PERENCANAAN PENGENDALIAN PERSEDIAAN DINAMIS BAHAN

BAKU ABS ARBELAC DENGAN MEMPERTIMBANGKAN

YIELD UNCERTAINTY
Kazha Zuhria Rhapsody
Program Studi Manajemen Logistik, Sekolah Tinggi Manajemen Logistik Indonesia (STIMLOG)
Jl. Sariasih No. 54 Sarijadi, Bandung, Jawa Barat (40151)
Telp. : (022) 2019218 / (022) 95166572, Fax. : (022) 2019218
e-mail : kazhazuhria@gmail.com

Abstrak

Ketersediaan produk (bahan baku, barang setengah jadi, barang jadi) bagi suatu perusahaan
adalah hal yang sangat penting, karena berpengaruh pada setiap kegiatan rantai pasok. Selain itu,
ketersediaan produk juga memudahkan konsumen untuk mendapatkan produk yang diinginkan.
Terdapat beberapa faktor yang mempengaruhi pengendalian persediaan diantaranya yaitu peramalan
permintaan, jumlah safety stock, persediaan dan ketidakpastian yang berasal dari supplier (seperti lead
time dan kehandalan supplier dalam memenuhi permintaan). Pengendalian persediaan menjadi lebih
sulit ketika perusahaan tidak mampu mengatasi ketidakpastian tersebut. Oleh karena itu, dalam
penelitian ini dilakukan perencanaan pengendalian persediaan menggunakan kebijakan pengendalian
persediaan dinamis (�� , �) dengan mempertimbangkan non-stationary demand, ketidakpastian yield,
dan lead time yang dikembangkan oleh Mohammed Zied Babai (2006). Dari kebijakan tersebut
diperoleh hasil dan kesimpulan berupa reorder point atau titik pemesanan kembali pada setiap periode
dan jumlah pemesanan.

Kata Kunci : Persediaan Dinamis, Ketidakpastian Yield, Non-Stationary Demand, Lead Time

