
2.9.3 Flow Process Diagram Produksi ....................................................................... 19
2.10 Kerangka Konseptual ............................................................................................ 21
2.11 Penelitian Sebelumnya ......................................................................................... 23
BAB 3 ................................................................................................................................. 24
3.1 Desain Penelitian .................................................................................................... 24
3.1.1 Tempat dan Waktu Penelitian ......................................................................... 26
3.1.2 Sumber Data .................................................................................................... 26
3.1.3 Teknik Pengumpulan Data ............................................................................... 26
Institut Tranportasi dan Logistik Trisakti iii

3.2 Teknik Analisis Data ................................................................................................ 27
3.2.1 Pola Data .......................................................................................................... 27
3.2.2 Auto Regressive Intergated Moving Average .................................................. 29
3.2.3 Evaluasi hasil Peramalan .................................................................................. 32
3.2.4 Material Requirements planning (MRP) .......................................................... 34
BAB 4 ................................................................................................................................. 36
4.1 Deskripsi Data Penelitian ........................................................................................ 36
4.2 Analisis Data dan Pembahasan ............................................................................... 39
4.2.1 Analisis Metode Arima ..................................................................................... 39
4.2.2 Perhitungan MRP Kebutuhan Bahan Baku Minyak Goreng ............................. 45
4.3 Implikasi .................................................................................................................. 53
BAB 5 ................................................................................................................................. 55
5.1 Kesimpulan.............................................................................................................. 55
5.2 Saran ....................................................................................................................... 55
Daftar Referensi ................................................................................................................ 57
Institut Tranportasi dan Logistik Trisakti iv

Daftar Tabel
Tabel 2. 1Bill Of Material Minyak Goreng Grade A........................................................... 16

Tabel 2. 2Penjelasan Tagapan Proses Filling ..................................................................... 20
Tabel 2.3 Penelitian Sebelumnya………………………………………………………………………………… 22
Tabel 4.1 Historis Data Permintaan Minyak Goreng Grade A PT SMART Tbk 2016-2020.35
Tabel 4. 2Raw Material Minyak Goreng Grade A ............................................................. 38
Tabel 4. 3Parameter ARIMA.............................................................................................. 43
Tabel 4.4 Kebutuhan Bahan Baku Minyak Goreng Grade A Tahun 2021………………………..45
Tabel 4. 5 Safety Stock, Q, Re-Order Point ....................................................................... 48
Tabel 4.6 MRP lotsize FOQ…………………………………………………………………………………………… 48
Tabel 4. 7 Holding Cost dan Ordering Cost ....................................................................... 50
Tabel 4. 8 Total Biaya Teknik FOQ..................................................................................... 50
Tabel 4. 9 Periodic POQ .................................................................................................... 51
Tabel 4.10 MRP lotsize POQ…………………………………………………………………………………………..51
Tabel 4. 11 Total Cost POQ ............................................................................................... 53
Institut Tranportasi dan Logistik Trisakti v

Daftar Gambar
Gambar 2. 1 Demand management and the manufacturing planning and control system9
Gambar 2. 2 Tabel A Guide to Selecting an Appropriate Forcasting Method .................. 12
Gambar 2. 3MRP Model.................................................................................................... 16
Gambar 2. 4PFD Pengolahan CPO Sampai Fraksi Padat dan Fraksi Cair Terpisahkan ...... 19
Gambar 2. 5Tahapan Proses Filling ................................................................................... 20
Gambar 2. 6Kerangka Konseptual .................................................................................... 22
Gambar 3. 1Desain Penelitian........................................................................................... 25
Gambar 3. 2Pola Data Horizontal ..................................................................................... 27
Gambar 3. 3Pola Data Musiman ....................................................................................... 28
Gambar 3. 4Pola Data Siklus ............................................................................................. 28
Gambar 3. 5Pola Data Tren ............................................................................................... 29
Gambar 4. 1Plot Data Deret Waktu Permintaan Minyak Goreng tahun 2016-2020 PT.
SMART Tbk ........................................................................................................................ 39
Gambar 4. 2Plot Box-Cox Permintaan Minyak Goreng tahun 2016-2020 PT SMART Tbk 40
Gambar 4. 3Plot fungsi Autokorelasi Permintaan Minyak Goreng tahun 2016-2020 PT
SMART Tbk ........................................................................................................................ 40
Gambar 4. 4Plot AutoCorrelation Fuction Diffrence 1 ..................................................... 41
Gambar 4. 5Plot Data Deret Waktu Differene 1 ............................................................... 42
Gambar 4. 6Plot Fungsi Autokolerasi Parsial Permintaan Diferensiasi 1.......................... 43
Gambar 4. 7Estimates of Parameters ............................................................................... 44
Gambar 4. 8Ljung-Box Chi-Square Statistic ...................................................................... 44
Gambar 4. 9Hasil Forecasting ARIMA ............................................................................... 45
Institut Tranportasi dan Logistik Trisakti vi

BAB 1
PENDAHULUAN
1.1. Latar Belakang
Pada saat ini persaingan yang semakin kompetitif adalah permasalahan yang
harus dihadapi oleh seluruh perusahaan di berbagai bidang jenis seperti perusahaan
manufaktur otomotif, makanan dan minuman (Food and beverages), farmasi dan lain
sebagainya. Memenuhi permintaan pasar dengan tepat waktu dan dengan jumlah
yang sesuai membuat perusahaan harus menentukan jumlah pembelian dan jumlah
produksi. Pada dasarnya penentuan jumlah pembelian direncanakan untuk
memenuhi jumlah persediaan barang guna memenuhi tingkat penjualan yang di
rencanakan atau tingkat permintaan pasar.
PT. SMART Tbk adalah salah satu perusahaan publik produk konsumen
berbasis kelapa sawit yang terintegrasi dan terkemuka di Indonesia yang berfokkus
pada produksi minyak sawit hingga memprosesnya menjadi beragam produk industri
dan konsumen salah satunya minyak goreng. Minyak goreng yang berasal dari
minyak sawit memegang peran penting yang cukup dominan dari pada minyak
goreng yang berasal dari minyak nabati lainnya. Hal ini dapat dilihat dari website kata
data konsumsi minyak goreng di Indonesia berdasarkan jenisnya yang bersumber
dari United States Department Of Agriculture 2019 (Ulfa, 2020) di tahun 2017 minyak
goreng berasal dari minyak kelapa sawit sebesar 11.000 ribu metrik ton, minyak
kelapa 430 ribu metrik ton dan minyak biji kedelai 3010 ribu metrik ton. Di tahun
2018 minyak goreng berasal dari minyak kelapa sawit sebesar 12.050 ribu metrik ton,
minyak kelapa 430 ribu metrik ton dan minyak biji kedelai 3070 ribu metrik ton. Di
tahun 2019 minyak goreng yang berasal dari minyak kelapa sawit sebesar 13.110 ribu
metrik ton, minyak kelapa 430 metrik ton dan minyak biji kedelai sebesar 3130 ribu
metrik ton. Besar dan terus meningkat di setiap tahun permintaan minyak goreng
sawit menjadi peluang bisnis yang menguntungkan pada PT. SMART dalam
memenuhi permintaan pasar.
PT. SMART Tbk dalam menjalankan bisnisnya pernah terjadi kekurangan stock
bahan baku. Kekurangan stock bahan baku yang di alami PT. SMART Tbk
mengakibatkan perusahaan tidak dapat memenuhi permintaan pelanggan tepat
pada waktunya. Pada penelitian sebelumnya dalam menghadapi ketidakpastian
Institut Transportasi dan Logistik Trisakti 1

2
permintaan dan perubahan permintaan di masa depan pada salah satu perusahaan
beverage terbesar provinsi banten (Mulyani et al., 2019), hasil penelitian dengan
peramalan yang akurat dengan metode ARIMA. Pada pengendalian persediaan
dengan metode Material Requirement Planning (MRP) pada produk kertas IT170-
80gsm di dapatkan teknik Lot Sizing FOQ dengan total persediaan bahan baku paling
murah.
Untuk memenuhi permintaan, perlu adanya perencaan dan pengendalian
persediaan sebelum melaksanakan proses produksi. Perencanaan meliputi
merencanakan apa, bagaimana, kapan, dan berapa banyak suatu produk akan
diproduksi dan pengendalian persediaan bahan baku meliputi kapan harus di pesan
dan berapa banyak yang harus dipesan.
Analisis peramalan dalam merencanakan produksi sangatlah penting bagi
perusahaan karena perusahaan harus mengetahui perkiraan jumlah produk yang
dibutuhkan oleh konsumen lalu memproduksinya sesuai permintaan. Risiko jika
perusahaan memproduksi lebih dari permintaan maka akan terjadinya pemborosan
biaya seperti biaya penyimpanan, biaya modal dan biaya kerusakan barang. Namun
sebaliknya jika memproduksi kurang dari permintaan mengakibatkan hilangnya
kesempatan untuk memperoleh keuntungan bahkan hilangnya pelanggan karena
berpindah ke produk pesaing. Hasil peramalan akan digunakan sebagai acuan dalam
perencanaan pengendalian bahan baku, Tujuannya adalah untuk menentukan
jumlah optimum setiap kali pemesanan sehingga meminimumkan biaya persediaan.
Jika jumlah persediaan terlalu besar (over stock) akan akan menimbulkan
pemborosan dari biaya-biaya seperti biaya penyimpanan dan biaya perawatan
selama penyimpanan di Gudang.
Oleh karena itu, penulis tertarik untuk mengkaji dalam bentuk skripsi atau
penelitian dengan judul Analisis Peramalan Permintaan Dengan Metode Auto
Regressive Integrated Moving Average Dan Perencanaan Bahan Baku Untuk
Pengemasan Minyak Goreng Dengan Metode Material Requirement Planning
1.2. Rumusan Masalah
Berdasarkan uraian pada latar belakang di atas, permasalahan pada penelitian

ini sebagai berikut:
1. Berapakah jumlah permintaan pada 12 periode berikutnya?

3
2. Berapakah jumlah bahan baku untuk pengemasan minyak goreng yang harus di
pesan Kembali di setiap periode dengan total biaya terendah?
3. Kapan harus dilakukan pemesanan Kembali untuk bahan baku pengemasan
minyak goreng dengan total biaya terendah?
1.3. Tujuan
Berdasarkan rumusan masalah diatas, tujuan dari penelitian ini sebagai

berikut:
1. Mendapatkan jumlah permintaan 12 periode berikutnya berdasarkan peramalan
2. Mendapatkan jumlah bahan baku yang harus di pesan untuk pengemasan minyak
goreng yang digunakan di setiap periode dengan total biaya terendah
3. Mendapatkan waktu yang tepat melakukan pemesanan Kembali bahan baku untuk
pengemasan minyak goreng dengan total biaya terendah
1.4. Manfaat
A. Manfaat Teoritis
Hasil penelitian ini diharapkan memiliki manfaat untuk menambah wawasan
pengetahuan tentang meramalkan permintaan dan pengelolaan persediaan
bahan baku sebagai tahapan perencanaan proses produksi
B. Manfaat praktis
Secara praktis, penelitian ini diharapkan dapat berguna untuk:
1) Bagi PT. SMART Tbk
Penelitian ini diharapkan dapat memberikan manfaat bagi perusahaan untuk
meramalkan permintaan terhadap barang yang di produksi serta persediaannya,
sehingga dapat meminimalkan kelebihan atau kekurangan stock yang akan
menimbulkan beban biaya dan juga hilangnya konsumen
2) Bagi Konsumen
Penelitian ini diharapkan dapat memberikan manfaat bagi konsumen sebagai
pengguna/ konsumsi minyak goreng untuk mencegah terjadinya kekurangan
stok di pasar yang dapat menyulitkan masyarakat mendapatkan minyak goreng
dan terjadinya meningkatan harga.
Insatitut Transportasi dan Logistik Trisakti

