Analisis Pengendalian Persediaan Bahan Baku dengan Metode Material Requirements Planning pada PT. Tirta Purbalingga Adijaya Sentul
Peneliti: Farieq Afzal Zain
Fakultas Ekonomi dan Bisnis Universitas Brawijaya farieq08@student.ub.ac.id
Dosen Pembimbing: Rila Anggraeni
ABSTRAK
Perusahaan perlu meningkatkan produktivitas yang dapat dilakukan melalui penerapan manajemen operasi. Perusahaan dapat menerapkan salah satu instrumen manajemen operasi, yaitu pengendalian persediaan yang bertujuan untuk menciptakan kelancaran operasional dan efisiensi. Hal ini dikarenakan persediaan termasuk ke dalam fungsi manajerial terpenting dan memiliki nilai 50% dari total investasi yang dilakukan. PT. Tirta Purbalingga Adijaya Sentul, perusahaan yang memproduksi AMDK (Air Minum Dalam Kemasan) dengan merek “Prim-a,” memerlukan pengendalian persediaan karena produktivitas perusahaan belum cukup baik. Peningkatan produktivitas dapat mendongkrak keunggulan kompetitif sehingga memungkinkan perusahaan untuk bersaing dengan para kompetitormya. Bahan baku merupakan aspek terpenting dalam input produksi pada PT. Tirta Purbalingga Adijaya Sentul sehingga pengendalian persediaan berfokus pada bahan baku. Penelitian ini menerapkan Metode MRP (Material Requirements Planning) sebagai solusi untuk menyelesaikan permasalahan yang terjadi. Berdasarkan analisis, diperoleh hasil efisiensi biaya persediaan sebesar 33,45% dengan menggunakan POQ (Periodic Order Quantity) sebagai teknik lot sizing MRP dan
Holt-Winter Exponential Smoothing sebagai metode peramalan untuk varian
produk 240 ml dalam periode tahun 2021.
Kata Kunci: Pengendalian Persediaan, Bahan Baku, MRP (Material Requirements Planning), Efisiensi
Analysis of Raw Material Inventory Control by Material Requirements Planning Method at PT. Tirta Purbalingga Adijaya Sentul
By:
Farieq Afzal Zain
Faculty of Economics and Business Universitas Brawijaya farieq08@student.ub.ac.id
Supervisor: Rila Anggraeni
ABSTRACT
Companies need to increase productivity which can be done through the implementation of operations management. Companies can apply one of the operational management instruments, namely inventory control, which aims to create smooth operations and efficiency. This is because inventory is included in the most important managerial function and has a value of 50% of the total investment made. PT. Tirta Purbalingga Adijaya Sentul, a company that produces bottled drinking water under the brand "Prim-a," requires inventory control because productivity of the company is not good enough. Increased productivity can increase competitive advantage so that it allows the company to compete with its competitors. Raw material is the most important aspect in production input at PT. Tirta Purbalingga Adijaya Sentul so the inventory control focuses on raw materials. This study applies the MRP (Material Requirements Planning) method as a solution to solving problems that occur. Based on the analysis, the results of inventory cost efficiency are 33,45% using POQ (Periodic Order Quantity) as the MRP lot sizing technique and Holt-Winter Exponential Smoothing as a forecasting method for 240 ml product variants in the period 2021.
Keywords: Inventory Control, Raw Material, MRP (Material Requirements Planning), Efficiency
1. PENDAHULUAN
Manajemen operasi merupakan salah satu cabang ilmu pengetahuan yang dapat digunakan perusahaan untuk meningkatkan produktivitas dan penerapannya dapat diiringi dengan menggunakan teknologi. Produktivitas perusahaan dapat dicapai jika perusahaan memiliki efisiensi terhadap input kegiatan dan optimalisasi terhadap output kegiatan (Stevenson, 2015). Upaya mewujudkan peningkatan produktivitas dapat diiringi dengan menerapkan salah satu instrumen yang ada pada manajemen operasi, yaitu pengendalian persediaan.
Persediaan merupakan salah satu aset perusahaan yang memiliki nilai tertinggi dan mencerimankan 50% dari total modal yang diinvestasikan (Heizer, Render & Munson, 2016). Salah satu contoh perusahaan yang memerlukan persediaan adalah PT. Tirta Purbalingga Adijaya Sentul, yaitu perusahaan yang memproduksi AMDK (Air Minum Dalam Kemasan) dengan merek “Prim-a.”
Persediaan terpenting pada PT. Tirta Purbalingga Adijaya Sentul adalah persediaan bahan baku. Hal ini dikarenakan banyaknya jenis bahan
baku yang diperoleh dari pemasok (supplier) langsung diolah menjadi barang jadi yang cenderung memiliki perputaran cepat. Pemesanan bahan baku juga harus memerhatikan waktu tunggu (lead time) dari pemasok (supplier) agar dapat diterima sesuai dengan jadwal.