1. PENDAHULUAN prosedur yang digunakan untuk mengatasi

Ketersediaan produk (baik dalam bentuk
bahan baku, bahan penolong, suku cadang,
barang setengah jadi, maupun barang jadi) bagi
suatu perusahaan adalah hal yang sangat
penting, karena berpengaruh terhadap setiap
kegiatan rantai pasok. Menentukan tingkat
produk yang optimal (dalam arti tidak
menimbulkan beban biaya yang besar dan
produk tersedia ketika dibutuhkan) harus
diperhatikan dan merupakan sebuah investasi
yang besar bagi setiap perusahaan (Riyanto,
2012). Selain itu, ketersediaan produk juga
memudahkan konsumen untuk mendapatkan
produk yang diinginkan (Tjiptono, 2005).
Ketersediaan produk ini menjadi lebih
kompleks ketika memperhatikan jumlah
permintaan, dan ketidakpastian lead time (M. Z.
Babai, 2009).
Menurut Whybark dan Williams 1976, Speh
dan Wagenheim 1978, Nevison dan Burstein
1984, bahwa lead time berdampak terhadap
keuangan suatu perusahaan dan penting untuk
mengatasi dampak tersebut, terlepas dari
ketidakpastian permintaan. Saat ini, terdapat
banyak penelitian mengenai ketersediaan baik
produk maupun bahan baku, dengan tujuan
mengatasi permasalahan persediaan
deterministik dan probabilistik dengan
mempertimbangkan permintaan dan lead time.
Namun, lead time dan permintaan yang
digunakan dalam kebijakan cenderung
diketahui atau konstan (Kaplan, dkk 1970).
Selain permintaan dan lead time,
ketersediaan bahan baku atau produk juga
tergantung terhadap supplier/pemasok, apakah
supplier tersebut dapat memenuhi permintaan
pelanggan dengan tepat waktu dan jumlah yang
sesuai atau tidak. Hal tersebut kembali lagi
kepada kehandalan suatu supplier dalam
mengendalikan persediaan dan permintaan,
kehandalan suatu supplier dalam memenuhi
permintaan pelanggan, apabila ketika
pelanggan memesan bahan baku atau produk
dalam jumlah tertentu, dan supplier tidak dapat
memenuhi permintaan tersebut dengan jumlah
yang sesuai dengan permintaan M. Zied Babai,
2006 dalam jurnal Sri Hartini dan Indria
Larasati, 2009).
Saat ini, banyak penelitian mengenai
persediaan mulai dari penelitian statis dan
dynamic inventory, stationary dan non-
stasionary demand, deterministic demands dan
stochastic lead time, serta penelitian
pengendalian persediaan dinamis dengan
memperhatikan lead time dan ketidakpastian
permintaan (Whybark and Williams 1976,
Kaplan 1970, Scarf 1959, Chen 2000 dll dalam
jurnal M. Zied Babai, 2009).
Pada saat ini, banyak perusahaan
manufaktur yang memiliki lebih dari satu
supplier untuk memenuhi kebutuhan persediaan
dan mendapatkan bahan baku yang akan
digunakan pada bagian produksi. Bahkan ada
juga manufaktur yang memiliki bahan baku
dengan karakteristik yang berbeda, sehingga
untuk memenuhi kebutuhan manufaktur tidak
dapat membeli bahan baku tersebut di
sembarang supplier, dan hanya fokus kepada
satu supplier tertentu. Bahan baku yang bersifat
demikian biasanya sulit untuk ditemukan atau
masih jarang atau belum ada yang
memproduksi bahan baku di negara asal
manufaktur, atau spesifikasi bahan baku yang
dimiliki beberapa supplier tidak sesuai dengan
yang dibutuhkan oleh manufaktur tersebut dan
biasanya bahan baku diimpor dari negara lain,
tergantung dari bahan baku yang diperlukan
oleh sebuah manufaktur. Dalam kondisi
tersebut manufaktur sebagai pelanggan dari
sebuah supplier harus memastikan apakah
supplier handal atau tidak dalam memenuhi
permintaan pelanggan, apabila supplier tidak
dapat mengirimkan barang sesuai dengan
jumlah yang dipesan maka manufaktur sebagai
pelanggan harus mengantisipasi
ketidakhandalan supplier dalam jumlah yang
dikirim dan lead time pemesanan. Jika hal
tersebut tidak diperhatikan, maka akan
berdampak pada persediaan, produksi,
penjualan dan pemenuhan permintaan
konsumen terhadap produk di dalam
manufaktur tersebut. (Sri Hartini, 2009).
Salah satu contoh perusahaan yang
mengalami persoalan tersebut adalah
perusahaan yang memproduksi meter air di
kota Bandung. Dalam membuat sebuah meter
air dibutuhkan tiga bagian yaitu body casing,
inner, dan head casing. Dari ketiga bagian
tersebut bagian inner merupakan bagian yang
memiliki komponen bahan baku biji plastik
paling banyak, dan tidak hanya menggunakan
satu jenis biji plastik tetapi memakai lebih dari
lima jenis biji plastik. Dari beberapa jenis biji
plastik tersebut ada satu jenis yang paling
banyak digunakan dan dibutuhkan, yaitu bahan
baku biji plastik ABS Arbelac 750.
Oleh karena itu, pada penelitian ini akan
dibahas mengenai penerapan kebijakan