4
1.5. Ruang Lingkup Penelitian
Penelitian ini menganalisis peramalan permintaan dan pengelolaan bahan

baku minyak goreng di PT. SMART Tbk tahun 2021 dengan menggunakan metode
Arima. Data diperoleh dari histori permintaan perusahaan PT. SMART Tbk periode
2016-2020 dan data bahan baku dalam satu box produk minyak goreng Grade A
ukuran 2 L berdasarkan Bill Of Material (BOM). Adapun batasan dalam penelitian
sebagai berikut:
1. Dalam penelitian tidak diketahui metode yang digunakan dalam PT. SMART Tbk
2. Jenis bahan baku untuk pengemasan minyak goreng yang dihitung yaitu
standing pouch, karton, Vitamin A, dan Lakban
3. Data biaya pemesanan dan biaya penyimpanan berupa data estimasi dan
meninjau penelitian sebelumnya
4. Penelitian tidak memperhitungkan MOQ (Minimum Order Quantity).
5. Diasumsikan tidak adanya persediaan sebelumnya atau onhand.
6. Diasumsikan tidak adanya biaya backlog
1.6. Sistematika penulisan
Penggambaran dalam penulisan penelitian ini, penulis menyusun sistematika

pemabahan sebagai berikut:
BAB 1 PENDAHULUAN
Pada bab ini terdiri dari Latar Belakang, Rumusan Masalah, Tujuan, Manfaat, Ruang
Lingkup Penelitian, dan Sistematika Penulisan.
BAB 2 TINJAUAN LITERATUR
Pada bab ini penulis melakukan kajian literatur yang relevan dengan topik penelitian
untuk mendapatkan informasi yang lengkap terkait teori yang digunakan untuk
menjawab pertanyaan penelitian, mengetahui sejauh mana literatur membahas
topik tersebut dan tren terbaru apa terkait topik penelitian.
BAB 3 METODE PENELITIAN
Pada bagian ini peneliti mendeskripsikan jenis dan pendekatan penelitian yang
digunakan, kuantitatif, kualitatif, mixed method. Tiap pendekatan penelitian
memiliki prosedur penelitian, metode dan alat analisis yang spesifik. Perbedaan
pendekatan penelitian akan terlihat berbagai aspek yang mendasarinya yaitu cara
berpikir, asumsi, metode, dan peran penelitian.

5
BAB 4 HASIL DAN PEMBAHASAN

Dalam bab ini penelitian menjelaskan hasil penelitian dan pembahasan mengenai
penelitian yang diteliti.
BAB 5 SIMPULAN DAN SARAN
Bab ini menjelaskan kesimpulan dari penelitian yang diambil dan cara implikasi
penelitian.

BAB 2
TINJAUAN LITERATUR
Pada bab ini berisi dasar teori dan literatur yang menjadi dasar dalam penyelesaian
masalah dalam penelitian ini yang berasal dari berbagai sumber buku, jurnal, artikel dan
media virtual yang dapat mendukung teori penelitian. Adapun informasi yang mencakup
di dalamnya yaitu tentang hubungan logistik dan rantai pasok dalam penelitian ini, teori
tentang permintaan (demand), jenis-jenis permintaan, dan pengelolannya. Kemudian
metode peramalan (forecasting) yang akan digunakan dan persediaan bahan baku
sebagai perencanaan dalam proses produksi. Karena banyaknya jenis metode dalam
melakukan peramalan, maka dipilihlah metode peramalan yang tepat berdasarkan teori
yang ada. Teknik peramalan yang digunakan adalah metode analisis deret waktu (time
series analysis). Model time series yang digunakan adalah Autoregessive Integrated
Moving Average (ARIMA) yang dikembankan oleh George E. P. Box dan Gwilym M. Jenkins
atau biasa disebut metode ini dengan Box-Jenkins Model. Pada Bab akan dijelaskan
konsep-konsep untuk menggunakan teknik peramalan tersebut
2.1 Logistik dan Rantai Pasok

Logistik sudah digunakan sejak dulu kala. Logistik berawal dari militer dalam
pemenuhan ketersediaan suplai dan material kebutuhan perang mulai dari personil,
dan fasilitas yang dikirmkan dari markas menuju medan perang. Di zaman sekarang
logistik berkembang dan menjadi suatu kegiatab bisnis. Pentingnya logistik dalam
sebuah perusahaan yaitu pergerakan barang dari pemasok hingga ke konsumen.
Logistik adalah serangkaian proses meliputi perencanaan, implementasi, hingga
pengawasan terhadap perpindahan (barang, jasa, energi, dan sumber daya lainnya).
Manfaat logistik sebagai perencanaan dan pemenuhan kebutuhan konsumen mulai
dari penyimpanan barang, memelihara kualitas barang mulai dari penerimaan,
penyimpanan hingga tempat pengiriman.
Dalam perusahaan supply chain rantai pasok memiliki peran penting yaitu
berperan dalam distribusi barang. Rantai pasok adalah hubungan satu perusahaan dan
beberapa organisasi atau perusahaan lain. Hubungan berupa

7
jaringan yang terhubung sebagai kooperatif yang saling menguntungkan dan saling
berperan untuk mengontrol bahan baku dari pemasok hingga proses produksi.
Kegiatan rantai pasok meliputi pengelolaan arus barang mulai dari bahan mentah
kemudia diproses menjadi barang jadi atau barang setengah jadi kemudian Kembali
terdistribusi ke konsumen
Perbedaan logistik dengan rantai pasok dalam perusahaan, logisitik berfokus
pada strategi dan koordinasi antara pemasaran dan produksi, rantai pasok berfokus
pada kelancara distribusi agar pengadaan barang menjadi lancar. Rantai pasok
cakupan lebih luas mulai dari mendapatkan bahan baku, produksi hingga distribusi.
Tugas logistik adalah manajemen persediaan untuk kelancaran aliran barang agar
memenuhi kebutuhan konsumen secara efisien dan efektif. Rantai pasok meliputi
semua kegiatan logistik ditambah kegiatan lain seperti pengadaan, perencanaan
kapasitas produksi, perencanaan pasok dan perencanaan kebutuhan.
Dari perbedaan tersebut disimpulkan bahwa logistik bagian dari rantai pasok
dan kegiatannya berfokus pada perencanaan aliran produk konsumen sementara
rantai pasok bermula saat awal proses Ketika perusahaan mengambil pasokan lalu
beralih ke produksi hingga sampai pada konsumen.
Hubungan logistik dan rantai pasok dengan penelitian ini adalah perencanaan
sebagai tahap proses produksi mulai dari peramalan permintaan (forecast demand)
dan penglolaan persediaan bahan baku.
2.2 Logistik Pangan

Kebutuhan pangan menjadi kebutuhan dasar setiap manusia. Manusia
memerlukan pangan untuk kehidupan. Fungsi dasar pangan untuk Kesehatan,
kelangsungan hidup manusia, dan menyediakan sumber energi untuk mendukung
manusia dalam melaksanakan aktivitas. Ketahanan pangan akan menentukan
ketahanan suatu bangsa.(Dr. Zaroni, CISCP., 2017)
Penyediaan pangan dalam jumlah yang tepat, mutu yang baik, ketersediaan
pangan yang menjangkau semua penduduk Indonesia dimana pun berada, dan dengan
harga yang terjangkau menjadi tantangan semua stakeholder pangan, baik
pemerintah, dunia usaha dari BUMN dan swasta, maupun pihak-pihak lain.
Logistik berperan penting dalam menyediakan dan distribusi pangan, mulai
dari sektor hulu sampai hilir, yang menjangkau ke rumah tangga dan setiap individu.

8
Sistem logistik pangan mencakup perencanan, pelaksanaan, dan pengendalian

pengadaan pangan, transportasi, pergudangan, distribusi, teknologi. Aliran informasi,
dan aliran uang, dari penyedia pangan sampai pengguna akhir.
Sistem logistik pangan akan memastikan penyediaan pangan ke rumah tangga
dan setiap individu dalam memenuhi kebutuhan pangan secara tapat kuantitas, tepat
kualitas, tepat waktu dan biaya logistic distribusi pangan yang paling efisien. Sistem
logistik pangan juga menjamin tidak ada kelangkaan pangan dan disparitas harga yang
tinggi antar daerah.
2.3 Permintaan
Permintaan terhadap barang atau jasa adalah awal dari semua kegiatan rantai
pasok. Kegiatan produksi, pengiriman, perancangan produk, dan pembelian material
semua mengikuti permintaan yang datang dari pelanggan. Permintaan menurut Albert
(dalam Nurulita, 2012, p. 10) merupakan jumlah barang atau jasa yang diinginkan oleh
konsumen atau kelompok komsumen dengan harga tertentu.
Ada banyak sekali faktor yang mempengaruhi permintaan dari barang atau jasa.
Walaupun tidak mungkin semua faktor di identifikasi ada beberapa faktor yang
mempengaruhi permintaan dari barang atau jasa adalah sebagai berikut:
1. Keadaan ekonomi dan kondisi bisnis secara umum
2. Faktor ekonomi
3. Tren pasar yang mengendalikan permintaan
4. Usaha internal dari perusahaan seperti promosi, periklanan, harga dan produk itu
sendiri
2.4 Pengelolaan Permintaan

Untuk melayani pelanggan ada tujuan dari sebuah perusahaan. Peran
manajemen permintaan sebagai koordinasi antara pemasaran yang berfokus pada
pemenuhan kebutuhan pelanggan dan operasi dengan melalui manajemen material
harus mempersipkan sumber daya.
Manajemen permintaan adalah fungsi mengenali dan mengelola semua
permintaan produk dalam jangka pendek, menengah dan Panjang. Dalam jangka
panjang manajemen permintaan untuk perencanaan strategis bisnis seperti fasilitas,
dalam jangka menengah manajemen permintaan untuk memproyeksikan

9
permintaan agregat sebagai perencanaan produksi, dalam jangka pendek

manajemen permintaan untuk item yang dikaitkan dengan penjadwalan produksi
induk.
Demand Management (Pengelolaan permintaan) terdiri dari empat kegiatan
utama yaitu: (Arnold et al., n.d., p. 217)
1. Peramalan (forecasting)
2. Proses pemesanan (order processing)
3. Jadawal Pengantaran (making delivery promises)
4. Konfirmasi antara perencanaan produksi dengan kondisi pasar
Pengelolaan permintaan dapat di ilustrasikan pada Gambar 2.1
Gambar 2. 1 Demand management and the manufacturing planning and control system
Sumber: Buku Introduction to Materials Management (Arnold et al., n.d., p. 217)
2.5 Peramalan
Peramalan adalah awal dari perencanaan. Sebelum membuat rencana, perkiraan
harus dibuat untuk mengetahui kondisi apa yang akan ada selama beberapa periode
mendatang. Menurut Sofjan Assauri (dalam Hasanah, 2019, p. 8) berpendapat bahwa
“prakiraan peramlan adalah kegiatan memprediksi nilai masa depan, dengan dasar
pengetahuan atau nilai pada masa lalu yang dipersiapkan”. Peramalan tak terelakkan
dalam mengembangkan rencana untuk memenuhi permintaan masa depan. Pada
perusahaan dengan sistem make to stock (MTS) aktifitas produksi harus dikerjakan
sebelum ada permintaan teridentifikasi dengan pasti. Kegiatan produksi, pembelian
material dan pengiriman produk ke toko tempat penjualan dilakukan perusahaan
sebelum diketehui berapa yang akan terjual di masing-masing toko atau tempat
penjualan. Pada perusahan dengan sistem make to order (MTO) perakitan akhir dan
pembuatan komponen memang bisa ditunda sampai adanya permintaan pasti tetapi

