FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
MARTABAK MANIS 39 6.1 Penjualan Martabak Manis
VIII. KESIMPULAN DAN SARAN
2.3 Penelitian Pengendalian Persediaan dengan Penerapan Metode MRP (Teknik LFL ( Lot For Lot ), EOQ ( Economic Order Quantity ), POQ
(Period Order Quantity), PPB (Part Period Balancing)), Metode Simulasi Monte Carlo, dan Metode Probabilistik
Kurniawan (2008) menganalisis persediaan bahan baku Kecap Segitiga Majalengka. Sistem pengendalian bahan baku yang digunakan adalah dengan menggunakan metode perencanaan bahan baku (Material Requirement Planning/MRP), teknik yang digunakan dalam metode ini adalah Lot For Lot
(LFL), Economic Order Quantity (EOQ), dan Periode Order Quantity (POQ). Dengan teknik LFL yang dilakukan peneliti ternyata hasil frekuensi pemesanan jauh lebih besar dari frekuensi yang dilakukan perusahaan pada biasanya, sehingga akan menimbulkan peningkatan biaya pemesanan. Ini terjadi karena perusahaan tidak memiliki persediaan pada awal periode namun hanya melakukan persediaan bersih pada setiap periodenya. Dari jumlah persediaan dengan metode LFL itu maka total biaya persediaan lebih tinggi dari teknik perusahaan yaitu sebesar Rp. 27.659.749. Dengan menggunakan teknik EOQ perusahaan melakukan pemesanan bahan baku yang lebih rendah dibandingkan dengan teknik yang biasa dilakukan perusahaan. Biaya total yang dikeluarkan perusahaan dengan menggunakan teknik ini adalah sebesar Rp. 9.365.809 dari biaya yang ditanggung perusahaan sebesar Rp. 14.106.010, di sini terjadi penghematan mencapai hampir setengahnya, maka teknik ini optimal bila dilakukan perusahaan. Maka nilai hasil EOQ ini dapat digunakan sebagai acuan teknik LFL sebagai persediaan bersih. Sedangkan dengan teknik POQ menghasilkan biaya total persediaan sebesar Rp. 8.278.409 dan merupakan penghematan biaya terbesar bila dibandingkan dengan teknik EOQ, hal ini terjadi karena pada teknik POQ dapat mengurangi biaya penyimpanan sediaan kebutuhan yang tidak seragam.
Ruslan (2002) menganalisis tentang pengendalian persediaan bahan baku kecap asin di PT. Alam Aneka Aroma Sukabumi. Analisisnya menggunakan model MRP dengan teknik analisis PPB (Part Period Balancing) dan EOQ dan tidak menggunakan teknik LFL, karena menurutnya perusahaan perlu memiliki data perencanaan bahan baku yang akurat untuk setiap kali proses produksi, padahal dalam penelitiaanya Ruslan juga menganalisis tentang peramalan
10 penjualan yang kemudian dilakukan analisis perencanaan produksi. Oleh karena itu teknik LFL tidak digunakan. Dari hasil analisis menggunakan model MRP dengan teknik analisis PPB total persediaan bahan baku caramel yang dihemat dalam setahun sebesar 74,25 persen, sedangkan dengan teknik EOQ total persediaan bahan baku caramel yang dapat dihemat selama setahun adalah sebesar 70,75 persen. Sedangkan untuk persediaan bahan baku kedelai biaya persediaan yang bisa dihemat dengan PPB adalah sebesar 88,23 persen sedangkan dengan teknik EOQ sebesar 85,11 persen. Kemudian untuk bahan baku garam, biaya persediaan yang dapat dihemat dengan teknik PPB adalah sebesar 57,53 persen sedangkan dengan teknik EOQ sebesar 52,62 persen. Jadi dengan teknik PPB memperoleh penghematan terbesar dibandingkan dengan teknik EOQ.