ketersediaan dinamis bahan baku biji plastik
ABS Arbelac 750 dengan mempertimbangkan
non-stationary demand, lead time dan
ketidakpastian yield, dengan menentukan titik
pemesanan kembali atau reorder point dan
jumlah yang akan dipesan. Titik pemesanan
kembali atau reorder point dihitung untuk
mengetahui kapan pemesanan harus diadakan
atau dilakukan, sehingga kedatangan atau
penerimaan barang yang dipesan tepat pada
waktu dimana persediaan diatas safety stock
(Sudana, 2011). Serta menentukan jumlah
pemesanan dengan mempertimbangkan
ketidakpastian yield. Sehingga manufaktur
sebagai konsumen dapat mengantisipasi
kendala-kendala yang mungkin terjadi akibat
ketidakhandalan supplier tersebut.
2. STUDI PUSTAKA
2.1 Logistik
Logistik berasal dari bahasa Yunani yaitu
logos yang berarti “rasio, kata, kalkulasi, alasan,
pembicaraan, orasi”. Menurut kamus Oxford
English mendefinisikan logistik sebagai “The
branch of military science having to do with
procuring, maintaning, and transporting
material, personel, and facilities”. Karena
logistik dianggap sebagai revolusi dari
kebutuhan militer untuk memenuhi persediaan
selama perang. Sedangkan menurut Cristopher,
2005 dalam buku Annisa Kesy dkk. tentang
“Manajemen Logistik”, logistik adalah proses
dari pengelolaan secara strategis dalam usaha
pengadaan, pergerakan dan penyimpanan
material, part, dan persediaan akhir (dan aliran
informasi yang berhubungan), melalui
organisasi dan jalur pemasarannya dalam
beberapa cara untuk mendapatkan keuntungan
tertentu di masa depan yang maksimal melalui
efektivitas biaya dari pemenuhan pemesanan.
Dan terakhir menurut CSCMP (Council of
Supply Chain Management Profesionals),
logistik merupakan proses dari perencanaan,
implementasi, dan pengendalian prosedur-
prosedur untuk transportasi yang effisien dan
effektif serta penyimpanan barang termasuk
jasa, dan informasi yang berhubungan mulai
dari titik awal hingga titik konsumsi dengan
tujuan memenuhi kebutuhan konsumen.
Definisi ini mencakup pergerakan inbound,
outbound, internal, dan eksternal.
2.2 Pengendalian Persediaan
Pengendalian persediaan merupakan salah
satu masalah penting yang dihadapi oleh
perusahaan. Kekurangan bahan baku akan
mengakibatkan adanya hambatan-hambatan
pada proses produksi. Kekurangan persediaan
barang jadi di pasaran akan menimbulkan
kekecewaan pada pelanggan dan akan
mengakibatkan perusahaan kehilangan mereka,
sedangkan kelebihan persediaan akan
menimbulkan biaya ekstra (biaya penyimpanan
dan lain-lain), di samping resiko kerusakan
karena penyimpanan barang yang terlalu lama.
Sehingga dapat dikatakan bahwa pengendalian
persediaan yang efektif sangat diperlukan oleh
suatu perusahaan. (Subagyo, 1984: 205)
2.3 Klasifikasi Kebijakan Pengendalian
Persediaan
Menurut M Zied Babai dalam jurnal Sri
Hartini dan Indria Larasati 2009, Berdasarkan
tipe informasi permintaan yang digunakan,
kebijakan pengendalian persediaan dapat
diklasifikasikan sebagai pendekatan
berdasarkan pada penggunaan persediaan
dimana kebijakan pengendalian persediaan
mengasumsikan bahwa tidak tersedia informasi
permintaan di awal horison perencanaan,
parameter kebijakan diperoleh berdasarkan
distribusi probabilitas dari permintaan historis,
keputusan pengendalian persediaan dibuat pada
waktu sebenarnya. Pendekatan berdasarkan
kebutuhan masa depan dimana kebijakan
pngendalian persediaan mengasumsikan bahwa
terdapat informasi permintaan di awal dalam
bentuk pesanan maupun peramalan.
2.4 Kebijakan Pengendalian Dinamis (�� ,Q)
Sistem persediaan satu tahap (single stage)
dan satu item (single item) dengan permintaan
non-stationary diberikan dalam bentuk
ketidakpastian peramalan (forecasts).
Peramalan dan ketidakpastian peramalan dapat
diperoleh dengan menggunakan metode
kuantitatif dan/atau kualitatif. Dalam penelitian
ini ketidakpastian peramalan digunakan sebagai
pengganti kesalahan dalam peramalan.
Berikut ini merupakan asumsi-asumsi yang
digunakan dalam penerapan kebijakan (�� ,Q) :
1. Sistem tidak terbatas dan replenishment
persediaan membutuhkan lead time.
2. Peramalan (F) dan ketidakpastian peramalan
(FU) diberikan pada awal horizon
perencanaan.
3. Pada setiap periode, peramalan dan
ketidakpastian peramalan kumulatif selama
satu interval R diketahui di awal periode
peramalan.
4. Ketidakpastian peramalan (FU) adalah
variabel acak yang independent dan
berdistribusi normal untuk semua periode
dari horizon perencanaan dengan parameter
(0, ��� ).
