ANALISIS PERSEDIAAN MATERIAL CEMENT CLASS G PADA SUMUR PEMBORAN

(1)

i

ANALISIS PERSEDIAAN MATERIAL

CEMENT CLASS G

PADA SUMUR PEMBORAN

LAPORAN KERJA PRAKTIK

Oleh:

Dinda Kuntum Rana

102416044

PROGRAM STUDI TEKNIK LOGISTIK

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PERTAMINA

AGUSTUS 2019

(2)

HALAMAN PENGESAHAN

Laporan Kerja Praktik yang diajukan oleh,

Nama : Dinda Kuntum Rana

NIM : 102416044

Program Studi : Teknik Logistik Fakultas : Teknologi Industri Perusahaan/Institusi : PT Pertamina EP Tanggal Pelaksanaan KP : 8 Juli 2019

dengan judul :

ANALISIS PERSEDIAAN MATERIAL CEMENT CLASS G PADA SUMUR PEMBORAN

Hari : Senin

Tanggal : 4 November 2019

Disetujui oleh,

Dosen Pembimbing KP Pembimbing Instansi

Supplier Relationship Management Senior Analyst PT Pertamina EP

Mengetahui,

Ketua Program Studi Teknik Logistik Rahmad Inca Liperda, ST., M.Eng

NIP. 119028

Ridwan Eka Riyanto NIP. 744441

(3)

iii KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah Yang Maha Esa atas segala rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan laporan kerja praktik yang berjudul Analisis Persediaan Material Cement Class G pada Sumur Pemboran, dengan baik.Pembuatan laporan kerja praktik ini dibuat untuk memenuhi syarat mata kuliah Kerja Praktik program studi Teknik Logistik Universitas Pertamina. Salah satu tujuan yang hendak dicapai dalam kerja praktik ini adalah untuk melihat dan memperoleh pengalaman mengenai kegiatan yang telah dilakukan selama di PT Pertamina EP. Penyusunan laporan kerja praktik ini tentunya tidak lepas dari bantuan banyak pihak yang terlibat dari awal pelaksanaan hingga berakhirnya kerja praktik. Maka dari itu, penulis ingin mengucapkan rasa terima kasih yang sebesar-besarnya kepada pihak-pihak sebagai berikut.

1. Seluruh dosen Teknik Logistik Universitas Pertamina yang telah memberikan pengarahan kerja praktik dari awal hingga akhir dengan penuh kesabaran.

2. Pihak PCU (Pertamina Corporate University) selaku pihak yang memfasilitasi kegiatan kerja praktik antara Universitas Pertamina dengan PT Pertamina EP.

3. Bapak Rahmad Inca Liperda, ST., M.Eng selaku dosen pembimbing yang telah memberikan saran, masukan serta bimbingan dari awal hingga berakhirnya masa kerja praktik ini dengan baik.

4. Bapak Agung Sudrajat selaku koordinator kerja praktik fungsi SCM (Supply Chain Management) PT Pertamina EP.

5. Bapak Ridwan Eka Riyanto selaku pembimbing kerja praktik fungsi SRM (Supplier Relationship Management) PT Pertamina EP yang telah bersedia membantu penulis dan memberikan saran kepada penulis hingga terselesaikannya laporan kerja praktik ini.

6. Kedua orang tua yang selalu memberikan perhatian dan doa-doanya tanpa henti serta memberikan semangat dan dorongan kepada penulis.

Penulis menyadari bahwa laporan kerja praktik ini masih jauh dari kata sempurna. Oleh karena itu, penulis dengan senang hati menerima kritik dan saran yang membangun dari semua pihak agar bisa menjadi bahan evaluasi untuk kedepannya. Akhir kata, penulis berharap agar laporan kerja praktik ini dapat memberikan manfaat kepada seluruh pihak yang terlibat dan dipergunakan dengan sebaik-baiknya.

Jakarta, 15 Juli 2019

(4)

ABSTRAK

PT. Pertamina EP Jakarta merupakan perusahaan yang bergerak dibidang minyak dan gas bumi yang pengelolaan wilayah kerjanya tersebar luas di seluruh Indonesia. Dalam melakukan operasi pembuatan sumur minyak, pengadaan terhadap material-material penunjang dalam melakukan pengeboran tersebut harus selalu dilakukan. Pentingnya pengelolaan persediaan material bahan baku menjadi fokus utama agar tidak terjadi keterlambatan persediaan material. Permasalahan yang terjadi pada tahun sebelumnya yakni kurangnya persediaan untuk material Oil Well Cement Class G Api Spec 10A dapat menghambat pengerjaan sumur minyak. Sehingga pada penelitian ini akan dilakukan perencanaan dan pengelolaan persediaan terhadap material Oil Well Cement Class G Api Spec 10A dengan melakukan peramalan menggunakan data historis jumlah pemakaian perusahaan, menentukan metode peramalan terbaik untuk memprediksi selama tiga tahun mendatang, menentukan safety stock, dan menentukan reorder point. Metode peramalan yang digunakan dalam penelitian ini adalah siklis, tren siklis, dan seasonal. Setelah dilakukan analisis dan pengolahan data diperoleh peramalan terbaik adalah dengan menggunakan metode seasonal dikarenakan metode tersebut memiliki nilai error terkecil diantara metode lainnya. Peramalan jumlah pemakaian atau konsumsi material Oil Well Cement Class G Api Spec 10A untuk tiga tahun mendatang secara berturut-turut adalah sebesar 386.448 bag, 271.408 bag, dan 156.308 bag. Penentuan jumlah stok pengaman yang harus dijaga oleh perusahaan untuk mengantisipasi hal tidak terduga sebesar 3.307 bag. Sementara untuk penentuan titik pemesanan kembali akan dilakukan pemesanan ketika persediaan mencapai 8.586 bag maka perusahaan harus melakukan pemesanan segera mungkin sebesar 67.852 bag.

(5)

v ABSTRACT

PT. Pertamina EP Jakarta is a company engaged in oil and gas whose management of its working area is spread widely throughout Indonesia. In carrying out operations to make oil wells, the procurement of supporting materials in carrying out the drilling must always be carried out. The importance of managing raw material inventory is the main focus to avoid delays in material supply. The problem that occurred in the previous year was the lack of supplies for Oil Well Cement Class G Api Spec 10A materials that could overcome the work of oil wells. So that in this research planning and management of inventory of Oil Well Cement Class G Api Spec 10A material will be done by forecasting using historical data on the number of company uses, determining the best forecasting method to predict for the next three years, determining safety stock, and determining reorder points. Forecasting methods used in this study are cyclical, cyclical trends, and seasonal. After analyzing and processing data, the best forecasting is to use the seasonal method because the method has the smallest error value among other methods. Forecasting the amount of usage or consumption of Oil Well Cement Class G Api Spec 10A material for the next three years in a row is 386.448 bags, 271.408 bags, and 156.308 bags. Determination of the amount of safety stock that must be maintained by the company to anticipate the unexpected is 3.307 bag. Meanwhile, to determine the reorder point will be ordered when the inventory reaches 8.586 bags, the company must make an order as soon as possible at 67.852 bags.

(6)

DAFTAR ISI

HALAMAN PENGESAHAN ... ii

KATA PENGANTAR ... iii

ABSTRAK ... v

ABSTRACT ... v

DAFTAR ISI ... vi

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

BAB I Pendahuluan ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan ... 2

1.4 Waktu dan Tempat Pelaksanaan KP... 2

1.5 Ruang Lingkup/Batasan Masalah ... 2

1.6 Metodologi ... 2

BAB II Gambaran Umum Perusahaan ... 5

2.1 Sejarah PT Pertamina (Persero) ... 5

2.2 Sejarah PT Pertamina EP ... 5

2.2.1 Visi ... 5

2.2.2 Misi ... 5

2.2.3 Tata Nilai Perusahaan ... 5

2.2.4 Ruang Lingkup Bisnis Usaha PT Pertamina EP ... 6

2.2.5 Struktur Organisasi ... 7

2.2.6 Penempatan di Perusahaan ... 9

Halaman Ini Sengaja Dikosongkan ... 10

BAB III Landasan Teori ... 11

3.1 Peramalan (Forecasting) ... 11

3.1.1 Taksonomi Peramalan ... 11

3.1.2 Ukuran Kesalahan Peramalan ... 13

3.2 Pengendalian Persediaan ... 14

(7)

vii

BAB V Hasil Kerja Praktik ... 21

5.1 Data Historis ... 21

5.2 Peramalan Kebutuhan Material ... 22

5.2.1 Metode Siklis... 22

5.2.2 Metode Tren Siklis ... 23

5.2.3 Metode Seasonal ... 24

BAB VI Kesimpulan dan Saran ... 31

6.1 Kesimpulan ... 31

6.2 Saran ... 31

(8)

DAFTAR TABEL

Tabel 1 Wiayah Kerja PT Pertamina EP ... 6

Tabel 2 Wilayah Kerja PT Pertamina EP (Lanjutan) ... 7

Tabel 3 Data Historis Kebutuhan Material Oil Well Cement Class G Api Spec 10A... 21

