Penentuan Reorder Point Beserta Peramalan Pemesanan Drop Cable Untuk Keperluan Teknisi
Menggunakan Metode Time Series (Studi Kasus: PT XYZ)
I Wayan Gede Ananta Wijaya1, Denny Nurkertamanda 2
1,2Departemen Teknik Industri, Universitas Diponegoro, Semarang, Indonesia wayanananta@students.undip.ac.id
Abstrak Penelitian ini bertujuan untuk mendapatkan usulan terbaik terkait safety stock yang harus disiapkan dan reorder point yang tepat sehingga pengendalian stock pada inventory diharapkan dapat teratasi. Penelitian ini dilakukan pada PT XYZ (nama perusahaan disamarkan karena data bersifat rahasia). Metode penelitian bersifat kuantitatif. Perhitungan dilakukan dengan mengambil data permintaan dan data lead time saat pemesanan drop cable. Hasil penelitian didapatkan jumlah stock yang tepat untuk dilakukan reorder point dan metode peramalan yang tepat untuk perusahaan berdasarkan data masa lalu beserta hasil peramalan untuk periode selanjutnya.
Kata Kunci: Reorder Point, Forecasting, Metode Time Series, Supply Chain Management, Pengendalian Stock
I. PENDAHULUAN A. Latar Belakang
Penggunaan internet di Indonesia makin meningkat berdasarkan laporan We Are Social terdapat kenaikan dari 175,4 juta pengguna pada tahun 2019 menjadi 202,6 juta pengguna di tahun 2021. Salah satu penyebabnya karena terjadi pandemi virus Covid- 19. Virus Covid-19 yang telah menyebar secara resmi dideklarasikan sebagai pandemi oleh World Health Organization pada 11 Maret 2020 karena hal tersebut berdasarkan Surat Edaran Kemdikbud No. 15 Tahun 2020 pembelajaran dilakukan secara daring untuk mencegah penyebaran virus dan berdasarkan UU No. 13 Tahun 2003 tentang ketenagakerjaan yang secara garis besar disebutkan setiap pekerja/buruh mempunyai hak perlindungan atas keselamatan dan kesehatan kerja sehingga banyak pekerjaan dilakukan secara daring untuk menjaga kesehatan pekerja. Pernyataan yang disampaikan sebelumnya membuat internet semakin diperlukan untuk keberlangsungan kegiatan pembelajaran maupun pekerjaan sehingga banyak yang melakukan pendaftaran dan pemasangan Wi-Fi internet di rumah masing-masing.
PT XYZ adalah perusahaan yang berjalan di bidang jasa layanan berbasis jaringan telekomunikasi di Indonesia. Salah satu layanan yang dimiliki oleh PT XYZ adalah pemasangan Wi-Fi di rumah. Pemasangan Wi-Fi di rumah menjadi salah satu layanan perusahaan dalam menyediakan layanan internet di Indonesia.
Pengendalian stock material yang terdapat pada warehouse perusahaan menjadi sebuah keharusan karena banyaknya peminat untuk memasangkan wifi di rumah masing-masing. Pengendalian persediaan stock bertujuan untuk menjaga agar perusahaan tidak mengalami kehabisan persediaan [1]. Material yang akan dilakukan pengendalian adalah material utama yang selalu dibutuhkan yaitu fiber optic yang berjenis drop cable.
Observasi dan wawancara yang telah dilakukan dengan salah satu pekerja ditemukan masalah yaitu ketersediaan drop cable pernah terjadi kehabisan stock pada gudang. Kehabisan stock merupakan suatu masalah yang sulit dihindari jika terdapat beberapa faktor seperti kesalahan dalam perkiraan penggunaan material dan keterlambatan datangnya barang [2]. Pernyataan yang telah disebutkan sebelumnya untuk mengatasinya diperlukan pemilihan metode peramalan yang tepat untuk memperkirakaan penggunaan material dan diperlukan metode reorder point untuk menentukan persediaan yang harus ada di warehouse selama pemesanan kembali. Metode reorder point berdasarkan safety stock yang harus ada di warehouse dan perkiraan lamanya barang sampai ke warehouse.
