BAB 6: MENGELOLA

PERSEDIAAN PADA
SUPPLY CHAIN
NIARI PRITTU MAYPEMI (21070117130112)

STEFANUS ROBERT MARSIAMTO (21070117130113)

LACHESA CHAIRUL ANAM (21070117130120)

6.6
MODEL PERSEDIAAN UNTUK PRODUK
DENGAN PERMINTAAN MUSIMAN
Isu mendasar bagi permintaan item musiman yaitu mencari keseimbangan antara ongkos
kelebihan dan ongkos kekurangan produk selama satu musim penjualan.
Resiko bagi produk permintaan musiman yaitu :
1. Produk tidak terjual sama sekali karena melewati masa kadaluwarsa;
2. Produk harus didiskon di bawah harga pabrik di akhir musim penjualan.
Isu mendasar yang harus diambil yaitu banyaknya barang yang harus dipesan untuk
memenuhi suatu musim jual.
 NOTASI PERHITUNGAN

c = harga beli dari pabrik (supplier) D = demand

p = harga jual normal
s = harga jual diskon
C0 = ongkos kelebihan satu unit
C0 =c – s
Cu = ongkos kekurangan satu unit
Cu = p – c
Q = besarnya permintaan yang optimal
SL* = service level yang optimal
SL* = trade off antara Co dan Cu
Z (SL*) = invers distribusi normal standar
yang berkolerasi dengan probabilitas SL*
 RUMUS PERHITUNGAN MENENTUKAN BESARNYA
UKURAN PESANAN BERDASARKAN INFORMASI DARI
RITEL
Rumus menghitung keuntungan perusahaan : Q = d + Z(SL*) x sd
1. Ketika Q < D
(p – c) Q Keputusan pemesanan :
2. Ketika Q > D 1. Co = Cu = memesan pada nilai rata – rata (d),
(p – s) D + (s – c) Q berkorespondensi dengan servis level 50%
Rumus keuntungan perusahaan secara umum : 2. Co < Cu = memesan leih dari nilai rata – rata (d).
P(b) = CU Min (Q, D) – max (0, [Q – D] C0) Cu
Sehingga SL* =
(Cu+Co)

Besar permintaan optimal jika permintaan selama musim jual

berdistribusi normal dengan rata – rata d dan standar deviasi sd :
 ILUSTRASI MODEL PERSEDIAAN
UNTUK PRODUK DENGAN PERMINTAAN MUSIMAN

p = harga normal jual per unit

p = harga per unit dari supplier
RITEL
s = harga jual diskon per unit
 CONTOH PERHITUNGAN MENENTUKAN BESARNYA
UKURAN PESANAN BERDASARKAN INFORMASI DARI
RITEL
Pada model ini, ongkos kekurangan maupun kelebihan• Harga satu unit celana = $17.5
hanya dilihat dari sudut pandang ritel. Pabrik hanya
• Ongkos kesempatan karena tidak memenuhi
pasif merespon pesaranan dari ritel.
permintaan pelanggan (karena stok habis) = $17.5
Diketahui :
• Kerugian penjualan stok karena diskon = harga beli
• Permintaan berdistribusi normal – harga pabrik = $7.5
• Besar yang dipesan perusahaan (D) = 1.000 unit Sehingga :
• Rata – rata pemesanan = 1.000 unit • Co = $7.5
• Standar deviasi = 300 unit • Cu = $17.5
• Permintaan sesungguhnya (Q) = 900 unit
Keuntungan perusahaan (P(b)) = CU Min (Q, D) – max (0, [Q – D] C0)
= (900 x $17.5) – (100 x $7.5) = $15,000
Cu
Service level yang optimal (SL*) =
(Cu+Co)
$17.5
= = 70%
($17.5 + $7.5)
Besar permintaan optimal (Q) = d + Z(SL*) x sd
= 1.000 + Z(0,7) x 300
= 1.000 + 0,524 x 300 = 1.157 unit
 EKSPEKTASI KEUNTUNGAN UNTUK UKURAN
PESANAN YANG BERBEDA
Ekspektasi keuntungannya dapat dihitung dengan malkukan replikasi Excel sebanyak 5.000
kali. Hasil simulasi menunjukkan bahwa nilai ekspektasi keuntungan memang maksimum
pada ukuran Q optimal. Semakin jauh ukuran pesanan dari Q optimal, maka semakin kecil
keuntungannya. Ekspektasi keuntungan meningkat dengan semakin besarnya ukuran
pesanan.
Parameter Demand Keuntungan
Q = 1.000 Q = 1.100 Q = 1.157 Q = 1.200 Q = 1.300
Rata – Rata 999.6 14.438,1 14.749,9 14.858,5 14.845,9 14.616,4
Standar Deviasi 305.5 4.522,8 5.352,6 5.784,6 6.085,4 6.660,1
Koefisien Varainsi 0,306 0,313 0,362 0,389 0,410 0,456
Minimum 0 -7.500 -8.250 -8.678 -9.000 -9.750
Maksimum 2.249 17.500 19.250 20.248 21.000 22.750
$14900.0