Tabel 4 Pengolahan Data Menggunakan Metode Siklis ... 23

Tabel 5 Pengolahan Data Menggunakan Metode Siklis (Lanjutan) ... 23

Tabel 6 Pengolahan Data Menggunakan Metode Tren Siklis ... 24

Tabel 7 Pengolahan Data Menggunakan Metode Tren Siklis (Lanjutan) ... 24

Tabel 8 Pengolahan Data Menggunakan Metode Seasonal... 25

Tabel 9 Pengolahan Data Menggunakan Metode Seasonal (Lanjutan) ... 25

Tabel 10 Pengolahan Data Menggunakan Metode Seasonal (Lanjutan) ... 25

Tabel 11 Hasil Perbandingan Error dari Setiap Metode Peramalan ... 26

Tabel 12 Hasil Peramalan Menggunakan Metode Seasonal ... 27

(9)

ix DAFTAR GAMBAR

Gambar 1 Flowchart Metodologi Penelitian ... 3

Gambar 2 Struktur Organisasi SCM PT Pertamina EP ... 8

Gambar 3 Taksonomi Peramalan (Steven & Tava, 2015) ... 11

Gambar 4 Alur Proses Kerja Penerbitan SPDA ... 17

Gambar 5 Plot Data Jumlah Konsumsi Cement Class G ... 22

(10)

(11)

UNIVERSITAS PERTAMINA

FAKULTAS TEKNOLOGI INDUSTRI

TEKNIK LOGISTIK

1 BAB I Pendahuluan

1.1 Latar Belakang

Kegiatan eksplorasi dan eksploitasi minyak dan gas bumi dilakukan baik secara eksplorasi lepas pantai (offshore) maupun eksplorasi darat (onshore). Tujuannya adalah untuk menggali minyak dan gas bumi dari dalam perut bumi lalu diproses hingga menghasilkan produk akhir untuk dipasarkan. Aktivitas eksplorasi minyak dan gas bumi diawali dengan mencari sumber cadangan migas yang berpotensial dibawah permukaan bumi dengan menggunakan metode geofisika melalui gelombang yang dijalarkan kebawah permukaan. Apabila percobaan tersebut menunjukkan hasil yang bagus kemudian dilanjutkan dengan site survey untuk memperoleh informasi yang lebih akurat. Jika dari hasil tersebut diperoleh data dan informasi yang dinilai prospektif maka akan dilakukan pemboran eksplorasi dengan tujuan untuk membuktikan adanya suatu cekungan yang mengandung minyak dan gas bumi dan mendapatkan data eksak dibawah permukaan bumi selengkap-lengkapnya.

Perencanaan pembuatan sumur pemboran harus dilakukan secara matang dan tepat mengingat dalam proses pembuatannya pasti akan timbul masalah-masalah yang mungkin terjadi dan tidak terduga sebelumnya yang dapat menyebabkan biaya pemboran menjadi membesar dari yang diperkirakan. Konstruksi pembuatan sumur pun berbeda-beda tergantung pada lapisan kedalaman dan sifat-sifat bebatuannya yang berpengaruh pada penggunaan jenis casing dan tubing design, casing setting depth selection, penentuan densitas dan jenis lumpur, serta perencanaan penyemenan. Sehingga, untuk mengantisipasi masalah-masalah yang akan muncul, penting untuk melakukan sebuah perencanaan kebutuhan material dalam operasi sumur pemboran. Targetnya adalah untuk meminimasi biaya sekecil mungkin dan menjamin ketersediaan kebutuhan material pada saat yang tepat. Hal tersebut dapat dilakukan dengan melakukan peramalan (forecasting) terlebih dahulu mengenai jumlah kebutuhan material untuk periode selanjutnya dengan tujuan mengetahui perkiraan kebutuhan material yang dibutuhkan saat operasi pemboran berlangsung. Peramalan dilakukan dengan melihat kecenderungan dari pola data atau tren yang terjadi selama beberapa tahun kebelakang yang dijadikan sebagai acuan dalam penentuan metode peramalan yang tepat, kemudian dilanjutkan dengan perencanaan dan pengelolaan persediaan secara optimal yakni penentuan safety stock dan reorder point. Peran peramalan dalam penentuan jumlah kebutuhan material penting dilakukan untuk memperkirakan stok yang diperlukan nantinya. Walaupun, pada dasarnya sebuah peramalan pasti tidak akan sama persis dengan aktualnya namun setidaknya peramalan tersebut dapat mendekati keadaan sebenarnya yang ditentukan berdasarkan error atau kesalahan peramalan terkecil pada sebuah metode peramalan. Semakin rendahnya tingkat kesalahan maka metode peramalan yang digunakan sudah baik sehingga dapat dijadikan sebagai bahan pertimbangan bagi perusahaan dalam melakukan peramalan dengan metode lain untuk kedepannya.

PT Pertamina EP selalu melakukan perencanaan kebutuhan material sumur pemboran pada setiap asset yang dilakukan rutin tiap tahunnya. Pada tahun 2018, kebutuhan material sumur pemboran khususnya material Oil Well Cement Class G Api Spec 10A mengalami ketidaksesuaian persediaan (stock) antara yang direncanakan dengan kebutuhan aktualnya.

(12)

Tentunya permasalahan ini akan berakibat pada ketidakmampuan perusahaan untuk membuat sumur pemboran baru (drilling) atau melakukan pengerjaan ulang sumur (workover) dan juga menimbulkan biaya tersendiri lagi bagi perusahaan. Selain itu, permasalahan seperti stockout dan deadstock juga seringkali terjadi. Apabila permasalahan tersebut tidak ditangani dengan segera maka segala aktivitas yang berhubungan dengan pemboran sumur menjadi tertunda hingga waktu yang tidak ditentukan dan tentunya akan menambah biaya tambahan bagi perusahaan atas kejadian tersebut. Berdasarkan latar belakang tersebut maka penulis melakukan penelitian yang berjudul Analisis Persediaan Material Cement Class G pada Sumur Pemboran.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan diatas, rumusan masalah dalam penelitian ini adalah bagaimana cara untuk mengantisipasi agar kebutuhan material Oil Well Cement Class G Api Spec 10A tidak mengalami stock out?

1.3 Tujuan

Berdasarkan rumusan masalah yang telah dipaparkan diatas, tujuan dalam penelitian ini adalah menentukan peramalan untuk tiga tahun mendatang serta menganalisis perencanaan persediaan material Oil Well Cement Class G Api Spec 10A dengan melakukan perhitungan jumlah safety stock dan reorder point.

1.4 Waktu dan Tempat Pelaksanaan KP

Pelaksanaan kerja praktik ini berlangsung pada:

 Periode : 8 Juli 2019 – 30 Agustus 2019

 Tempat : PT Pertamina EP, Kantor Pusat Gedung Standard Chartered Lt. 21- 29 Jalan Dr. Satrio No. 164 Jakarta Selatan 12950

1.5 Ruang Lingkup/Batasan Masalah

Pelaksanaan kerja praktek ini memiliki ruang lingkup/batasan masalah sebagai berikut:

 Fokus penilitian dilakukan pada fungsi Supply Chain Management & GS di PT Pertamina EP.

 Penggunaan jenis material pada penelitian kali ini hanya material Oil Well Cement Class G Api Spec 10A.

 Pada proses pengolahan data tidak mempertimbangkan aspek biaya.

 Jumlah demand diasumsikan sama dengan jumlah konsumsi pemakaian. 1.6 Metodologi

Tahapan-tahapan penelitian yang digunakan untuk menyelesaikan permasalahan diatas secara terstruktur dapat dilihat pada Gambar 1.

(13)

TEKNIK LOGISTIK

3 Gambar 1 Flowchart Metodologi Penelitian

a. Mengidentifikasi permasalahan

Berdasarkan latar belakang yang telah dipaparkan sebelumnya, permasalahan yang teridentifikasi adalah mengenai ketidaksesuaian antara jumlah material khususnya Oil Well Cement Class G Api Spec 10A yang direncanakan dengan jumlah pemakaian yang sebenarnya. Apabila hal tersebut terus-menerus terjadi, maka akan menimbulkan ketidakmampuan perusahaan untuk membuat sumur pemboran baru (drilling) atau melakukan pengerjaan ulang sumur (workover) serta menimbulkan biaya tersendiri lagi bagi perusahaan.

b. Studi literatur

Metode literatur yang digunakan penulis pada penelitian ini menggunakan jurnal ilmiah yang berkaitan dengan permasalahan penulis, referensi buku-buku peramalan dan persediaan sebagai acuan pembuatan landasan teori, maupun paper dan sumber lain yang masih berhubungan dengan judul penelitian.

c. Pengumpulan data

Data yang digunakan pada penelitian ini adalah data pemakaian jumlah material setiap asset wilayah kerja PT Pertamina EP pada tahun-tahun sebelumnya dan data rencana kerja material sumur pemboran. Pengambilan data ini juga diperoleh melalui proses wawancara untuk memperoleh informasi yang lebih detil mengenai kondisi permasalahan yang sebenarnya terjadi di lapangan.

d. Pengolahan data

Pengolahan data pada penilitian ini terdiri dari dua tahap, tahap pertama pengolahan data dilakukan untuk mengetahui jumlah pemakaian material pada tahun berikutnya menggunakan metode siklis, tren siklis dan seasonal yang menghasilkan output berupa kesalahan (error) terkecil yang dijadikan sebagai dasar penentuan metode peramalan terbaik di tahun selanjutnya. Tahap kedua adalah penentuan perencanaan persediaan yang optimal seperti menentukan besarnya jumlah safety stok yang harus disimpan oleh perusahaan dan penentuan reorder point.