B. Rumusan Masalah
Berdasarkan latar belakang yang sebelumnya maka didapatkan rumusan masalah yaitu berapakah sebaiknya stock yang harus terdapat di gudang sehingga dapat dilakukan restock?
C. Tujuan Penelitian
Penelitian ini dilakukan untuk mencapai tujuan terkait usulan safety stock yang harus dipersiapkan pada warehouse sehingga permasalahan pada perencanaan dan pengendalian inventory diharapkan dapat teratasi.
D. Batasan Masalah
Penelitian ini memiliki beberapa batasan yang ditetapkan sebagai berikut:
1. Pengamatan dilakukan hanya di PT XYZ
2. Data permintaan yang digunakan adalah permintaan dari tanggal 1 September 2021 1 Januari 2022 3. Data lamanya waktu pemesanan yang digunakan dari tanggal 1 September 2021 1 Januari 2022
II. TINJAUANPUSTAKA A. Supply Chain Management
Supply Chain Management adalah management aliran material dan informasi dari pemasok melalui warehousing. Fungsi Supply Chain Management adalah merencanakan dan mengatur semua aktivitas dari aliran material dan informasi pemasok di warehousing [3].
B. Pengendalian Persediaan
Persediaan adalah aktiva yang terdiri dari barang milik perusahaan yang dimaksudkan digunakan pada periode tertentu [4].
Pengendalian persediaan adalah salah satu kegiatan dari beberapa kegiatan yang berkaitan satu sama lain dalam seluruh kegiatan operasi perusahaan dan disesuaikan dengan apa yang telah direncanakan sebelumnya dari jumlah, waktu, kualitas ataupun biayanya [5].
C. Peramalan
Peramalan adalah aktivitas memprediksikan atau memperkirakan kejadian masa yang akan datang dengan penyusunan rencana terlebih dahulu yang dibuat berdasarkan kemampuan dan kapasitas permintaan yang telah dilakukan di perusahaan [6]. Ada beberapa pola data pada peramalan sebagai berikut [7]:
Trend (T), terjadi saat ada penurunan atau kenaikan dari data secara gradual pada pola datanya dalam kurun waktu yang panjang.
Seasonality (S) pola ini terjadi saat pola datanya berulang pada suatu periode tertentu di tahunan, triwulan, bulanan, mingguan atau harian.
Cycles (C) adalah pola data yang terjadi pada beberapa tahun, dipengaruhi oleh fluktuasi ekonomi jangka panjang sehingga berkaitan dengan siklus bisnis.
Horizontal (H) atau Stasioner, terjadi pada data yang memiliki fluktuasi di sekitar nilai rata - rata sehingga menjadi stabil.
D. Metode Time Series
Metode time series berkaitan dengan nilai suatu variabel yang diatur secara periode waktu dimana perkiraan permintaan diproyeksikan, misalnya tahunan, kuartalan atau bulanan. Metode time series dibagi menjadi beberapa metode sebagai berikut [6]:
Moving Average, terdiri dari:
Simple Moving Average adalah metode peramalan yang memakai rata-rata dari sejumlah data saat ini untuk meramalkan periode mendatang. Dengan menggunakan metode ini, data asli yang berderet secara berkala diubah menjadi data yang memiliki deret moving average yang lebih smooth dan mengurangi ketergantungan pada osilasi sehingga lebih dimungkinkan untuk ditunjukkan siklus atau trend dasar pada pola data sepanjang waktu [8]. Persamaan dari model Simple Moving Average antara lain sebagai berikut:
(2.1) Keterangan:
T = Periode rata-rata gerak Xi = Data aktual pada periode i
Double Moving Average adalah metode perhitungan yang sama dengan Simple Moving Average tetapi ditambah dengan parameter penimbang. Nilai yang ditetapkan pada parameter penimbang bisa dilakukan dengan sembarang, tetapi umumnya