5. Ketidakpastian yield berdistribusi normal.
Dalam kebijakan ( �� ,Q), system dikendalikan
dalam setiap peramalan periode dasar. Setiap
awal periode �, jika posisi persediaan berada di
bawah titik pemesanan ulang (reorder point) �� ,
jumlah yang dipesan � . Jumlah pemesanan
yang diterima setelah periode �. Perkembangan
persediaan dalam kebijakan ( �� ,Q)
digambarkan pada gambar dibawah ini :
Dalam kebijakan ini, interval perlindungan
sama dengan penjumlahan dari replenishment
lead time L dan single elementary forecast
period (periode tunggal harus ditambahkan
karena peninjauan waktu diskrit). Jadi, titik
pemesanan ulang �� sama dengan peramalan
kumulatif dan maksimal ketidakpastian
peramalan kumulatif selama periode L+1.
Rumus titik pemesanan ulang :
�� = �+1 �
�=1 �+�−1
+ �−1 ��� �����+1 (2.16)
 Titik pemesanan kembali �� adalah variabel
over time sejak peramalan dan ketidakpastian
peramalan adalah variabel over time. Istilah
kedua dalam �� berfungsi sebagai safety stock
dimana, dalam kasus ketidakpastian peramalan
variabel dari satu periode ke periode lainnya
bersifat relatif. Kuantitas � dapat dihitung
dengan menggunakan rumus Wilson, sebagai
berikut :
2� �
�=1 ��
�= ℎ�
(2.17)
Dalam kebijakan (�� ,Q) ketidakpastian yield
hanya berpengaruh kepada jumlah pemesanan
Q, sedangkan untuk rumus �� tidak berubah.
Dalam kebijakan ini dianggap bahwa
ketidakpastian yield, yaitu ketika jumlah Q
dipesan, penerimaan jumlah barang yang
dipesan bersifat acak (misal jumlah barang
yang diterima tidak sesuai dengan pesanan atau
jumlah barang yang dipesan sesuai tetapi
pengiriman dicicil). Dapat dilihat pada gambar
2.7 ketidakpastian yield yang kecil tidak
memiliki pengaruh pada probabilitas stock out
selama lead time pengisian sejak ada
pergeseran dalam periode ketika pesanan
ditempatkan. Dengan demikian, persamaan dari
safety stock dan reorder point (�� ) sama seperti
dalam kebijakan ( �� ,Q) tanpa ketidakpastian
yield yaitu ada pada persamaan 2.18.
Namun, untuk kuantitas atau jumlah yang
dipesan Q berubah dan dapat diperkirakan
dengan persamaan 2.18 berikut :
2� �
�=1 ��
�= ℎ�
- ��� (2.18)
2.5 Lead Time
Dari segi supply chain management
menurut Prof. Richardus Eko Indrajit dan Drs.
Richardus Djokopranoto (2016), konsep lead
time dapat dilihat dari dua sudut pandang, yaitu
dari pihak pelanggan (Customers) dan dari
pihak penjual atau pembuat barang (Supplier).
2.6 Tingkat Pelayanan (Service Level)
Tingkat pelayanan dapat diukur melalui
tingkat ketersediaan barang (availability) dan
cara memberikan pelayanan (Serviceability)
(Senator Nur Bahagia, 2006 dan Sri Hartini dkk,
2009).
2.7 Biaya Penyimpanan (Holding Cost)
Biaya penyimpanan merupakan semua
pengeluaran yang timbul akibat penyimpanan
barang (Senator Nur Bahagia, 2006).
2.8 Biaya Pemesanan (Order Cost)
Biaya pemesanan merupakan semua
pengeluaran yang ditimbulkan untuk
mendatangkan barang dari luar, terdiri dari
biaya administrasi pembuatan dan penerimaan
pesanan serta biaya teekomunikasi. Biaya
pemesanan tidak tergantung dari jumah yang
dipesan, tetapi tergantung dari berapa kali
pesanan dilakukan.
2.9 Uji Distribusi Kolmogorov Smirnov
Uji Kolmogorov Smirnov merupakan
pengujian normalitas yang sering digunakan,
kelebihan dari uji normalitas ini adalah
sederhana dan tidak menimbulkan perbedaan
persepsi di antara satu peneliti dengan peneliti
lainnya yang menggunakan uji ini. Konsep
dasar dari uji normalitas Kolmogorov Smirnov
adalah membandingkan distribusi data (yang
akan diuji normalitasnya) dengan distribusi
normal baku, distribusi normal baku adalah
data yang telah ditransformasikan ke dalam
bentuk Z-Score dan diasumsikan normal. Jadi
uji normalitas Kolmogorov Smirnov adalah uji
beda antara data yang diuji normalitasnya
dengan data normal baku. Seperti pada uji beda
biasa, jika signifikansi di bawah 0,05 berarti
terdapat perbedaan yang signifikan, dan jika di
atas 0,05 maka tidak terjadi perbedaan yang
signifikan.
2.10 Mean (Rata-rata)
Mean atau rata-rata adalah ukuran statistic
kecenderungan terpusat sama halnya Median
dan Modus, rata-rata dibagi menjadi beberapa
macam yaitu, rata-rata hitung (aritmatik), rata-
rata geometric, rata-rata harmonic dan lain-lain.
Namun, jika yang ditanyakan hanya rata-rata
saja, maka rata-rata yang dimaksud adalah rata-
rata hitung (aritmatik). Simbol rata-rata
tergantung dari data yang akan digunakan, jika
data sampel maka simbol rata-rata adalah � dan
data populasi maka simbol rata-rata adalah µ.