(14)

e. Analisis

Berdasarkan hasil yang diperoleh dari pengolahan data diatas, analisis dilakukan untuk mengetahui maksud dari nilai-nilai yang telah didapat, mengidentifikasi penyebab-penyebab yang terjadi pada metode tersebut.

f. Kesimpulan dan saran

Tahapan akhir dari proses penelitian menghasilkan output berupa inti sari dari hasil pengolahan data dan analisis serta usulan terhadap perusahaan.

(15)

(16)

BAB II Gambaran Umum Perusahaan

2.1 Sejarah PT Pertamina (Persero)

PT Pertamina (Persero) merupakan perusahaan yang bergerak di bidang minyak dan gas bumi di Indonesia. Sebelum merubah namanya menjadi PT Pertamina (Persero) seperti sekarang, nama PT Pertamina (Persero) terus mengalami perubahan-perubahan pada masanya. Hal itu dapat terlihat pada 10 Desember 1957 yang diperingati sebagai hari lahirnya Pertamina memiliki nama awal PT Perusahaan Minyak Nasional (PERMINA). Pada 1960, PT Permina berubah menjadi Perusahaan Negara (PN) Permina. Kemudian pada 20 Agustus 1968, PN Permina bergabung dengan PN Pertamin menjadi PN Pertambangan Minyak dan Gas Bumi Negara (Pertamina). Selanjutnya pemerintah melalui UU No. 8 Tahun 1971 mengatur kedudukan Pertamina guna menghasilkan dan mengolah migas serta menyediakan kebutuhan bahan bakar dan gas di Indonesia. Lalu, disempurnakan melalui UU No. 22 Tahun 2001, pemerintah mengubah peran pertamina sebagai penyelenggaraan Public Service Obligation (PSO) yang dilakukan melalui kegiatan usaha. Tanggal 18 Juni 2003, yang mengacu pada PP No. 31 Tahun 2003, Perusahaan Pertambangan Minyak dan Gas Bumi Negara melakukan pergantian nama menjadi PT Pertamina (Persero) dengan melakukan kegiatan usaha minyak dan gas di sektor hulu hingga hilir.

2.2 Sejarah PT Pertamina EP

PT Pertamina EP didirikan pada 13 September 2005 sebagai salah satu anak perusahaan PT Pertamina (Persero) melakukan kegiatan usahanya bidang minyak dan gas bumi di sektor hulu yang meliputi kegiatan eksplorasi dan eksploitasi. Wilayah kerja PT Pertamina EP merupakan Wilayah Kerja yang sebelumnya dikelola oleh PT Pertamina (Persero) dan Wilayah Kerja yang dikelola PT Pertamina (Persero) melalui Technical Assistance Contract (TAC) dan Joint Operating Body Enhanced Oil Recovery (JOB EOR).

2.2.1 Visi

1. Visi PT Pertamina (Persero) adalah “Menjadi perusahaan energi nasional kelas dunia.” 2. Visi PT Pertamina EP adalah “Menjadi perusahaan eksplorasi dan produksi minyak dan

gas bumi kelas dunia.”

2.2.2 Misi

1. Misi PT Pertamina (Persero) adalah “Menjalankan usaha minyak, gas, serta energi baru dan terbarukan secara terintegrasi, berdasarkan prinsip-prinsip komersial yang kuat.” 2. Misi PT Pertamina EP adalah “Melaksanakan pengusahaan sector hulu minyak dan gas

dengan penekanan pada aspek komersial dan operasi yang baik, serta tumbuh dan berkembang bersama lingkungan hidup.”

(17)

TEKNIK LOGISTIK

6 1. Clean

Dikelola secara profesional, menghindari benturan kepentingan, tidak menoleransi suap, menjunjung tinggi kepercayaan dan integritas. Berpedoman pada asas-asas tata kelola korporasi yang baik.

2. Competitive

Mampu berkompetisi dalam skala regional maupun internasional, mendorong pertumbuhan investasi, membangun budaya sadar dan menghargai kinerja.

3. Confident

Berperan dalam pembangunan ekonomi nasional, menjadi pelopor dalam reformasi Badan Usaha Milik Negara (BUMN), dan membangun kebanggan bangsa.

4. Capable

Dikelola oleh pemimpin dan pekerja yang perofesional dan memiliki talenta dan penguasaan teknis tinggi, berkomitmen dalam membangun kemampuan riset dan pengembangan.

5. Commercial

Menciptakan nilai tambah dengan orientasi komersial, mengambil keputusan berdasarkan prinsip-prinsip bisnis yang sehat.

6. Customer Focused

Berorientasi pada kepentingan pelanggan dan berkomitmen untuk memberikan pelayanan terbaik kepada pelanggan.

2.2.4 Ruang Lingkup Bisnis Usaha PT Pertamina EP

Wilayah kerja PT Pertamina EP kini sudah tersebar luas di seluruh wilayah Republik Indonesia, saat ini PT Pertamina EP memiliki 5 Asset yang terbagi menjadi 22 Field dengan wilayah operasi sebesar 113.629 kilometer yang tersebar di 155 kabupaten di Indonesia. Hingga akhir tahun 2018 lalu, PT Pertamina EP mempekerjakan sebanyak 3829 sumber daya manusia. Adapun pembagian wilayah kerja PT Pertamina EP yang terdiri dari asset, field, dan proyek dapat dilihat pada Tabel 1 dibawah ini.

Tabel 1 Wilayah Kerja PT Pertamina EP PT Pertamina EP Asset 1

Asset Proyek

Field Rantau, Aceh Tamiang EOR Ramba Dev. Project Manager Field Pangkalan Susu, Sumatera Utara

Field Lirik, Riau Field Jambi, Kasang Field Ramba

PT Pertamina EP Asset 2

Field Prabumulih, Sumatera Selatan EOR Jirak Dev. Project Field Field Pendopo, Sumatera Selatan

Field Field Limau, Sumatera Selatan Field Field ADERA, Sumatera Selatan

(18)

Tabel 2 Wilayah Kerja PT Pertamina EP (Lanjutan)

Field Subang, Jawa Barat Jatiasri Komplek Dev. Project

Field Jatibarang, Jawa Barat Bambu Besar & Akasia Bagus Dev. Project Field Tambun, Jawa Barat

Field Cepu, Jawa Tengah - Jawa Timur Tapen Development Project Field Poleng, Jawa Timur

Field Papua, Papua Barat

Field Donggi Matindok, Sulawesi Tengah Field Sukowati, Jawa Timur

Field Sangatta, Kalimantan Timur - Field Banyu, Kalimantan Timur

Field Tanjung, Kalimantan Selatan Field Sangasanga, Kalimantan Timur

Field Tarakan, Kalimantan Timur

2.2.5 Struktur Organisasi

Struktur oganisasi yang dimiliki oleh PT Pertamina EP sangat kompleks dan terintegrasi antara satu fungsi dengan yang lainnya. Sehingga aliran informasi dapat berjalan dengan lancar. Fungsi Supply Chain Management (SCM) PT Pertamina EP terdiri atas empat sub fungsi yaitu Procurement, SCM Support and Local Content, Logistics, dan General Service yang masing-masing dikepalai oleh seorang manager. Seorang manager bertanggung jawab sepenuhnya terhadap Vice President (VP) yang merupakan kepala/pimpinan pada fungsi SCM. Pada Gambar 2 setiap sub fungsi, masing-masing memiliki seorang senior, analyst maupun senior analyst yang jumlah personilnya berbeda-beda antar sub fungsi. Beberapa personil tersebut ada yg bertanggung jawab langsung kepada manager dan sebagian lainnya bertanggung jawab secara tidak langsung kepada manager, dengan kata lain personil tersebut bertanggung jawab kepada personil lainnya baru kemudian kepada manager, sehingga tidak berhubungan langsung kepada atasan. Di bawah ini akan dijelaskan secara sistematis struktur organisasi fungsi Supply Chain Management (SCM) di PT Pertamina EP.