10
dalam penyediaan bahan baku dan aktifitas dilakukan dengan perkiraan atau ramalan.
Dengan demikian dapat dikatakan tidak ada perusahaan yang bisa menghindar dari
aktifitas peramalan untuk merencanakan aktivitas-aktivitasnya sebelum didapatkan
permintaan definitive dari pelanggan.
Permalan memiliki empat prinsip dan karakteristik. Pemahaman ini akan
membuat kita menggunakan peramalan menjadi lebih efektif. Menurut Arnold (dalam
Nurulita, 2012, p. 17)
1. Permalan biasanya salah. Peramalan mencoba melihat masa depan yang belum
diketahui dan biasanya salah dalam beberapa asumsi atau perkiraan. Kesalahan
(error) harus diprediksi dan hal itu tidak dapat dielakan
2. Setiap peramalan seharusnya menyertakan estimasi kesalahan (error). Oleh
karena peramalan diprediksi akan menemui kesalahan, pertanyaan sebenarnya
adalah “seberapa besar kesalahan tersebut?” setiap peramalan seharusnya
menyertakan estimasi kesalahan yang dapat diukur sebagai tingkat kepercayaan,
dapat berupa persentase (plus atau minus) dari peramalan sebagai nilai minimum
dan maksimum.
3. peramalan akan lebih akurat untuk kelompok atau grup. Perilaku dari individual
item dalam sebuah grup adalah acak bahkan Ketika grup tersebut berapa dalam
keadaan stabil. Sebagai contoh, meramalkan secara akurat seorang murid dalam
suatu kelas lebih sulit dari pada meramalkan untuk rata-rata keseluruhan kelas.
Dengan kata lain, peramalan lebih akurat untuk dilakukan pada kelompok atau
grup dari pada individual lain.
4. permalan lebih akurat untuk jangka waktu yang lebih dekat. Masa depan yang akan
diramalkan dalam waktu panjang memiliki ketidakpastian yang tinggi dari pada
meramalkan untuk jangka waktu yang pendek. Lebih banyak orang lebih yakin
mermalkan apa yang mereka lakukan minggu depan dari pada yang mereka
lakukan tahun depan. Begitu juga untuk bisnis, permintaan untuk jangka dekat
bagi perusahaan lebih mudah untuk di ramalkan dibandingkan meramalkan untuk
jangka panjang.
Menurut Mardakis (dalam Nurulita, 2012, p. 18) ada dua teknik pemalan yang
digunakan yaitu kualitatif dan kuantitatif.
1. Teknik peramalan kualitatif menggunakan pendapat dan intuisi manusia dalam
proses peramalan, tidak memakai data historis perusahaan. Hasil peramalan

11
kualitatif akan berbeda jika dengan pendapat orang yang berbeda dalam
penelitian yang sama.
2. Teknik peramalan kuantitatif dengan mengandalkan data historis perusahaan
yang dimiliki. Dalam teknik kuantitatif dikelompoknya menjadi dua, yaitu teknik
statistik dan deterministik.
a. Teknik statistik berdasarkan pada pola, perubahan pola, dan faktor
gangguan yang disebabkan pengruh random. Dalam teknik ini yaitu teknik
smoothing, dekomposisi dan teknik box-Jenkins
b. Teknik deterministik mencakup identifikasi dan hubungan antara variabel
yang akan diperkirakan dengan variabel-variabel lain yang akan
mempengaruhinya. Dalam teknik ini yaitu teknik regresi sederhana,
regresi berganda, autoregresi, dam model input output.
Menurut Makrdakis (dalam Nurulita, 2012, p. 19) ada tiga pendekatan dalam teknik
peramalan kuantitatif, yaitu:
1. Analisis Deret Waktu (Time Series Analysis)
Metode peramalan ini menggunakan deret waktu time series sebagai dasar
peramalan. Data yang diperlukan historis data aktual yang digunakan untuk
peramalan. Menentukan metode yang tepat dengan melihat dari pola data
historisnya. Contoh metode dengan analisis deret waktu yaitu moving average,
metode winter, dekomposisi, eksponential smoothing, ARIMA (Autoregression
Integrated Moving Average), dan lain-lain.
2. Metode Kausal (Causal Methods)
Metode ini dengan menggunakan pendekatan sebab-akibat, tujuannya
meramalkan keadaan di masa sekarang yang akan datang dengan menemukan dan
mengukur beberapa variabel bebas (indenpenden) yang penting besarta
pengaruhnya terhadap variabel tidak bebas yang akan diramalkan.
3. Analisis Ekometri (simulation analysis)
Metode ekometrik berdasarkan pada persamaan regresi yang di dekati secara
simultan. Metode ini sering digunakan dalam perencanaan ekonomi nasional dalam
jangka pendek maupun panjang.
Dalam perancangan suatu metode peramalan, secara ringkas ada tiga tahap
perancangan peramalan yang harus dilalui, yaitu:

12
1. Menganalisis data masa lampau dengan tujuan untuk mendapatkan pola data
historis dari data tersebut
2. Memilih metode yang akan digunakan. Dengan banyaknya metode untuk
peramalan, dapat memilih metode berdasarkan dari pola data historis,
perbedaan metode permalan dapat menghasil hasil permalan yang berbeda
untuk data yang sama. Memilih metode terbaik dengan melihat nilai error
terkecil
3. mentransformasi data dari data historis dengan menggunakan metode yang
dipilih.
Gambar 2. 2 Tabel A Guide to Selecting an Appropriate Forcasting Method
Sumber: Business Forecasting With ForecastX Sixth Edition (Wilson et al., 2009)
Dalam penelitian ini, penulis melakukan peramalan dengan metode peramalan

time series. Metode time series yang digunaka yaitu ARIMA (Autoregression
Integrated Moving Average) merupakan yaitu metode yang dikembangkan oleh
George E. P Box dan Gwilym M. Jenkins atau yang sering di kenal Box-Jenkins. Penulis
memilih metode ini berdasarkan pada pernyataan Wilson pada Gambar 2.2 dimana
Metode Arima sudah sesuai pada kriteria pola data historis permintaan, data yang
dimilik berjumlah 60 periode dan meramalkan 12 periode dimana kategori
peramalan jangka menegah.

13
2.6 Persediaan Bahan Baku

Persediaan merupakan salah satu elemen utama dari modal kerja, tanpa
persediaan perusahaan akan mengalami risiko yaitu tidak dapat memenuhi
keinginan pelanggan atas barang produksi. Oleh karena itu perusahaan harus
menyiapkan persediaan yang tidak terlalu renda namun tidak terlalu tinggi.
Menurut Assauri di dalam jurnal Analisis Pengendalian Persediaan Barang
(dalam Wahyudi, 2015) persediaan ada berbagai jenis. Setiap jenisnya memiliki
karetristik khusus dan pengolahannya yang berbeda yaitu:
a. Persediaan bahan baku (Raw Material Stock)
Persediaan dari barang-barang berwujud yang digunakan dalam proses
produksi, barang mana yang didapat dari sumber daya alam ataupun dibeli
dari supplier atau perusahaan yang menghasilkan bahan baku bagi perusahaan
pabrik yang menggunakannya
b. Persediaan bagian produk (Purchased part)
Persediaan barang-barang yang terdiri dari part atau bagian yang diterima dari
perusahaan lain, yang dapat secara langsung di-assembling dengan part lain.
Tanpa melalui proses produksi sebelumnya.
c. Persediaan bahan-bahan baku pembantu
Persediaan barang-barang atau bahan-bahan yang diperlihatkan dalam proses
produksi untuk membantu berhasilnya produksi atau yang dipergunakan
dalam berkerjanya suatu perusahaan, tetapi tidak merupakan bagian atau
komponen dari barang jadi.
d. Persediaan barang setengah jadi
Persediaan barang-barang yang keluar dari tiap-tiap bagian dalam suatu pabrik
atau bahan-bahan yang telah diolah menjadi suatu bentuk, tetapi lebih perlu
diproses Kembali untuk kemudian menjadi barang jadi.
e. Persediaan barang jadi
Barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap
untuk dijual kepada pelanggan atau perusahaan lain.
Di dalam buku Manajemen Produksi Modern menurut (Haming &
Nurnajamuddin, 2017, p. 8) tujuan pengendalian persediaan pada umumnya
ditujukan untuk memenuhi hal-hal seperti berikut.
1. Untuk memenuhi indenpedensi operasi.

14
2. Untuk memenuhi tingkat permintaan yang berfariasi

3. Untuk menerima manfaat ekonomis atas pemesanan bahan dalam jumlah
tertentu
4. Untuk menyediakan suatu perlindungan terhadap variasi dalam waktu
penyerahan bahan baku
5. Untuk menunjang fleksibilitas penjadwalan produksi.
Ada dua model pengendalian persediaan yaitu pengendalian persediaan
indenpenden dan pengendalian persediaan dependen. Pengendalian persediaan
independen berkaitan dengan pengendalian atas persediaan dalam bentuk produk
akhir (finised product). Permintaan terhadap persediaan bersifat independen dan
dapat diestimasi dengan menggunakan teknik dan metode peramalan. Permintaan
indenpenden mencermintakan respons terhadap pasar atas keluaran akhir (finised
product) sebuah perusahaan. Pengendalian indenpenden biasanya digunakan oleh
perusahaan dagang untuk merencanakan dan mengendalikan sediaan barang
dagangnya. Dalam manufaktur pengendalian persediaan independen juga kerap kali
digunakan dengan perusahaan yang menggunakan satu jenis bahan baku.
Pengendalian persediaan dependen berkaitan dengan pengendalian bebagai
macam komponen atau subkomponen atau mengolah adonan berbagai jenis bahan
menjadi keluaran akhir. Perusahaan tidak dapat menaksir jumlah persediaan yang
dibutuhkan untuk setiap komponen dan subkomponen rakitan, dan untuk memenuhi
kebutuhan bahan yang dibutuhkan untuk membuat sebuah produk akhir perlunya
menaksir jumlah produk akhir yang di minta oleh pasar atau pelanggan. Komponen
dan subkomponen atau bahan baku dibutuhkan terikat (dependent) dengan jumlah
keluaran akhir produk yang di minta pelanggan. Jumlah keluar produk akhir yang di
minta oleh pelanggan dapat diketahui dengan 2 cara yaitu:
1. berdasarkan permintaan pelanggan (para distributor) yang disampaikan pada
setiap awal tahun.
2. berdasarkan ramalan permintaan pasar yang dibuat dengan mempergunakan
metode peramalan statistic.
Safety Stock atau buffer stock merupakan unit persediaan yang harus ada
dalam perusahaan untuk mengantisipasi fluktuasi permintaan. Adanya safety stock
karena tidak adanya kepastian permintaan, ketidakpastian karena berasal dari
peramalan permintaan. Dalam menghitung safety stock terdapat komponen service

15
level, merupakan indikator tingkat kepercayaan dalam pemenuhan permintaan yang

diberikan pada manajemen biasanya dalam bentuk persen. Jika manajemen
memberika 95% dalam memenuhi permintaan maka 5% adalah toleransi jika
terjadinya kekurangan. Semakin besar persen dalam memenuhi permintaan sekain
kecil nilai safety stocknya dan sebaliknya. Selain ketidakpastian permintaan,
perbedaan lokasi memunculkan lead time. Lead time adalah waktu yang dibutuhkan
dalam pemesanan barang baru dari dipesan hingga di terima. Semakin lama lead
time yang dibutuhkan dalam pemesanan maka semakin banyak persediaan cadangan
yang dibutuhkan dan sebaliknya.
2.7 Material Requirements Planning (MRP)

Persediaan tipe dependen lazim disebut juga dengan MPR (Material
Requirements Planning). Perencanaan kebutuhan material dengan Metode MRP di
mulai dari peramalan terhadap permintaan produk jadi yang indenpenden setelah
itu menentukan kebutuhan terikat atau diturunkan terkait dengan permintaan
untuk: kebutuhan terhadap tiap jenis komponen (material, parts, atau ingredients),
jumlah pasti yang benar-benar diperlukan, dan waktu membuat secara bertahap
yang diperlukan untuk memenuhi pesanan guna mencukupi suatu rencana produksi,
Dervitsiotis (dalam Haming & Nurnajamuddin, 2017, p. 34). Menurut Chase dkk,
(dalam Haming & Nurnajamuddin, 2017) menyatakan bahwa MRP adalah logika
untuk menentukan banyaknya parts, komponen, dan material yang diperlukan untuk
produksi suatu produk. Dalam MRP penetapan jadwalan kapan material, komponen
dan part digunakan atau harus diorder. MRP memiliki beberapa unsur penting
sebagai berikut.
1. Jadwal induk produksi atau Master Production Scheduling (MPS) yang menjadi
landasan dalam Menyusun rencana dan jadwal produksi.
2. Inventory Record yang menjadi landasan penetuan jumalah pemesanan
3. Bill of Material (BOM) yang menjadi acuan menghitung jumlah bahan baku
untuk setiap jenis bahan baku yang dibutuhkan
4. Lead Time waktu yang dibuthukan dari produk dipesan sampai diterima.
Gambaran umum MRP dalam diihat pada Gamabar 2.2