$14800.0

$14700.0

$14600.0

$14500.0

$14400.0

$14300.0

$14200.0
1000 1100 1157 1200 1300
Ukuran Pesanan
 KOORDINASI DENGAN PEMASOK

Pada model ini, penentuan ukuran pesanan dibuat berdasarkan informasi struktur ongkos
dari perusahaan dan dari ritel, sehingga ongkos kelebihan maupun ongkos kekurangan bisa
ditentukan dari sudut pandang sistem.
Notasi tambahan :
v = ongkos yang dikeluarka oleh pabrik
Sehingga :
• Co = v – s
• Cu = p – v
 STRUKTUR ONGKOS PABRIK DAN RITEL

p
v c
Pabrik Pabrik
s
 CONTOH PERHITUNGAN
MENENTUKAN BESARNYA UKURAN PESANAN
BERDASARKAN INFORMASI DARI RITEL DAN
PERUSAHAAN
Dari informasi slide sebelumnya, $5
= = 80%
($5 + $20)
Biaya produksi dan pengiriman = $15/unit
Dari sudut supply chain :
Besar permintaan optimal (Q)
• Co = $20
= d + Z(SL*) x sd
• Cu = $5
= 1.000 + Z(0,8) x 300
Sehingga
= 1.253 unit
Cu
Service level yang optimal (SL*) =
(Cu+Co)
 PERBEDAAN ANTARA
SEBELUM DAN SESUDAH KOORDINASI

Tanpa Koordinasi Dengan Koordinasi Perubahan

SL* 70% 80% 10%
Q 1.157 unit 1.253 unit 96 unit
Keuntungan Ritel $14.858 $14.758 $-101
(Ekspektasi)
Keuntungan Pabrik $2.893 $3.133 $240
Keuntungan Total $17.751 $17.890 $139
6.7
MENGURANGI KESALAHAN PERSEDIAAN
DENGAN MENDETEKSI RESPONS AWAL
Bagi produk – produk inovasi, kesalahan persediaan (kelebihan / kekurangan persediaan)
dapat dikurangi dengan meningkatkan akurasi peramalan. Akurasi peramalan dapat
meningkat jika perusahaan memanfaatkan informasi reaksi pasar di awal musim untuk
merevisi ramalan. Agar informasi reaksi peramalan dapat dimanfaatkan oleh perusahaan
dengan efektif, maka dibutuhkan lead time yang pendek antara perancangan dan distribusi
produk ke pasar.
Contoh hasil penerapan ramalan dengan memperhatika sinyal pasar awal

Gambar di kiri merupakan kesalahan peramalan tanpa memperhatikan sinyal pasar awal musim jual. Bisa
diketahui bahwa akurasi peramalan sangat rendah, peramalan (horizontal) lebih besar / lebih kecil dari data
aktual (vertikal).
Gambar di kanan merupakan kesalahan peramalan dengan memperhatikan sinyal pasar awal musim jual. Bisa
diketahui bahwa akurasi peramalan lebih baik.
6.8
PENDEKATAN KAPASITAS REAKTIF
• Pendekatan reaktif biasanya dilakukan pada industri dengan produk yang terjual pada
suatu musim jual yang relatif pendek, contohnya yaitu pada industri garmen. Industri ini
memiliki leadtime yang panjang namun musim jualnya relatif pendek.
• Kelemahan dari industri yang musim jualnya relatif pendek adalah kelebihan stock pada
akhir musim, sehingga produk yang ada harus dijual dengan lebih murah (diskon)
• Untuk mempermudah memahaminya, kita bisa lihat ilustrasi berikut ini.
GAMBAR
ILUSTRASI
LEADTIME
FORECASTING, LEADTIME DAN DISCOUNT