Heni (2005) dalam penelitiannya menganalisis tentang “Perencanaan dan Pengendalian Persediaan Bahan Baku Melalui Pendekatan Simulasi”. Dalam
penelitiannya Heni menggunakan alat analisis dengan simulasi Monte Carlo dan tidak menggunakan model penelitian MRP karena analisis tersebut pada kondisi nyata sulit untuk diterapkan terutama teknik EOQ, karena ketatnya asumsi yang membatasi berlakuknya teknik EOQ, antara lain permintaan dan lead time yang harus diketahui dengan pasti dan konstan. Maka digunakanlah simulasi Monte Carlo yang sesuai dengan kondisi perusahaan yang melayani job order yang sifatnya tidak pasti. Cara analisis yang dilakukan peneliti adalah dengan mengumpulkan data yang dibutuhkan untuk menjawab permasalahan yang terkait dengan tujuan penelitian. Data yang dibutuhkan diambil dari PT Cedefindo yang berupa data bulanan tahun 2002 dan tahun 2003. Untuk menganalisis data digunakan metode peramalan time series yang meliputi Metode Moving Average, Metode Single Exponential Smoothing dan Metode Double Exponential Smoothing, serta Simulasi Monte Carlo. Berdasarkan rencana produksi dihitung kebutuhan bahan baku tahun 2004 menggunakan metode konvensional yang digunakan perusahaan, metode rata-rata kebutuhan berdasar simulasi, metode simulasi dengan target pesimis dan metode simulasi dengan target optimis. Stok bahan baku akhir tahun 2004 dihitung dengan metode konvensional menghasilkan nilai Rp 619.887.971,-. Nilai stok akhir dengan metode konvensional adalah nilai 176 bahan baku yang digunakan untuk memproduksi 32
11 produk pareto A di tahun 2004. Dari 389 bahan baku yang ada, dilakukan simulasi khusus untuk 176 bahan yang digunakan oleh produk pareto A. Kebutuhan berdasarkan metode simulasi ini adalah berdasarkan realisasi pemakaian bahan tahun 2002 dan 2003 khusus untuk 176 bahan yang selain digunakan oleh 32 produk pareto A juga digunakan oleh sebagian besar produk non pareto A yang berjumlah 196 produk. Nilai stok bahan di akhir tahun 2004 bila dihitung dengan metode rata-rata kebutuhan berdasarkan hasil simulasi diperoleh nilai Rp 634.677.257. Berdasarkan perhitungan tersebut terdapat selisih Rp 14.789.286 antara stok yang dihitung dengan metode konvensional yang saat ini digunakan perusahaan dan metode rata-rata hasil simulasi. Dengan kata lain terdapat selisih sebesar Rp 14.789.286,- yang menunjukkan kebutuhan untuk pembelian bahan baku di luar bahan-bahan yang digunakan pada produk pareto A. Nilai tersebut cukup kecil, terbukti bila dihitung rencana produksi rata-rata penjualan enam bulan terakhir dan kebutuhan bahan baku untuk 20 produk non pareto A dibutuhkan 53 jenis bahan baku, dan diperoleh nilai stok bahan baku akhir tahun 2004 yang jauh lebih besar, yaitu Rp 88.854.054. Perhitungan stok akhir bahan baku dengan metode simulasi dengan target pesimis menghasilkan nilai Rp 465.915.596,- Kebutuhan dengan target pesimis adalah kebutuhan dengan rata-rata hasil simulasi dikurangi dengan standar deviasi dari pemakaian bahan baku. Perhitungan kebutuhan bahan baku dengan target optimis menghasilkan kebutuhan bahan baku tiap bulan dengan rata-rata hasil simulasi ditambah standar deviasi yang menghasilkan nilai stok akhir sebesar Rp 886.525.514.