16
Gambar 2. 3MRP Model

Sumber: Manajemen Produksi Modern (Haming & Nurnajamuddin, 2017)
2.8 Bill Of Material (BOM)

Sebelum kita membuat sesuatu, kita harus mengetahui komponen apa saja
yang diperlukan. BOM adalah semua sub rakitan antara produk, suku cadang dan
bahan mentah yang masuk dalam produk rakitan dengan jumlah yang diperlukan
untuk membuat suatu produk jadi.
Di dalam penelitian ini, peneliti menggunakan satu merk produk dalam
penelitiannya yaitu salah satu Minyak Goreng Grade A ukuran 2 L yang di produksi
oleh PT. SMART Tbk. BOM tersebut dapat lihat pada Tabel 2.1
Tabel 2. 1Bill Of Material Minyak Goreng Grade A
Bill Of Material
FG Grade A 2L (1BOX)
Oil Grade A 12 L
Standing Pouch FG A 6 Pcs
Karton FG A 1 Pcs
Vit FG A 0,001 kg
Lakban 1m
Sumber: PT. SMART Tbk
Catatan: sudah diolah Kembali

17
2.9 Profil Komoditas Minyak Goreng

2.9.1 Deskripsi Komoditas
Minyak goreng adalah minyak yang berasal dari lemak tumbuhan atau
hewan yang dimurnikan dan berbentuk cair dalam suhu kamar yang biasanya
digunakan untuk menggoreng. Minyak goreng terbuat dari kelapa, kelapa sawit,
kacang tanah, jagung, kedelai, bunga mataharim dan kanola.(Kemendag, n.d.)
Di Indonesia, minyak goreng yang paling sering digunakan yaitu minyak

adalah minyak goreng sawit (Refined Bleached Deodourised Olein/RDBO).
Kondisi ini disebabkan karena Indonesia merupakan negara penghasil sawit,
minyak ini juga cukup ideal dari segi harga dan ketersediaan. Jika harus
mengimpor jenis minyak sawit yang tidak bisa di produksi di Indonesia, tentu
membutuhkan biaya yang besar. Hal ini akan mempengaruhi daya jual sehingga
hanya dapat di konsumsi oleh golongan masyarakat tertentu. Apaliagi, minyak
goreng sawit memiliki banyak keunggulan dibandingkan jenis-jenis minyak
lainnya dan cocok dengan kebiasaan menggoreng masyarakat Indonesia.
2.9.2 Uraian Proses Produksi

Pada bagian ini akan menjelaskan proses pengolahan CPO sampai menjadi
produk yang akan dijual ke konsumen diantaranya adalah minyak goreng. Secara
garis besar terdapat proses utama untuk mengolah CPO menjadi minyak goreng
(Olein), dan margarine (Stearine) yaitu refinery, deodorizing dan fraksinasi.
Proses refinery merupakan proses pemurnian, dengan kata lain CPO
dimurnikan terlebih dahulu sebelum diolah lebih lanjut. Pemurnian diawal dengan
proses degumming, proses ini bertujuan untuk menggumpalkan getah. Proses ini
dilakukan dengan bantuan bahan penolong proses, yaitu phosphoric Acid, dan Cytric
Acid.
Tahap pemurnian belum selesai sampai disini, masih dilanjutkan dengan
melakukan adsorbsi. Proses ini dilakukan dengan menggunakan Bleaching Earth.
Keseluruhan proses ini dilakukan bersamaan dengan mengirimkan minyak dengan
pompa sentrifugal ke dalam tangka penampung Bleaching Earth.
Selanjutnya dilakukan filtrasi dengan menggunakan bantuan mesin Niagara

filter, proses ini memiliki prinsip yang sama dengan air terjun. Lalu dialirkan menuju

18
tempat penguapan, tempat penguapan menggunakan panas yang berasal dari mesin
high pressure steam boiler. Penguapan ini bertujuan untuk menghilangkan air dan
lemak yang masih terkandung didalam CPO. Uap air dan lemak tersebut akan ditarik
dengan menggunakan vacuum. Sehingga hasil pengolahan CPO disebut dengan
RBDPO (Refinery Bleaching Deodorizing Palm Oil). Hasil sampingan yang dibentuk
adalah PFAD (Pure Fatty Acid Distillate), ini juga merupakan hasil produk yang dijual
oleh PT. SMART Tbk. Biasanya berupa soap noodle.
Setelah melalui tahap refinery dan deodorizing, maka selanjutnya adalah tahap
fraksinasi. Tahap fraksinasi ini bertujuan untuk memisahkan fraksi padat dan fraksi
cair. Fraksi padat disebut dengan Stearine, dan fraksi cair disebut dengan Olein.
Proses fraksinasi ini menggunakan prinsip fisika, dimana menurunkan suhu RBDPO
sampai terbentuk kristal-kristal padat. Proses penurunan suhu ini menggunakan
cooling tank, terdapat lima tahap proses pengkristalan yang dilakukan. Berikut tahap
tersebut:
1. Cooling 1
o
Minyak diturunkan suhunya sampai mencapai 41 C, pada tahap ini
pembentukan kristal belum terbentuk.
2. Cooling 2
Pembentukan kristal sudah mulai terbentuk pada tahap ini, suhu diturunkan
hingga mencapai suhu 32.6 oC
3. Cooling 3
Selanjutnya, kristal mulai terbentuk semakin banyak dan mulai mengumpul.
Suhu yang dicapai adalah 31.5 oC
4. Cooling 4
Lalu, kristal mulai memadat dan berkumpul menjadi banyak dan cukup besar.
Suhu dijaga sampai mencapai 18 oC

19
5. Cooling 5
Tahap terakhir tidak bertujuan untuk meningkatkan proses kritalisasi, tapi
lebih mendapatkan nilai IV (Iodine Value) yang diinginkan, nilai yang diinginkan
adalah 60.5. suhu dijaga pada suhu 17oC.
Pada akhirnya, proses pengkristalan mulai terbentuk dan fraksi padat dan cair
sudah mulai tampak terpisah. Untuk dapat memisahkannya, menggunakan mesin
Filter Press. Mesin ini memiliki lapisan-lapisan semipermeable yang akan membuat
fraksi padat menempel pada lapisan-lapisan tersebut. Lalu mesin akan menekan,
sehingga fraksi cair jatuh ke tempat penampungan. Maka dapat dikatakan hasil
produksi dari keseluruhan proses ini adalah bertujuan memisahkan fraksi padat dan
cair. Fraksi padat dapat berupa produk margarine, dan fraksi cair berupa minyak
goreng. Setelah minyak goreng dihasilkan sesuai standar yang ditentukan kemudian
dimasukan ke dalam kemasan agar mudah dijual, proses tersebut disebut dengan
filling.
2.9.3 Flow Process Diagram Produksi
Gambar 2. 4PFD Pengolahan CPO Sampai Fraksi Padat dan Fraksi Cair Terpisahkan


20
Gambar 2. 5Tahapan Proses Filling

Tabel 2. 2Penjelasan Tagapan Proses Filling
Proses Penjelasan
Loader Operator supply packing atau pouch ke loader sesuai relnya lalu
melakukan monitoring proses filling
Taken Mesin otomatis mengambil pouch untuk supply packing atau pouch
ke gripper
Gripper Gripper menjepit sisi luar pouch pada bagian kiri dan kanan pouch
agar dapat berdiri tegak
Hot blowing Pouch ditiupkan dengan uap panas yang digunakan untuk membuka
pouch
Open bag Pouch Kembali ditiupkan uap dengan suhu normal agar pouch
terbuka dengan maksimal
Inflating Terdapat sensor untuk memeriksa apakah pouch sudah terbuka
sempur, jika belum maka mesin tidak akan melanjutkan prosesnya
Filling Proses pengisian minyak goreng ke dalam pouch sesuai dengan
ukuran pouch, minyak goreng dengan ukuran 2 liter akan diisi

21
dengan dua tahap yaitu tahapan pertama 1 liter dan tahap kedua
diisi kembali dengan minyak sejumlah 1 liter, pembagian dua tahapa
tersebut untuk meningkatkan akurasi dari takaran minyak
Deflating Pouch dirapatkan dengan bantuan spring
Sealing Pouch direkatkan dengan menggunakan pemanas atau heater
dengan suhu 190-200oC
Cooling Dilakukan marking (expired date dan production number), lalu
dilakukan pendinginan pakai air chiller dengan suhu 10oC,
selanjutnya griper melepaskan pouch lalu pouch jatuh ke top table
chain lalu produk didistribusikan ke H2 (Operator yang packing ke
kardus)
2.10 Kerangka Konseptual

Dari Gambar 2.4 kerangka konseptual menunjukan data yang digunaka dalam
penelitian ini merupakan data permintaan minyak goreng pada PT. SMART Tbk tahun
2016 hingga 2020 dan raw material produk minyak goreng. Peramalan permintaan
penganalisis pola data historis permintaan periode sebelumnya dan menghitung nilai
permalan. Analisis persediaan menggunakan data BOM, Biaya Penyimpanan dan Biaya
Pemesanan dan frekuensi pemesanan. Hasil peramalan digunakan untuk menghitung
kebutuhan optimum dalam persediaan bahan baku di periode yang akan datang.

22
Gambar 2. 6Kerangka Konseptual

23
2.11 Penelitian Sebelumnya
Tabel 2. 3 Penelitian Sebelumnya
Judul Tahun Penulis Metode Kesimpulan

Permalan Permintaan Toza Juice Strawberry 2019 Sri Mulyati, Nurul Fadilah, ARIMA Hasil peramalan dengan ARIMA
sebagai Sebagai Dasar Penentuan kebutuhan Khaerul Saleh (Mulyani et al., meruapakan metode terbaik
Persediaan Bahan baku 2019) dibandingkan DES (holt)
Pengendalian Persediaan Bahan Baku Biobriket 2020 Gunawan Budi Prasetyo, ARIMA, Hasil Peramalan dengan ARIMA tidak
dengan Menggunakan Metode POQ dan ARIMA Sofyan Noor Arief, Farinda POQ cocok dalam peramalan ini dengan nilai
Rahmadhani MAPE 80%
Sholiha(Prasetyo et al., 2020)
Peramalan Permintaan Produk Sarung tangan 2017 Trio Yonathan Teja Kusuma, ARIMA Hasil peramalan dengan ARIMA
Golf Menggunakan Metode Autoregressive Sandra Praharani Nur menghasilkan MAPE 17,5443% untuk
Integrated Moving Average (ARIMA) Asmoro(Kusuma & Asmoro, meramalkan produk sarung tangan dan
2017) bisa digunakan dalam peramalan ini
Analisis Pengendalian Persediaan Dengan 2019 Nyimas Desy Rizkiyah, MRP Pengendalian Persediaan dengan MRP
Metode MRP pada produk kertas Rifqi Fadhlurrahman(Rizkiyah teknik Lot Sizing didapatkan FOQ
& Fadhlurrahma, 2019) memiliki biaya terendah
`
BAB 3
METODE PENELITIAN
Berdasarkan permasalahan yang di teliti, penelitian ini dapat diklasifikasikan

kedalam penelitian kuantitatif. Metode ini sebagai metode ilmiah/scientific karena telah
memenuhi kaidah-kaidah ilmiah yaitu konkrit/empiris, objektif, terukur, rasional, dan
sistematis. Penelitian ini disebut kuantitatif karena data penelitian berupa angka-angka
dan analisis menggunakan statisti (Sugiyono, 2013, p. 7)
3.1 Desain Penelitian

Pada Gambar 3.1 Desain Penelitian menunjukan tahapan peneliti dalam
melakukan penelitian di PT. SMART Tbk. Tahap pertama peneliti melakukan
idetifikasi penelitian dimulai dari obserfasi lapangan, identifikasi lapangan,
merumusan masalah, penetapan tujuan dan manfaat penelitian. Tahap dua peneliti
melakukan pengumpulan data. Pengumpulan data sekunder perusahaan sesuai
kebutuhan dari penelitian. Tahap ketiga peneliti menganalisis data dimulai
peramalan permintaan, hasil peramalan permintaan digunakan sebagai permintaan
minyak goreng di periode berikutnya. Analisis pengolalaan persediaan bahan baku
dengan metode MRP menggunakan teknik FOQ, POQ untuk mencari persedian
optimum berdasarkan biaya termurah.