Pentingnya pengendalian persediaan bahan baku bagi PT. Tirta Purbalingga Adijaya Sentul dikarenakan tidak dilakukannya pengendalian persediaan bahan baku seperti tidak menggunakan MRP (Material Requirements Planning) sesuai dengan prosedur sehingga menimbulkan masalah seperti kehabisan atau kelebihan bahan baku serta keterlambatan pemesanan bahan baku yang mengakibatkan penurunan produktivitas serta memengaruhi keunggulan kompetitif.
Pada tahun 2020, PT. Tirta Purbalingga Adijaya Sentul memiliki total biaya persediaan kurang lebih sebesar Rp24.208.000,00 untuk AMDK “Prim-a” varian 240 ml. Berdasarkan wawancara pada Departemen PPIC (Production
Planning and Inventory Control) juga
ditemukan hasil bahwa perusahaan sering kali mengalami kelebihan,
kehabisan, maupun keterlambatan pemesanan bahan baku.
Pengendalian persediaan bahan baku dapat dilakukan dengan menggunakan Metode MRP. MRP merupakan suatu sistem perencanaan kebutuhan bahan baku yang akan digunakan untuk proses produksi. MRP juga dapat menjamin ketersediaan bahan baku pada saat dibutuhkan sehingga dapat meminimalkan biaya persediaan dalam suatu proyek (Martha dan Putu, 2018).
Perencanaan jumlah kebutuhan bahan baku dalam MRP bertujuan untuk menentukan berapa banyak suatu produk akhir dan kapan produk tersebut diproduksi akan dijabarkan melalui MPS (Master Production
Schedule).
MPS dapat mengatasi permasalahan apabila permintaan produk mengalami fluktuasi signifikan (tidak konstan) seperti halnya permintaan produk AMDK “Prim-a” varian 240 ml sehingga penerapan MRP sangat cocok untuk mengendalikan persediaan. MPS didasarkan oleh perhitungan peramalan (forecast).
Peramalan memiliki beberapa metode yang diantaranya dapat mengatasi pola data yang berfluktuasi seperti Metode Dekomposisi dan
Holt-Winter Exponential Smoothing
dalam model deret waktu (time
series). Peramalan juga sangat erat
kaitannya dengan ketidakpastian karena beberapa hal dapat terjadi di luar perkiraan, oleh karena itu perencanaan jumlah kebutuhan bahan baku sebaiknya mempertimbangkan stok pengaman (safety stock).
MRP memiliki beberapa teknik perhitungan (lot sizing) seperti LFL (Lot-for-Lot Sizing), EOQ (Economic
Order Quantity), dan POQ (Periodic
Order Quantity) yang akan
memberikan perbedaan pada hasil efisiensi biaya persediaan, oleh karena itu manajer operasi harus membuat keputusan dalam pemilihan teknik yang menghasilkan efisiensi terbesar. Penelitian dengan judul “Analisis Pengendalian Persediaan Bahan Baku dengan Metode Material Requirements Planning pada PT. Tirta Purbalingga Adijaya Sentul” dilakukan untuk mendapatkan solusi dari permasalahan tersebut.
2. KAJIAN PUSTAKA a. Manajemen Operasi
Manajemen operasi merupakan serangkaian aktivitas yang menciptakan nilai dalam bentuk barang dan jasa di semua organisasi terutama dalam lingkup manufaktur yang penciptaannya dilakukan dengan jelas dan kompleks (Jacobs & Chase, 2018).
Menurut Heizer, Render & Munson (2016), manajer operasi memiliki sepuluh keputusan strategis (ten strategic decision) untuk mencapai diferensiasi, efisiensi biaya, efisiensi waktu, dan membuat kebijakan yang efektif, salah satu diantaranya adalah Menyatukan kebutuhan kapasitas, tingkat personel, teknologi, dan kebutuhan persediaan untuk menentukan arus bahan baku, orang, dan informasi yang efisien.
b. Definisi Peramalan
Menurut Montgomery, Jennings & Kulahci (2015), peramalan merupakan dasar dari perencanaan yang menghubungkan antara suatu sistem dan lingkungan yang mana lingkungan itu sendiri cenderung tidak stabil. Peramalan dapat
dilakukan secara kuantitatif dengan model deret waktu (time series). c. Metode Peramalan Kuantitatif
Adapun metode peramalan kuantitatif yang terdapat pada model
time series, diantaranya: (1) Metode
dekomposisi merupakan metode yang memisahkan empat komponen dari pola dasar (siklus, tren, musiman, dan
error) dengan mencirikan deret data
bahwa kenyataan yang terjadi di masa lalu akan terulang dengan pola yang sama pada masa yang akan datang (Lisjianti, 2011). (2) Metode
Holt-Winter Exponential Smoothing, yaitu
jenis peramalan yang cocok untuk memprediksi data dengan amplitudo pola musiman yang tidak tergantung pada tingkatan atau ukuran data (Santosa, Ni dan Ratna 2019).