nilai parameter penimbang pada periode terakhir dari data historis bernilai dua kali dibanding parameter penimbang pada periode sebelumnya. Persamaan Double Moving Average sebagai berikut:
(2.2)
(2.3) (2.4) (2.5) (2.6) Keterangan:
S' = Pergerakan pertama S" = Pergerakan kedua
F(t+m) = Hasil peramalan dengan parameter a dan b pada periode t dan m yang merupakan selisih periode t dengan periode ramalan yang dicari
Exponential Smoothing
Single Exponential Smoothing digunakan untuk forecasting berjangka waktu pendek. Asumsi yang digunakan pada model ini yaitu data yang ada berfluktuasi di sekitar rata-rata yang cenderung stabil [8]. Model dari Single Exponential Smoothing dijabarkan sebagai berikut [6]:
(2.7) Keterangan:
Tt = Data permintaan pada periode t Peramalan untuk periode t
Double Exponential Smoothing dapat menggunakan satu parameter. linear method yaitu metode yang mirip dengan metode linear moving average dan disesuaikan dengan diberikan penambahan satu parameter [6]. Modelnya sebagai berikut:
(2.8) (2.9) (2.10) (2.11) (2.12) Keterangan:
S't merupakan Single Exponential Smoothing Double Exponential Smoothing E. Perhitungan Error
Menghitung error atau kesalahan dalam peramalan dilakukan untuk melihat perbedaan hasil peramalan dengan data aktual.
Semakin kecil nilai error maka semakin tinggi ketelitian peramalan sehingga kesesuaian dengan data aktual semakin tinggi dan sebaliknya. Error dalam peramalan dihitung dengan memakai beberapa metode salah satunya MAPE (Mean Absolute Percentage Error). MAPE adalah rata-rata dari kesalahan mutlak pada periode tertentu yang dibuat dalam persentase sehingga didapatkan hasil error secara persentase dan digunakan saat ukuran variabel yang selesai diramalkan ditentukan pada akurasi peramalan sehingga dapat dijabarkan pada persamaan sebagai berikut [9]:
(2.13)
F. Reorder Point
Reorder Point atau bisa disingkat ROP adalah tingkat atau titik persediaan yang saat pada titik tersebut diperlukan tindakan untuk mengisi ulang persediaan barang pada gudang. Pada saat persediaan berada di titik tersebut, perusahaan atau institusi bisnis harus melakukan pemesanan bahan atau barang untuk membuat kondisi persediaan terus terkendali. ROP dapat dijabarkan menjadi persamaan sebagai berikut:
ROP = d L + SS (2.14)
Keterangan:
d = Tingkat kebutuhan per unit waktu (rata-rata demand per unit waktu) L= Waktu tunggu (lead time)
SS = Safety Stock
Pada ROP terdapat safety stock yang dapat ditentukan melalui perhitungan yang sederhana yaitu menggunakan intuisi dengan pendekatan ilmiah maupun menggunakan Distribusi Normal atau Poisson yang bertujuan untuk menentukan safety stock. Berikut merupakan salah satu formula untuk menentukan jumlah safety stock [10]:
Safety Stock = Z Standar Deviasi Demand (2.15)
Keterangan:
Z = Nilai service level sesuai standar Distribusi Normal m = Lead time
III. PENGUMPULANDANPENGOLAHANDATA A. Pengumpulan Data Demand
Data demand berikut merupakan data permintaan teknisi ke warehouse setiap bulannya. Data permintaan ini dikumpulkan selama 4 bulan dari tanggal 1 September 2021 sampai tanggal 1 Januari 2022. Berikut merupakan data demand teknisi ke warehouse:
TABELI. DATADEMAND
Bulan Demand
September 68.250
Oktober 49.800
November 28.300 Desember 34.800 B. Pengumpulan Data Lead time
Data lead time yang dianalogikan berupa data lamanya waktu pemesanan dari awal pemesanan sampai barang sudah berada di gudang. Data lead time digunakan untuk mencari reorder point pemesanan. Data ini dikumpulkan selama 4 bulan dari tanggal 1 September 2021 sampai tanggal 1 Januari 2022. Berikut merupakan data lead time pemesanan dari warehouse:
TABELII. DATALEADTIME Bulan Lead Time (hari)
September 3
Oktober 3
November 4
Desember 4
C. Pengolahan Data Plot Data
Kegiatan forecasting diawali dengan menentukan plot data dari demand. Kegiatan ini dilakukan untuk mengetahui kecenderungan bentuk dari demand. Plot data yang telah dibuat dapat terlihat bagaimana pola data dari demand tersebut. Pola data yang telah diketahui tersebut dapat membantu kita menentukan metode forecasting yang sesuai dan dapat dilakukan forecasting dengan metode tersebut. Berikut ini merupakan plot data yang dibuat berdasarkan data demand:
Gambar 1. Plot Data Demand Penentuan Metode Peramalan
Data yang digunakan adalah data demand untuk drop cable dengan menggunakan satuan agregat. Plot data demand yang telah dibuat terlihat bahwa bentuknya cenderung memiliki tren sehingga metode yang digunakan yaitu metode forecasting yang cocok dengan pola tren. Metode peramalan yang cocok dengan pola data yang cenderung linier memiliki tren yaitu Double Moving Average dan Double Exponensial Smoothing tetapi karena periode data demand yang didapatkan tergolong pendek maka perlu dipertimbangkan metode yang cocok untuk periode pendek yaitu Simple Moving Average dan Single Exponential Smoothing.
Metode tersebut akan dibandingkan nilai error-nya dan metode yang terpilih adalah metode dengan nilai error terkecil.
Metode Double Moving Average
Perhitungan menggunakan metode Double Moving Average didapatkan perhitungan error dengan MAPE sebesar 60,58%.
Berikut merupakan hasil dari perhitungan tersebut:
TABELIII.PERHITUNGANMETODEDOUBLEMOVINGAVERAGE
T X(t) s1 s2 a b F(t) Error |Error| |PE|
1 68250 68250
2 49800 59025 63637,5 54412,5 -4612,5
3 28300 39050 49037,5 29062,5 -9987,5 49800 -21500 21500 75,97%
4 34800 31550 35300 27800 -3750 19075 15725 15725 45,19%
24050
Total 121,16%
MAPE 60,58%
Metode Double Exponential Smoothing
Perhitungan menggunakan metode Double Exponential Smoothing dengan nilai alfa 0,5 yang didapatkan dari trial and error sehingga didapatkan perhitungan error terbaik menggunakan MAPE sebesar 73,01%. Berikut merupakan hasil dari perhitungan tersebut:
TABELIV.PERHITUNGANMETODEDOUBLEEXPONENTIALSMOOTHING
T X(t) s1 s2 a b F(t) Error |Error| |PE|
1 68250 68250 68250
2 49800 73965 93297 54633 -19332
3 28300 47540 75014.5 20065.5 -27474.5 35301 -7001 7001 24,74%
4 34800 41990 57362 26618 -15372 -7409 42209 42209 121,29%
11246
Total 146,03%
MAPE 73,01%
Metode Simple Moving Average
Perhitungan menggunakan metode Simple Moving Average didapatkan perhitungan error dengan menggunakan MAPE sebesar 52,61%. Berikut merupakan hasil dari perhitungan tersebut:
TABELV.PERHITUNGANMETODESIMPLEMOVINGAVERAGE
T X(t) F(t) Error |Error| |PE|
1 68250
2 49800 68250 -18450 18450 37,05%
3 28300 59025 -30725 30725 108,57%
4 34800 39050 -4250 4250 12,21%
31550 Total 157,83%
MAPE 52,61%
Metode Single Exponential Smoothing
Perhitungan menggunakan metode Single Exponential Smoothing dengan nilai alfa 0,5 yang didapatkan dari trial and error sehingga didapatkan perhitungan error terbaik menggunakan MAPE sebesar 61,45%. Berikut merupakan hasil dari perhitungan tersebut:
TABELVI.PERHITUNGANMETODESINGLEEXPONENTIALSMOOTHING
T X(t) F(t) Error |Error| |PE|
1 68250 68250
2 49800 68250 -18450 18450 37,05%
3 28300 59025 -30725 30725 108,57%
4 34800 48275 -13475 13475 38,72%
4691.25 Total 184,34%
MAPE 61,45%
Perbandingan Nilai MAPE Setiap Metode