(19)

8 Vice President (VP) SCM Logistics Manager SCM Support and Local Content Manager Procurement Manager General Services Manager Strategic Procurement Contract Senior Procurement Contract Senior Analyst Strategic Demand Supply Senior Analyst Demand Supply Senior Analyst SRM Senior Analyst Demand Supply Senior Analyst Tactical Procurement Senior Analyst Strategic Procurement Project Senior Procurement Project Analyst Local Content Senior Analyst Procedure and Compliance Senior Analyst Procurement Project Analyst Strategic System and Reporting Senior Analyst System and Reporting Senior Analyst Strategic SCM TAC/KSO Senior Analyst SCM TAC/KSO Senior Analyst External/GOVT Relation Senior Analyst Strategic Logistic Senior Analyst Logistic Senior Analyst Logistic Analyst External/GOVT Relation Senior Analyst

White – Off and Disposal Senior Analyst Building Management Head Office Senior Building Management Head Office Analyst Travel and Accommodation Analyst General Services Analyst Operational Procurement Senior Analyst Strategic Demand Operation Senior Analyst Formality Custom Clearance Senior Analyst Strategic Procurement Contract Senior Demand Operation Analyst Formality Custom Clearance Analyst Demand Operation Analyst SCM Planning and Evaluation Senior Analyst

(20)

2.2.6 Penempatan di Perusahaan

Dalam hal ini penulis ditempatkan di divisi Supply Chain Management (SCM) pada fungsi Supplier Relationship Management (SRM). Pada fungsi Supplier Relationship Management (SRM) menangani bagian pengadaan khsususnya yang berhubungan langsung dengan vendor-vendor untuk proses administrasi. Pengadaan yang ada di fungsi SRM ini menggunakan dua sistem yaitu Centralized Integrated Vendor Database (CIVD) dan Integrated Procure To Pay (I-P2P). Sistem I-P2P Vendor Management berfungsi sebagai alat interaksi antara penyedia barang dan jasa dengan pihak Pertamina EP yang berhubungan dengan data vendor baik yang bersifat wajib maupun tidak wajib. Sedangkan CIVD digunakan sebagai dasar di Pertamina EP dalam proses penilaian persyaratan administrasi pra-kualifikasi. CIVD juga digunakan untuk pengumuman pra-kualifikasi dan pendaftaran tender di Pertamina EP. Sedangkan untuk proses pengadaannya sendiri dilakukan melalui aplikasi E-Procurement.

(21)

TEKNIK LOGISTIK

10 Halaman Ini Sengaja Dikosongkan

(22)

(23)

TEKNIK LOGISTIK

11 BAB III Landasan Teori

3.1 Peramalan (Forecasting)

Peramalan merupakan suatu aktivitas memprediksi nilai atau karakteristik masa depan. (Wignjosoebroto, 2003) mengartikan bahwa peramalan merupakan sebuah usaha untuk memperoleh gambaran pada masa yang akan datang yang mana gambaran tersebut akan dijadikan sebagai dasar dalam membuat suatu perencanaan. Pada perusahaan tertentu, peramalan digunakan untuk mencegah ketidakseimbangan antara permintaan dengan proses produksi. Selain itu, perusahaan dapat merencanakan kebijakan anggaran keuangan yang optimal untuk pengeluaran terhadap barang/jasa. Dalam sebuah peramalan terdapat faktor-faktor yang mempengaruhinya, faktor-faktor tersebut antara lain dipengaruhi oleh rencana konsumen, variasi random, waktu, siklus bisnis, sales effort, dan lain-lain. Terdapat pertimbangan dari segi manfaat dan biaya dalam melakukan suatu peramalan. Perusahaan yang menerapkan metode peramalan dalam menjalankan bisnis usahanya akan memperoleh keuntungan seperti mengetahui hubungan antara permintaan dan faktor lain yang mempengaruhinya dan mengetahui kondisi sebenarnya yang terjadi di masyarakat. Dari dua kondisi tersebut perusahaan dapat mengevaluasi dan menerapkan upaya untuk mengatasi permasalahan yang ada. Namun, terdapat trade off yang tidak dapat dihindari oleh perusahaan apabila menerapkan hal tersebut seperti timbulnya kesalahan dalam melakukan peramalan, melakukan kegiatan peramalan itu sendiri, dan pengembangan dari metode peramalan yang diterapkan.

3.1.1 Taksonomi Peramalan

Gambar 3 Taksonomi Peramalan (Steven & Tava, 2015) Forecasting Qualitative Model Quantitative Model Time Series Regression Regresi Sederhana Constant Linear Quadratic Exponential Cyclic Regresi Berganda Smoothing Average Moving Average Exponential Smoothing Causal

(24)

Dilihat dari sifat ramalannya, model peramalan dibedakan atas dua jenis yaitu model kualitatif dan model kuantitatif (Makridakis, et.al.,1995).

1. Model kualitatif

Model kualitatif merupakan metode peramalan yang mengandung unsur subjektifitas yang pengaruhnya sangat besar pada hasil peramalan. Hal tersebut dikarenakan peramalan ditentukan oleh pendapat dan pengetahuan dari pembuatnya seperti opini individu, opini kelompok, delphi, pendapat para ahli, atau pendapat pimpinan perusahaan. Dalam pelaksanaannya model ini baik digunakan untuk peramalan jangka panjang serta tidak memerlukan data kuantitatif untuk mengolahnya.

2. Model kuantitatif

Model kuantitatif merupakan metode peramalan yang memfokuskan pada perhitungan-perhitungan angka dengan menggunakan data historis beberapa tahun kebelakang sebagai dasar dalam melakukan peramalan pada tahun berikutnya. Model ini menghasilkan hasil yang lebih akurat dibandingkan model kualitatif karena mengesampingkan unsur subjektif dalam pelaksanaannya. Peramalan kuantitatif lebih baik digunakan untuk peramalan jangka pendek dan menengah. Sehingga, diharapkan penggunaan model ini mampu menghasilkan keputusan yang tepat sasaran. Hal-hal yang dibutuhkan dalam penggunaan model kuantitatif:

 Data kondisi masa lalu

 Data tersebut dapat dikuantitatifkan

 Diasumsikan pola data masa lalu akan berlanjut di masa mendatang

Beberapa teknik peramalan yang masuk kedalam model kuantitatif, antara lain: a. Metode Siklis

Pada pola data yang bersifat siklis, data cenderung berfluktuasi seperti gelombang dan berulang setiap dua, tiga tahun atau lebih dan pola data cenderung tidak stabil. Fluktuasi tersebut biasanya dipengaruhi oleh faktor seperti ekonomi dan siklus bisnis. Model matematikanya dapat dituliskan seperti berikut.

Dimana:

y’ : nilai peramalan pada periode tertentu a,b,c : konstanta (nilai koefisien)

n : jumlah data

t : unit periode yang dihitung dari periode dasar

𝑦′= 𝑎 + 𝑏 cos2𝜋𝑡 𝑛 + 𝑐 sin 2𝜋𝑡 𝑛 ∑ 𝑦 = 𝑛𝑎 + 𝑏 ∑ 𝑠𝑖𝑛2𝜋𝑡 𝑛 + 𝑐 ∑ cos 2𝜋𝑡 𝑛

(25)

TEKNIK LOGISTIK

13 b. Metode Tren Siklis

∑ 𝑦 = 𝑎 + 𝑏𝑡 + 𝑐 ∑ 𝑐𝑜𝑠2𝜋𝑡 𝑛 + 𝑑 ∑ 𝑠𝑖𝑛 2𝜋𝑡 𝑛 𝑦′ _{= 𝑎 + 𝑏𝑡 + 𝑐 𝑐𝑜𝑠}2𝜋𝑡 𝑛 + 𝑑 𝑠𝑖𝑛 2𝜋𝑡 𝑛 Dimana: y : nilai peramalan y’ : nilai yang diramalkan c. Metode Seasonal

Metode seasonal merupakan tren yang mengalami naik turun pada waktu yang sama yang disebabkan karena terjadinya pergantian musim dalam waktu yang singkat (Steven & Tava, 2015). Indeks musiman digunakan untuk mengurai peramalan penjualan tahunan menjadi perkiraan bulanan. Hal yang perlu dilakukan untuk mencari indeks musiman adalah dengan menghitung rata-rata dari setiap bulannya untuk menghilangkan pengaruh tren. Kemudian diperoleh persamaan peramalan untuk melakukan peramalan di periode mendatang.

3.1.2 Ukuran Kesalahan Peramalan

Dengan teknik peramalan dapat diperoleh hasil taksiran nilai-nilai di masa yang akan datang. Hasil peramalan tersebut mempunyai kecenderungan memiliki kesalahan-kesalahan. Besarnya kesalahan pada periode ke-i (

e

_i) dinyatakan sebagai:



i

e

kesalahan pada periode ke-i i

X

= data aktual periode ke-i i

F

= nilai peramalan ke-i

Beberapa statistik ukuran kesalahan yang biasa dipakai dalam peramalan (Heizer dan Render, 2011)

1. Mean Error

𝑀𝐸 = ∑(𝑒𝑖)

𝑛 2. Mean Absolut Error

𝑀𝐴𝐸 = ∑(|𝑒𝑖|)

𝑛 3. Sum of Square Error

𝑆𝑆𝐸 = ∑(𝑒𝑖)2

4. Mean Square Error

𝑀𝑆𝐸 = ∑(𝑒𝑖) 2 𝑛 5. Percentage of Error 𝑆𝐷𝐸 = (∑(𝑒𝑖)2 (𝑛−1)) 1/2

(26)

6. Mean Percentage Error

𝑀𝑃𝐸 = ∑(𝑃𝐸𝑖)

𝑛 7. Mean Absolute Percentage Error

𝑀𝐴𝑃𝐸 = ∑(|𝑃𝐸𝑖|)

𝑛 8. Standard Error of Estimate

𝑆𝐸𝐸 = √∑𝑁𝑡=1(𝑋𝑖−𝐹𝑖)2 (𝑛−𝑓)

3.2 Pengendalian Persediaan

Pengendalian dan pemeliharaan persediaan (inventory) adalah sebuah masalah yang umum bagi semua organisasi pada sektor ekonomi apapun. Persediaan sangat umum dalam sebuah manufaktur, peternakan, grosir, pengecer, rumah sakit, universitas, provinsi, negara dan seterusnya. Bahkan inventory relevan sampai pada tingkatan keluarga seperti pakaian, makanan, obat-obatan dan lain-lain. Pada basis agregat sebuah negara, total investasi pada inventory menunjukkan porsi ukuran pada pendapatan kotor negara (Heizer dan Render, 2011).

