Adapun tujuan praktikum modul 3 adalah sebagai berikut.
1. Praktikan mengetahui dan memahami konsep dasar program dinamis (dynamic programming) yang menjadi dasar dalam kajian ilmu mengenai penelitian operasional.
2. Praktikan mengetahui dan memahami permasalahan-permasalahan dalam program dinamis.
3. Praktikan mampu menyelesaikan permasalahan menggunakan metode penyelesaian masalah pemrograman dinamis.
3.2 Landasan Teori
Dynamic programming adalah teknik matematis yang digunakan untuk pengambilan keputusan yang terdiri dari banyak tahap (multistage) \. Dengan kata lain, awalnya program dinamis membagi masalah asli ke dalam sub-sub masalah kemudian menentukan solusi optimal masalah asli dengan pemecahan rekursif sub-sub masalah (Hillier & Lieberman, 1994). Karakteristik persoalan program dinamis adalah sebagai berikut.
1. Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan.
2. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status merupakan bermacam kemungkinan masukan yang ada pada tahap tersebut.
3. Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari status yang bersangkutan ke status berikutnya pada tahap berikutnya.
4. Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan bertambahnya jumlah tahapan.
11
5. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah berjalan dan ongkos pada tahap tersebut.
6. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan yang dilakukan pada tahap sebelumnya.
7. Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk setiap status pada tahap k memberikan keputusan terbaik untuk setiap status pada tahap k + 1.
8. Prinsip optimalitas berlaku pada persoalan tersebut (Mulyono, 2004).
Program dinamis (dynamic programming) adalah metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan. Penerapan pendekatan program dinamis telah dikabarkan mampu untuk menyelesaikan aneka masalah, seperti:
alokasi, muatan (knapsack), capital budgeting, pengawasan, persediaan, dan lain-lain.
1. Stagecoach Problem
Persoalan stagecoach adalah persoalan rute jaringan dimana pada stagecoach traveler ingin menentukan rute terpendek antara dua tempat dengan memberikan beberapa rute alternatif yang ada.
2. Knapsack Problem
Persoalan knapsack adalah persoalan dimana mencari keuntungan maksimal dengan cara memasukkan barang atau objek dengan nilai keuntungan terbesar terlebih dahulu ke dalam kantong atau knapsack. Jadi strategi ini hanya mempertimbangkan jumlah keuntungan dari sekumpulan barang, dengan catatan berat barang yang akan dibawah tidak melebihi kapasitas kantong yang kita miliki. Terdapat beberapa variasi Knapsack problem sebagai berikut.
a. 0/1 Knapsack problem
Setiap barang hanya tersedia 1 unit, take it or leave it.
b. Fractional Knapsack Problem
Barang boleh dibawa sebagian saja (unit dalam pecahan).
12
c. Bounded Knapsack Problem
Setiap barang tersedia sebanyak N unit (jumlahnya terbatas).
d. Unbounded Knapsack Problem
Setiap barang tersedia lebih dari 1 unit, jumlahnya tidak terbatas (Bemvi, 2011).
3.3 Soal Praktikum
Berikut ini adalah soal praktikum modul 3 (dynamic programming).
1. Stagecoach Problem
PT Kwangya perusahaan yang memproduksi tepung di Indonesia.
Perusahaan ini ingin meminimalkan biaya operasional pendistribusian tepung ke satu vendor terbesar yang dimilikinya. Berikut jalur distribusi yang tersedia beserta biayanya (dalam ratusan ribu).
Gambar 3.1 Jalur Distribusi
Dari data di atas tentukan jalur distribusi manakah yang harus ditempuh pada saat pengiriman produksi tepung untuk meminimalkan biaya transportasi?
2. Knapsack Problem
Sebuah produsen tepung dengan nama PT Kwangya akan melakukan pengiriman menggunakan alat transportasi truk dengan batas maksimum 2000 karung/truk. Perusahaan tersebut memproduksi beberapa jenis tepung dengan jumlah, berat, dan keuntungan dilihat dalam tabel berikut ini.
A
13
Tabel 3.1 Data Produsen Tepung
No Jenis Tepung Jumlah tersedia (karung) pengiriman tanpa melebihi batas kapasitas untuk mendapatkan keuntungan maksimum?