25
Gambar 3. 1 Desain Penelitian

26
3.1.1 Tempat dan Waktu Penelitian

Untuk memudahkan penulis dalam memperoleh data-data penelitian,
penulis melakukan observasi lapangan di PT. SMART Tbk. Di PT. SMART penulis
di tempatkan dibagian Planning Production and Inventory Control (PPIC),
penelitian dilakukan selama satu bulan.
3.1.2 Sumber Data

Data yang dibutuhkan adalah Data Sekunder. Menurut (Sugiyono, 2013)
Data Sekunder adalah sumber data yang tidak langsung memberikan data
kepada pengumpul data, misalnya lewat orang lain atau lewat dokumen. Data
Sekunder pada penelitian ini adalah data historis produksi tahun 2016 hingga
2020, data Raw Material produk minyak goreng Grade A, data Lead Time
pemesanan, dan harga bahan baku.
3.1.3 Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan oleh peneliti adalah sebagai berikut:
1. Observasi
Teknik ini digunakan untuk mengamati objek secara langsung di PT. SMART
Tbk. Observasi yang dilakukan tersruktur dengan pengamatan yang telah
dirancang secara sistematis. Peneliti sudah tau variabel apa yang akan
diamati dan menggunakan instrument penelitian yang telah teruji validitas
dan reliabilitasnya.
2. Wawancara
Dilakukan secara tidak terstruktur dilakukan melalui chating dengan salah
satu staf bagian PPIC
3. Pengumpulan data historis perusahaan dan Raw Material
Pengumpulan data permintaan minyak goreng tahun 2016 sampai 2020 di
PT SMART Tbk dan data Raw Material melalui sistem penyimpanan data
yang di gunakan PT. SMART Tbk yaitu Microsoft Excel dan MySAP.

27
3.2 Teknik Analisis Data

3.2.1 Pola Data
Sebelum menentukan metode yang digunakan untuk peramalan,
terlebih dahulu dilakukan pengamatan guna menentukan pola data. Ada
beberapa pola yang harus diperhatikan untuk peramalan, yaitu:
a. Pola Data Horizontal

Pola ini terjadi jika terdapat data yang berfluktuasi disekitar
nilai rata-rata yang konstan. Suatu produk yang suatu produk yang
penjualannya tidak meningkat atau menurun selama waktu
tertentu termaksud jenis pola ini. Pola khas dari horizontal atau
stasioner, seperti Gambar 3.2
Gambar 3. 2Pola Data Horizontal
Sumber: Buku Metode-Metode Peramalan Untuk Manajemen Edisi Kelima (Makridakis &
Steven C, 1994, p. 63)
b. Pola Data Musiman

Pola data ini terjadi terdapat suatu deret data yang
dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu,
bulanan, atau hari-hari pada minggu tertentu). Penjualan dari
produk seperti minuman ringan, es krim, dan bahan bakar
pemanasan ruang semuanya menunjukan jenis pola ini. Terlihat
pada Gambar 3.3

28
Gambar 3. 3Pola Data Musiman
Steven C, 1994, p. 63)
c. Pola Data Siklus

Pola data ini terjadi jika terdapat data yang dipengaruhi oleh
fluktuasi ekonomi jangka pangjang sesperti yang berhubungan
dengan siklus bisnis. Contohnya penjualan produk seperti mobil,
baja, dan peralatan utama lainnya. Jenis pol aini dapat dilihat pada
Gambar 3.4
Gambar 3. 4Pola Data Siklus
Steven C, 1994, p. 63)
b. Pola Data Trend

Pola data trend terjadi jika terdapat kenaikan atau penrunan
sekuler jangka panjang dalam data. Contohnya penjualan banyak

29
perusahaan, GNP dan berbagai indicator bisnis atau ekonomi

lainnya. Jenis pol aini dapat dilihat pada Gambar 3.5
Gambar 3. 5Pola Data Tren
Steven C, 1994, p. 63)
3.2.2 Auto Regressive Intergated Moving Average

ARIMA (Autoregressive Integrated Moving Average) adalah salah
satu teknik peramalan dengan menggunakan analisis deret waktu
menggunakan teknik korelasi antar suatu deret waktu. Dasar pemodelan
ARIIMA adalah pengamatan sekarang (zt) tergantung pada satu atau
beberapa pengamatan sebelumnya (zt-k). Model ini dibuat karena statis
ada korelasi (dependen) antar deret pengamatan. Melihat adanya
dependensi antar pengamat dengan melihat uji korelasi antarpengamatan
yang dikenal dengan Fungsi autokorelasi (autocorrelation/ACF) menurut
Iriawan (Nurulita, 2012, p. 27)
3 proses model ARIMA terdiri dari autoregressive, integrated, dan
moving average dengan p,d,q atau di notasikan ARIMA (p,d,q). nilai p
menunjukan nilai autoregressive, nilai d menunjukan integrated yang
dilakukan pada data pertama kali dengan diffensive, nilai q menunjukan
nilai moving average.
Menentukan pemodelan akurat ARIMA dengan melihat nilai error
terkecil. Maka diperlukan ketelitian dalam mengindentifikasi model deret
waktu. Empat proses utama dalam ARIMA yaitu identifikasi korelasi,

30
menentukan parameter model, cek diagnosis model, dan melakukan

peramalan.
Identifikasi korelasi salah satu cara melihat adanya dependensi antar
pengamatan yang disebut ACF (autocorrelation function)
Analisis deret waktu tidak dipengaruhi oleh waktu (shift) dari waktu
asal pengamatan. Maka adanya tren, siklis, dan lain-lain dapat disertakan
dalam analisis ini. Deret waktu untuk jumlah pengamat adalah (n) pada
waktu asal (t), yaitu , , …………, . Maka rata-rata nilai
deret waktu terbut adalah (Nurulita, 2012)
( − )= + ∈ = + ∈
Karena jumlah ∑ = 0 adalah bersifat konvergen, maka nilai

∑ =0 E∈ = 0 maka rata-rata dari proses tersebut adalah
E( )= (3.1)
Varian dari proses deret waktu ini adalah
= ( ) = ! − ( )"
= # ∈ $
= % ∈& ∑ (3.2)
Varian ada apabila nilai ∑ = 0 bersifat konvergen.
Kovarian diantara dan pengamatan lainnya yang dipisahkan
oleh unit k untuk satuan waktu ' disebut autokovarian dan
didefinisikan sebagai
' = ()* ( , ') = E! − ( )"! ' − ( ' )"
Dengan demikian autokovarian adalah kovarian diantara dua variabel

acak, prefik auto pada istilah tersebut mengacu pada dua observasi
dalam suatu deret waktu dimana k adalah observasi pada waktu
/periode yang berbeda. Autokovarian pada lag k adalah sebagai
berikut.(Nurulita, 2012)
' = % ∈& ∑ ' (3.3)

31
Autokorelasi diantara nilai yang berturut-turut dalam suatu deret

waktu adalah kunci utama dalam mengindentifikasi pola dasar dan
menentukan model korespondasi yang sesuai untuk deret waktu.
Autokorelasi pada lag k untuk menunjukan korelasi diantara dua nilai
observasi dalam suatu deret waktu yang dipisahkan oleh unit k adalah
(Nurulita, 2012)
,-. (/0, /0,12 6
+' = = 62
34(/0 ).4(/0,12 )
(3.4)
7
Secara grafis ditunjukan nila +' dengan lag k, ini disebut fungsi
autokorelasi (autocorrelation fuction/ACF). Nilai autokorelasi berkisar
antara -1 ≤ +' ≤ 1. Selanjutnya, +' = + − 8 adalah gambaran nilai dari
hubungan korelasi anatara nilai tersebut. Jika positive menandakan
hubungan korelasi positive dan negative menandakan hubungan korelasi
negative. Hubungan semakin kuat didapatkan apabila nilai korelasinya 1
dan semakin lemah ke nilai 0.
Untuk mengukur keeratan hubungan antarpengamatan suatu waktu
disebut fungsi autokorelasi parsial. Dalam suatu deret waktu, korelasi
antara 9:; ' pada lag k akan mempengaruhi perpindahan nilai
, , ,.............. ' . Secara notasi, koefisien autokorelasi
parsial k yang ke- dinotasikan sebagai ∅'' dengan lag k disebut fungsi
autokorelasi parsial (∅'' ).
Model autoregressive (AR) dinotasikan sebagai berikut (Wilson et al.,
2009, p. 351)
= = > = +> = +. . . . . . . + >? = ? +@ (3.5)
9AB:;::
= = deret waktu rata-rata bergerak yang dihasilkan
> , > , … . >? =koefisien
= ,= ,....= ? = nilai-nilai yang tertinggal dari deret waktu
(karena Namanya autoregressive)
@ = seri white noise

32
Model Moving Average dapat dinotasikan sebagai berikut

(Wilson et al., 2009)
= = @ + D@ +D @ +. . . . . . . + DE @ E (3.6)
Dimana:
@ = nilai pada deret waktu t dari deret white noise
= = deret waktu rata-rata bergerak yang dihasilkan
D, ,...E = koefisien (atau bobot)
@ , ,...... E = nilai sebelumnya dari seri white noise
3.2.3 Evaluasi hasil Peramalan

Peramalan masih sering ditemukan kesalahan peramalan dan
ramalan yang akurat jika peramalan bisa meminimalkan kesalahan. Ada
beberapa hitungan yang biasa digunakan untuk menghitung kesalahan
peramalan total. Tiga dari perhitungan yang paling terkenal adalah deviasi
mutlak rerata (Mean Absolute Deviation – MAD), kesalahan kuadrat rerata
(Mean Absolute Error – MSE), dan kesalahan persen mutlak rerata (Mean
Absolute Percentage Error – MAPE)
1) Mean Absolute Deviation (MAD)

MAD adalah rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih
besar atau kecil dibandingkan kenyataan (data aktual). MAD
dirumuskan sebagai berikut: (Aldi Dwiputra Wijaya, Tiur Gantini,
2019)
F>G =
∑|IJ KJ|
L
(3.7)
At = Permintaan aktual pada periode t.

Ft = Peramalan permintaan pada periode t.
N = Jumlah periode peramalan yang ditentukan.

33
2) Mean Square Error (MSE)

MSE adalah rata-rata perbedaan kuadrat antara nilai yang
diramalkan dan nilai yang diamati. Rumus untuk menghitung MSE
adalah sebagai berikut: (Fathatun Hasanah, p.16)
FM =
∑(N O )&
(3.8)
Xt = Nilai Riil pada periode -t.

St = Nilai Peramalan (forecast) pada periode -t.
n = Jumlah periode peramalan yang terlihat.
3) Mean Absolute Percentage Error (MAPE)

MAPE dihitung dengan menggunakan kesalahan absolute
pada tiap periode dibagi dengan nilai observasi yang nyata untuk
periode itu. Kemudian, merata-rata kesalahan persentase
absolute tersebut. Nilai MAPE dapat dihitung dengan persamaan
berikut: (Fathatun Hasanah, p.16)
PET = 100% X P Q
N O
N
(3.9)
∑|RST |
U
MAPE = (3.10)
Xt = Nilai Rill pada periode -t.