Menurut (Assauri, 2004), pengendalian persediaan adalah kegiatan yang berurutan erat satu sama lain dalam seluruh operasi produksi perusahaan berdasarkan yang telah direncanakan terlebih dahulu baik waktu, kuantitas, hingga biayanya.

Persediaan dapat berupa bahan mentah, barang setengah jadi, barang jadi, atau suku cadang. Pada dasarnya, tidak ada perusahaan yang tidak memiliki sistem persediaan didalamnya. Bagian yang ada didalam perusahaan memandang persediaan pada sudut pandang yang berbeda, misalnya pada bagian keuangan, menginginkan persediaan yang rendah untuk meminimasi biaya penyimpanan dalam gudang. Bagian produksi menghendaki persediaan yang tinggi agar memiliki persediaan pengaman untuk mencegah terjadinya kekurangan stok dan lainnya. Mengendalikan persediaan bukan perkara yang mudah untuk dilakukan, karena apabila jumlah persediaan terlalu besar akan mengakibatkan (overstock) sehingga dana yang mengendap dalam persediaan juga semakin besar, meningkatkan risiko kerusakan material, dan menambah biaya persediaan itu sendiri. Sedangkan apabila jumlah persediaan terlalu sedikit dapat mengakibatkan (stockout) sehingga menyebabkan perusahaan kehilangan kesempatan untuk memproduksi suatu barang karena seringkali barang tidak dapat didatangkan secara mendadak dan dalam kuantitas yang banyak. Fokus sebuah perusahaan pada dasarnya bukan terletak pada aktivitas meningkatkan atau mengurangi jumlah persediaan melainkan memaksimalkan keuntungan yang diperoleh. Oleh karena itu, pengendalian persediaan yang baik mengedepankan tujuan utama yang akan dicapai dalam menentukan tingkat persediaan yang harus dikelola.

(27)

TEKNIK LOGISTIK

15 dapat ditoleransi pada suatu perusahaan. Penentuan besarnya jumlah safety stock dilakukan se-optimal mungkin agar biaya penyimpanan dapat ditekan sekecil-kecilnya. Rumus yang digunakan untuk menghitung besarnya jumlah safety stock berbeda-beda tergantung pada data yang diketahui dan tidak terbatas hanya pada satu rumus, adapun rumus yang umum digunakan adalah sebagai berikut:

𝑆𝑎𝑓𝑒𝑡𝑦 𝑠𝑡𝑜𝑐𝑘 = 𝑍 × 𝐿𝑇 × 𝜎 3.4 Titik Pemesanan Kembali (Reorder Point)

(Heizer dan Render, 2011) mengatakan bahwa titik pemesanan kembali adalah ketika titik persediaan dimana perlu diambil tindakan untuk mengisi kekurangan persediaan pada barang tersebut. Besarnya penggunaan material selama material yang dipesan belum datang ditentukan oleh beberapa faktor antara lain sebagai berikut:

1. Waktu tunggu (lead time)

2. Tingkat rata-rata penggunaan material pada waktu tertentu 3. Persediaan pengaman (safety stock)

Berdasarkan faktor-faktor yang telah disebutkan diatas maka perhitungan ROP dapat dihitung menggunakan rumus:

(28)

(29)

(30)

BAB IV Studi Kasus

4.1 Kegiatan Kerja Praktik

Kegiatan yang dilakukan selama kerja praktik dibagian Supplier Relationship Management (SRM) adalah melakukan pengelolaan CIVD untuk menunjang kegiatan Pengadaan Barang/Jasa hulu minyak dan gas khususnya di Pertamina EP. Pada Gambar 4 dibawah ini merupakan alur rangkaian proses penerbitan Sertifikat Pengganti Dokumen Adminstrasi (SPDA) Penyedia Barang/Jasa pada CIVD.

Gambar 4 Alur Proses Kerja Penerbitan SPDA

Secara garis besar proses dari awal vendor melakukan registrasi pada CIVD hingga penerbitan SPDA dapat dilihat melaui bagan alur diatas. Fokus utama kegiatan yang dilakukan penulis berada pada bagian KKKS Administrator untuk Verifikai Registrasi dan

(31)

TEKNIK LOGISTIK

18 disetujui oleh KKKS Approver maka akan dilakukan penerbitan SPDA kepada penyedia barang/jasa.

4.1.1 Verifikasi Registrasi

Pada proses verifikasi data registrasi, KKKS Aministrator memastikan bahwa penyedia barang/jasa sudah melengkapi informasi laman registrasi yang terdiri dari beberapa bagian yaitu:

 Status Negara Entitas

 Tipe Entitas

 Nama Entitas

 Kantor Pusat/Kantor Cabang

 Nomor NPWP  NPWP Unik  Alamat Email  Nomor Telepon  Dokumen NPWP  Komentar

KKKS Administrator selaku admin yang melakukan pengecekan terhadap data registrasi penyedia barang/jasa akan melakukan aksi/perintah berdasarkan hasil unggahan penyedia barang/jasa ke laman CIVD. KKKS Administrator dapat memilih aksi/perintah Terima, apabila penyedia barang/jasa sudah melengkapi informasi di laman registrasi sesuai dengan ketentuan dan tata cara yang berlaku, lalu sistem akan mengirimkan notifikasi email kepada penyedia barang/jasa bahwa proses registrasi berhasil dilakukan dan bisa melanjutkan pada proses berikutnya yaitu Update Profile. KKKS Administrator dapat memilih aksi/perintah Kembalikan ke Vendor, apabila penyedia barang/jasa belum melengkapi informasi secara utuh pada laman tersebut sehingga sistem akan otomatis mengirimkan notifikasi email yang berisikan bahwa penyedia barang/jasa tersebut harus melakukan perbaikan pada data registrasi. KKKS Administrator dapat memilih aksi/perintah Tolak, apabila terdapat suatu kondisi tertentu yang menyarankan penyedia barang/jasa untuk mendaftar CIVD melalui KKKS Anggota CIVD lain yang terkait. Kemudian, sistem akan secara otomatis menghentikan proses registrasi serta mengirimkan notifikasi email kepada penyedia barang/jasa bahwa proses registrasi ditolak.

4.1.2 Verifikasi Update Profile

Proses verifikasi update profile merupakan tahapan selanjutnya dari tahap proses registrasi yang dinyatakan diterima atau melakukan proses pembaharuan data bagi penyedia barangj/jasa yang telah memiliki SPDA. Pada verifikasi update profile, verificator melakukan pengecekan terhadap kesesuaian informasi atau dokumen yang diunggah penyedia barang/jasa ke laman CIVD. Terdapat tiga laman yang harus dilakukan pengecekan yaitu Data Adminstrasi, Data Keuangan, dan Data Pengalaman.

a. Laman Data Administrasi

KKKS Verifikator memastikan bahwa penyedia barang/jasa melengkapi data informasi pada bagian informasi umum yang meliputi bagian-bagian seperti berikut:

 Informasi Umum

 Landasan Hukum

 Susunan Kepemilikan Saham

 Susunan Pengurus

 Hubungan Istimewa

 Izin Usaha

(32)

b. Laman Data Keuangan

 Informasi Rekening Bank

Pada informasi rekening bank, penyedia barang/jasa akan memilih jenis mata uang yang digunakan pada pilihan yang tersedia yakni IDR atau USD. Penyedia barang/jasa yang memiliki tipe entitas Perusahaan Perorangan, Persekutuan Perdata, UD/PD dapat memiliki rekening bank atas nama perorangan.

 Neraca Keuangan

Pada informasi tentang neraca keuangan dibutuhkan untuk menentukan golongan usaha penyedia barang/jasa. Penyedia barang/jasa juga melengkapi informasi neraca keuangan sesuai dengan informasi yang ada pada laporan neraca & laba rugi.

 Pajak

Pada bagian pajak, terdapat ketentuan-ketentuan yang harus dipatuhi oleh setiap penyedia barang/jasa dengan tipe entitas unit organisasi BUMN melengkapi informasi pajak sesuai dengan dokumen pajak yang dimiliki oleh perusahaan BUMN terakit. Adapun bagi penyedia barang/jasa yang mendaftar sebagai kantor cabang, mengisi informasi SPT tahunan yang mengacu pada dokumen SPT tahunan kantor pusat.

c. Laman Data Pengalaman

Pada bagian data pengalaman, Verifikator memastikan penyedia barang/jasa telah melengkapi informasi-informasi pada laman CIVD yang meliputi judul kontrak, nomor kontrak, tanggal kontrak, tanggal selesai kontrak, nama pengguna barang/jasa, dokumen berita acara serah terima, dan dokumen kontrak.