3.4 Langkah-Langkah Praktikum
Berikut ini adalah langkah-langkah praktikum modul 3 menggunakan software Win-QSB.
A. Stagecoach Problem
Langkah-langkah praktikum untuk penyelesaian stagecoach problem.
1. Buka software Win-QSB.
2. Klik File pilih new problem lalu pilih stagecoach.
3. Isi program title dengan nama kalian atau nomor kelompok.
4. Isi number of nodes sesuai dengan studi kasus, contoh : 14 lalu klik ok.
5. Lalu isikan data sesuai dengan data pada soal atau studi kasus.
6. Klik solve and analyze lalu pilih solve the problem dan klik solve.
7. Hasil analyze akan muncul.
B. Knapsack Problem
Langkah-langkah praktikum untuk penyelesaian knapsack problem.
1. Buka software Win-QSB.
2. Pilih file kemudian klik new problem dan pilih knapsack.
3. Isi program title dengan nama kalian atau nomor kelompok.
4. Isi number of item sesuai dengan studi kasus, contoh : 14 lalu klik ok.
5. Lalu isikan data sesuai dengan data pada soal atau studi kasus.
14
6. Klik solve and analyze lalu pilih solve the problem dan klik solve.
7. Hasil analyze akan muncul
3.5 Tugas Praktikum
Tugas praktikum akan diberikan pada saat pertemuan Zoom oleh Asisten Laboratorium masing-masing modul.
15
QUEUING THEORY
PRAKTIKUM OPTIMASI INDUSTRI
4.1 Tujuan Praktikum
Adapun tujuan dari praktikum 4 adalah sebagai berikut.
1. Praktikan dapat memahami permasalahan-permasalahan antrian dalam sistem nyata.
2. Praktikan dapat memahami materi dan konsep teori antrian.
3. Praktikan dapat mengaplikasikan teori antrian guna memecahkan permasalahan dalam sistem antrian.
4.2 Landasan Teori
Sistem antrian adalah suatu himpunan pelanggan, pelayan (loket) serta suatu aturan yang mengatur kedatangan pelanggan dan pemrosesan masalah pelayanan antrian dimana dicirikan oleh lima buah komponen, yaitu pola kedatangan para pelanggan, pola pelayanan, jumlah pelayanan, kapasitas fasilitas untuk menampung para pelanggan dan aturan dalam mana para pelanggan dilayani (Djarwanto & Subagyo, 2000).
Struktur umum dari model antrian yang memiliki dua komponen utama, yaitu garis tunggu atau sering disebut antrian (queue) dan fasilitas pelayanan (service facility). Pelanggan atau konsumen menunggu untuk memasuki fasilitas pelayanan, menerima pelayanan, dan akhirnya keluar dari sistem pelayanan.
Selain Komponen utama, struktur dari model antrian memiliki komponen lain.
Adapun komponen lainnya adalah sebagai berikut (Yamit, 1993).
Gambar 4.1 Struktur Umum Model Antrian (Sumber: Yamit,1993)
16
Teori antrian (Queuering Theory) merupakan studi matematika dari antrian atau kejadian garis tunggu (waiting lines), yakni suatu garus tunggu dari pelanggan yang memerlukan layanan dari sistem yang ada. Antrian yang panjang sering kita jumpai di bank (saat nasabah mengantri di teller untuk melakukan transaksi), supermarket (saat para pembeli antri untuk melakukan pembayaran), dan bandara (saat para calon penumpang melakukan check-in).
Karakteristik antrian yang berkaitan dengan aturan antrian (disiplin antrian). Aturan antrian mengacu pada aturan urutan pelanggan dalam barisan yang akan menerima pelayanan. Sebagian besar sistem menggunakan aturan antrian yang disebut aturan first-in first-out (FIFO) dimana pelanggan yang datang lebih dahulu dialah yang pertama dilayani (Heizer & Render, 2005). Dalam prakteknya, terdapat beberapa aturan antrian yang biasa digunakan, yaitu :
First In First Out (FIFO) atau First Come First Served (FCFS), yaitu pelayanan dimana yang lebih dahulu masuk maka lebih dahulu keluar atau yang lebih dahulu datang maka lebih dahulu dilayani.