2.11 Variasi dan Standard Deviasi

Standar deviasi merupakan akar kuadrat
dari variasi, ukuran variasi ini yang paling
sering digunakan karena nilainya memenuhi
kriteria statistika. Variasi dicari dengan
menghitung selisih dari setiap elemen data
dengan rata-rata. Variasi juuga dibedakan
antara variasi populasi dan variasi sampel.

2.12 Peramalan (Forecasting)

Menurut Herjanto (2003), Peramalan
adalah suatu bentuk usaha untuk meramalkan
keadaan di masa mendatang melalui pengujian
keadaan di masa lalu. Peramalan adalah
perkiraan peristiwa-peristiwa di waktu yang
akan datang atas dasar pola-pola di waktu yang
lalu, dan penggunaan kebijakan-kebijakan
proyeksi-proyeksi dengan pola-pola di waktu
yang lalu. Teknik peramalan dibagi menjadi
dua diantaranya :
a. Teknik peramalan secara kualitatif yaitu
peramalan yang melibatkan pendapat
pribadi, pendapat ahli, metode delphi,
penelitian pasar dan lain-lain. Bertujuan
untuk menggabungkan seluruh informasi
yang diperoleh secara logika dan sistematis
yang dihubungkan dengan faktor
kepentingan pengambil keputusan.
b. Teknik peramalan secara kuantitatif yaitu
peramalan yang digunakan pada saat data
masa lalu cukup tersedia. Beberapa teknik
kuantitatif yang sering dipergunakan adalah
seperti metode exponential smoothing,
moving average, regresi linier dan masih
banyak lainnya (Gasperz, 2004).