4.2 Identifikasi Permasalahan

Timbulnya permasalahan yang terjadi di lapangan pada satu tahun kebelakang seperti stock out maupun deadstock terhadap beberapa material dalam operasi sumur pemboran masih terus terjadi. Material tersebut diantaranya casing, cement class g, x-tree migas, tubing, wellhead migas, dan lainnya. Dari semua material tersebut, cement class g merupakan salah satu dari sekian banyak material yang memiliki unsur penting dalam melakukan pengeboran. Hal itu dikarenakan semen tersebut merupakan bahan untuk mengisi bagian yang kosong antara lapisan dalam tanah dengan casing dan juga sebagai pondasi awal agar casing dapat kokoh berdiri. Oil well cement berfungsi untuk melindungi minyak, gas, dan air bawah tanah agar tidak bercampur didalam sumur. Kebutuhan material sumur pemboran khususnya material Oil Well Cement Class G Api Spec 10A mengalami ketidaksesuaian persediaan (stock) antara yang direncanakan dengan kebutuhan aktualnya. Tentunya permasalahan ini akan berakibat pada ketidakmampuan perusahaan untuk membuat sumur pemboran baru (drilling) atau melakukan pengerjaan ulang sumur (workover) dan juga menimbulkan biaya tersendiri lagi bagi perusahaan. Selain itu, pengadaan terhadap material tersebut selalu

(33)

(34)

(35)

21 BAB V Hasil Kerja Praktik

5.1 Data Historis

Sebelum melakukan pengolahan data, terdapat beberapa data masa lalu yang akan digunakan sebagai dasar melakukan peramalan pada tahap selanjutnya. Data yang digunakan merupakan data jumlah pemakaian material sumur pemboran Oil Well Cement Class G Api Spec 10A tahun 2014-2018 yang disajikan dalam bentuk caturwulanan dengan satuan permintaan dalam bag. Pengumpulan data dilakukan untuk seluruh field yang ada pada lima asset Pertamina EP yang mencakup wilayah kerja Sumatera sampai dengan Papua. Data mentah yang diperoleh dari setiap field per bulannya akan disatukan setiap tahun dari setiap asset, sehingga diperoleh data jumlah konsumsi material pemboran Oil Well Cement Class G Api Spec 10A pada Tabel 3.

Tabel 3 Data Historis Kebutuhan Material Oil Well Cement Class G Api Spec 10A

Berdasarkan data historis jumlah konsumsi Cement Class G diatas, selanjutnya akan dilakukan plot data untuk mengetahui persebaran data yang terjadi pada data tersebut yang dapat dilihat pada Gambar 5.

No Tahun Bulan (Quarter)

Konsumsi Cement Class G (bag) 1 Januari-Maret 100.298 2 April-Juni 142.217 3 Juli-September 124.986 4 Oktober-Desember 148.535 5 Januari-Maret 94.446 6 April-Juni 58.577 7 Juli-September 71.714 8 Oktober-Desember 60.483 9 Januari-Maret 35.500 10 April-Juni 58.900 11 Juli-September 67.760 12 Oktober-Desember 151.744 13 Januari-Maret 86.979 14 April-Juni 68.742 15 Juli-September 70.738 16 Oktober-Desember 144.562 17 Januari-Maret 71.735 18 April-Juni 58.873 19 Juli-September 87.162 20 Oktober-Desember 153.494 1.857.445 Total 2014 2015 2016 2017 2018

(36)

Gambar 5 Plot Data Jumlah Konsumsi Cement Class G

5.2 Peramalan Kebutuhan Material

Peramalan permintaan kebutuhan khususnya material sumur pemboran Oil Well Cement Class G Api Spec 10A dilakukan untuk mengestimasi jumlah permintaan per periode di masa mendatang. Peramalan yang digunakan pada penelitian ini menggunakan peramalan kuantitatif dimana pada peramalan ini menitikberatkan pada perhitungan angka-angka didalamnya. Metode peramalan yang digunakan adalah siklis, tren skilis, dan seasonal. Hal ini dikarenakan pada plot data yang dihasilkan pada Gambar 5, tren data pada masa lalu menunjukkan pola musiman yang mana data mengalami kecenderungan naik dan turun yang tidak menentu dalam periode tersebut sehingga ketiga metode peramalan diatas tepat untuk melakukan peramalan berikutnya. Dari ketiga metode diatas kemudian dilakukan perbandingan terhadap tingkat galat error terhadap masing-masing metode. Metode yang memiliki kesalahan error terkecil adalah metode yang terpilih untuk melakukan peramalan pada periode berikutnya.

5.2.1 Metode Siklis

Pada Tabel 4 merupakan hasil perhitungan peramalan dan galat error menggunakan metode siklis. 20 18 16 14 12 10 8 6 4 2 150000 125000 100000 75000 50000 Index K on su m si C em en t C la ss G

(37)

23 Tabel 4 Pengolahan Data Menggunakan Metode Siklis

Tabel 5 Pengolahan Data Menggunakan Metode Siklis (Lanjutan)

Berdasarkan perhitungan diatas diperoleh konstanta nilai a = 92872,25 ; b = 23924,34 dan c = 3798,72. Konstanta yang diperoleh merupakan hasil perhitungan dari matrix determinan. Sehingga diperoleh hasil peramalan dengan galat error yang dapat dilihat pada Tabel 5. 5.2.2 Metode Tren Siklis

Melalui Tabel 6 dapat dilihat hasil perhitungan peramalan dan galat error menggunakan metode tren siklis.

y cos 2πt/N y sin 2πt/N 0,951 0,309 0,905 0,095 0,294 95389,066 30993,787 0,809 0,588 0,655 0,345 0,476 115055,970 83593,055 0,588 0,809 0,345 0,655 0,476 73464,928 101115,798 0,309 0,951 0,095 0,905 0,294 45899,839 141265,180 0,000 1,000 0,000 1,000 0,000 0,000 94446,000 -0,309 0,951 0,095 0,905 -0,294 -18101,288 55710,038 -0,588 0,809 0,345 0,655 -0,476 -42152,432 58017,845 -0,809 0,588 0,655 0,345 -0,476 -48931,775 35551,015 -0,951 0,309 0,905 0,095 -0,294 -33762,506 10970,103 -1,000 0,000 1,000 0,000 0,000 -58900,000 0,000 -0,951 -0,309 0,905 0,095 0,294 -64443,590 -20938,992 -0,809 -0,588 0,655 0,345 0,476 -122763,475 -89192,885 -0,588 -0,809 0,345 0,655 0,476 -51124,973 -70367,489 -0,309 -0,951 0,095 0,905 0,294 -21242,446 -65377,527 0,000 -1,000 0,000 1,000 0,000 0,000 -70738,000 0,309 -0,951 0,095 0,905 -0,294 44672,115 -137486,632 0,588 -0,809 0,345 0,655 -0,476 42164,775 -58034,834 0,809 -0,588 0,655 0,345 -0,476 47629,258 -34604,681 0,951 -0,309 0,905 0,095 -0,294 82895,988 -26934,539 1,000 0,000 1,000 0,000 0,000 153494,000 0,000 0,000 0,000 10,000 10,000 0,000 239243,453 37987,241 d'(t) (dt-d't)^2 PE |dt-d't| MAPE MAD MSD 116799,525 272300321,318 0,165 16501,525 114460,286 770435175,502 0,195 27756,714 110007,860 224344687,197 0,120 14978,140 103878,081 1994240452,870 0,301 44656,919 96670,974 4950509,637 0,024 2224,974 89092,022 931166567,680 0,521 30515,022 81883,105 103410696,094 0,142 10169,105 75749,882 233077687,226 0,252 15266,882 71292,716 1281118502,526 1,008 35792,716 68947,905 100960388,311 0,171 10047,905 68944,975 1404166,182 0,017 1184,975 71284,214 6473777153,239 0,530 80459,786 75736,640 126390651,361 0,129 11242,360 81866,419 172250385,343 0,191 13124,419 89073,526 336191510,922 0,259 18335,526 96652,478 2295322298,299 0,331 47909,522 103861,395 1032105256,982 0,448 32126,395 109994,618 2613419822,839 0,868 51121,618 114451,784 744732323,066 0,313 27289,784 116796,595 1346699509,709 0,239 36697,405 1857445,000 21058298066,304 6,225 527401,692 0,311 26370,085 1052914903,315

(38)

Tabel 6 Pengolahan Data Menggunakan Metode Tren Siklis

Tabel 7 Pengolahan Data Menggunakan Metode Tren Siklis (Lanjutan)

Berdasarkan perhitungan diatas diperoleh konstanta nilai a = 108929,83 ; b = -1529,29 ; c =. 25453,63 dan d = -5856,85. Konstanta yang diperoleh merupakan hasil perhitungan dari matrix determinan. Sehingga diperoleh hasil peramalan dengan galat error yang dapat dilihat pada Tabel 7.