Last In First Out (LIFO) atau Last Come First Serve (LCFS), yaitu pelayanan dimana yang terakhir masuk maka lebih dahulu keluar atau yang terakhir datang maka yang lebih dahulu dilayani.
Priority Service (PS), yaitu pelayanan dimana prioritas pelayanan diberikan kepada yang mempunyai prioritas lebih tinggi dibandingkan dengan yang mempunyai prioritas lebih rendah, meskipun telah lebih dahulu tiba.
Service In Random Order (SIRO), yaitu pelayanan dimana panggilan berdasarkan pada peluang secara acak, tidak masalah dengan yang datang lebih awal.
General Service Diciplint (GD), yaitu pelayanan yang mempunyai aturan dan tata tertib yang berlaku umum dan ditaati bersama.
Berdasarkan sifat proses pelayanan, dapat diklasifikasikan fasilitas pelayanan dalam susunan saluran atau channel (single atau multiple) dan phase yang akan membentuk suatu struktur antrian yang berbeda-beda. Istilah saluran atau channel menunjukkan jumlah jalur atau tempat untuk memasuki sistem pelayanan, yang juga menunjukkan jumlah fasilitas pelayanan. Istilah phase
17
berarti jumlah stasiun-stasiun pelayanan, dimana pelanggan harus melaluinya sebelum dinyatakan pelayanan lengkap. Terdapat 4 model struktur antrian dasar yang umum terjadi dalam seluruh sistem antrian (Djarwanto & Subagyo, 1998).
1. Single Channel–Single Phase
Single Channel berarti hanya ada satu jalur yang memasuki sistem pelayanan atau ada satu fasilitas pelayanan. Single Phase berarti hanya ada satu fasilitas pelayanan. Contohnya adalah sebuah kantor pos yang hanya mempunyai satu loket pelayananan dengan jalur satu antrian, supermarket yang hanya memiliki satu kasir sebagai tempat pembayaran, dan lain-lain.
Gambar 4.2 Ilustrasi Model Antrian Single Channel-Single Phase (Sumber: Djarwanto & Subagyo, 1998)
Rumus-rumus yang digunakan, yakni sebagai berikut.
𝐿𝑠 = 𝜆
𝜇 − 𝜆… … … . . … (4.1)
𝑊𝑠 = 1
𝜇 − 𝜆… … … . … … (4.2) 𝑃 =𝜆
𝜇… … … (4.3) 𝑃𝑜 = 1 −𝜆
𝜇… … … . . … … … . . … (4.4) 𝐿𝑞 = 𝜆2
𝜇(𝜇 − 𝜆)… … … . … … … . . … (4.5)
𝑊𝑞 = 𝜆
𝜇(𝜇 − 𝜆)… … … . . … (4.6) 𝑃𝑛 = (1 −𝜆
𝜇) (𝜆 𝜇)
𝑛
… … … . . … (4.7) Keterangan,
Ls = Jumlah unit rata-rata yang diharapkan dalam sistem (unit) Wq = Waktu menunggu rata-rata yang diharapkan dalam antrian (Jam)
18
Ws = Waktu menunggu rata-rata yang diharapkan dalam sistem (Jam) P = Tingkat intensitas fasilitas pelayanan
Pn = Probabilitas kepastian n pelanggan dalam sistem Po = Probabilitas tidak ada pelanggan dalam sistem 2. Single Channel–Multi Phase
Sistem antrian jalur tunggal (istilah Multi Phase) dengan tahapan berganda ini atau menunjukkan ada dua atau lebih pelayanan yang dilaksanakan secara berurutan. Sebagai contoh adalah pencucian mobil, tukang cat mobil, dan sebagainya.
Gambar 4.3 Ilustrasi Model Antrian Single Channel-Multi Phase (Sumber: Djarwanto & Subagyo, 1998)
Rumus-rumus yang digunakan sebagai berikut.