• Dari gambar di atas kita bisa melihat bahwa order pertama dibuat pada bulan Oktober, order
ini datang pada bulan akhir Januari (Leadtimenya yaitu 4 bulan)
• Pada pengamatan 2 bulan penjualan awal ritel menentukan berapa buah unit sebagai tambahan
pesanan pertama. Pesanan kedua ini dipenuhi 1 bulan oleh supplier. Lead time yang pendek ini
berimplikasi pada biaya oleh supplier karena umumnya supplier akan melakukan
lembur(overtime) dan menggunakan layanan pengiriman yang paling cepat dan mahal.
• Apabila biaya tambahan pemesanan kedua cukup besar, ritel harus melakukan kalkulasi ulang
apakah harus membeli (menyebabkan penambahan penjualan) atau tidak membeli
(membiarkan terjadi lost sales)
MEMBELI PADA PEMESANAN KEDUA

• Untuk menggambarkan hal ini, kita lihat ilustrasi 6.6, dengan asumsi kenaikan harga 20%
dari harga noemal(pemesanan pertama). Asumsi dari kasus ini adalah pesanan pertama
dijadikan dasar akurat dalam peramalan pemesanan kedua. Tentu apabila pemesanan
pertama terlalu besar maka akan menyebabkan kelebihan stok walaupun pesanan kedua
nol. Namun apabila pemesanan pertama terlalu kecil namun permintaan besar, maka kita
harus membayar cukup besar untuk pemesanan kedua karena adanya kenaikan harga
sebesar 20% dari pemesanan pertama.
• Untuk mengatasi ini kita bisa jadikan Co (ongkos kelebihan 1 unit) dan Cu (ongkos
kekurangan 1 unit) pada sub bab 6.6 untuk menentukan ukuran order pertama.
MENENTUKAN ORDER KEDUA

Ekspektasi Lost Sales = σ x L(z)

Ket :
σ = standar deviasi dari permintaan
L(z) = Loss function distribusi normal standar. Nilainya dapat didapat dari excel [
Normdist(z,0,1,0)-z*(1-Normdist(z)) ]
CONTOH KASUS : PABRIK PAKAIAN ZARA (1)

• Zara adalah salah satu perusahaan pakaian yang tercatat mengirimkan ke toko-toko di
dunia ppada bulan April 2003 berjumlah 563 tersebar di 33 negara dalam waktu 2 minggu
setelah proses desain. Kirimannya ke toko setiap 2 kali seminggu.
• Pada perusahaan Zara biasanya item hanya bertahan paling lama 2 minggu di dalam toko.
Berbeda dengan perusahaan lain seperti Next, Mark & Spencer, Matahari yang sering
kelebihan stock sehingga perlu didiskon besar-besaran. Lead time dari Zara cukup pendek
sehingga membuat mereka dapat memproduksi batch kecil, serta menggunakan reaksi
pasar di awal musim jual untuk mengambil keputusan perancangan, produksi, dan
pengiriman cepat. Untuk lebih mudah memahaminya kita bisa melihat gambar 6.10
 GAMBAR
PRODUKSI ZARA
CONTOH KASUS : PABRIK PAKAIAN ZARA (2)

• Zara memiliki 300 staf yang bekerja sebagai desainer, spesialis pasar, dan spesialis pembeli.
Setiap tahunnya mereka mengeluarkan 40.000 desain baru dan memiliki seperempatnya untuk
diproduksi.
• Sekitar setengah dari produksi dilakukan oleh pabrik mereka sendiri yang berjumlah 22 yang
18 diantaranya berlokasi di La Coruna. Namun semua penjahitan dilakukan di 500
subkontraktor yang lokasinya di La Coruna. Setengahnya lagi dibeli dari sekitar 400 pemasok
dari luar, 70% diantaranya berlokasi di Eropa (Portugal) selebihnya ada di Asia.
• Biasanya Zara membeli kain yang belum diwarnai agar produksinya jadi fleksibel. Kain ini
dipasok 40% oleh perusahaan Zara sendiri, selebihnya dipasok oleh sekitar 260 pemasok dari
luar.
CONTOH KASUS : PABRIK PAKAIAN ZARA (3)

• Zara memiliki satu pusat distribusi yang menempati 50.000 meter persegi dengan tenaga kerja 1200
orang. Beroperasi 4 hari seminggu, Zara menggunakan teknologi canggih dalam operasinya.
• Biasanya barang Zara hanya bertahan sekitar 8 jam sebelum dikirim.
• Pada 2001 tercatat bahwa ada sekitar 400.000 potong pakaian dikirim setiap harinya dengan pengiriman
pihak ketiga.
• Toko-toko di Eropa menerima barang dalam waktu 24 jam. Toko-toko di Amerika menerima barang dalam
waktu 48 jam. Toko-toko di Jepang menerima barang dalam waktu 48-72 jam. Dengan akurasi 99%.
• Toko Zara ada 600 toko, dan perusahaan membuka sekitar 2 toko baru setiap minggu. 99% toko tersebut
didirikan di luar spanyol
6.9
VENDOR MANAGED INVENTORY (VMI)
VENDOR MANAGED INVENTORY (1)