St = Nilai Peramalan (Forecast) pada periode -t.
n = Jumlah periode peramalan yang terlibat.
Kemampuan peramalan sangat baik jika memiliki nilai
MAPE kurang dari 10% dan mempunyai kemampuan peramalan
yang baik jika nilai MAPE kurang dari 20%

34
3.2.4 Material Requirements planning (MRP)

Teknik FOQ
Dalam teknik ini pengendalian persediaan dengan memelihara
jumlah unit pemesanan tetap sama. Jumlah pemesanan dengan metode
empiris EOQ probabilistik dapat dihitung dengan rumus sebagai
berikut:(Haming & Nurnajamuddin, 2017, p. 28)
Safety Stock (B) = V%W X (3.11)

Q = dO (T+L) + V%W X -I (3.12)
Dimana:
Q = Jumlah yang akan dipesan
T = Jumlah hari di antara periode evaluasi stok
L = LeadTime
dO = rata-rata permintaan
Z = standar deviasi pada level layanan tertentu
%W X = standar deviasi dari permintaan selama periode evaluasi &
leadtime
I = Jumlah stok sekarang, termaksud yang sedang di pesan
EOQ Probabilistik dimana situasi ketidakpastian pada sisi

pasokan maupun permintaan, maka perhitungan reorder point dapat
dihitung dengan rumus seperti berikut: (Pujawan & ER, 2010, p. 125)
ROP = d x l + safety stock (3.13)

Dimana:
d = permintaan rata-rata
I = lead time
Teknik POQ
Dalam tenik ini pengendalian persediaan dimana unit pemesanan
berdasarkan periode yang tetap, jumlah pemesanan per order bisa saja
berbeda dari setiap kali pesan. Sebelum menggunakan teknik ini, perlu

35
menentukan periodik pemesanan dengan rumus sebagai berikut:(Rizkiyah

& Fadhlurrahma, 2019)
SYZ
POQ = [\ \ ]\ \ '^_` `a\ ?^] \a`
(3.14)

BAB 4
Hasil dan Pembahasan
4.1 Deskripsi Data Penelitian

Peramalan permintaan minyak goreng menggunakan data histori permintaan
dari tahun 2016 hingga 2020 pada PT. SMART Tbk yang dapat dilihat pada Tabel 4.1
Tabel 4. 1Historis Data Permintaan Minyak Goreng Grade A PT SMART Tbk 2016-2020
Periode Permintaan
Jan-16 378.000
Feb-16 315.000
Mar-16 420.000
Apr-16 476.482
May-16 447.998
Jun-16 469.000
Jul-16 84.000
Aug-16 175.000
Sep-16 140.000
Oct-16 168.000
Nov-16 196.000
Dec-16 140.000
Jan-17 280.000
Feb-17 210.000
Mar-17 168.000
Apr-17 168.000
May-17 210.000
Jun-17 210.000
Jul-17 154.000
Aug-17 245.000
Sep-17 280.000
Sumber: PT SMART Tbk
Catatan: Sudah diolah Kembali

37
Tabel 4.1 Data Permintaan Minyak Goreng PT SMART Tbk 2016-2020 (sambungan)
Periode Permintaan
Oct-17 245.000
Nov-17 99.750
Dec-17 99.750
Jan-18 189.000
Feb-18 189.000
Mar-18 343.000
Apr-18 280.000
May-18 294.000
Jun-18 154.000
Jul-18 280.000
Aug-18 266.000
Sep-18 245.000
Oct-18 245.000
Nov-18 224.000
Dec-18 140.000
Jan-19 140.000
Feb-19 175.000
Mar-19 280.000
Apr-19 231.000
May-19 252.000
Jun-19 77.000
Jul-19 252.000
Aug-19 280.000
Sep-19 220.000
Oct-19 220.000
Nov-19 220.000
Dec-19 225.000
Jan-20 345.000
Feb-20 225.000
Catatan: Sudah diolah kembali

38
Tabel 4.1 Data Permintaan Minyak Goreng PT SMART Tbk 2016-2020 (sambungan)
Periode Permintaan
Mar-20 250.000
Apr-20 200.000
May-20 318.904
Jun-20 254.000
Jul-20 195.000
Aug-20 168.639
Sep-20 188.000
Oct-20 150.000
Nov-20 185.472
Dec-20 300.000

Catatan: Sudah diolah kembali
Menganalisis persediaan bahan baku minyak goreng yang harus dipersiapkan

oleh PT. SMART Tbk. Produk minyak goreng yang digunakan peneliti adalah Minyak
Goreng Grade A ukuran 2 Liter dengan ukuran Finised Goods 1 Box. Data Raw
Material dapat dilihat pada Tabel 4.2
Tabel 4. 2 Raw Material Minyak Goreng Grade A
RM FG Grade A 2L (1 Box)
Harga/unit Unit UOM LeadTime
Oil FG Grade A - 12 Liter -
Standing Pouch FG A 1.000 6 Pcs 2 Bulan
Karton FG A 4.400 1 Pcs 1 Bulan
Vit FG A 750.000 0,001 Kg 3 Bulan
Lakban 140 1 m 1 Bulan
Catatan: telah diolah kembali

39
4.2 Analisis Data dan Pembahasan

Berikut plot data deret waktu untuk data permintaan minyak goreng dari
tahun 2016 sampai 2020 pada PT. SMART Tbk yang dapat dilihat pada Gambar 4.1
Gambar 4. 1 Plot Data Deret Waktu Permintaan Minyak Goreng tahun 2016-2020 PT.
SMART Tbk
Berdasarkan Plot data Time Siries pada Gambar 4.1, telihat pola data
permintaan minyak goreng cenderung Stationer tetapi terlihat ada unsur trend
negative. Kalau dilihat pada Tabel 4.1 permintaan tertinggi pada periode April 2016
lalu turun pada periode berikutnya. Pada periode berikutnya pola deret data
membentuk stationer hingga periode akhir di Desember 2020. Maka diperlukan
pengecekan stasioneran dalam varian dan rata-rata.
4.2.1 Analisis Metode Arima

Pada metode Arima uji stasioneritas data ada dua yaitu stationer varians
(ragam) dan Average (rata-rata). Uji stasioneritas dalam varians dilakukan
dengan menggunakan Transformasi Box-Cox yang dapat dilihat pada Gambar
4.2

40
Gambar 4. 2 Plot Box-Cox Permintaan Minyak Goreng tahun 2016-2020 PT SMART Tbk
Berdasarkan Gambar 4.2 diperoleh nilai Rounded Value pada Box-Cox

plot sebesar 1,00 dengan selang kepercayaan sebesar 95%. Nilai rounded value
sebesar 1,00 menunjukan jika data permintaan minyak goreng sudah stsioner
dalam varians. Selanjutnya uji stasioneritas rata-rata dengan ACF
(Autocorrelation Fuction) dapat dilihat pada Gambar 4.3
Gambar 4. 3 Plot fungsi Autokorelasi Permintaan Minyak Goreng tahun 2016-2020 PT

SMART Tbk

41
Pada Gambar 4.3 dapat lihat bahwa pada 3 lag pertama plot data turun
secara perlahan. Apabila plot data Autocorrelation Function (ACF) turun
mendekati nol secara cepat yang pada umumnya pada lag kedua atau ketiga
dapat dikatakan stasioner menurut Hanke&Winchern (Nurulita, 2012). Agar
stasioner maka dilakukan proses difference. Proses difference dilakukan
dengan cara mengurangi nilai data pada suatu periode dengan nilai data pada
periode sebelumnya untuk menghitung nilai selisih. Jika dilakukan satu kali
difference maka nilai d adalah satu. Hasil difference satu kali pada dilihat pada
Gambar 4.4
Gambar 4. 4 Plot AutoCorrelation Fuction Diffrence 1
Pada Gambar 4.4 Plot ACF setelah dilakukan Difference 1 terlihat setiap
lag terjadinya cut-off atau turun dengan cepat menuju nol. Plot data deret
waktu juga akan berbeda dari Gambar 4.1 setelah di Difference dan dapat
dilihat pada Gambar 4.5

42
Gambar 4. 5 Plot Data Deret Waktu Differene 1
Berdasarkan plot pada Gambar 4.5 dapat disimpulkan bahawa deret

waktu hasil difference 1 sudah stationer terhadap rata-rata. Sehingga sudah
memenuhi syarat untuk membuat model menggunakan ARIMA.
Identifikasi Model Data Deret Waktu dapat ditentukan dengan melihat
plot ACF (AutoCorrelationFuction) dan PACF (Partial Autocorrelation Fuction).
Data yang digunakan adalah data yang sudah stasioner yaitu data yang telah
melalui proses difference pertama. Plot ACF dapat dilihat di Gambar 4.1 dan
Plot PACF dapat dilihat pada Gamabr 4.6

43
Gambar 4. 6 Plot Fungsi Autokolerasi Parsial Permintaan Diferensiasi 1
Identifikasi model ARIMA yaitu dinotasikan sebagai ARIMA (p,d,q).

berdasarkan plot ACF dan PACF diperoleh moving average (MA) memiliki ordo
1, autoregresif (AR) memilki ordo 1 serta dilakukan 1 kali difference sehingga
kemungkinan model ARIMA (p,d,q) yang terbentuk yaitu ARIMA (1,1,1). Tetapi
tahap pengujian ARIMA dengan beberapa model ARIMA dan model terpilih
melihat nilai error terkecil dan didapatkan pada model ARIMA (1,1,1). Dapat
dilihat pada Tabel 4.3
Tabel 4. 3 Parameter ARIMA
Parameter Nilai MS
(1,1,1) 618090
(1,1,2) 628614
(1,1,3) 591419
(2,1,1) 624087
(3,1,1) 768584

44
Gambar 4. 7 Estimates of Parameters
Sebelum hasil parameter digunakan pada model, terlebih dahulu harus

dilihat apakah parameter yang dihasilkan sudah signifikan. Berdasarkan hasil
estimasi parameter pada gambar 4.7 didapatkan bahwa:
 Nilai P-value AR (1) sebesar 0,001 < 0,05 sehingga dapat disimpulkan
bahwa parameter AR (1) signifikan.
 Nilai P-value MA (1) sebesar 0,000 < 0,05 sehingga dapat disimpulkan
bahwa parameter MA (1) signifikan.
Sehingga dapat disimpulkan hasil estimasi parameter signifikan dalam
model dimana diperoleh nilai parameter AR 1) sebesar 0,462 dan MA (1)
sebesar 0,9636. Jadi persamaan model ARIMA (1,1,1) yang terbentuk yaitu
b = 0,462b − 0,964@
Persamaan permalaan dengan metode ARIMA yang telah diterima harus

di uji Kembali apakah model persamaan tersebut telah memandai untuk
dijadikan model. Dilakukan uji Ljung-Box digunakan untuk mendeteksi adanya
korelasi antara-residual. Hasil dari uji Ljung-Box dapat dilihat pada Gambar 4.8
Gambar 4. 8 Ljung-Box Chi-Square Statistic

45
Berdasarkan Gamber 4.9 diperoleh nilai Chi-kuadrat tabel masing-masing

sebesar 18,31; 33,92; 50,99; 65,17. Dimana semua hasil statistic Ljung-Box <
b(\,g,h) sehingga dapat disimpulkan bahwa terdapat korelasi antara-residual.
Gambar 4. 9 Hasil Forecasting ARIMA
Jika dilihat dari Dilihat plot data historis sebelumnya pada Gambar 4.1
pola permintaan terlihat cenderung stasioner dengan adanya trend negative
di periode awal. sama dengan hasil peramalan Gambar 4.9 hasil perhitungan
forecasing ARIMA di tahun 2021 dengan total 12 periode. Plot data series hasil
peramalan terlihat bahwa permintanan minyak goreng tahun 2021 pada PT
SMART Tbk mengalami tren menurun lalu stasioner pada periode berikutnya.
Tetapi plot data lebih stasioner varian Karena sifat peramalan yang tidak
akurat dan dapat berubah seiring jika di update dapat aktual di setiap periode
sehingga belum terlalu terlihat fluktuasi permintaan di setiap periode.
Permalan meskipun tidak akurat tapi dapat digunakan berdasarkan nilai error
sebagai ke akuratannya. Hasil peramalan ini memiliki nilai MAPE 33% dimana
masih cukup baik digunakan sebagai peramalan
4.2.2 Perhitungan MRP Kebutuhan Bahan Baku Minyak Goreng

Hasil peramalan digunakan untuk menghitung perencanaan
penggunaan bahan baku dengan pemodelan MRP. Langkah pertama
menghitung kebutuhan perkiraan setiap bahan baku pada tiap periode yang
dapat dilihat pada Tabel 4.4