Peramalan demand dan perhitungan error setiap metode dengan menggunakan MAPE yang telah dilakukan sebelumnya dapat dilanjut dengan membandingkan nilai error yang dihasilkan MAPE setiap metode. MAPE dipilih untuk membandingkan error setiap metode karena hasil atau nilai error yang dihasilkan berupa persentase error dari peramalan dengan data aktual sehingga lebih memudahkan dalam membandingkan setiap metodenya. Berikut merupakan tabel untuk memudahkan perbandingan nilai MAPE pada setiap metode peramalan:
TABELVI.PERBANDINGANNILAIMAPESETIAPMETODE
No Metode MAPE
1 Double Moving Average 60,58%
2 Double Eksponential Smoothing 73,01%
3 Simple Moving Average 52,61%
4 Single Exponential Smoothing 61,45%
Tabel yang telah ditunjukkan di atas terlihat bahwa MAPE terkecil yaitu metode Simple Moving Average dengan MAPE sebesar 52,61%. Metode Simple Moving Average menjadi metode yang terpilih karena memiliki nilai error terkecil.
Uji Validasi
Metode peramalan yang telah terpilih selanjutnya dilakukan validasi sebelum menentukan hasil peramalan menggunakan metode yang terpilih. Validasi ini dilakukan untuk memastikan error masih berada di batas toleransi. Uji validasi menggunakan metode peta Moving Range dengan memetakan error dari metode terpilih dan melihat pergerakan error-nya. Jika error masih di batas toleransi maka metode peramalan tersebut valid sedangkan jika error tersebut melewati batas toleransi maka metode peramalan tersebut tidak valid. Metode peramalan yang tidak valid dapat digunakan jika penyebab error tersebut dapat dikendalikan, jika tidak maka dapat menggunakan metode peramalan dengan error terkecil kedua. Berikut merupakan uji validasi pada metode Simple Moving Average dengan menggunakan peta Moving Range:
TABELVII.UJIVALIDASIPETAMOVINGRANGE
T X(t) F(t) Error MR |MR|
1 68250
2 49800 68250 -18450
3 28300 59025 -30725 -12275 12275
4 34800 39050 -4250 26475 26475
31550 Total 38750
Rata-Rata 19375
UCL 51537,5
LCL -51537,5
Berikut merupakan grafik dari peta Moving Range :
Gambar 2. Uji Validasi Peta Moving Range
Berdasarkan grafik di atas, dapat dilihat bahwa error tidak melewati batas toleransi yaitu Upper Control Limit (UCL) untuk batas atas dan Lower Control Limit (LCL) untuk batas bawah. Metode peramalan dengan Simple Moving Average dianggap valid dan dapat digunakan untuk melakukan peramalan untuk beberapa periode ke depan.
Menentukan Hasil Peramalan
Peramalan dilakukan menggunakan metode yang terpilih yaitu metode Simple Moving Average untuk memprediksi permintaan periode ke depan. Hasil peramalan untuk periode selanjutnya yaitu = 31550.
Penentuan Reorder Point
Penentuan reorder point atau titik waktu pemesanan ulang berdasarkan persediaan yang ada diperlukan untuk mengetahui saat yang tepat melakukan pemesanan supaya persediaan tidak habis di gudang. Persamaan rumus (2.14) dalam menentukan reorder point diperlukan nilai safety stock. Nilai safety stock ditentukan dengan menggunakan persamaan rumus (2.15). Rumus di atas terlihat dibutuhkan nilai standar deviasi. Berikut merupakan perhitungan standar deviasi demand dari data demand:
= 1538,02
Nilai lead time diperlukan untuk menghitung safety stock yang didapatkan sebagai berikut:
TABELVII.RATA-RATALEADTIMEDANDEMAND
Bulan Lead Time (hari) Demand
September 3 68250
Oktober 3 49800
November 4 28300
Desember 4 34800
Rata - rata 3,5 45287,5
Sehingga didapatkan nilai lead time-nya dibulatkan ke atas sebesar 4 hari dalam sebulan lead time sebesar = 0,133 bulan.