• Umumnya permasalahan yang terjadi di pemasok adalah mereka merespon permintaan secara pasif(tanpa
mencari tahu mengapa perusahaan pembeli membeli sejumlah tersebut). Hal ini menyebabkan inefisiensi
dengan beberapa alasan :
1. Pemasok tidak mendapat mendapat “early signal”, sehingga pemasok meramalkan apa, kapan dan
berapa yang akan dipesan pembeli. Hal ini menyebabkan kelebihan stok oleh perusahaan pemasok.
2. Pemasok harus merubah jadwal produksi secara tiba-tiba karena apa yang diminta pelanggan “kelas
satu” berubah secara tiba-tiba dari yang diperkirakan. Hal ini menyebabkan pelanggan “kelas dua”
harus dilakukan penjadwalan ulang. Jika perubahan terlalu sering maka mengakibatkan schedule
nervousness. Selain itu juga menyebabkan service level rendah (tidak dapat memenuhi permintaan
tepat waktu).
VENDOR MANAGED INVENTORY (2)

• VMI merupakan jawaban dari permasalahan-permasalahan yang ada di atas.

• Pada VMI, perusahaan pembeli tidak hanya memutuskan apa, kapan dan berapa yang akan
dipesan, namun juga memberikan informasi tentang data pelanggan mereka, persediaan
yang tersisa, serta informasi seperti promosi atau kegiatan lain yang mempengaruhi
penjualan di masa yang akan datang. Dalam perusahaan manufaktur, biasanya perusahaan
pembeli memberikan informasi berupa minimum dan maksimum persediaan yang mereka
harapkan.
VENDOR MANAGED INVENTORY (3)

• Dalam VMI diperlukan koordinasi dan pertukaran informasi yang lancar dari kedua belah pihak untuk
menjamin model VMI ini berjalan dengan baik.
• Beberapa perusahaan yang sudah menerapkan model VMI antara lain:
1. Barilla Spa
2. IBM
3. Lucent Technology
4. Unilever
• Beberapa kalangan lebih menyebutnya Co-Managed Inventory (CMI) dibandingkan VMI karena diperlukan
partisipasi aktif kedua belah pihak saat pengambilan keputusan.
CONTOH PENERAPAN VMI
BEBERAPA HAMBATAN DALAM MANAJEMEN
PERSEDIAAN
1. Tidak ada metrik kerja yang jelas
2. Status pesanan tidak akurat
3. Sistem informasi tidak handal
4. Kebijakan persediaan terlalu sederhana dan mengabaikan ketidakpastian
5. Biaya-biaya persediaan tidak ditaksir dengan benar
6. Keputusan supply chain yang tidak terintegrasi
KESIMPULAN

• Setiap supply chain memiliki persediaan di berbagai lokasi dan berbagai bentuk
• Efek finansial dari persediaan cukup besar, banyak perusahaan memiliki nilai sampai dengan
25% dari total asset
• Penyebab persediaan beragam (misal lead time, beda waktu D/S)
• Kinerja persediaan dapat diukur dalam berbagai metrik
• Berdasarkan fungsinya, persediaan dibagi menjadi 4 yaitu cycle stock, safety stock, pipeline
inventory, dan anticipation inventory
KESIMPULAN (2)

• Model-model persediaan diperlukan untuk membantu membuat keputusan pada pengelolaan

persediaan
• Jika demand relative stabil, biasanya digunakan metode EOQ
• Jika demand musiman, trade off yang penting yaitu biaya kelebihan dan kekurangan produk pada
suatu musim jual
• Minimalisis risiko saat demand musiman dengan menurunkan harga di akhir musim, atau
persingkat lead time
• Koordinasi antara pembeli dan pemasok untuk maksimasi keuntungan, serta pembagian yang
disepakati bersama
KESIMPULAN (3)

• Vendor Managed Inventory (VMI) adalah model pengelolaan persediaan tempat keputusan
waktu dan ukuran pengiriman ditentukan oleh pemasok dan pembeli memberikan
informasi up to date tentang ketersediaan dan kebutuhan dari waktu ke waktu
• Banyak kendala atau jebakan yang bisa muncul pada pengelolaan persediaan
THANKYOU