Hira (2001) meneliti tentang perencanaan pengendalian persediaan bahan baku ikan Tuna Loin di PT. Bonecom Jakarta. Metode penelitian yang digunakan dengan Simulasi Monte Carlo dan metode persediaan Probabilistik. Metode ini digunakan untuk menghitung jumlah tiap pemesanan (Q), tingkat persediaan (SS), dan total biaya persediaan. Berdasarkan hasil simulasi tingkat penjualan ekspor tuna loin untuk periode 2000 hingga 2005, rata rata tingkat penjualan perbulannya adalah 28.504,92 kg (tahun 2000), 26.128,75 kg (tahun 2001), 16.624,08 kg (tahun 2002), 30.881,08 kg (tahun 2003), 27.316,83 kg (tahun 2004) dan 30.881,08 kg (tahun 2005). Dengan menggunakan metode persediaan
12 probabilistik, dapat diketahui bahwa jumlah pemesanan bahan baku yang optimal dan jumlah ikan tuna sebagai bahan baku penyangga (buffer stock) yang harus tersedia guna menjaga kelancaran berproduksi. Pemesanan optimal bertujuan untuk menentukan jumlah pembelian bahan baku yang optimal dalam setiap kali pemesanan dilakukan. Adanya perubahan pada setiap jumlah pemesanan disebabkan oleh adanya perubahan pada tingkat penjualan, karena hubungan keduanya berbanding lurus. Rata rata pemesanan optimal untuk setiap pemesanan adalah 1.477,81 kg, angka ini merupakan rata pelaksanaannya. PT. Bonecom mengalami over stock sebesar 32,38 persen dari yang seharusnya tersedia, karena secara teoritis, tingkat persediaan disediakan sebesar 10 - 20% dari total kebutuhan bahan baku selama kegiatan proses produksi. Ikan tuna yang tersimpan sebagai persediaan berdasarkan data tahun 1998-1999 adalah sebanyak 1.560.315,35 kg atau rata-rata persediaan 65.013,14 kg, sedangkan hasil perhitungan bahwa jumlah ikan tuna sebagai bahan baku yang sebaiknya tersedia adalah sebesar 43.960 kg. Selain itu jumlah pemesanan yang dilakukan oleh PT. Bonecom selama ini melebihi kebutuhan (berdasarkan pada tingkat penjualan) sebesar 1.935,24 kg/pesanan yang bernilai Rp. 24.771.072. Berdasarkan data aktual tahun 1998-1999, total pembelian ikan tuna adalah sebanyak 2.491.529,19 kg, dengan perhitungan 1 tahun adalah 365 hari kerja, maka rata rata pembelian ikan tuna adalah sebanyak 3.413,05 kg/pesanan yang bernilai Rp. 43.687.040. Hasil perhitungan dengan menggunakan metode persediaan probabilistik jumlah pemesanan optimal adalah 1.477,81 kg/pesanan yang bernilai Rp. 18.951.968, dengan demikian PT. Bonecom dapat menekan biaya investasi sebanyak Rp. 24.771.072 untuk kelebihan bahan baku.
Pamela (2011) meneliti tentang manajemen persediaan usaha tanaman hias Adenium yang dilaksanakan di PT. Godongijo Asri, Depok Jawa Barat. Pada penelitian ini Pamela membagi pengendalian persediaan ke dalam dua sistem utama yang merujuk kepada buku karangan Watters (1992), dengan judul
“Inventory Control and Manajement” dua sistem tersebut adalah sistem
persediaan permintaan tidak bebas (Dependent Demand System) dan sistem persediaan bebas (Independent Demand System). Perbedaan kedua sistem ini mengindentifikasikan nantinya pada penggunaan model ideal pengendalian
13 persediaan yang cocok dan sesuai dengan asumsi-asumsi yang ada. Pada sistem persediaan tidak bebas memiliki model ideal seperti metode material requirement planning (MRP) dan just-in-time(JIT), sedangkan pada sistem persediaan bebas memiliki model ideal sepeti metode 1) Economic Order Quantity (EOQ) klasik, 2) EOQ dengan kendala investasi, 3) EOQ dengan two bin system tanpa kendala investasi, 4) EOQ dengan two bin system dengan kendala investasi, 5) Probabilistik, 6) peramalan permintaan. Pada penelitian ini perusahaan menggunakan model persediaan EOQ dengan two bin system. Berikut hasil penelitian pengendalian persediaan dilihat dari biaya total dan kendala dari setiap model ideal dan model yang digunakan perusahaan :