𝐿𝑞 = (𝜆
3. Multi Channel–Single Phase
Sistem Multi Channel–Single Phase terjadi di mana ada dua atau lebih fasilitas pelayanan dialiri oleh antrian tunggal. Contohnya adalah antrian
19
pada sebuah bank dengan beberapa teller, pembelian tiket atau karcis yang dilayani oleh beberapa loket, pembayaran dengan beberapa kasir, dll.
Gambar 4.4 Ilustrasi Model Antrian Multi Channel-Single Phase (Sumber: Djarwanto & Subagyo, 1998)
Rumus-rumus yang digunakan, antara lain.
𝑃 = 𝜆
4. Multi Channel–Multi Phase
Sistem Multi Channel–Multi Phase ini menunjukkan bahwa setiap sistem mempunyai beberapa fasilitas pelayanan pada setiap tahap sehingga terdapat
20
lebih dari satu pelanggan yang dapat dilayani pada waktu bersamaan.
Contoh pada model ini adalah pada pelayanan yang diberikan kepada pasien di rumah sakit dimulai dari pendaftaran, diagnosa, tindakan medis, sampai pembayaran, registrasi ulang mahasiswa baru pada sebuah universitas, dll.
Gambar 4.5 Ilustrasi Model Antrian Multi Channel-Multi Phase (Sumber: Djarwanto & Subagyo, 1998)
4.3 Soal Praktikum
Pintu tol Kebonagung terletak di kawasan Kebonagung, Kota Pasuruan. Tol yang menghubungkan kota Surabaya dan Malang ini dibangun di lingkungan yang asri, melewati areal persawahan, lembah, dan gunung. Pintu tol Kebonagung memiliki 12 gardu tol dengan 5 orang pekerja. Adapun tugas dari petugas tol adalah mengaktifkan peralatan tol yang akan dioperasikan, mengatur dan mengawasi pelaksanaan transaksi selama shift tugasnya dengan memeriksa langsung ke seluruh gardu operasi, dan melakukan pemeriksaan secara periodik terhadap kesiapan sumber daya pengumpulan tol di gardu tol. Rata-rata tingkat kedatangan kendaraan (pelanggan) mengikuti distribusi poisson 50 kendaraan/jam. Petugas dapat melayani rata-rata 61 kendaraan/jam. Lakukan perhitungan sebagai berikut.
1. Tingkat intensitas kegunaan pelayanan.
2. Kemungkinan para petugas tidak bekerja.
3. Jumlah pelanggan rata-rata dalam antrian.
4. Jumlah pelanggan rata-rata dalam sistem.
5. Waktu menunggu dalam antrian.
6. Ekspektasi waktu menunggu dalam sistem.
21
7. Nilai kemungkinan untuk pelanggan masuk dalam sistem dan menunggu pelayanan.
4.4 Langkah-Langkah Praktikum
Berikut ini adalah langkah-langkah praktikum modul 4 menggunakan software POM-QM.
1. Buka aplikasi POM.
2. Klik ‘Waiting Lines’ → pilih M / M / S.
3. Isikan data sesuai studi kasus → Time Units : (pilih ‘Hours’) → Decimals : (isikan ‘4’).
4. Klik ‘Solves’.
4.5 Tugas Praktikum
Tugas praktikum akan diberikan pada saat pertemuan Zoom oleh Asisten Laboratorium masing-masing modul.
22
FORECASTING
PRAKTIKUM OPTIMASI INDUSTRI
5.1 Tujuan Praktikum
Adapun tujuan praktikum modul 5 adalah sebagai berikut.
1. Praktikan mampu memahami metode peramalan (forecasting) yang dapat digunakan untuk penyelesaian masalah persiapan periode selanjutnya.
2. Praktikan mampu mengolah data historis untuk dilakukan peramalan (forecasting) dengan software yang di ajarkan.
3. Praktikan mampu mengimplementasikan metode peramalan (forecasting) pada studi kasus nyata maupun praktikum.
5.2 Landasan Teori
Peramalan adalah proses untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa (Nurlifa & Kusumadewi, 2017). Peramalan adalah input dasar dalam proses pengambilan keputusan manajemen operasi pada menaruh liputan tentang permintaan di masa mendatang menggunakan tujuan buat memilih berapa kapasitas atau persediaan yang dibutuhkan buat menciptakan keputusan staffing, budget yang wajib disiapkan, pemesanan barang berdasarkan supplier dan partner menurut rantai pasok yang diharapkan membuat suatu perencanaan. Peramalan permintaan dijadikan acuan dalam penentuan keputusan bisnis. Objective Demand Forecasting terbagi menjadi Short-term dan Long-term. Short-term terdiri dari merumuskan kebijakan produksi, merumuskan kebijakan harga, kontrol penjualan, dan mengatur keuangan. Long-term terdiri dari menentukan kapasitas produksi dan merencanakan kegiatan jangka panjang (Goetsch & Davis, 1994).