Peramalan memerlukan perhitungan tingkat kesalahan error untuk mengetahui metode yang memiliki hasil paling akurat. Adapun metode yang dapat digunakan adalah MAPE (Mean Absolute Percentage
Error) yang menghitung kesalahan
absolut setiap periode waktu dengan membagi kesalahan absolut dengan angka aktual yang sesuai, dan membaginya kembali dengan jumlah data serta disajikan dalam bentuk
persentase (Montgomery, Jennings & Kulahci, 2015).
d. Definisi Persediaan
Menurut Heizer, Render & Munson (2016), persediaan merupakan aset yang dimiliki oleh perusahaan untuk kelangsungan operasi dan dapat digunakan sebagai
input produksi. Persediaan juga dapat
diklasifikasikan sebagai aset lancar pada neraca perusahaan yang berfungsi sebagai penyangga antara manufaktur dan pemenuhan pesanan. e. Biaya Persediaan
Aktivitas menggunakan persediaan akan menimbulkan biaya yang disebut biaya persediaan. Adapun menurut Jacobs & Chase (2018), yang termasuk biaya persediaan meliputi biaya penyimpanan (holding cost), biaya pemesanan (ordering cost), biaya pemasangan (setup cost), dan biaya kehabisan (shortage cost).
f. Safety Stock
Menurut (Efendi, Hidayat dan Raden, 2019), perusahaan dalam mengatasi kejadian-kejadian tidak terduga, diperlukan persediaan pengaman (safety stock). Perhitungan perencanaan kebutuhan bahan baku didasarkan pada peramalan yang
memiliki tingkat ketidakpastian yang tinggi, maka persediaan pengaman sangat penting untuk mengurangi kemungkinan kehabisan persediaan yang mengakibatkan kerugian. g. Definisi MRP
Menurut Jacobs & Chase (2018) dan Heizer, Render & Munson (2016), MRP adalah suatu perencanaan produksi berbasis metode peramalan (forcasted method) pada sejumlah barang jadi dengan memerhatikan kuantitas dan lead time untuk masing-masing pemesanan bahan baku. h. Struktur MRP
Menurut Heizer, Render & Munson (2016), MRP memerlukan beberapa komponen untuk menunjang perencanaan agregat, antara lain: (1) MPS (Master
Production Schedule), yaitu
perencanaan yang memuat jadwal berapa banyak barang jadi yang akan diproduksi pada perusahaan atas dasar peramalan dan kapasitas perusahaan. (2) Bill of Material, yaitu deskripsi produk lengkap mengenai kuantitas daftar bahan baku, suku cadang, dan jumlah komponen setiap item, serta urutan produk yang akan dibuat. (3) Data persediaan yang memuat memuat kuantitas persediaan
yang dimiliki, berapa banyak kekurangan persediaan yang harus dipenuhi, dan lead time.
i. Proses MRP
Menurut Jacobs & Chase (2018), dalam pembuatan MRP diperlukan beberapa perhitungan, antara lain: (1) Kebutuhan kotor (gross
requirements), yaitu total permintaan
yang diharapkan untuk suatu barang atau bahan mentah dengan memisahkan jumlah persediaan yang ada. (2) Tanda terima terjadwal (scheduled receipts), yaitu pesanan yang telah dilakukan dan dijadwalkan untuk tiba dari pemasok pada awal periode. (3) Projected on hands, yaitu jumlah persediaan berjalan yang diharapkan yang akan ada di awal setiap periode waktu yang dapat ditambah dengan scheduled receipts serta persediaan yang ada di periode selanjutnya. (4) Kebutuhan bersih (net requirements), yaitu jumlah kebutuhan bahan baku sebenarnya yang dibutuhkan pada masing-masing jangka waktu. (5) Planned-order
receipts, yaitu kuantitas pemesanan
bahan baku yang diterima pada periode waktu tertentu. (6)
Planned-order releases, yaitu indikator untuk
menunjukkan jumlah kuantitas bahan
baku untuk dipesan pada periode waktu tertentu dengan melihat lead
time pemesanan. Adapun format
MRP ditunjukkan pada tabel berikut: Tabel 1. Format MRP Tanggal 1-15 16-30 Gross Requirements (MPS based) Scheduled Receipts Projected on Hands Net Requirements Planned-Order Receipts Planned-Order Releases
Sumber: Heizer, Render & Munson (2016). j. Teknik Lot Sizing MRP
Menurut Heizer, Render & Munson (2016), ada beberapa teknik
lot sizing MRP akan menghasilkan
output dan biaya persediaan yang berbeda untuk perencanaan agregat. Adapun teknik-teknik tersebut, antara lain: (1) LFL (Lot-for-Lot Sizing), yaitu teknik yang memproduksi sejumlah unit hanya sesuai kebutuhan bersih, tanpa pengendapan persediaan dan tidak ada antisipasi pesanan lebih lanjut. (2) EOQ (Economic Order
Quantity), yaitu teknik yang bertujuan
untuk menentukan berapa banyak bahan baku yang harus dipesan agar biaya persediaan yang dihasilkan menjadi minimum atau ekonomis. (3) POQ (Periodic Order Quantity), yaitu teknik yang bertujuan untuk memesan kuantitas kebutuhan selama waktu
yang ditentukan sebelumnya di antara pesanan (interval).