5.2.3 Metode Seasonal

sin 2πt/N cos 2πt/N t*sin 2πt/N t*cos 2πt/N y sin 2πt/N y cos 2πt/N sin^2 2πt/N cos^2 2πt/N

0,309 0,951 0,309 0,951 30993,787 95389,066 0,095 0,905 0,588 0,809 1,176 1,618 83593,055 115055,970 0,345 0,655 0,809 0,588 2,427 1,763 101115,798 73464,928 0,655 0,345 0,951 0,309 3,804 1,236 141265,180 45899,839 0,905 0,095 1,000 0,000 5,000 0,000 94446,000 0,000 1,000 0,000 0,951 -0,309 5,706 -1,854 55710,038 -18101,288 0,905 0,095 0,809 -0,588 5,663 -4,114 58017,845 -42152,432 0,655 0,345 0,588 -0,809 4,702 -6,472 35551,015 -48931,775 0,345 0,655 0,309 -0,951 2,781 -8,560 10970,103 -33762,506 0,095 0,905 0,000 -1,000 0,000 -10,000 0,000 -58900,000 0,000 1,000 -0,309 -0,951 -3,399 -10,462 -20938,992 -64443,590 0,095 0,905 -0,588 -0,809 -7,053 -9,708 -89192,885 -122763,475 0,345 0,655 -0,809 -0,588 -10,517 -7,641 -70367,489 -51124,973 0,655 0,345 -0,951 -0,309 -13,315 -4,326 -65377,527 -21242,446 0,905 0,095 -1,000 0,000 -15,000 0,000 -70738,000 0,000 1,000 0,000 -0,951 0,309 -15,217 4,944 -137486,632 44672,115 0,905 0,095 -0,809 0,588 -13,753 9,992 -58034,834 42164,775 0,655 0,345 -0,588 0,809 -10,580 14,562 -34604,681 47629,258 0,345 0,655 -0,309 0,951 -5,871 18,070 -26934,539 82895,988 0,095 0,905 0,000 1,000 0,000 20,000 0,000 153494,000 0,000 1,000 0,000 0,000 -63,138 10,000 37987,241 239243,453 10,000 10,000

sin 2πt/N * cos 2πt/N d'(t) (dt-d't)^2 PE |dt-d't| MAPE MAD MSD 0,294 129798,519 870280629,093 0,294 29500,519 0,476 123021,098 368482661,096 0,135 19195,902 0,476 114564,929 108598713,974 0,083 10421,071 0,294 105108,064 1885898727,809 0,292 43426,936 0,000 95426,509 961398,321 0,010 980,509 -0,294 86318,264 769577711,186 0,474 27741,264 -0,476 78525,209 46392561,942 0,095 6811,209 -0,476 72660,484 148291127,159 0,201 12177,484 -0,294 69148,473 1132219768,845 0,948 33648,473 0,000 68183,258 86178878,134 0,158 9283,258 0,294 69709,622 3801025,578 0,029 1949,622 0,476 73428,456 6133324379,251 0,516 78315,544 0,476 78826,038 66470790,727 0,094 8152,962 0,294 85224,316 271666735,995 0,240 16482,316 0,000 91847,284 445601880,848 0,298 21109,284 -0,294 97896,943 2177627557,879 0,323 46665,057 -0,476 102631,411 954588218,949 0,431 30896,411 -0,476 105437,548 2168257160,369 0,791 46564,548 -0,294 105890,972 350774405,627 0,215 18728,972 0,000 103797,601 2469732072,303 0,324 49696,399 0,000 1857445,000 20458726405,086 5,950 511747,741 1022936320,254 0,298 25587,387

(39)

25 Tabel 8 Pengolahan Data Menggunakan Metode Seasonal

Tabel 9 Pengolahan Data Menggunakan Metode Seasonal (Lanjutan)

Tabel 10 Pengolahan Data Menggunakan Metode Seasonal (Lanjutan)

Setelah melakukan perhitungan menggunakan Ms. Excel, kemudian dilanjutkan plot data menggunakan Minitab untuk mengetahui persamaan peramalan dan galat error (MAPE, MAD, MSD) yang dapat dilihat melalui Gambar 6.

Gambar 6 Hasil Galat Error yang Diperoleh Melalui Software Minitab 5.3 Perbandingan Hasil Galat Error

Dari ketiga metode peramalan yang telah dilakukan diatas akan menghasilkan ukuran kesalahan peramalan dengan tingkat presentase yang beragam untuk masing-masing metode

2014 2015 2016 2017 2018 Total 1 100298 94446 35500 86979 71735 388958 2 142217 58577 58900 68742 58873 387309 3 124986 71714 67760 70738 87162 422360 4 148535 60483 151744 144562 153494 658818 Total 516036 285220 313904 371021 371264 Average 129009 71305 78476 92755,25 92816 Quarter Tahun 2014 2015 2016 2017 2018 1 0,777 1,325 0,452 0,938 0,773 4,265 0,853 2 1,102 0,821 0,751 0,741 0,634 4,050 0,810 3 0,969 1,006 0,863 0,763 0,939 4,540 0,908 4 1,151 0,848 1,934 1,559 1,654 7,145 1,429 Total 4,000 4,000 4,000 4,000 4,000 Seasonal index Total Average Tahun Quarter 2014 2015 2016 2017 2018 1 117583,979 110723,409 41618,290 101969,500 84098,254 2 175583,599 72320,190 72718,972 84870,077 72685,637 3 137658,415 78985,131 74630,232 77910,173 95999,414 4 103936,105 42322,466 106181,576 101156,032 107406,124 Total 534762,098 304351,196 295149,070 365905,783 360189,429 Average 133690,525 76087,799 73787,267 91476,446 90047,357 Deseasonalized data Quarter Tahun

(40)

peramalan. Tentunya setiap melakukan suatu peramalan, hasil peramalan tidak selalu benar adanya, pasti memiliki kesalahan-kesalahan didalamnya. Akan tetapi, kesalahan tersebut memiliki batas-batas kewajaran kesalahan yang masih ditoleransi agar penetapan peramalan tidak terlalu menyimpang dan dapat merepresentasikan keadaan sebenarnya. Sehingga uji kesalahan peramalan sangat perlu dilakukan untuk mengetahui tingkat kesalahan yang paling kecil dari kelima metode peramalan tersebut. Peramalan dengan tingkat error terkecil merupakan metode yang terpilih untuk melakukan peramalan pada periode selanjutnya. Uji kesalahan peramalan yang digunakan pada penelitian ini meliputi MAD (Mean Absolute Percentage Error), MAD (Mean Absolute Deviation), dan MSD (Mean Squared Deviation). Tabel 11 Hasil Perbandingan Error dari Setiap Metode Peramalan

Pada Tabel 11, kesalahan peramalan terkecil untuk material Oil Well Cement Class G Api Spec 10A adalah metode seasonal dengan nilai MAPE sebesar 19, MAD sebesar 17340, dan MSD sebesar 360996079. Meskipun pada metode tren siklis nilai MAPE adalah yang terkecil dari metode lainnya namun pada galat error MAD dan MSD nilai terkecil diperoleh oleh metode seasonal sehingga dapat disimpulkan bahwa metode tren seasonal adalah metode yang paling baik digunakan untuk meramalkan jumlah konsumsi atau pemakaian Oil Well Cement Class G Api Spec 10A pada sumur pemboran di masa mendatang.

5.4 Penetapan Metode Peramalan Terpilih

Penetapan metode peramalan selanjutnya adalah menggunakan metode seasonal dikarenakan metode tersebut memiliki tingkat kesalahan yang paling minimum diantara yang lainnya. Sehingga peramalan untuk tahun 2019, 2020, dan 2021 (dalam caturwulanan) menggunakan metode tren siklis.

Dengan persamaan metode seasonal yang diperoleh melalui software Minitab adalah Y(t) = 114587 – 7190 t maka diperoleh hasil peramalan untuk periode berikutnya adalah sebagai berikut. MAPE MAD MSD Siklis 0,31 26370,08 1052914903,32 Tren Siklis 0,30 25587,39 1022936320,25 Seasonal 19,00 17340,00 360996079,00 Galat Error Metode

(41)

27 Tabel 12 Hasil Peramalan Menggunakan Metode Seasonal

Berdasarkan hasil peramalan untuk tiga tahun kedepan terhitung mulai tahun 2019 hingga 2021 menggunakan metode peramalan seasonal, dapat diketahui bahwa jumlah konsumsi atau pemakaian material Oil Well Cement Class G Api Spec 10A mengalami tren yang cenderung menurun dengan jumlah cukup signifikan setiap caturwulanannya. Namun jika dalam tahun 2019 total caturwulanannya dikumulatifkan permalan mengalami peningkatan dari yang awalnya pada tahun 2018 hanya membutuhkan 371867 bag saja, pada tahun 2019 menjadi 386448 bag dan terus mengalami penurunan hampir lebih dari 100 ribu bag per tahunnya. Jika melihat beberapa tahun kebelakang jumlah konsumsi material Oil Well Cement Class G Api Spec 10A dari tahun 2015 sampai 2018, jumlah pemakaian cenderung stabil diangka 300 ribu bag. Namun pada data perusahaan tahun 2018 kemarin, jumlah konsumsi material tersebut mengalami kekurangan stok atau dikenal dengan istilah stock out, hal ini dibuktikan pada data Rencana Kerja Material (RKM) perusahaan, jumlah material tersebut direncanakan akan habis sebanyak 359103 bag pada tahun 2018 sementara jumlah pemakaian yang terjadi di lapangan habis sebanyak 371867 bag. Berdasarkan kondisi tersebut, dapat disimpulkan bahwa perencanaan terhadap persediaan material belum optimal untuk meng-cover persediaan yang ada di lapangan. Sehingga pada sub bab berikutnya akan dilakukan pengendalian persediaan terhadap material Oil Well Cement Class G Api Spec 10A.