23
Menurut Herjanto (2008:78) berdasarkan horizon waktu peramalan bisa dibedakan menjadi tiga, yaitu.
1. Peramalan jangka panjang adalah yang meliputi waktu yang lebih panjang dari 18 bulan, seperti contohnya peramalan yang dibutuhkan dalam hubungannya dengan penanaman modal, merencanakan fasilitas, dan merencakan untuk kegiatan litbang.
2. peramalan jangka menengah adalah yang meliputi waktu antara 3 sampai 18 bulan, seperti contohnya peramalan untuk merencanakan penjualan, merencanakan produksi, dan merencanakan tenaga kerja tidak tetap.
3. Perencanaan jangka pendek adalah yang meliputi jangka waktu kurang dari tiga bulan. Contohnya peramalan dalam keterkaitannya dengan merencanakan pembelian material, membuat jadwal kerja dan menugaskan karyawan.
Sedangkan menurut Render dan Heizer (2005) pada jenis peramalan dapat dibedakan menjadi beberapa tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3 macam, yaitu.
1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya.
2. Peramalan teknologi (technological forecast) mempehatikan tingkat kemajuan tehnologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan.
Dalam praktikum kali ini, kita akan membahas dan mempraktekkan metode time series. Metode time series berhubungan dengan nilai-nilai suatu variabel yang diatur secara periodik sepanjang waktu dimana perkiraan permintaan diproyeksikan, misalnya mingguan, bulanan, kuartalan dan tahunan. Metode time series yang umum dan sering digunakan dibagi menjadi 3 metode yaitu (Sofyan, 2013).
24
1. Simple Moving Avarage
Merupakan metode peramalan yang menggunakan rata-rata dari sejmlah (n) data terkini untuk meramalkan periode mendatang. Dengan menggunakan metode ratarata bergerak ini, deret berkala dari data asli diubah menjadi deret data rata-rata bergerak yang lebih mulus dan tidak terlalau tergantung pada osilasi sehingga lebih memungkinkan untuk menunjukkan trend dasar atau siklus dalam pola data sepanjang waktu. Berikut adalah model dari rata-rata bergerak sederhana antara lain dapat dilihat pada persamaan berikut/
𝑀𝑡
̅̅̅̅= Yt+1 = 𝑦𝑡−1+𝑦𝑡−2+⋯…..+𝑦𝑡−𝑛
𝑛 … … … . (5.1) Keterangan,
𝑀𝑡 = Rata-rata bergerak pada periode t Yt+1 = Nilai ramalan periode berikutnya Yt = Jumlah data pada rata-rata bergerak 2. Weighted Moving Avarage
Metode perhitungannya sama dengan rata-rata bergerak sederhana hanya diberi koefisien penimbang. Teknik ini lebih responsif terhadap perubahan karena periode yang lebih dekat mendapat bobot yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan (Heizer
& Render, 2001). Penetapan besar koefisien penimbang dapat dilakukan secara sembarang, tetapi pada ummnya besaran koefisien penimbang periode terakhir dari data historis adalah dua kali daripada koefisien penimbang periode sebelumnya. Berikut adalah Model dari ratarata bergerak tertimbang menurut Sofyan (2013) adalah sebagai berikut.
Y’t W1At-1 W2 At2 … WnAtn ………(5.2) Keterangan:
A = Permintaan aktual pada periode t
W1 = Bobot (0 ≤ Wt ≤1) yang diberikan pada periode t-1 dsb n = Jumlah periode
25
3. Single Exponential Smoothing
Single Exponential Smoothing digunakan untuk jarak pendek perkiraan.