2.13 Meter Air

Meter air adalah salah satu alat untuk
mengukur volume air yang mengalir melalui
sistem perpipaan, secara terus menerus, yang
dilengkapi dengan unit penghitung, dan
indikator volume air melalui jaringan pipa.
3. METODE PENELITIAN
Dalam melaksanakan penelitian ini
dibutuhkan proses yang terstruktur dan
sistematis. Adapun metode penelitiannya
adalah sebagai berikut :
4. HASIL DAN PEMBAHASAN
Dari hasil pengolahan data dengan
menggunakan kebijakan persediaan dinamis
( �� ,Q), diperoleh hasil mengenai jumlah
pemesanan atau quantity order (Q), dan titik
pemesanan kembali atau reorder point ( �� ).
Berikut ini adalah penjelasan analisis untuk
masing-masing Q dan �� :
1. Jumlah pemesanan atau quantity order (Q)
Dalam penentuan jumlah pemesanan (Q),
dipengaruhi oleh beberapa hal yaitu rata-
rata ketidakpastian yield ( ��� ), biaya
pemesanan (A), biaya simpan (h), jumlah
 periode dalam horizon peramalan (H), dan Juni 2017 78 87,423 165,423
peramalan pada setiap periode (�� ). Juli 2017 81 36,255 117,255
� Agustus 2017 92 87,423 179,423
2� �
�=1 �
�= − ��� September 2017 117 9,014 126,014
ℎ� Oktober 2017 150 87,423 237,423
November 2017 147 34,532 181,532
2(��. 72.057,5/���������)(474)
�= −( Desember 2017 138 23,809 161,809
(��. 2.188,05/�������)(12)
− 13,9) Dari tabel di atas, dapat diketahui bahwa
titik pemesanan kembali atau reorder point
68.310.510
�= + 13,9 terjadi ketika :
26.256,6 1. Pada periode pertama (bulan Januari
2017) batas titik pemesanan kembali
�= 2.601,65 + 13,9 (�1 ) sebesar 171 kemasan atau 4.275 kg.
� = 51,006 + 13,9 2. Pada periode kedua (bulan Februari
2017) batas titik pemesanan kembali
� = 64.906 ≈ 65 kemasan
(�2 ) sebesar 164 kemasan atau 4.100 kg.
Dari hasil perhitungan di atas, diperoleh 3. Pada periode ketiga (bulan Maret 2017)
bahwa jumlah pemesanan pada setiap kali batas titik pemesanan kembali ( �3 )
pemesanan adalah sebesar 65 kemasan sebesar 163 kemasan atau 4.075 kg.
bahan baku biji plastik ABS Arbelac 750. 4. Pada periode keempat (bulan April
Jika dihitung dalam satuan kilogram, maka 2017) batas titik pemesanan kembali
jumlah pemesanannya adalah 1.625 kg (�4 ) sebesar 156 kemasan atau 3.900 kg.
(diperoleh dari 65 kemasan dikali dengan 5. Pada periode kelima (bulan Mei 2017)
25 kg/kemasan). Perhitungan jumlah batas titik pemesanan kembali ( �5 )
pemesanan ini tidak dihitung untuk setiap sebesar 185 kemasan atau 4.625 kg.
periodenya, tetapi dihitung untuk 6. Pada periode keenam (bulan Juni 2017)
keseluruhan periode dan berlaku untuk batas titik pemesanan kembali ( �6 )
setiap kali melakukan pemesanan. Selain sebesar 166 kemasan atau 4.150 kg.
itu, penentuan jumlah pemesanan atau 7. Pada periode ketujuh (bulan Juli 2017)
quantity order ini juga berdasarkan pada batas titik pemesanan kembali ( �7 )
ketidakpastian yield atau ketidakhandalan sebesar 118 kemasan atau 2.950 kg.
supplier/pemasok dalam memenuhi 8. Pada periode kedelapan (bulan Agustus
permintaan konsumen. 2017) batas titik pemesanan kembali
(�8 ) sebesar 180 kemasan atau 4.500 kg.
2. Titik pemesanan kembali atau reorder 9. Pada periode kesembilan (bulan
point (�� ) September 2017) batas titik pemesanan
Setelah jumlah pemesanan diketahui, kembali (�9 ) sebesar 127 kemasan atau
selanjutnya adalah mengetahui titik 3.175 kg.
pemesanan kembali atau reorder point (�� ) 10. Pada periode kesepuluh (bulan Oktober
dalam kebijakan persediaan dinamis 2017) batas titik pemesanan kembali
( �� ,Q). Perhitungan reorder point telah ( �10 ) sebesar 238 kemasan atau 5.950
dilakukan pada bab sebelumnya di point kg.
ke 4.2.5, dengan hasil perhitungan sebagai 11. Pada periode kesebelas (bulan
berikut : November 2017) batas titik pemesanan
Tabel 4.1 Analisis Titik Pemesanan kembali ( �11 ) sebesar 182 kemasan
Kembali (�� ) atau 4.550 kg.
1 2 3 4 12. Pada periode kedua belas (bulan
PERIODE (��� ) ��� (��) Desember 2017) batas titik pemesanan
Januari 2017 123 47,199 170,199 kembali ( �12 ) sebesar 162 kemasan
Februari 2017 143 20,830 163,83 atau 4.050 kg.
Maret 2017 146 16,011 162,011
April 2017 120 35,422 155,422 Selanjutnya, dari hasil perhitungan titik
Mei 2017 97 87,423 184,423 pemesanan kembali pada setiap periode
dituangkan dalam bentuk diagram di bawah
ini. Diagram ini hanya menunjukkan
perubahan pada masing-masing data yang
terdapat pada tabel 4.1 di atas yang terdiri
dari peramalan kumulatif (��� ), safety stock
(��� ), dan reorder point (�� ). Satuan yang
digunakan dalam pembuatan diagram ini
adalah kemasan.
Gambar 4.3 Kebijakan Persediaan
Dinamis (�� , �)
Pada gambar 4,3 menjelaskan bahwa besar
titik pemesanan kembali atau reorder point
(�� ) ditentukan dari nilai peramalan
kumulatif ( ��� ) dan Safety Quality (��� ).
Dalam hal ini safety stock dan safety quality
memiliki peranan yang sama tetapi untuk
safety quality lebih bervariasi dan
ditentukan secara dinamis untuk menutupi
ketidakpastian peramalan pada protection
interval yang berbeda untuk target layanan
tetap.