Tabel 4. 4 Kebutuhan Bahan Baku Minyak Goreng Grade A Tahun 2021
Kebutuhan Bahan Baku 2021
Forecast Demand
Standing Pouch FG A (pcs) Karton FG A (pcs) Vit FG A (kg) Lakban (roll)
Periode Demand (Box) Unit/Box 6 1 0,001 1 roll = 40 m
Jan-21 262.147 1.572.882 262.147 262 6.554
Feb-21 244.643 1.467.858 244.643 245 6.116
Mar-21 236.549 1.419.294 236.549 237 5.914
Apr-21 232.806 1.396.836 232.806 233 5.820
May-21 231.075 1.386.450 231.075 231 5.777
Jun-21 230.275 1.381.650 230.275 230 5.757
Jul-21 229.905 1.379.430 229.905 230 5.748
Aug-21 229.734 1.378.404 229.734 230 5.743
Sep-21 229.654 1.377.924 229.654 230 5.741
Oct-21 229.618 1.377.708 229.618 230 5.740
Nov-21 229.601 1.377.606 229.601 230 5.740
Dec-21 229.593 1.377.558 29.593 230 5.740
Jumlah 2.815.600 16.893.600 2.815.600 2.816 70.390
Average 234.633 1.407.800 234.633 235 5.866
Std Dev 58.422 9.737 10 243
46
47
4.2.2.1 FOQ (Fix Order Quantity)

Dengan teknik FOQ empiris dengan teknik EOQ pemesana
bahan baku dengan jumalah yang sama, untuk pemesanan Kembali
berdasarkan titik pemesanan Kembali (reorder point).
Setelah diketahui perkiraan kebutuhan di setiap periodenya
dalam 1 tahun. Nilai Safety Stock atau Buffer stock atau stok pengaman
salah satu komponen dalam mencarinya nilai Q, Menghitung besarnya
safety stock juga dipengaruhi dari besarnya nilai Z, nilai Z adalah level
layanan yang di tentukan oleh managemen untuk selalu memenuhi
permintaan. Narasumber staf bagian PPIC mengatakan PT SMART Tbk
jarang terjadinya kekurangan stock karena saling koordinasinya semua
bagian, walaupun terjadinya kekurangan stock dikarena faktor
ekternal yaitu vendor yang mengalami kendala dalam memenuhi
pesanan (Wawancara dengan Narasumber Staf PPIC, pada 20 Juli
2021). Jika di asumsikan terjadi 2 kali dalam satu tahun maka nilai
service level yang diinginkan adalah 95% dengan 5% nilai level yang
tidak terpenuhi. 5% atau 0,05 berdasarkan tabel distribusi frekuensi
atau tabel Z maka nilai Z didapat 1,64. PT SMART Tbk juga melakukan
evaluasi persediaan bahan baku setiap 1 bulan sekali (Wawancara
dengan narasumber Staf PPIC, pada 20 Juli 2021) maka besarnya nilai
T adalah 1. Maka mencari besarnya safety stock, nilai Q dan ROP
dengan cara:
Safety Stock Standing Pouch =1,64 x 3(2 + 1) 58.422 = 166.442
Mencari nilai Q = 1.407.800 x (1+2) + 166.442 – 0 (nilai 0, onhand tidak

diketahui) = 4.389.842 pcs per order
Mencari ROP = 1.407.800 x (2 + 166.442) = 2.982.042 pcs batas

minimum persediaan
Hasil perhitungan dilihat pada Tabel 4.5

48
Tabel 4. 5 Safety Stock, Q, Re-Order Point
Lead Time
Bahan Baku T Safety Stock Q ROP
(Bulan)
Standing Pouch FG
2 1 166.442 4.389.842 2.982.042
A
Karton FG A 1 1 22.650 491.917 257.283
Vit FG A 3 1 32 971 736
Lakban 1 1 566 12.298 6.432
Re-Order Point (ROP) atau titik ulang pemesanan sebagai acuan

dilakukan pengulangan pemesanan stock bahan baku. Jika stok bahan baku
sudah mendekati nilai ROP atau dibawah nilai ROP maka di periode tersebut
dilakukan pemesanan ulang. Permodelan MRP teknik FOQ dapat dilihat pada
tabel 4.6

49
Tabel 4. 6 MRP Lotsize EOQ

Lead Time 2 Bulan
Standing Pouch FG A 2 L (Pcs)
On Hand
Safety Stock 166.442 Bulan
Lot Size FOQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
Gross Requirement (GR) 1.572.882 1.467.858 1.419.294 1.396.836 1.386.450 1.381.650 1.379.430 1.378.404 1.377.924 1.377.708 1.377.606 1.377.558
On Hand (OH) 2.816.960 1.349.102 4.319.651 2.922.815 1.536.365 154.715 3.165.127 1.786.723 408.799 3.420.933 2.043.327 -
Unit Net Requirement (NR) 1.572.882 0 70.192 - - - 1.224.715 - - 968.909 -
Plant Order Receipt (PORt) 4.389.842 4.389.842 4.389.842 4.389.842
Plant Order Release (PORs) 4.389.842 4.389.842 4.389.842 4.389.842 4.389.842
Lead Time 1 Bulan
Karton FG A (Pcs)
On Hand
Lot Size FOQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
Gross Requirement (GR) 262.147 244.643 236.549 232.806 231.075 230.275 229.905 229.734 229.654 229.618 229.601 229.593
On Hand (OH) 229.770 477.043 240.494 499.605 268.530 38.255 300.266 70.532 332.795 103.177 365.493 135.900
Unit Net Requirement (NR) 262.147 14.873 - - - - 191.650 - 159.122 - 126.424
Plant Order Receipt (PORt) 491.917 491.917 491.917 491.917 491.917 491.917
Plant Order Release (PORs) 491.917 491.917 491.917 491.917 491.917 491.917
Lead Time 3 bulan
Vit A (Kg)
On Hand
Safety Stock 32 Bulan
Lot Size FOQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
Gross Requirement (GR) 262 245 237 233 231 230 230 230 230 230 230 230
On Hand (OH) 708 464 227 965 734 504 274 1.015 785 555 326 96
Unit Net Requirement (NR) 262 - - 6 - - - - - - - -
Plant Order Receipt (PORt) 971 971 971
Plant Order Release (PORs) 971 971 971 971
Lead Time 1 Bulan
Lakban (Roll)
On Hand
Lot Size FOQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
On Hand (OH) 5.744 11.926 6.012 12.490 6.713 956 7.507 1.763 8.320 2.579 9.137 3.397
Unit Net Requirement (NR) 6.554 372 - - - - 4.791 - 3.978 - 3.161
Plant Order Release (PORs) 12.298 12.298 12.298 12.298 12.298 12.298 12.298
50
Menghitung biaya penyimpanan menurut (Haming & Nurnajamuddin,

2017, p. 11) di buku Manajemen Produksi Modern biaya penyimpanan
biasanya sekitar 15%-20%, dalam penelitian ini penulis memperkirakan baiya
penyimpanan/ Holding Cost 15% dari harga bahan baku per unit. Biaya
pemesanan/ Ordering Cost berdasarkan laporan penelitian di PT. SMART yaitu
69.656. Biaya Penyimpanan dan Biaya pemesanan dapat dilihat pada Tabel 4.7
Tabel 4. 7 Holding Cost dan Ordering Cost
Harga/Unit Holding Cost Ordering Cost

Bahan Baku Persentase
(Rp) (Rp/unit) (Rp/Unit)
Standing 1.000
15% 150 69.656
Pouch FG A
Karton FG A 4.400 15% 660 69.656
Vit FG A 750.000 15% 112.500 69.656
Lakban 5.600 15% 840 69.656
Maka perhitungan total biaya adalah

TC = (Jumlah Pemesanan x Ordering cost) + (jumlah persediaan x biaya
penyimpanan). Maka total cost yang di dapatkan dapat dilihat pada Tabel 4.8
Tabel 4. 8 Total Biaya Teknik FOQ
Total Ordering Total Holding

TC
Bahan Baku Pemesanan Cost persediaan cost
(Rp)
(unit) (Rp) (Unit) (Rp)
Standing 17.559.369 69.656 23.924.517 150 1.226.704.104.868
Pouch FG A
Karton FG A 2.951.500 69.656 3.061.859 660 207.610.482.412
Vit FG A 2.912 69.656 6.652 112.500 951.192.208
Lakban 73.787 69.656 76.546 840 5.204.040.427

51
4.2.2.2 POQ (Periodic Order Quantity)

Dengan teknik POQ, setiap melakukan pemesanan periodenya
sama dengan periode lainnya. Periode pemesanan bisa dilakukan
setiap 1 bulan atau 2 bulan sesuai dengan perhitungan periodik yang
di dapat. Maka sebelum melakukan lotting di cari dahulu nilai
periodiknya. Dapat dilihat pada tabel 4.9
POQ = EOQ / rata-rata permintaan pertahun
Tabel 4. 9 Periodic POQ
Bahan Baku Q Rata-rata pemakaian POQ

Standing Pouch FG A 4.389.842 1.407.800 3
Karton FG A 491.917 234.633 2
Vit FG A 971 235 4
Lakban 12.298 5.866 2
Pemodelan MRP teknik POQ dapat dilihat pada Gambar 4.10

Tabel 4. 10 MRP Lotsize POQ
Lead Time 2 Bulan

Standing Pouch FG A 2 L (Pcs)
On Hand
Lot Size POQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
Gross Requirement (GR) 1.572.882 1.467.858 1.419.294 1.396.836 1.386.450 1.381.650 1.379.430 1.378.404 1.377.924 1.377.708 1.377.606 1.377.558
On Hand (OH) 2.887.152 1.419.294 - 2.768.100 1.381.650 - 2.756.328 1.377.924 - 2.755.164 1.377.558 -
Unit Net Requirement (NR) 1.572.882 0 - 1.396.836 - - 1.379.430 - - 1.377.708 - -
Plant Order Receipt (PORt) 4.460.034 4.164.936 4.135.758 4.132.872
Plant Order Release (PORs) 4.460.034 4.164.936 4.135.758 4.132.872
Lead Time 1 Bulan

Karton FG A (Pcs)
On Hand
Lot Size POQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
On Hand (OH) 244.643 - 232.806 - 230.275 - 229.734 - 229.618 - 229.593 -
Unit Net Requirement (NR) 262.147 - 236.549 - 231.075 - 229.905 - 229.654 - 229.601 -
Lead Time 3 bulan

Vit A (Kg)
On Hand
Lot Size POQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
Gross Requirement (GR) 262 245 237 233 231 230 230 230 230 230 230 229
On Hand (OH) 714 469 233 - 690 460 230 - 688 459 229 -
Unit Net Requirement (NR) 262 - - - 231 - - - 230 - - -
Plant Order Receipt (PORt) 976 921 918
Plant Order Release (PORs) 976 921 918
Lead Time 1 Bulan

Lakban (Roll)
On Hand
Lot Size POQ -4 -3 -2 -1 1 2 3 4 5 6 7 8 9 10 11 12 1
On Hand (OH) 6.116 - 5.820 - 5.757 - 5.743 - 5.741 - 5.740 -
Unit Net Requirement (NR) 6.554 - 5.914 - 5.777 - 5.748 - 5.741 - 5.740 -
52
53
Maka perhitungan total biaya adalah

TC = (Jumlah Pemesanan x Ordering cost) + (jumlah persediaan x biaya
penyimpanan). Maka total cost yang di dapatkan dapat dilihat pada
Tabel 4.11
Tabel 4. 11 Total Cost POQ
Total Ordering Total Holding

TC
Bahan Baku Pemesanan Cost persediaan cost
(Rp)
(unit) (Rp) (Unit) (Rp)
Standing Pouch
16.893.600 69.656 16.723.170 150 1.179.249.077.100
FG A
Karton FG A 2.815.600 69.656 1.396.669 660 197.045.235.140
Vit FG A 2.815 69.656 4.171 112500 665.346.703
Lakban 70.391 69.656 34.918 840 4.932.486.385
4.3 Implikasi
Peramalan Permintaan Minyak Goreng Grade A 2L di PT SMART Tbk di Tahun
2021 berjumlah 2.815.600 Box. Jika dilihat dari tahun sebelumnya pada 2017
permintaan sebanyak 2.369.500 Box, pada tahun 2018 permintaan sebanyak
2.660.000 Box, pada 2019 permintaan sebanyak 2.432.000 Box dan pada 2020
sebanyak 2.780.015 Box. Dapat disimpulkan bahwa permintaan Minyak Goreng
Grade A 2L terus mengalami peningkatan permintaan setiap tahunnya. Walapun
dalam 2 tahun ini adanya pandemic Covid-19, permintaan tetap meningkat
dikarenakan minyak goreng merupakan salah satu produk Fast Moving Consumer
Goods.
Peramalan permintaan adalah awal dari perencanaan, dengan melakukan
peramalan perusahaan dapat mengetahui kondisi di masa depan. Meskipun PT.
SMART Tbk perusahaan sistem MTO (make to order) peramalan tetap dilakukan
untuk mempersiapkan bahan baku sebelum pesanan datang. Pelanggan
membutuhkan waktu cepat untuk mendapatkan pesanan mereka tetapi tanpa
dengan adanya perencanaan sebelumnya perusahan akan kesulitan dalam
memenuhi keinginan pelanggan karena dalam pemesanan bahan baku pasti adanya
leadtime pemesanan.