Model mengasumsikan bahwa data berfluktuasi sekitar rata-rata yang cukup stabil. Metode ini merupakan teknik peramalan menggunakan penimbangan terhadap data yang ada di masa lalu dengan cara ekponensial. Pemberian bobot dilakukan pada data sehingga data paling akhir mempunyai bobot lebih besar dalam rata-rata bergerak (Oey et al., 2018). Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol. Berikut adalah Model dari single exponential smoothing menurut Sofyan (2013) adalah sebagai berikut.
𝑌′𝑡+1= 𝛼 T𝑡+ (1 − 𝛼) 𝑌′𝑡………(5.3) Keterangan:
Tt = Data permintaan pada periode t 𝛼 = Faktor/ konstanta pemulusan Y’t+1 = Peramalan untuk periode
5.3 Soal Praktikum
PT Molharme merupakan perusahaan industri kuliner yang bergerak di bidang spesialis bakmi dan hendak melakukan peramalan permintaan pada periode yang akan datang untuk mempersiapkan bahan baku maupun produksi bakmi periode selanjutnya. Terdapat 12 bulan data penjualan dan ingin meramalkan permintaan periode selanjutnya dengan W1= 0,21 W2=0,37, W3=0,42 dengan α=0,22. Berapakah hasil peramalan permintaan bakmi di periode selanjutnya?
26
Tabel 5.1 Data Historis Permintaan Bakmi PT Molharme Bulan Permintaan
Juni 711
Juli 743
Agsutus 728 September 768 Oktober 780 November 737 Desember 750 Januari 778 Februari 689
Maret 737
April 732
Mei 755
5.4 Langkah-Langkah Praktikum
Berikut ini adalah langkah-langkah praktikum modul 5 menggunakan software POM-QM.
1. Buka software POM-QM.
2. Pilih ‘Forecasting’ -> Time series -> Number of Past Periods : 12 -> Ok.
3. Isikan data sesuai studi kasus masing-masing.
4. Pilih metode (Moving Average) -> Periods to Average : 3 -> Solve -> klik
‘tracking signal’.
5. Edit data -> pilih Weight Moving Average (WMA) -> weight : (diisi sesuai soal) lalu solve.
6. Edit data -> pilih Exponential Smoothing (ES) -> Alpha for Smoothing (diisi sesuai soal) lalu solve.
5.5 Tugas Praktikum
Tugas praktikum akan diberikan pada saat pertemuan Zoom oleh Asisten Laboratorium masing-masing modul.
27
INVENTORY
PRAKTIKUM OPTIMASI INDUSTRI
6.1 Tujuan Praktikum
Adapun tujuan praktikum modul 6 adalah sebagai berikut.
1. Praktikan mampu menganalisis dan mengambil keputusan pada sistem persediaan.
2. Praktikan mampu menentukan jumlah pesanan yang ekonomis (economic order quantity) dan biaya total persediaan setiap periode.
3. Praktikan mampu menentukan titik re-order untuk persediaan bahan baku.
6.2 Landasan Teori
Menurut Stevenson dan Chuong (2014) menjelaskan bahwa persediaan (inventory) adalah stock barang yang disimpan perusahaan dalam persediaan pada bisnis yang dilakukan. Sedangkan menurut Prawirosentono (2009) menjelaskan bahwa persediaan adalah kekayaan lancar yang terdapat dalam perusahaan dalam bentuk persediaan bahan mentah (raw material), barang setengah jadi (work in process), dan barang jadi (finished goods). Berdasarkan beberapa pendapat maka dapat disimpulkan bahwa persediaan merupakan kekayaan perusahaan yang berupa bahan baku, bahan setengah jadi, dan bahan jadi.
Persediaan mempunyai sejumlah fungsi menurut Stevenson dan Chuong (2014: 181), yang paling penting adalah untuk memenuhi permintaan pelanggan yang diperkirakan, memperlancar persyaratan produksi, memisahkan operasi, perlindungan terhadap kehabisan persediaan, mengambil keuntungan dari siklus pesanan, melindungi dari peningkatan harga, memungkinkan operasi, dan untuk mengambil keuntungan dari diskon kuantitas (Yuliana et al., 2016)
.