3. METODOLOGI PENELITIAN a. Jenis dan Sifat Penelitian
Jenis penelitian ini adalah applied
research (penelitian terapan), yaitu
penelitian yang memiliki tujuan untuk memecahkan suatu masalah agar dalam melakukan sesuatu dapat lebih baik serta memudahkan dalam memilih alternatif lain (Indrianto dan Supomo, 2016).
Sifat penelitian ini adalah replikasi, yaitu penelitian yang mengadopsi variabel, indikator, objek penelitian, atau alat analisis yang sama dengan penelitian sebelumnya pada proses pembuatannya (Indrianto dan Supomo, 2016).
b. Lokasi dan Periode Penelitian Lokasi penelitian ini adalah di PT. Tirta Purbalingga Adijaya Pabrik Sentul, Kawasan Industri Sentul, Jalan Olympic Raya Blok A6 Sentul, Kabupaten Bogor dari Tanggal 1 - 25 September 2020.
c. Sumber Data
Penelitian ini tidak menggunakan populasi dan sampel karena untuk membuat suatu MRP dengan dasar peramalan model time series hanya memerlukan data primer dan
sekunder sebagai sumber utama. akan tetapi penelitian ini memperoleh informasi dari staff Departemen
Accounting dan PPIC PT. Tirta
Purbalingga Adijaya Sentul untuk menunjang data.
Sumber data yang digunakan dalam penlitian ini, antara lain: (1) Data primer, yaitu data dari hasil pengamatan dan analisa langsung di lapangan (tidak ada perantara) yang meliputi hasil observasi dan wawancara langsung pada Departemen PPIC dan Accounting. (2) Data Sekunder, yaitu data yang didapat dari sumber lain seperti literatur, laporan perusahaan, pustaka, dan referensi lain yang meliputi adalah data permintaan AMDK “Prim-a” varian 240 ml dari Bulan April 2017 - Desember 2020, data bahan baku, profil perusahaan, visi dan misi perusahaan, bentuk badan hukum perusahaan, struktur organisasi, biaya pemesanan untuk sekali pesan, dan biaya penyimpanan per unit per tahun.
d. Metode Analisis Data
Data ramalan permintaan AMDK “Prim-a” varian 240 ml untuk satu tahun ke depan (Januari – Desember 2021) akan dihasilkan dari Metode
Dekomposisi dan Holt-Winter Exponential Smoothing dengan acuan
data permintaan pada Bulan April 2017 - Desember 2020 dengan bantuan perangkat lunak Microsoft
Excel 2016.
Metode dekomposisi memiliki rumus yang digambarkan melalui persamaan:
Yt = St x Tt x Ct x Rt Keterangan:
Xt : Nilai Peramalan pada Periode-t Tt : Komponen Tren pada Periode-t St : Komponen Musiman (Indeks) pada Periode-t
Ct : Komponen Siklus pada Periode-t Rt : Komponen Random Periode-t
Metode Holt-Winter Exponential
Smoothing menggunakan tiga
parameter berbeda (α, β, dan γ) serta memiliki rumus: At = α 𝒀𝒕 𝑺𝒕−𝑳+ (𝟏 − 𝜶)(𝑨𝒕−𝟏+ 𝑻𝒕−𝟏) (1) Tt = β(𝑨𝒕− 𝑨𝒕−𝟏)(𝟏 − 𝜷)𝑻𝒕−𝟏 (2) St = γ 𝒀𝒕 𝑨𝒕+ (𝟏 − 𝜸)𝑺𝒕−𝑳 (3) Ŷt+ p = (At+Tt p)St-L+p (4) Keterangan: At : Nilai pemulusan ke – t St : Estimasi musiman ke - t α : Parameter pemulusan untuk
data (0 < α < 1)
β : Parameter pemulusan untuk tren (0 < β < 1)
γ : Parameter pemulusan untuk musiman (0 < γ < 1)
Yt : Data aktual ke – t Tt : Estimasi tren ke – t
p : Jumlah periode yang akan diramalkan
Ŷt+ p : Nilai data ramalan L : Panjangnya musim
Pada penelitian ini, metode yang digunakan untuk mengukur tingkat kesalahan peramalan adalah MAPE (Mean Absolute Percentage Error) yang memiliki rumus:
𝐌𝐀𝐏𝐄 = | ∑(𝐃𝐚𝐭𝐚 𝐀𝐤𝐭𝐮𝐚𝐥 − 𝐃𝐚𝐭𝐚 𝐑𝐚𝐦𝐚𝐥𝐚𝐧) 𝐉𝐮𝐦𝐥𝐚𝐡 𝐃𝐚𝐭𝐚 (𝐧) | 𝐱 𝟏𝟎𝟎%
Penentuan kuantitas produksi mingguan per-bulan yang akan dijabarkan dalam MPS (Master
Production Schedule) mengikuti kapasitas produksi persuahaan dengan persentase dari peramalan sebesar 29% untuk minggu ke-1, 25% untuk minggu ke-2, 17% untuk minggu ke-3, dan 29% untuk minggu ke-4.
Teknik perhitungan yang digunakan untuk penyusunan MRP (lot-sizing decision) pada penelitian ini, antara lain: (1) LFL, yang memperhitungkan kuantitas pemesanan bahan baku sesuai dengan kebutuhan bersih. (2) EOQ, yang bertujuan untuk mencari kuantitas
pemesanan bahan baku ekonomis sehingga menghasilkan biaya persediaan yang minimal. Adapun rumus EOQ adalah:
EOQ = √𝟐𝑫𝑺 𝑯
Keterangan:
D : Jumlah kebutuhan per tahun S : Biaya pemesanan untuk sekali pesan
H: Biaya penyimpanan per unit, per tahun
(3) POQ, teknik yang bertujuan untuk menetapkan interval waktu pemesanan sehingga lebih teratur. Adapun perhitungannya, yaitu:
POQ = 𝑬𝑶𝑸
𝑹𝒂𝒕𝒂−𝑹𝒂𝒕𝒂 𝑲𝒆𝒃𝒖𝒕𝒖𝒉𝒂𝒏 𝑴𝒊𝒏𝒈𝒈𝒖𝒂𝒏
Kebutuhan bersih (net
requirements) pada MRP didapat dari
hasil pengurangan antara kebutuhan kotor (gross requirements) dan persediaan berjalan (projected on
hands). Apabila kuantitas gross requirements lebih kecil dari
projected on hands, maka net requirements akan bernilai nol karena
tidak ada kebutuhan bersih.
Adanya kebutuhan bersih, maka diperlukan pemesanan yang dimasukkan pada kolom
planned-order releases sesuai dengan lead
time dan hasilnya akan dimasukkan
pada kolom planned-order releases. Pada penelitian ini, besarnya
service level untuk safety stock
AMDK “Prim-a” varian 240 ml mengikuti kebijakan perusahaan, yaitu 95%. Penentuan safety stock akan dihitung dengan rumus sebagai berikut: SS = Z x σ (1) σ = √Ʃ(𝑿−𝑿̄)𝟐 𝒏 (2) Keterangan: SS : Safety Stock
Z : Nilai Z-Score dari Tingkat Penyimpangan Service Level σ : Standar Deviasi
X : Jumlah Kebutuhan Bahan X ̄: Rata-Rata Kebutuhan Bahan n : Jumlah Data
Biaya persediaan yang akan dihitung adalah biaya pemesanan dan penyimpanan sehingga dapat ditulis menjadi model matematis sebagai berikut:
(1) Biaya Persediaan = Total Biaya Pemesanan + Total Biaya Penyimpanan
(2) Total Biaya Pemesanan = Total Frekuensi Pemesanan x Biaya Pemesanan untuk Sekali Pesan
(3) Total Biaya Penyimpanan = Total
projected on hands x Biaya
Penyimpanan Per Unit Per Minggu 4. HASIL DAN PEMBAHASAN a. Deskripsi Hasil Penelitian
Berdasarkan hasil penelitian berupa observasi dan wawancara pada Tanggal 25 September 2020 dan dilanjutkan kembali dengan wawancara pada Tanggal 23 Januari 2021, terdapat data permintaan aktual produk dalam satuan box untuk AMDK “Prim-a” varian 240 ml.
Tabel 2. Data Aktual Permintaan
Sumber: Data diolah (2021).
Berdasarkan observasi yang dilakukan pada Tanggal 19 September 2020 di Departemen PPIC, terdapat rincian mengenai data bahan baku dan lead time yang diuraikan pada tabel berikut:
Tabel 3. Data Bahan Baku
Nama Bahan Baku Kode Lead Time
Cup 240 ml Prim-a C1
3 Minggu Karton 240 ml Prim-a C2
Straw C3
Layer C4
OPP Packing Tape Prim-a 36 mm
C5
Lid Prim-a Sandwich C6
Sumber: Data diolah (2020).
Berdasarkan hasil wawancara dan observasi pada Tanggal 8 September 2020, diperoleh persediaan akhir AMDK “Prim-a” tahun 2020 yang selanjutnya menjadi persediaan awal tahun 2021, yaitu sebanyak 5.200
box.
Berdasarkan wawancara pada Tanggal 5 September 2020 di, didapatkan hasil beberapa data biaya persediaan untuk setiap bahan baku AMDK “Prim-a” varian 240 ml yang terdiri dari biaya penyimpanan per unit per tahun dan biaya pemesanan untuk sekali pesan yang dijelaskan pada tabel berikut:
Tabel 4. Data Biaya Persediaan
Sumber: Data diolah (2020). b. Analisis Data
Perhitungan peramalan untuk permintaan AMDK “Prim-a” varian 240 ml dengan Metode Dekomposisi
dan Holt-Winter Exponential
Smoothing serta dilakukan dengan
menggunakan bantuan perangkat lunak Microsoft Excel 2016 setelah diukur tingkat keakuratannya menggunakan MAPE, ditemukan hasil bahwa Metode Holt-Winter
Exponential Smoothing paling akurat
dengan nilai MAPE lebih kecil, yaitu 14,6% dibandingkan Metode Dekomposisi, yaitu sebesar 20,0%.
Hasil peramalan permintaan dengan Metode Holt-Winter
Exponential Smoothing akan
digunakan sebagai dasar penyusunan MPS. Adapun rinciannya, yaitu:
Tabel 5. Hasil Peramalan
Sumber: Data diolah (2021).
Berdasarkan hasil wawancara dan observasi pada Tanggal 18 September 2020, ditemukan kuantitas dan macam-macam bahan baku yang diperlukan untuk memproduksi AMDK “Prim-a” varian 240 ml. Bahan baku yang diperlukan untuk produksi digambarkan melalui Bill of
Material sebagai berikut:
Gambar 1. Bill of Material Produk
Sumber: Data diolah (2021).
Berdasarkan wawancara pada Tanggal 10 September 2020, didapatkan informasi kebijakan mengenai service level untuk pengadaan safety stock adalah 95%, oleh karena itu nilai Z-Score sebesar 1,645 (didapat dari tabel Z kurva distribusi normal). Penentuan safety
stock berdasarkan hasil peramalan
dengan satuan box diuraikan pada tabel berikut:
Tabel 6. Perhitungan Safety Stock
Sumber: Data diolah (2021).
Berdasarkan lot sizing dengan Teknik LFL, maka didapatkan hasil MRP AMDK “Prim-a” varian 240 ml untuk periode Bulan Januari – Desember 2021 yang diuraikan pada tabel berikut:
Tabel 7. Hasil MRP (LFL)
Sumber: Data diolah (2021).
Berdasarkan lot sizing dengan Teknik EOQ, maka didapatkan kuantitas EOQ yang harus dipesan dan hasil MRP AMDK “Prim-a” varian 240 ml untuk periode Bulan Januari – Desember 2021 yang diuraikan pada tabel berikut:
Tabel 8. Hasil MRP (EOQ)
Sumber: Data diolah (2021).
Berdasarkan lot sizing dengan Teknik POQ, maka didapatkan interval waktu pemesanan dan hasil MRP AMDK “Prim-a” varian 240 ml untuk periode Bulan Januari – Desember 2021 yang diuraikan pada tabel berikut:
Tabel 9. Hasil MRP (POQ)
Berdasarkan penyusunan MRP yang telah dilakukan dengan beberapa teknik lot sizing, maka dapat dihitung biaya persediaan untuk masing-masing bahan baku AMDK “Prim-a” varian 240 ml untuk periode Bulan Januari – Desember 2021. Perhitungan biaya persediaan menggunakan biaya penyimpanan per unit per minggu yang diperoleh dari biaya penyimpanan per unit per tahun dibagi 52 (satu tahun sama dengan 52 minggu) serta biaya pemesanan untuk sekali pesan. Adapun rinciannya sebagai berikut:
Tabel 10. Hasil Biaya Persediaan 1) Biaya Persediaan Bahan Baku C1
2) Biaya Persediaan Bahan Baku C2
3) Biaya Persediaan Bahan Baku C3
4) Biaya Persediaan Bahan Baku C4
5) Biaya Persediaan Bahan Baku C5
6) Biaya Persediaan Bahan Baku C6
Sumber: Data diolah (2021). c. Pembahasan
Teknik lot sizing yang menghasilkan biaya paling minimal untuk periode Bulan Januari – Desember 2021 pada seluruh bahan baku AMDK “Prim-a” varian 240 ml adalah Teknik POQ dengan total biaya persediaan sebesar Rp16.108.784,00 Kedua teknik lot
sizing lainnya, yaitu Teknik EOQ
menghasilkan total biaya persediaan sebesar Rp18.836.415,00 sedangkan Teknik LFL menghasilkan total
biaya persediaan sebesar Rp37.800.000,00.