5. KESIMPULAN
Berdasarkan pengumpulan dan pengolahan
data yang dilakukan pada penelitian ini, maka
dapat disimpulkan bahwa :
1. Mengetahui langkah-langkah atau cara
Gambar 4.1 Grafik Tabel 4.1 Titik perhitungan kebijakan persediaan dinamis
Pemesanan Kembali ( �� ,Q), dengan mempertimbangkan
ketidakpastian yield. Dalam penggunaan
kebijakan ini digunakan untuk menentukan
titik pemesanan kembali atau reorder point
( �� ) dan jumlah pemesanan atau quantity
order (Q) secara berkelanjutan. Urutan
pengolahan data dimulai dari menentukan
asumsi dan notasi yang digunakan dalam
penelitian ini, kemudian melakukan
perhitungan awal (seperti perhitungan Uji
Distribusi Permintaan, Peramalan (F),
Ketidakpastian Peramalan (FU), Permintaan
Kumulatif (CD), Peramalan Kumulatif (CF),
Gambar 4.2 Grafik Tabel 4.1 Ketidakpastian Peramalan Kumulatif (CFU),
Cumulative Forecast Lead Time (L), Protection Interval (PI),
Ketidakpastian Yield (EQ), Tingkat Layanan
Pengendalian persediaan dilihat dari hasil Siklus, Safety Stock (Ss), Biaya Pemesanan
perhitungan titik pemesanan kembali atau (A), dan Biaya Persediaan (h)). Setelah
reorder point (�� ) sesuai dengan grafik perhitungan awal dilakukan, selanjutnya
kebijakan persediaan dinamis ( �� , �) di adalah menghitung Jumlah Pemesanan atau
bawah ini : Quantity Order (Q), dan Titik Pemesanan
Kembali atau Reorder Point (�� ).
2. Dari langkah-langkah pengolahan data
tersebut dengan menggunakan kebijakan
persediaan dinamis ( �� ,Q) dengan
mempertimbangkan ketidakpastian yield,
diperoleh jumlah pemesanan (Q) adalah 63
kemasan atau sebanyak 1.575 kg bahan
baku biji plastik ABS Arbelac 750, dan titik
pemesanan kembali pada setiap periodenya
(�� ) masing-masing.