Sedangkan menurut Handoko (1994) fungsi persediaan yaitu.1. Fungsi Decoupling
Persediaan decouples ini memungkinkan perusahaan dapat memenuhi permintaan langganan tanpa tergantung pada supplier.
28
2. Fungsi Economic Lot Sizing
Melalui penyimpanan persediaan, perusahaan dapat memproduksi dan membeli sumber daya dalam kuantitas yang dapat mengurangi biaya per unit. Persediaan lot size perlu mempertimbangkan penghematan-penghematan seperti potongan pembelian, biaya pengangkutan per unit lebih murah dan sebagainya.
3. Fungsi Antisipasi
Sering perusahaan mengalami fluktuasi permintaan yang dapat diperkirakan dan diramalkan berdasar data masa lalu, yaitu permintaan musiman. Dalam hal ini perusahaan dapat antisipasi dengan mengadakan persediaan musiman (seasonal inventories) (Sulaiman & Nanda, 2015).
Heizer dan Render (2001:82), persediaan yang ada di perusahaan biasanya terdiri dari empat jenis yaitu.
1. Persediaan Bahan Mentah (Raw Material Inventory) yang telah dibeli, tetapi belum diproses.
2. Persediaan Barang Setengah Jadi (Work In Process Inventory) adalah komponen atau bahan mentah yang telah melewati beberapa proses perubahan, tetapi belum selesai.
3. Barang jadi (finished goods) adalah barang jadi yang telah selesai diproses, siap untuk disimpan di gudang barang jadi, dijual, atau didistribusikan ke lokasi-lokasi pemasaran.
4. Persediaan MRO (Maintenance, Repairing, Operating Iventory) merupakan persediaan yang dikhususkan untuk perlengkapan pemeliharaan, perbaikan, operasi. Persediaan ini ada karena kebutuhan akan adanya pemeliharaan dan perbaikan dari beberapa peralatan yang tidak diketahui (Tuerah, 2014).
Bentuk persediaan yang terdapat dalam perusahaan dapat dibedakan berdasarkan cara dan maksud pembeliannya (Prawirosentono, 2009:72), yaitu.
1. Batch stock atau lot size inventoy adalah jumlah yang lebih besar dalam persediaan dari jumlah yang diperlukan, karena dimuat dalam jumlah besar.
29
2. Fluctuation stock merupakan persediaan yang disediakan untuk menghadapi fluktuasi permintaan yang tidak dapat diramalkan.
3. Anticipation stock adalah persediaan yang diadakan untuk mengantisipasi permintaan yang fluktuasinya dapat diramalkan, misalnya pola produksi yang harus didasarkan pada pola musiman (Yuliana et al., 2016).
Menurut Ishak (2010), model persediaan menjadikan biaya sebagai parameter dalam mengambil keputusan. Biaya dalam sistem persediaan secara umum dapat diklasifikasikan sebagai berikut.
1. Biaya pembelian (Purchasing cost = c) adalah harga pembelian setiap unit item jika item tersebut berasal dari sumber eksternal atau biaya produksi per unit bila item tersebut berasal dari internal perusahaan.
2. Biaya Pengadaan (Procurement cost) dibedakan atas dua jenis yaitu.
a. Biaya Pemesanan (Ordering Cost = k) adalah semua pengeluaran yang timbul untuk mendatangkan barang dari luar.
b. Biaya Pembuatan (Set Up Cost = k) adalah semua pengeluaran yang ditimbulkan untuk persiapan memproduksi barang.
3. Biaya Penyimpanan (Holding Cost = h) merupakan biaya yang timbul akibat disimpannya suatu item, biaya ini meliputi biaya memiliki persediaan, biaya gudang, biaya kerusakan dan penyusutan, biaya kadaluarsa, biaya asuransi, biaya administrasi dan pemindahan
3. Biaya Penyimpanan (Holding Cost = h) merupakan biaya yang timbul akibat disimpannya suatu item, biaya ini meliputi biaya memiliki persediaan, biaya gudang, biaya kerusakan dan penyusutan, biaya kadaluarsa, biaya asuransi, biaya administrasi dan pemindahan