Pada tahun 2020, PT. Tirta Purbalingga Adijaya Sentul mencatatkan biaya persediaan AMDK “Prim-a” varian 240 ml sebesar Rp24.208.000,00. Hal ini menandakan bahwa dengan menggunakan Metode Holt-Winter
Exponential Smoothing untuk
peramalan dan Teknik POQ sebagai teknik lot sizing pada MRP, maka perusahaan dapat mengefisiensikan biaya persediaan sebesar 33,45%.
Meskipun Teknik EOQ memberikan kuantitas pemesanan optimal untuk menekan biaya persediaan, tetapi pada kenyataannya belum dapat bekerja dengan baik karena fluktuasi permintaan kebutuhan kotor mingguan menyebabkan penumpukan persediaan berjalan secara signifikan. Teknik LFL juga tidak menghasilkan efisiensi biaya persediaan karena frekuensi pemesanan maupun biaya pemesanan untuk sekali pesan cukup tinggi.
Metode Holt-Winter Exponential
Smoothing merupakan metode yang
lebih akurat dibandingkan dengan
Metode Dekomposisi karena adanya pola musiman yang tidak tergantung pada tingkatan atau ukuran data dan tidak ada pola berulang yang jelas sehingga lebih cocok menggunakan metode ini.
Gambar 2. Pola Data Permintaan
Sumber: Data diolah (2021).
Tingkat error pada peramalan ini juga dipengaruhi oleh situasi pandemi Covid-19 yang menyebabkan penurunan permintaan signifikan khususnya pada tahun 2020 sehingga dapat diasumsikan bahwa pada situasi normal, tingkat
error peramalan akan lebih kecil.
Apabila terjadi hal di luar kendali yang menyebabkan permintaan aktual lebih tinggi dari hasil peramalan, maka dapat diatasi dengan menggunakan safety stock agar pemenuhan tetap terjaga dengan baik. Hasil peramalan dengan metode terbaik kemudian dijadikan dasar dalam MPS agar waktu pemenuhan
kebutuhan bahan baku dan pemesanan dapat disusun secara rinci.
d. Implikasi Hasil Penelitian MRP merupakan metode yang cocok untuk diterapkan pada pengendalian persediaan yang berbasis permintaan dependen (Heizer, Render & Munson, 2016). Permintaan dependen terjadi karena adanya permintaan terhadap item dengan level yang lebih tinggi.
Teknik POQ merupakan teknik
lot sizing yang menghasilkan efisiensi
biaya persediaan terbesar untuk seluruh varian produk. Pada Teknik POQ, interval pemesanan bahan baku dapat akan terpola secara jelas sehingga perusahaan dapat menyusun jadwal sistematis mengenai kedatangan bahan baku yang dipesan kepada supplier.
Jumlah kuantitas bahan baku yang harus dipesan juga dapat memberikan informasi kepada perusahaan sebagai acuan untuk perencanaan pembiayaan. Hal ini dapat meningkatkan produktivitas perusahaan.
5. KESIMPULAN DAN SARAN a. Kesimpulan
1) Metode Holt-Winter Exponential
Smoothing merupakan metode
terbaik untuk meramalkan permintaan AMDK “Prim-a” varian 240 ml.
2) Setiap teknik lot sizing pada MRP memberikan variasi hasil terhadap kebutuhan bersih dan persediaan berjalan bahan baku AMDK “Prim-a” varian 240 ml.
3) Teknik POQ merupakan teknik lot
sizing yang menghasilkan efisiensi
biaya persediaan AMDK “Prim-a” varian 240 ml terbesar dibandingkan dengan Teknik LFL dan EOQ.
b. Saran
1) Perusahaan dapat menghubungkan MRP dengan sistem informasi terintegrasi untuk mengantisipasi perubahan permintaan dan Bill of Material. 2) Perusahaan dapat menambahkan
variabel biaya persediaan lain seperti biaya kehabisan persediaan dan pemasangan agar pengendalian biaya persediaan lebih menyeluruh.
DAFTAR PUSTAKA
Chopra, S. & Meindl, P., 2016,
Supply Chain Management: Strategy,
Planning, and Operation,
Global Edition, Pearson, Harlow.