Tabel 1. Total Biaya Persediaan dan Kendala Asumsi Dari Semua Model Ideal
Model ideal Asumsi Model
Kondisi Perusahaan Terhadap Asumsi
Model
Biaya Total (Rp)
Two bin system
(perusahaan/konve nsional) Batas persediaan harus dalam keadaan maksimal Apabila stok berkurang maka perusahaan harus segera berproduksi sedangkan permintaan terhadap produk akhir belum tentu sesuai karna karakteristik permintaan yang tidak konstan
2.550.000 (340 unit)
EOQ klasik Permintaan diketahui secara pasti, kontinu, sepanjang waktu Permintaan tidak konstan , asumsi pemenuhan kembali persediaan instan seketika waktu tidak dapat digunakan karena waktu produksi yang lama, 1.800.000 (240 unit) EOQ dengan kendala investasi Permintaan diketahui secara pasti, kontinu, sepanjang waktu Kesulitan dalam penetapan jumlah investasi maksimal karena permintaan tidak diketahui secara konstan
1.905.000 (340 unit)
EOQ metode two bin system tanpa kendala investasi Permintaan diketahui secara pasti, kontinu, sepanjang waktu Permintaan tidak kostan, pemenuhan kembali investasi secara instan tidak bisa dilakukan karena
2.304.400 (194 unit)
14
Model ideal Asumsi Model
Kondisi Perusahaan Terhadap Asumsi
Model
Biaya Total (Rp)
masa produksi yang lama
EOQ metode two bin system dengan kendala investasi
Persediaan dipesan pada persediaan awal harus nol
Nilai persediaan awal tidak nol
2.283.200 (216 unit)
Probabilistik Tidak boleh ada kekurangan persediaan atau harus ada safety stock yang optimal Terjadi kekurangan persediaan karena perusahaan memenuhi permintaan 1.394.000 (579 unit) Peramalan Proyeksi permintaan atau penjualan akan semakin mengikuti tren, kasus tren menurun Keinginan perusahaan yang menginginkan penjualan yang terus meningkat 1.978.100 (260 unit) MRP Untuk mengendalikan persediaan bahan baku (barang setengah jadi) Untuk mengendalikan persediaan bahan baku produk akhir
150 unit
Just in time Kondisi
lingkungan yang stabil, produk dengan sedikit varian, kontinu pada tingkat yang tetap, untuk produksi volume besar, persediaan minimum, waktu tunggu pendek, pemasok handal, kualitas persediaan konsisten
Semua asumsi tidak dapat dipenuhi
-
Sumber: Pamela (2011) diolah.
Berdasarkan hasil perhitungan pada model persediaan ideal di atas dan terhadap asumsi-asumsi yang ada maka tidak ada satupun model persediaan ideal yang cocok untuk dilakukan dalam manajemen persediaan tanaman hias, karena
15 karakteristik permintaan adenium yang tidak konstan dan karakteristik produksi usaha tanaman hias adenium. Namun yang mungkin diterapkan hanyalah model konvensional perusahaan yaitu model EOQ dengan metode two bin system karena menejemen persediaan yang sudah dilakukan selama ini oleh perusahaan melakukan dengan metode ini.
Dari penelitian-penelitian sebelumnya, yang telah dijelaskan di atas, dapat diperoleh informasi bahwa, MAM merupakan restoran yang menyediakan martabak dengan rasa yang enak, dan merupakan makanan selingan yang biasanya dibeli konsumen pada saat hari libur (Sary, 2006). Sehingga diperlukan stok bahan baku yang cukup, terutama saat hari libur. Dalam menganalisis persediaan bahan baku, dapat menggunakan beberapa sistem analisis persediaan bahan baku, diantaranya sistem permintaan persediaan bebas (independent demand system) dan sistem permintaan persediaan terikat (dependent demand system). Pada penelitian ini akan digunakan adalah sistem permintaan persediaan bebas (independent demand system) yaitu model probabilistik karena sesuai dengan kondisi perusahaan yang melayani job order yang sifatnya tidak pasti dan juga mampu melihat kondisi persediaan bahan baku sesuai kondisi nyata pada perusahaan.
16
III.
KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis
