PENERAPAN SUPPLY CHAIN MANAGEMENT PERSEDIAAN BAHAN BAKU DISC BRAKE MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ)

(1)

24

PENERAPAN SUPPLY CHAIN MANAGEMENT PERSEDIAAN

BAHAN BAKU DISC BRAKE MENGGUNAKAN MODEL ECONOMIC

ORDER QUANTITY (EOQ)

BUDI SUMARTONO1DAN IKHWAN MUHAMMAD2

1

Program Studi Teknik Industri Universitas Darma Persada Jakarta 2

Program Studi Teknik Industri Universitas Suryadarma ABSTRAK

Kekurangan maupun kelebihan pasokan produk sama-sama berdampak negative bagi kinerja suplay chain. Namun tentu harus disadari bahwa kebutuhan pelanggan hanya bisa diramalkan. Kesalahan bisa berupa memproduksi terlalu banyak atau terlalu sedikit (volume error) atau memproduksi jenis yang sama (mix error). Kedua-duanya menimbulkan masalah persediaan. Inti dari supply chain adalah koordinasi dan kolaborasi. Dengan menggunakan data yang didapat dari perusahaan dengan cara melihat history persediaan tahun lalu, maka dapat dibuat penelitian model persediaan. Salah satu model sederhana yang bisa digunakan untuk menentukan ukuran pesanan yang paling ekonomis adalah model Economic Order Quantity (EOQ). Model ini mempertimbangkan dua ongkos persediaan di atas, yakni ongkos pesan dan ongkos simpan. Fungsi dari EOQ sangatlah besar oleh karenanya beberapa jumlah pesanan yang efektif dan pada saat kapan harus memesan merupakan pernyataan-pernyataan yang sangat penting.

PENDAHULUAN

PT. Sunstar Engineering

Indonesia (SEI) merupakan salah satu perusahaan industri yang memproduksi Sprocket dan Disc Brake, yang mana hasil industri tersebut banyak digunakan oleh perusahaan-perusahaan lain dalam berbagai macam produksinya. Hal ini terlihat atau terbukti dengan banyaknya

permintaan atau pesanan dari

perusahaan-perusahaan lain yang

menggunakan produk tersebut dalam

industrinya. Dengan banyaknya

permintaan dalam jumlah yang cukup besar maka perusahaan harus bisa mengantisipasi dalam jumlah persediaan yang ada. Apabila persediaan bahan baku yang ada dalam perusahaan tidak

mencukupi kebutuhan maka dapat

mengganggu jalannya proses produksi, karena dengan habisnya bahan baku yang ada berarti proses produksi akan terhenti sampai bahan baku yang dipesan tiba kembali di perusahaan.

Berhubungan dengan kaitan

diatas manajemen persediaan yang merupakan isu sangat penting pada supply chain dan pengelolaan aliran material/produk dengan tepat adalah tujuannya, berarti tidak terlalu terlambat dan tidak terlalu dini, jumlahnya sesuai dengan kebutuhan, dan terkirim ke tempat yang memang membutuhkan. Kekurangan maupun kelebihan pasokan produk sama-sama berdampak negative bagi kinerja supply chain.

Dengan melihat faktor penting ini maka salah satu keputusan yang harus diambil dalam manajemen persediaan adalah ukuran pesanan. Salah satu model sederhana yang bisa digunakan untuk menentukan ukuran pesanan yang paling ekonomis adalah model Economic

Order Quantity (EOQ). Model ini

mempertimbangkan dua ongkos

persediaan diatas, yakni ongkos pesan

dan ongkos simpan. Model EOQ

diperluas dengan mempertimbangkan ongkos-ongkos yang dikeluarkan oleh pembeli maupun pemasok.

(2)

25

METODE

Menurut Sofyan Assauri secara umum produksi diartikan sebagai suatu

kegiatan yang mentransformasikan

masukan (input) menjadi hasil keluaran (output). Dalam arti sempit, pengertian

produksi hanya dimaksud sebagai

kegiatan yang menghasilkan barang baik barang jadi maupun barang setengah jadi, bahan industri dan suku cadang atau spare parts dan komponen.

Komponen atau elemen struktural yang membentuk system produksi terdiri dari: bahan (material), mesin dan peralatan, tenaga kerja, modal, energi, informasi, tanah dan lain-lain sedangkan komponen atau elemen fungsional terdiri

dari: supervise, perencanaan,

pengendalian, koordinasi, dan

kepemimpinan yang kesemuanya

berkaitan dengan manajemen dan

organisasi.

Cara lain untuk mengklasifikasikan aktivitas produksi adalah tergantung pada kuantitas produk yang dibuat. Dalam pengklasifiasian ini, terdapat tiga tipe produksi, yaitu :

a. Job shop production

Ciri dari tipe produksi ini adalah volume produksi yang kecil yang tingkatan keterampilan pekerja harus tinggi. Dikatakan bervolume

demikian, karena Job Shop

Production merupakan perusahaan yang hanya akan berproduksi atas dasar pesanan yang masuk ke

dalam perusahaan dan tipe

pekerjaan yang bervariasi yang menuntut tingkat keterampilan yang relatif tinggi dari pekerja.

b. Batch production

Dikatakan batch production apabila ukuran lot medium, dalam arti volume produksi tidak terlalu tinggi dan juga tidak terlampau rendah dari sejumlah item atau produk yang sama. Ukuran lot

mungkin diproduksi hanya sekali, atau di produksi pada interval yang tetap. Tujuan dari tipe ini adalah untuk dapat memuaskan permintaan atas sejumlah item dari costomer yang berkelanjutan. Bagaimanapun perusahaan yang menjalankan tipe produksi ini, mampu berproduksi

melebihi daripada tingkat

permintaannya dan kelebihan

produksi akan disimpan di gudang. c. Mass production

Mass production merupakan tipe produksi yang diterapkan oleh perusahaan yang berproduksi untuk persediaan dan (atau) untuk pasar dengan volume produksi yang tinggi. Untuk perusahaan semacam ini, baik ada pesanan ataupun tidak ada pesanan, perusahaan akan tetap memproduksi barang.

Fungsi produksi adalah

bertanggung jawab atas pengolahan faktor-faktor produksi menjadi suatu produk jadi yang siap diserbu konsumen. Dalam melaksanakan fungsi produksi diperlukan serangkaian kegiatan yang mencakup suatu sistem di mana akan

melibatkan banyak orang dalam

menjalankannya.

Supply chain adalah jaringan

perusahaan-perusahaan yang secara

bersama-sama bekerja untuk

menciptakan dan menghantarkan suatu

produk ke tangan pemakai akhir.

Perusahaan-perusahaan tersebut

biasanya termasuk supplier, pabrik,

distributor, toko atau ritel, serta

perusahaan-perusahaan pendukung

seperti perusahaan jasa logistik.

Pada supply chain biasanya ada 3 macam aliran material yang harus dikelola. Pertama adalah aliran barang yang mengalir dari hulu (upstream) ke hilir (downstream). Contohnya adalah bahan baku yang dikirim dari supplier ke

pabrik. Setelah produk selesai

diproduksi, mereka dikirim ke distributor, lalu ke pengecer atau ritel, kemudian ke pemakai akhir. Yang kedua aliran uang

(3)

26     =



 =1 t t a dan sejenisnya yang mengalir dari hilir ke

hulu. Yang ketiga adalah aliran informasi yang bisa terjadi dari hulu ke hilir ataupun sebaliknya.

Istilah SCM pertama kali ditemukan oleh Oliver & Weber pada tahun 1982 (cf. Oliver & Weber, 1982; Lambert et al. 1998). Kalau supply chain adalah jaringan fisiknya, yakni

perusahaan-perusahaan yang terlibat dalam

memasok bahan baku, memproduksi barang maupun mengirimkannya ke pemakai akhir, SCM adalah metode, alat,

atau pendekatan pengelolaannya.

Namun perlu ditekankan bahwa SCM menghendaki pendekatan atau metode

yang terintegrasi dengan dasar

semangat kolaborasi. Ada beberapa definisi tentang SCM. Misalnya, the

Council of Logistics Management

mamberikan definisi sebagai berikut: Supply Chain Management is the systematic, strategic coordinations of the traditional business functions within a

particuar company and across

businesses within the supply chain for the purpose of improving the long-term performance of the individual company and the supply chain as a whole.

Seperti yang telah diketahui bahwa ada banyak metode yang dapat digunakan untuk merencanakan suatu persediaan bahan baku. Masing-masing metode itu mempunyai kelemahan dan kelebihan yang dapat dianalisis sendiri oleh perusahaan untuk penggunaannya. Metode tersebut adalah sebagai berikut ini.

a. Material Requirement Planning

(MRP)

Material requirement planning (MRP) adalah suatu perencanaan dan penjadwalan kebutuhan material untuk produksi yang memerlukan tahapan proses atau dengan kata lain adalah suatu rencana produksi untuk sejumlah produk jadi yang diterjemahkan ke bahan mentah

(komponen) yang dibutuhkan

dengan menggunakan waktu

tenggang, sehingga dapat

ditentukan kapan dan berapa

banyak yang dipesan untuk masing-masing komponen suatu produk yang akan dibuat.

b. Economic order quantity (jumlah pesanan ekonomis)

Metode EOQ merupakan suatu metode penentu jumlah bahan baku

yang dipesan dalam rangka

meminimalkan biaya. (Rangkuti,

Freddy. Manajemen Persediaan – Aplikasi di bidang bisnis. Hal 19) Peramalan

Peramalan (forecasting) adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu produk dalam periode waktu tertentu di masa yang akan datang. Oleh karena itu peramalan adalah pada dasarnya suatu taksiran.

Model Konstan

Dalam model ini, data-data

acak/random menunjukkan

kecenderungan tetap dengan sedikit variasi untuk suatu rentang waktu yang ditentukan.

Persamaan untuk model konstan ini adalah : t =a

^

Dimana :

Y(t) = Persamaan kebutuhan produk

a =Parameter, yaitu peramalan

kebutuhan produk pada t

Nilai a dapat diperoleh

dengan memakai

persamaan berikut :

di mana :

Y(t) = Data yang dikomulatifkan

N = Banyaknya data

(4)

27

Model Peramalan Rata-Rata Bergerak

Metode peramalan rata-rata

bergerak terdiri atas dua jenis peramalan yaitu :

a. Rata-rata bergerak tunggal (Singel Moving Average)

b. Rata-rata bergerak ganda (Double Moving Average)

Untuk mengurangi terjadinya

kesalahan sistematis yang terjadi pada rata-rata bergerak tunggal bila dipakai pada data yang cenderung naik, maka

dikembangkan metode rata-rata

bergerak linear (linear moving average). Yang menjadi dasar perhitungan dalam

metode peramalan ini adalah

menghitung rata-rata bergerak kedua dari data peramalan, oleh sebab itu metode peramalan ini sering disebut juga sebagai peramalan rata-rata bergerak ganda.

Secara umum persamaan rata-rata bergerak dapat dituliskan sebagai berikut :

Y’(t) = a + b(n) Di mana :

Y’(t) = Hasil peramalan

a = Konstanta

b = Periode kemukakan yang akan

diramalkan

Untuk menentukan nilai a dan b digunakan persamaan sebagai berikut

a = S’t + (S’t – S”t) = 2 S’t – S”t b = St S t V 1 ' " 2   Dimana :

S’t = Data triwulan pertama S”t = Data triwulan kedua

V = Jangka waktu moving averages Metode Eksponensial Smoothing

Exponensial smoothing adalah

suatu tipe teknik peramalan rata-rata

bergerak yang melakukan yang

melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga data paling akhir mempunyai bobot lebih besar dalam rata-rata

bergerak. Dengan eksponensial

smoothing sederhana, forecast dilakukan dengan cara ramalan periode terakhir ditambah porsi perbedaan (disebut α) antara permintaan nyata periode terakhir dan ramalan periode terakhir.

Secara umum persamaan

untuk metode peramalan ini adalah : Yt + m = at + bt . m Di mana : m t



= Peramalan kebutuhan produk at = Konstanta bt = Konstanta

m = Jumlah periode ke muka yang diramalkan

Untuk mencari nilai at dan bt digunakan persamaan : at = 2 S’t – S’’tbt S't S''t 1  = a a S’t = α Xt + (1 + α) S’t – 1 S’’t = α S’t + (1 – α) S’’t – 1

Untuk nilai α berkisar antara

0 sampai dengan 1, namun

berdasarkan pengalaman empiris nilai α yang optimal antara 0,1 dan 0,2. Bila α = 0,1 berarti peramalan terlalu berhati-hati, sedangkan bila α = 0,2 berarti responsif.

Analisis Kesalahan Peramalan

Kesalahan ramalan mempunyai dua komponen yang harus ditinjau kembali secara hati-hati oleh analis-ukuran atau besarnya perbedaan antara permintaan nyata dan menurut ramalan; dan arah kesalahan-apakah permintaan nyata di atas atau di bawah ramalan.

Cara paling mudah untuk

mengukur kesalahan ramalan adalah

secara sederhana membandingkan

ramalan yang umum digunakan adalah mean absolut deviation (MAD). Secara sederhanakan, ukuran ini merupakan perbedaan antara permintaan nyata dan

(5)

28

forecats. Dalam bentuk rumusan

diuraikan sebagai berikut :

    =



= n t t t MAD 1 ' di mana :

MAD = Mean Absolute Deviation

Y_t = Data aktual pada periode t

Y’_t = Data hasil peramalan periode t

N = Periode yang digunakan

Setiap metode peramalan yang digunakan kemudian diuji dengan data masa lampau dan dihitung besar nilai

kesalahan kuadratnya. Metode

peramalan yang mempunyai nilai MAD yang terkecil maka metode peramalan tersebut merupakan metode yang terbaik

dari metode-metode yang

lainnya.(Biegel, John E. Ib. It. Hal)

Model Economic Order Quantity

(EOQ)

Salah satu model sederhana yang

bisa digunakan untuk menentukan

ukuran pesan yang ekonomis adalah model economic order quantity (EOQ).

Model ini mempertimbangkan dua

ongkos persediaan di atas yakni ongkos pesan dan ongkos simpan. Ongkos pesan yang dimaksud adalah ongkos-ongkos tetap yang keluar setiap kali

pemesanan dilakukan dan tidak

tergantung pada ukuran atau volume pesanan.

Model EOQ dibuat dengan

sejumlah asumsi. Artinya, model ini hanya bisa digunakan dengan cukup

baik apabila sejumlah asumsi tersebut dipenuhi atau setidaknya mendekati. Dalam kenyataannya asumsi ini tidak pernah terpenuhi. Namun demikian, model ini tetap cukup baik digunakan asalkan variasi permintaan dari awal waktu ke waktu tidak terlalu besar.

Model EOQ digunakan untuk

menentukan kuantitas persediaan yang

meminimumkan biaya langsung

penyimpanan persediaan dan biaya kebalikannya (inverse cost) pemesanan persediaan.

Sebelum masuk ke dalam rumus EOQ, memakai rumus :

  b D QCb Q hb

C = /  /2



di mana :  =

Cb Total ongkos dalam setahun

=

D kebutuhan bahan baku per tahun

=

b

h

ongkos simpan per unit per tahun

=

b

C ongkos pesan

=

Q Ukuran pesan

Rumus EOQ yang digunakan adalah :

C D h

Q= 2 _b /

di mana :

=

Q Ukuran pesan yang optimal

=

b

C ongkos pesan

=

h ongkos simpan per unit per tahun

(Pujawan, I Nyoman. Op. Cit. Hal 105-107)

Model EOQ di atas dibuat hanya dengan mempertimbangkan ongkos-ongkos yang ditanggung oleh perusahaan pembeli (yang memesan). Ongkos-ongkos yang

dikeluarkan oleh suppier tidak

diperhitungkan. Rumus yang digunakan adalah :   s D QCS Q hs C = /  /2  di mana :  =

Cs Total ongkos dalam setahun yang

dikeluarkan oleh suppier

=

yang dikeluarkan oleh suppier

=

s

=

s

C ongkos pesan yang dikeluarkan oleh

suppier

=

Q Ukuran pesan

sehingga untuk mendapatkan Q optimal memakai rumus :

(6)

29 bs Cs Cb hs hb Q , = 2  /  di mana : = s

=

s

suppier

=

b

yang dikeluarkan oleh pembeli

=

b

pembeli

bs=

Q , Ukuran pesan yang optimal

(Pujawan, I Nyoman. Ib. It. Hal 107)

Setiap bahan baku akan diuji dengan beberapa metode peramalan untuk menentukan trend yang sesuai dengan data yang ada. Berikut ini adalah

grafik peramalan Raw material

SUS410DB 3,8 x dia. 199,3. Metode Peramalan Konstan

Tabel1Peramalan Konstan

No Bulan Penggunaan Y(t)

1 Januari 22000 2 Februari 16000 3 Maret 28000 4 April 20000 5 Mei 12000 6 Juni 13000 7 Juli 26000 8 Agustus 8000 9 September 5000 10 Oktober 8000 11 November 18000 12 Desember 0 Total 176000 a = 12 176000 = 14666

Tabel 2 Perhitungan MAD dari Peramalan Konstan No Bulan Y (t) Peramalan Y'(t) Error Abs. Error

13 Januari 22000 14666 7334 7334 14 Februari 16000 14666 1334 1334 15 Maret 28000 14666 13334 13334 16 April 20000 14666 5334 5334 17 Mei 12000 14666 -2666 2666 18 Juni 13000 14666 -1666 1666 19 Juli 26000 14666 11334 11334 20 Agustus 8000 14666 -6666 6666 21 September 5000 14666 -9666 9666 22 Oktober 8000 14666 -6666 6666 23 November 18000 14666 3334 3334 24 Desember 0 14666 -14666 14666 Total 176000 84000 MAD = 12 84000 = 7.000

(7)

30

Metode Peramalan Double Moving Average

Tabel 3 Peramalan Double Moving Average No Bulan Y(t) 4 bulan pertama 4 bulan kedua

1 Januari 22000 2 Februari 16000 3 Maret 28000 4 April 20000 21500 5 Mei 12000 19000 6 Juni 13000 18250 7 Juli 26000 17750 19125 8 Agustus 8000 14750 17437.5 9 September 5000 13000 15937.5 10 Oktober 8000 11750 14312.5 11 November 18000 9750 12312.5 12 Desember 0 7750 10562.5



7750 4937,5



1875 1 4 2 =   = b 5 , 4937 5 , 10562 ) 7750 * 2 (  = = a

Tabel 4 MAD dari Peramalan Double Moving Average No Bulan Y(t) Peramalan Y' = a + b t Abs. Error

13 Januari 22000 6812.5 15187.5 14 Februari 16000 8687.5 7312.5 15 Maret 28000 10562.5 17437.5 16 April 20000 12437.5 7562.5 17 Mei 12000 14312.5 2312.5 18 Juni 13000 16187.5 3187.5 19 Juli 26000 18062.5 7937.5 20 Agustus 8000 19937.5 11937.5 21 September 5000 21812.5 16812.5 22 Oktober 8000 23687.5 15687.5 23 November 18000 25562.5 7562.5 24 Desember 0 27437.5 27437.5 Total 176000 140375 MAD = 12 140375 = 11697.91 Metode Peramalan Linear Exponential Smoothing

Tabel 5 Peramalan Linear Exponential Smoothing

No Bulan Y(t) S't S"t at bt 1 Januari 22000 22000 22000 2 Februari 16000 20800 21760 19840 -16560 3 Maret 28000 22240 21856 22624 -16296 4 April 20000 21792 21843.2 21740.8 -16395.2 5 Mei 12000 19833.6 21441.28 18225.92 -16482.9 6 Juni 13000 18466.88 20846.4 16087.36 -16229.7 7 Juli 26000 19973.504 20671.821 19275.19 -15678.4 8 Agustus 8000 17578.803 20053.217 15104.39 -15658.5 9 September 5000 15063.042 19055.182 11070.9 -15289.4 10 Oktober 8000 13650.434 17974.232 9326.635 -14561.6 11 November 18000 14520.347 17283.455 11757.24 -13653.4 12 Desember 0 11616.278 16150.02 7082.536 -13246

(8)

31

Tabel 6 MAD dari Peramalan Peramalan Linear Exponential Smoothing No Bulan Y(t) Y'(t) Peramalan (a = 0,2 Error Abs. Error

13 Januari 22000 20328.536 1671.464 1671.464 14 Februari 16000 33574.536 -17574.54 17574.54 15 Maret 28000 46820.536 -18820.54 18820.54 16 April 20000 60066.536 -40066.54 40066.54 17 Mei 12000 73312.536 -61312.54 61312.54 18 Juni 13000 86558.536 -73558.54 73558.54 19 Juli 26000 99804.536 -73804.54 73804.54 20 Agustus 8000 113050.536 -105050.5 105050.5 21 September 5000 126296.536 -121296.5 121296.5 22 Oktober 8000 139542.536 -131542.5 131542.5 23 November 18000 152788.536 -134788.5 134788.5 24 Desember 0 166034.536 -166034.5 166034.5 945521.4 MAD = 12 4 . 521 . 945 = 78793.45

Dari tiga jenis metode peramalan didapat MAD sebagai berikut : Tabel 7 Nilai MAD dari Tiga Metode Peramalan

Metode MAD

Konstan 7.000,00

Double Moving Average 11.697,91 Linear Eksponential Smoothing 78.793,45

Perencanaan Kebutuhan Bahan Baku Dalam Jumlah Yang Ekonomis

= 1.398 pcs.

Maka didapatlah perencanaan

kebutuhan bahan baku dalam jumlah yang ekonomis sebesar 1.398 pcs.

  b 175.992/1.398Rp.200.000 1.398/2Rp.3.600.000

C = 



= Rp. 25.177.682,- + Rp. 2.516.400.000,- = Rp. 2.541.577.682,-

Setelah mendapatkan nilai

perencanaan kebutuhan bahan baku yang ekonomis, maka dapat melakukan dalam penerapan SCM, yaitu dengan cara memperhitungkan seberapa besar pula kebutuhan bahan baku yang dikeluarkan dari supplier.

Setelah menggunakan EOQ dalam penerapan SCM 2*Rp.200.000*200.000/Rp.3.600.000 Q= = 1.490 pcs.   .3.600.000 2 490 . 1 200.000 . 490 . 1 000 . 200 Rp Rp s C              =  =Rp. 26.845.638,- + Rp. 2.683.000.000,- = Rp. 2.708.845.638,-

Membandingkan Antara EOQ Biasa Dengan EOQ Dalam Penerapan SCM Untuk membandingkan antara EOQ biasa dengan EOQ dalam penerapan

SCM maka dilakukan perhitungan

sebagai berikut :

Perhitungan untuk pihak perusahaan

(pembeli)Sebelum dilakukan EOQ

dalam penerapan SCM ; 2*Rp.200.000*175.992/Rp.3.600.000 Q= = 1.398 pcs.   .3.600.000 2 398 . 1 000 . 200 . 398 . 1 992 . 175 Rp Rp b C              =  = Rp. 25.177.682,- + Rp. 2.516.400.000,- = Rp..2.541.577.682,-       = 000 . 600 . 3 . 992 . 175 * 000 . 200 . * 2 Rp Rp Q

(9)

32

Sesudah dilakukan EOQ dalam

penerapan SCM ; 2*Rp.200.000*200.000/Rp.3.600.000 Q= = 1.490 pcs.   b 175.992/1.490Rp.200.000 1.490/2Rp.3.600.000 C =   = Rp. 23.623.087,- + Rp.2.682.000.000,- = Rp. 2.705.632.087,-

Perhitungan untuk pihak supplier (pemasok)Sebelum dilakukan EOQ dalam penerapan SCM ; 2*Rp.200.000*175.992/Rp.3.600.000 Q= = 1.398 pcs.   .3.600.000 2 398 . 1 000 . 200 . 398 . 1 000 . 200 Rp Rp s C              =  = Rp. 28.612.303,- + Rp. 2.516.400.000,- = Rp. 2.545.012.303,-

Sesudah dilakukan EOQ dalam

penerapan SCM ; 2*Rp.200.000*200.000/Rp.3.600.000 Q= = 1.490 pcs.   s 200.000/1.490Rp.200.000 1.490/2Rp.3.600.000 C =   = Rp. 26.845.638,- + Rp. 2.682.000.000,- = Rp. 2.708.845.638,-

Tabel 8 Perbandingan antara EOQ biasa dengan EOQ dalam PenerapanSCM

Diskripsi EOQ Biasa EOQ dalam SCM

Ukuran pesanan ekonomis 1,398 pcs 1,490 pcs

Total ongkos pembeli (rupiah) 2,541,577,682 2,705,632,087

Total ongkos pemasok (rupiah) 2,545,012,303 2,708,845,638

Total ongkos sistem (rupiah) 5,086,589,985 _{5,414,477,725}

Kesimpulan

Berdasarkan hasil pengujian

beberapa metode peramalan Konstan dengan MAD 7,000, Doubel Moving Average dengan MAD 11.697,91, Linear Eksponential Smoothing dengan MAD 78.793,45. terhadap data-data yang ada, ternyata Raw material SUS410DB 3,8 x dia. 199,3 menggunakan peramalan konstan dengan MAD terkecil yaitu 7,000.

Perhitungan antara EOQ biasa dengan EOQ dalam penerapan SCM terlihat jelas antara pihak pembeli dan pemasok yaitu : Untuk perusahaan (pembeli)EOQ biasa, Q = 1.398 pcs dan

TC=Rp.2.541.577.682,- sedangkan

dengan EOQ dalam penerapan SCM didapat Q= 1.490 pcs dan TC =

Rp.2.705.632.087,-, Untuk supplier

(pemasok) EOQ biasa, Q = 1.398 pcs dan TC=Rp.2.545.012.303,- sedangkan dengan EOQ dalam penerapan SCM didapat Q= 1.490 pcs dan TC = Rp.2.708.845.638,-.

Sehingga dapat dihitung pula Total ongkos sistem EOQ biasa sebesar Rp.

5.086.589.985,- dan Total ongkos

system dengan EOQ dalam penerapan SCM sebesar Rp.5.414.477.725,-.

(10)

33

Daftar Pustaka

Agus, Ahyari., 1995., “Manajemen

Produksi Perencanaan System

Produksi”, Yogyakarta,

BEPFE-Yogyakarta.

Assauri, Sofian, 1993. “Pengendalian Produksi dan Operasi”, Lembaga Penerbit FEUI.

Biegel, John E.1992, “Pengendalian

Produksi-Suatu Pendekatan

Kuantitatif”, Jakarta : CV Akademika Presindo,.

Gaspersz, Vincent,1998. “Production Planning And Inventory Control”,

PT. Gramedia Pustaka Utama,

Jakarta :.

Makridakis, Spyros,1993

JohnWiley&Sons, “Foresting

Methads And Application”,.

Pujawan, I Nyoman, 2005Institute

Teknologi Sepuluh Nopember,

“Supply Chain Management”,

Surabaya, Edisi Pertama, Guna

Widya,.

Rangkuti, Freddy, 1996, “Manajemen

Persediaan-Aplikasi di Bidang

Bisnis”, Jakarta, PT. Raja Grafindo Persada,.

Wheelwright, Steven C, Maridakis, Victor

E. McGee,1988. “Metode dan