Berdasarkan penelitian yang telah dilakukan

dan kesimpulan di atas, maka saran untuk
penelitian selanjutnya yaitu diharapkan dapat
mempertimbangkan ketidakpastian-
ketidakpastian lainnya (Misal seperti
ketidakpastian lead time). Selain itu, karena
penelitian ini melihat dari sisi konsumen yang
hanya memiliki satu supplier atau pemasok.
Dimana pemasok tersebut memiliki
ketidakpastian yield atau ketidakhandalan
pemasok dalam memenuhi permintaan, maka
untuk penelitian selanjutnya dapat dilihat dari
sisi supplier atau pemasok.
6. DAFTAR PUSTAKA
[1] Atang Sarbini, ST. (2014). “Spesifikasi
Meter Air”. Bandung. Pusat Penelitian dan
Pengembangan Permukiman Balitbang
Kementrian Pekerjaan Umum.
[2] Atnan, Ferdy Ramadhan. (2014). “Analisis
Pengaruh Persepsi Kualitas Ketersediaan
Produk, Product Knowledge terhadap
Brand Awareness Produk Private Label”.
Semarang. Universitas Diponegoro.
[3] Babai, M. Zied. (2005). “Politiques De
Pilotagede Flux Dans Les Cha � Nes
Logistiques : Impact De L’utilisation Des
Pre � Visions Sur La Gesion De Stocks”.
Ecole Centrale Paris. Ph. D Thesis,
Laboratoire G�nie Industriel.
[4] Babai, M. Zied. (2006). “A Dynamic
Inventory Control Policy Under Demand,
Yild and Lead Time Uncertainty”. Ecole
Centrale Paris. Laboratoire G � nie
Industriel.
[5] Babai, M. Zied. (2007). “Dynamic Versus
Static Control Policies In Single Stage
Production-Inventory Systems”. Ecole
Centrale Paris. Laboratoire G � nie
Industriel.
[6] Babai, M. Zied. (2007). “Dynamic Re-
order Poin Inventory Control with Lead-
Time Uncertainty : Analysis and Empirical
Investigation”. Ecole Centrale Paris.
Laboratoire G�nie Industriel.
[7] Bahagia, Senator N. (2006). “Sistem
Inventori”. Bandung. Institut Teknologi
Bandung (ITB).
[8] Hartini, Sri dan Indria Larasati. (2009).
“Penendalian Persediaan Menggunakan
Pendekatan Dynamic Inventory dengan
Mempertimbangkan Ketidakpastian
Permintaan, Yield dan Lead Time”.
Semarang. Universitas Diponegoro.
[9] Hendayani, R. (2011). “Mari
Berkenalan dengan Manajemen
Logistik”. Alfabeta. Bandung.
[10] Prof. Richardus Eko Indrajit, dan Drs.
Richardus Djokopranoto. (2016). “Supply
Chain Management Modul Pembelajaran
Berbasis Standar Kometensi dan
Kualifikasi Kerja”. Yogyakarta. Preinexus.
[11] Ristono, Agus. (2009). “Manajemen
Persediaan”. Yogyakarta. Graha Ilmu.
[12] Tawaka, Akida dan Tati Harihayati M.
“Supply Chain Management di PT. Multi
Instrumentasi”. Bandung. Universitas
Komputer Indonesia.
[13] Akbar, Aulia. (2018). “Cara Menghitung
Tarif Listrik yang Benar”.
(https://www.moneysmart.id/begini-lho-
cara-menghitung-tarif-listrik-benar/)
(Diakses tanggal 1 Februari 2019)
[14] Astuti, Dewi. “Rumus Statistik Rata-rata
Hitung (Mean)”.
(https://www.academia.edu/30639857/Ru
mus_Statistik_Rata-rata_Hitung_Mean)
(Diakses tanggal 1 Februari 2019)
[15] Azly, Rahmad. (2017). “Menghitung
Satuan Watt Menjadi KWH”.
(https://duniaberbagiilmuuntuksemua.blog
spot.com/2017/07/menghitung-satuan-
watt-menjadi-kwh.html)
(Diakses tanggal 1 Februari 2019)
[16] Dee-roy. (2012). “Menentukan Tingkat
Ketersediaan Produk Optimal”.
(https://manajement.info/2012/05/19/mene
ntukan-tingkat-ketersediaan-produk-
optimal/)
(Diakses tanggal 19 Desember 2018)
[17] Kerami, Djati. (2015). “Pemodelan
Matematis (Edisi 2)” Tanggerang Selatan.
Universitas Terbuka.
(http://www.pustaka.ut.ac.id/lib/2016/08/0
8/mata4324-pemodelan-matematis-edisi-
2/#tab-id-3.)
(Diakses tanggal 19 Desember 2018)
[18] Tradegecko. “Introduction to Carrying
Costs”.
(https://www.tradegecko.com/learning-
center/introduction-to-carrying-costs)
(Diakses tanggal 1 Februari 2019)