Dermawan, J. & Abdul WM., 2015, ‘Perencanaan dan
Pengendalian
Persediaan Bahan Baku Jamur Tiram di Industri Rumah Tangga Ailani Kota
Malang Jawa Timur’, Habitat, Vol. 26, No. 1, pp. 22-30. Efendi, J., Hidayat K. & Raden F.,
2019, ‘Analisis Pengendalian Persediaan
Bahan Baku Kerupuk Mentah Potato dan Kentang Keriting Menggunakan
Metode Economic Order
Quantity (EOQ)’, Media
Ilmiah Teknik Industri,
Vol. 18, No. 2, pp. 125-134. Efrianti, D., 2014, ‘Pengaruh
Pengendalian Persediaan Just
in Time
Terhadap Efisiensi Pengadaan Persediaan Bahan Baku (Studi Kasus Pada CV Jawara Karsa Agusto)’, Jurnal Ilmiah Akuntansi Kesatuan, Vol. 2,
No. 1, pp. 99-108. Fahrudin, V., 2009, ‘Penerapan
Material Requirements
Planning pada
Pengendalian Persediaan Bahan Baku dan Pengaruhnya Terhadap Minimasi Biaya Persediaan (Studi Pada PT. Tiga Serangkai Pustaka Mandiri Surakarta)’, Skripsi, Universitas Sebelas Maret, Surakarta.
Fajriyah, EW., M. Fuad FM. & Askur R., 2017, ‘Perencanaan
Persediaan Bahan
Baku Rajungan Menggunakan Metode MRP (Material
Requirements Planning)
(Studi Kasus: UD. Gerald Unedo)’, Jurnal Ilmiah Rekayasa, Vol. 10, No. 1, pp.
9-15.
Hanke, JE. & Reitsch, AG., 1992,
Business Forecasting, 4th Edition, Allyn and
Bacon, Massachussets.
Heizer, J., Render, B. & Munson, C., 2016, Operations Management:
Sustainability and Supply Chain Management, 12th Edition, Pearson,
Boston.
Indrayati, R., 2007, ‘Analisis Pengendalian Persediaan Bahan Baku dengan
Metode EOQ (Economic
Order Quantity) pada PT.
Tipota Furnishings
Jepara, Skripsi, Universitas Negeri Semarang, Semarang. Jacobs, FR. & Chase, RB., 2018,
Operations and Supply Chain Management, 15th
Edition, McGraw-Hill, New York.
Johnston, R., Clark, G. & Shulver, M., 2012, Service Operations
Management:
Improving Service Delivery,
Kementrian Perindustrian, 2019, Peluang Industri AMDK Mengalir Deras di
Tahun Politik, diakses pada 31 Desember 2020,
https://kemenperin.go.id/artik el/20354/Peluang-Industri-AMDK-Mengalir-
Deras-di-Tahun-Politik Lisjiyanti, AD., 2011, ‘Analisis
Peramalan Penjualan Tahu Kita pada PT.
Kitagama Jakarta’, Skripsi, Institut Pertanian Bogor, Bogor.
Martha, KA. & Putu YS., 2018, ‘Analisis Material Requirements Planning Produk Coconut Sugar Pada Kul-Kul Farm’, E-Jurnal
Manajemen Unud,
Vol. 7, No. 12, pp. 6532-6560. Montgomery, DC., Jennings, CL. &
Kulahci, M., 2015,
Introduction to Time
Series Analysis and
Forecasting, 2nd Edition, Wiley, Hoboken.
Nafarin, M., 2007, Penganggaran
Perusahaan, Edisi 3, Salemba
Empat, Jakarta. Ramadhan, FM., 2018, Aqua
Mendominasi Pangsa Pasar Air Kemasan,
Tempo.co, diakses pada 31 Desember 2020,
https://grafis.tempo.co/read/1 215/aqua-mendominasi-pangsa-pasar-air- kemasan
Robbins, S. & Coulter, M., 2016,
Manajemen, Edisi 13,
Penerbit Erlangga, Jakarta.
Santosa, IMA., Ni Luh Ayu Kartika YS. & Ratna KW., 2019, ‘Perbandingan
Metode Holt Winter Additive dan Metode Holt Winter
Additive Damped
dalam Peramalan Jumlah Pendaftaran Mahasiswa’,
Jurnal Ilmah Rekayasa
dan Manajemen Sistem
Informasi, Vol. 5, No. 1, pp.
93-98.
Stevenson, WJ., 2015, Operations
Management, 12th Edition, McGraw-
Hill, New York.
Ummiroh, IR., 2013, ‘Analisis Penerapan Material Requirements
Planning (MRP) pada
Pennyellow Furniture’, Skripsi, Universitas Jember, Jember.
Utami, R. & Suryo A., 2017,
‘Perbandingan Metode Holt
Exponential
Smoothing dan Winter
Exponential Smoothing untuk
Peramalan
Penjualan Souvenir’, Jurnal
Ilmiah Teknologi Asia, Vol.
11, No. 2, pp. 123-130. Uty, RL., 2017, ‘Analisis
Pengendalian Persediaan Bahan Baku pada
Industri Pupuk Organik Bersubsidi di Kabupaten Malang’, Skripsi,
Universitas Brawijaya, Malang.