Berdasarkan hasil dari standar deviasi dapat dihitung safety stock dengan service level sebesar 90% pada Distribusi Normal sehingga nilai z = 1,28 sebagai berikut:
Safety stock = = 717,956 718
Berdasarkan tabel diatas dapat dilihat demand memiliki rata-rata sebesar 45287,5 sehingga hasil rata-rata demand dan safety stock dapat digunakan untuk menentukan reorder point sebagai berikut:
ROP = 0,133 + 718 = 6741,238 6742
Jadi, pemesanan drop cable dapat dipesan kembali saat persediaan dalam gudang sebanyak 6742.
IV. PENUTUP A. Kesimpulan
Kesimpulan dari penelitian ini yaitu metode peramalan bisa dijadikan alternatif untuk memperkirakan berapa banyak yang perlu dipesan. Metode peramalan yang cocok yaitu metode Simple Moving Average berdasarkan data historis selama 4 periode dari bulan September 2021 sampai Desember 2021 dan periode tergolong pendek. Pemilihan metode terbaik berdasarkan parameter error menggunakan MAPE untuk melihat metode yang menghasilkan error terkecil. Metode tersebut juga telah dilakukan validasi dengan peta Moving Range dan metode tersebut valid. Reorder point didapatkan sebesar 6742 sehingga saat persediaan di gudang sebesar 6742 diperlukan pemesanan untuk mencegah stock habis di gudang.
B. Saran
Penelitian yang telah dilakukan terdapat beberapa saran untuk penelitian yang selanjutnya sebagai berikut:
Melakukan forecasting menggunakan metode yang dapat menggunakan data berjumlah sedikit atau terbatas Melakukan penentuan reorder point dengan memperhitungkan harga seperti biaya simpan dan biaya pesan .
DAFTARPUSTAKA [1] A. Ristono, Manajemen Persediaan, Yogyakarta: Graha Ilmu, 2013.
[2] N. Rasyid, Analisis Perencanaan Persediaan Kacang Kedelai pada Unit Usaha Primer Koperasi Produsen Tempe Tahu Indonesia di Palembang, Palembang:
Jurnal Manajemen dan Bisnis Sriwijaya, 2015.
[3] M. Arif, S.T., M.T., Supply Chain Management, Yogyakarta: Deepiblish, 2018
[4] B. Alexandri, Manajemen Keuangan Bisnis Edisi Kedua, Bandung: Alfabeta IKAPI, 2009.
[5] S. Assauri, Manajemen Produksi dan Operasi Edisi Revisi, Jakarta: Lembaga Penerbit FE UI, 2004.
[6] D. Sofyan, Perencanaan dan Pengendalian Produksi, Lhoksemawe NAD: Graha Ilmu, 2013.
[7] S. Seto, Y. Nita, dan L. Triana, Manajemen Farmasi: Lingkungan Apotek, Farmasi Rumah Sakit, Industri Farmasi, Perdagangan Besar Farmasi, Surabaya:
Airlangga University Press, 2004.
[8] V. Rosdiani, Evaluasi Metode Peramalan Permintaan dan Perancanaan Agregat Atap Harflex di PT. Bakrie Building Industries, Sleman: Magister Universitas Gajah Mada, 2018.
[9] Iwa Sugawa dan Ries Tri Megasari, Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu dalam Seleksi Model Peramalan Volume Penjualan PT Satriamandiri Citramulia, Palmerah: Binus University, 2011.
[10] F. Zulfikarijah, Manajemen Operasional, Malang: UMM Press, 2005.