5.5 Pengendalian Persediaan Material

Pengendalian dan pengelolaan persediaan untuk material Oil Well Cement Class G Api Spec 10A hanya mencakup dua hal yaitu penentuan safety stock dan penentuan reorder point. Penjabaran tersebut akan dijelaskan secara lebih rinci pada pembahasan sebagai berikut.

5.5.1 Penentuan Safety Stock

Safety stock pada permasalahan ini digunakan untuk meng-cover persediaan material di lapangan untuk mengantisipasi kekurangan material saat pengeboran berlangsung. Fungsi matematika yang digunakan untuk menentukan safety stock adalah sebagai berikut.

𝑆𝑎𝑓𝑒𝑡𝑦 𝑠𝑡𝑜𝑐𝑘 = 𝑍 × 𝐿𝑇 × 𝜎

Periode

Tahun

Hasil Peramalan

(bag)

1 2019

107.397

2 2019

100.207

3 2019

93.017

4 2019

85.827

5 2020

78.637

6 2020

71.447

7 2020

64.257

8 2020

57.067

9 2021

49.877

10 2021

42.687

11 2021

35.497

12 2021

28.307

(42)

Dengan demikian, perhitungan safety stock dapat dilihat melalui Tabel 13 dibawah ini. Tabel 13 Perhitungan Safety Stock

Dari Tabel 13 dapat diketahui jumlah stok pengaman yang harus diantisipasi oleh perusahaan dapat menghasilkan jumlah yang berbeda-beda. Hal tersebut dipengaruhi oleh adanya nilai service level yang beragam sehingga hasil yang diperoleh juga berbeda-beda. Penentuan service level yang digunakan pada masing-masing perusahaan tidak akan sama satu sama lainnya dan ditentukan sesuai pada kebijakan yang diterapkan oleh perusahaan tersebut. Dengan persentase nilai service level yang digunakan adalah 85%, 90%, dan 95% dimana masing-masing konstantanya adalah 1.04, 1.28 dan 1.64 dapat terlihat bahwa semakin besar nilai service level yang akan ditetapkan maka semakin banyak juga jumlah stok pengaman yang perlu disiapkan perusahaan tersebut. Maka dengan asumsi bahwa perusahaan menerapkan service level sebesar 95% dengan konstanta 1,64 artinya bahwa perusahaan tersebut menjamin ketersediaan barang akan terlayani dengan segera dikarenakan besarnya tingkat pelayanan yang akan diberikan perusahaan untuk memuaskan para pelanggannya juga besar sehingga hal itu harus sejalan dengan besarnya jumlah stok pengaman yang harus diantisipasi oleh perusahaan tersebut. Jadi, dengan nilai service level yang diterapkan perusahaan sebesar 95% maka ditentukan jumlah stok pengaman untuk menjamin ketersediaan kebutuhan material Oil Well Cement Class G Api Spec 10A adalah sebesar 3.307 bag.

5.5.2 Penentuan Reorder Point

Setelah dilakukannya penentuan jumlah stok pengaman, penentuan reorder point juga perlu dilakukan agar jumlah persediaan dapat datang tepat pada waktunya. Dalam perhitungannya penentuan reorder point melibatkan waktu tunggu yaitu ketika barang tersebut dipesan hingga sampai di tangan pembeli dan juga besaran safety stock yang telah didapatkan pada proses sebelumnya serta rata-rata permintaan kebutuhan material pada periode selanjutnya sehingga formulasi yang digunakan untuk menentukan reorder point adalah sebagai berikut.

𝑅𝑂𝑃 = (𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑑𝑒𝑚𝑎𝑛𝑑 𝑎𝑡𝑎𝑢 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑜𝑛𝑠𝑢𝑚𝑠𝑖 × 𝐿𝑇) + 𝑆𝑆 Maka, perhitungan reorder point adalah sebagai berikut.

Average demand = 67.852 bag Standar deviasi

Service level 85% 90% 95% 1,04 1,28 1,64

Lead time

Safety stock 2096,957 2580,870 3306,739

0,077777778 Safety stock material cement class g

(43)

29 Dengan demikian, apabila perusahaan ingin mengantisipasi terjadinya kekurangan bahan material ketika proyek pemboran sedang berjalan, maka saat persediaan mencapai 8.586 bag perusahaan harus melakukan pemesanan segera mungkin sebesar 67.852 bag.

(44)

(45)

(46)

BAB VI Kesimpulan dan Saran

6.1 Kesimpulan

Berdasarkan hasil analisis dan pengolahan data yang telah dilakukan pada bab sebelumnya, dapat ditarik beberapa kesimpulan diantaranya:

 Dengan melakukan peramalan, perusahaan dapat memperoleh gambaran pada masa yang akan datang yang mana gambaran tersebut akan dijadikan sebagai dasar dalam membuat suatu perencanaan. Peramalan berperan untuk mencegah ketidakseimbangan antara permintaan dengan proses produksi dan dapat merencanakan kebijakan anggaran keuangan yang optimal untuk pengeluaran terhadap barang/jasa. Berdasarkan hasil perhitungan peramalan menggunakan metode yang paling baik yaitu metode seasonal, maka peramalan jumlah pemakaian untuk tahun 2019, 2020, dan 2021 berturut-turut adalah 386448 bag, 271408 bag, dan 156308 bag.

 Salah satu cara untuk memperoleh solusi optimum terhadap permasalahan yang ada dapat dilakukan dengan menentukan jumlah safety stock dan waktu reorder point. Dengan mempertimbangkan service level perusahaan yang diasumsikan 95% maka jumlah safety stock yang harus dijaga oleh perusahaan adalah sebesar 3.307 bag.

 Penentuan waktu titik pemesanan kembali atau reorder point adalah sebesar 8.586 bag yang dalam perhitungannya dipengaruhi oleh jumlah lead time, average demand, dan safety stock. Sehingga cara yang dapat ditempuh oleh perusahaan untuk dapat mengendalikan persediaan untuk menghindari terjadinya keterlambatan dan kekurangan persediaan adalah dengan menentukan waktu yang tepat untuk memesan ketika persediaan mencapai 8.586 bag maka perusahaan harus melakukan pemesanan segera mungkin sebesar 67.852 bag.

6.2 Saran

 Hendaknya, dalam melakukan penelitian selanjutnya dapat mempertimbangkan dari segi aspek biaya karena pada penelitian ini mengabaikan aspek tersebut.

 Dalam penelitian ini, masih menggunakan data yang terbatas sehingga diharapkan untuk penelitian selanjutnya dapat menggunakan data yang lebih lengkap dan beragam agar hasil yang diperoleh dapat merepresentasikan keadaan yang sebenarnya.

(47)

(48)

(49)

33 DAFTAR PUSTAKA

Makridakis et al. (1995). Metode dan Aplikasi Peramalan. Jakarta: Erlangga.

Anwar, & Puspa, F. (2015). Buku Ajar Peramalan Ekonomi dan Bisnis. Agribisnis. Fakultas Pertanian. Universitas Mataram.

Ardian Dwi Cahyo, I. P. (2017). Analisis Peramalan Kebutuhan, Penentuan Safety Stock dan Reorder Point Material MCB Bidang Distribusi PT PLN (Persero) Distribusi Jakarta Raya dan Tangerang Area Pondok Gede.

Assauri, S. (2018). Manajemen Produksi dan Operasi . Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

Heizer, J., & Render, B. (2011). Operations Management Buku 1 Edisi ke Sembilan. Jakarta: Salemba Empat.

Herjanto, E. (2015). Manajemen Operasi Edisi Ketiga. Grasindo.

Kementerian Pendidikan dan Kebudayaan Republik Indonesia. (2015). Hambatan dalam Pemboran.

Olsen, S. N. (2015). Production and Operations Analysis. Waveland Press, Inc.

Paramita, C., & Dul Muid, S. M. (n.d.). Analisis Perbandingan Metode Peramalan Penjualan Bahan Bakar Minyak dengan Standar Kesalahan Peramalan (SKP) pada PT Pertamina (Persero) Region IV Jateng dan DIY.

Pudyantoro, A. R. (2014). Proyek Hulu Migas: Evaluasi dan Analisis PetroEkonomi. Puspa, A. d. (2015). Buku Ajar Peramalan Bisnis dan Ekonomi.

Rangkuti, F. (2004). Manajemen Persediaan Aplikasi di Bidang Bisnis. Jakarta: Erlangga. Setiadi, E. (2017, Mei). Kegiatan Hulu Migas & Pengembangan Lapangan Migas. Diambil

kembali dari https://www.kompasiana.com

SKK Migas. (2019). Standard Operating Procedure Centralized Integrated Vendor Database. Jakarta.

Stoneley, R. (1995). An Introduction to PETROLEUM EXPLORATION for NON-GEOLOGISTS. United States: Oxford University Press.

Sumbada, M. D. (2016). Analisis Manajemen Persediaan Unit Bisnis GHJ PT XYZ TBK. Akutansi. Fakultas Ekonomi dan Bisnis. Universitas Indonesia.