54
Pengendalian persediaan juga penting dalam menghitung kebutuhan bahan

baku. Bahan baku dipesan sesuai perkiraan kebutuhan dari hasil peramalan. Dengan
perusahaan memesan bahan baku sesuai kebutuhan, jika perusahaan memesan lebih
dari kebutuhan akan menimbulkan biaya-biaya seperti biaya penyimpanan yang
besar, dan biaya kerusakan barang.
Teknik POQ menjadi termurah. Teknik ini meminimalkan biaya pemesanan dan
biaya penyimpanan karena dilakukan pemesanan per periodik. Teknik POQ masih
berisiko jjika terjadinya pemintaan yang dapat di luar perencanaan.
Teknik FOQ memiliki total biaya termahal. Biaya penyimpanan lebih besar
karena pemesanan dengan jumlah yang sama tiap periodenya sehingga terjadinya
penyimpanan yang menimbulkan biaya. Pemesanan lebih murah di bandingkan POQ
karena dipesan tidak setiap periode hanya berdasarkan titik pemesanan ulang (ROP).

BAB 5
Kesimpulan dan Saran
5.1 Kesimpulan
1. Jumlah permintaan minyak goreng Grade A ukuran 2 L pada PT. SMART Tbk di
tahun 2021 sebanyak 2.815.600 box. Permintaan tiap periodenya dapat dilihat
pada Tabel 4.4. Hasil uji L-jung Box menunjukan adanya korelasi pada tiap lag
sehingga pemodelan arima dapat digunakan sebagai peramalan. Hasil peramalan
mendapatkan nilai MAPE sebesar 33% dimana cukup baik digunakan sebagai
peramalan.
2. Perencanaan bahan baku teknik POQ dengan total biaya terendah. Bahan baku
standing pouch pada periodic pertama dipesan sebanyak 4.460.034 pcs, pada
periodic kedua sebanyak 4.164.936 pcs, pada periodic ketiga sebanyak 4.135.758
pcs, pada periodic keempat sebanyak 4.132.872. Bahan baku karton pada periodic
pertama dipesan sebanyak 506.790 pcs, pada periodic kedua sebanyak 469.355
pcs, pada periodic ketiga sebanyak 461.350 pcs, pada periodic keempat sebanyak
459.639 pcs, pada periodic ke lima sebanyak 459.272 pcs, pada periodic ke enam
sebanyak 459.194 pcs. Bahan baku Vitamin A pada periodic pertama dipesan
sebanyak 976 kg, pada periodic kedua sebanyak 921 kg, pada periodic ketiga
sebanyak 918 kg. Bahan baku lakban pada periodic pertama dipesan sebanyak
12.670 roll, pada periodic kedua sebanyak 11.734 roll, pada periodic ketiga
sebanyak 11.534 roll, pada periodic keempat sebanyak 11.491 roll, pada periodic
kelima sebanyak 11.482 roll, pada periodic keenam sebanyak 11.480 roll
3. Pemesanan bahan baku teknik POQ dengan total biaya terendah. Standing pouch
dilakukan setiap 3 bulan sekali, karton dilakukan setiap 2 bulan sekali, vitamin A
dilakukan setiap 4 bulan sekali dan lakban dilakukan setiap 2 bulan sekali
5.2 Saran
Saran penulis dalam penelitian ini adalah:
1. Untuk penelitian selanjutnya lebih baik membanding dengan metode yang
digunakan oleh perusahaan sehingga dapat dengan pasti hasil peramalan yang
di dapatkan

56
2. MOQ yang menjadi pertimbangan dalam pengendalian persediaan, peneliti

menyaran dengan metode lain yang lebih tepat atau mencari vendor lain yang
tidak menerapkan MOQ

Daftar Referensi
Arnold, J. . R., Chapman, S. N., & Clive, L. M. (n.d.). Introduction to Materials

Management (L. N. Sette (ed.); SiXTH EDIT). https://doi.org/10.1017/mdh.2014.75
Dr. Zaroni, CISCP., C. (2017). Artikel logistik pangan. Supply Chain Indonesia.
https://supplychainindonesia.com/logistik-pangan/
Haming, M., & Nurnajamuddin, M. (2017). Manajemen Produksi Modern Buku 2 (N.
Syamsiah & R. Damayanti (eds.); 3rd ed.). PT Bumi Aksara.
Hasanah, F. (2019). Penerapan Metode Exponential Smoothing Dalam Meprediksi
Jumlah Peserta Didik Baru di MAN 2 Kota Kendari (Studi Kasus di MAN 2 Kota
Jambi).
Kemendag. (n.d.). Profil komoditas Minyak Goreng. Kemendag.
https://ews.kemendag.go.id/sp2kp-
landing/assets/pdf/120116_ANK_PKM_DSK_Minyak.pdf
Kusuma, T. Y. T., & Asmoro, S. P. N. (2017). Peramalan Permintaan Produk Sarung
Tangan Golf Menggunakan Metode Autoregresive Integrated Moving Average
(ARIMA) Di PT. Adi Satria Abadi. IndustryXplore, 02(01), 13–22.
Makridakis, S., & Steven C, W. (1994). Metode-Metode Peramalan untuk Manajemen
edisi ke 5 pola data.pdf (5th ed.).
Mulyani, S., Fadilah, N., & Saleh, K. (2019). Peramalan Permintaan Toza Juice Strawberry
Sebagai Dasar Penentuan Kebutuhan Persediaan. 217–237.
Nurulita. (2012). Penerapan Metode Peramalan Arima (Autoregressive Integrated
Moving Average) Untuk Penentuan Tingkat Safety Stock Pada Industri Elektronik.
Prasetyo, G. B., Arief, S. N., & Sholiha, F. R. (2020). Pengendalian Persediaan Bahan Baku
Biobriket Dengan Menggunakan Metode Poq Dan Arima ( Studi Kasus di. Seminar
Informatika Aplikatif Polinema (Siap).
Pujawan, I. N., & ER, M. (2010). Supply Chain Management (I. K. Gunarta (ed.); 2nd ed.).
Guna Widya.
Rizkiyah, N. D., & Fadhlurrahma, R. (2019). Analisis Pengendalian Persediaan dengan
Metode Material Requirement Planning (MRP) pada Produk Kertas Ukuran F4
IT180-55gsm. Jurnal Ekonomi Volume 18, Nomor 1 Maret201, 2(1), 41–49.
Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif, dan Tindakan. ALFABETA,CV.
Ulfa, A. M. (2020). Konsumsi Minyak Goreng Berdasarkan Jenis. Katadata.
https://databoks.katadata.co.id/datapublish/2020/08/12/konsumsi-minyak-
goreng-berdasarkan-jenis
Wahyudi, R. (2015). Analisis Pengendalian Persediaan Barang Berdasarkan Metode EOQ
Di Toko Era Baru Samarinda. Ejournal Ilmu Admistrasi Bisnis, 2(1), 162–173.
http://ejournal.adbisnis.fisip-unmul.ac.id/site/wp-content/uploads/2015/03/E-
journaL PDF (03-04-15-03-58-13).pdf

Wilson, H., Solutions, J. G., & Keating, B. (2009). Business Forcasting With ForecastX TM
Sixth Edition.

Naskah Skripsi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Naskah Skripsi

Diunggah oleh

Hak Cipta:

Format Tersedia

INSTITUT TRANSPORTASI DAN LOGISTIK TRISAKTI

ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO

PROGRAM STUDI LOGISTIK

ANALISIS PERAMALAN PERMINTAAN DENGAN METODE AUTO

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana

PROGRAM STUDI LOGISTIK

Jakarta, 30 Juli 2021

Skripsi ini diajukan oleh:

Nama Tanda Tangan

Ketua, Dr. Sita Aniisah Sholihah S. Si, MT

Anggota 1, Wahyu Poncotoyo, S.T., M.T

Anggota 2, Sesaria Mardhiani Racma Puspita S.T., M,T

Jakarta, 30 Juli 2021

Saya yang bertanda tangan di bawah ini:

Demi pengembangan ilmu pengetahuan dalam bidang transportasi dan logistik,

Demikian pertanyaan ini saya buat dengan sebenarnya.

Yang membuat pernyataan

Pembimbing 1 : Sesaria Mardhiani Rachma P, S.T., M.T

Kata Kunci: Arima, MRP, Permintaan, Peramalan, Persediaan.

Institut Transportasi dan Logistik Trisakti i

Pembimbing 1 : Sesaria Mardhiani Rachma P, S.T., M.T

Keywords: Arima, Demand, Forecast, Inventory, MRP.

Institut Transportasi dan Logistik Trisakti ii

Institut Tranportasi dan Logistik Trisakti iii

Institut Tranportasi dan Logistik Trisakti iv

Tabel 2. 1Bill Of Material Minyak Goreng Grade A........................................................... 16

Institut Tranportasi dan Logistik Trisakti v

Institut Tranportasi dan Logistik Trisakti vi

1.1. Latar Belakang

Institut Transportasi dan Logistik Trisakti 1

1.2. Rumusan Masalah

Berdasarkan uraian pada latar belakang di atas, permasalahan pada penelitian

Institut Transportasi dan Logistik Trisakti

Berdasarkan rumusan masalah diatas, tujuan dari penelitian ini sebagai

Insatitut Transportasi dan Logistik Trisakti

1.5. Ruang Lingkup Penelitian

Penelitian ini menganalisis peramalan permintaan dan pengelolaan bahan

1.6. Sistematika penulisan

Penggambaran dalam penulisan penelitian ini, penulis menyusun sistematika

Institut Transportasi dan Logistik Trisakti

BAB 4 HASIL DAN PEMBAHASAN

Insatitut Transportasi dan Logistik Trisakti

2.1 Logistik dan Rantai Pasok

Institut Transportasi dan Logistik Trisakti 6

2.2 Logistik Pangan

Institut Transportasi dan Logistik Trisakti

Sistem logistik pangan mencakup perencanan, pelaksanaan, dan pengendalian

2.4 Pengelolaan Permintaan

Institut Transportasi dan Logistik Trisakti

permintaan agregat sebagai perencanaan produksi, dalam jangka pendek

Sumber: Buku Introduction to Materials Management (Arnold et al., n.d., p. 217)

Institut Transportasi dan Logistik Trisakti

Institut Transportasi dan Logistik Trisakti

Institut Transportasi dan Logistik Trisakti

Gambar 2. 2 Tabel A Guide to Selecting an Appropriate Forcasting Method

Dalam penelitian ini, penulis melakukan peramalan dengan metode peramalan

Institut Transportasi dan Logistik Trisakti

2.6 Persediaan Bahan Baku

Institut Transportasi dan Logistik Trisakti

2. Untuk memenuhi tingkat permintaan yang berfariasi

Institut Transportasi dan Logistik Trisakti

level, merupakan indikator tingkat kepercayaan dalam pemenuhan permintaan yang

2.7 Material Requirements Planning (MRP)