Disusun Oleh :
Ainy Mahmudah – 1307 100 002
Pembimbing I : Dr. Irhamah, S.Si., M.Si Pembimbing II : Dra. Sri Mumpuni R, M.Si
Seminar Hasil Statistika ITS 11 Juli 2011
1
TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
HASIL DAN PEMBAHASAN
KESIMPULAN
INDUSTRI
Latar BeLakang Kompetisi
SCM/MRP
Manajemen Penyimpanan
Perencanaan Rantai Pasok
Perencanaan Produksi
Perencanaan Jaringan Logistics
Vehicle Routing
Peramalan Penjualan
Bullwhip Effect
3
Latar BeLakang
Manajeman Persediaan
Produk
Model
Single-Item
Multi-Item
EOQ
EPQ
Multi-Item Fuzzy EOQ
Mondal dan Maiti (2002)
Algoritma Genetika
Kusumadewi (2010) Mondal dan Maiti (2002)
Rumusan
Permasalahan
1
fuzzy EOQ pada data persediaan PT UWBM2
• Berapa besar biaya persediaan yang optimum dengan menggunakan algoritma genetika untuk model EOQ di PT UWBM
5
Tujuan
1
• Mengembangkan model persediaan multi-item fuzzy EOQ pada data persediaan PT UWBM
2
• Mencari biaya persediaan yang optimum
dengan menggnakan algoritma genetika untuk model EOQ di PT UWBM
Manfaat
Perusahaan
• memberikan masukan pada pihak perusahaan untuk meminimumkan biaya persediaan dan jumlah barang yang dibutuhkan dalam satu periode produksi
Ilmu Pengetahuan
• berkontribusi untuk penelitian mengenai permasalahan persediaan
7
Batasan Masalah Algoritma genetika digunakan dalam menyelesaikan masalah persediaan dengan model multi-item fuzzy EOQ
Data yang digunakan diperoleh dari data persediaan di PT UWBM setiap minggu pada periode Januari 2010 sampai April 2011
Persediaan yang digunakan berdasarkan permintaan produksi produk Square Puff dan menggunakan item tepung terigu, tepung tapioka, dan gula
Data permintaan yang digunakan untuk periode selanjutnya diperoleh dari hasil meramalkan dengan metode ARIMA
Periode perencanaan produksi adalah tiga bulan
ARIMA
Model ARIMA
TAHAPAN
Identifikasi model Estimasi parameter
Pengujian model
9
Persediaan
Fungsi
Fungsi decoupling
Fungsi economic lot sizing Fungsi antisipasi
Komponen Biaya
Biaya pembelian Biaya pemesanan Biaya penyimpanan Biaya kekurangan persediaan
9
Persediaan Model Persediaan Multi-item EOQ
i Rpi
i
C
Q Q
*
*
=
Total biaya persediaan
EOQ Optimum
Periode Pemesanan
11
Persediaan Model Persediaan Multi-item Fuzzy EOQ
Fungsi Objektif
Fungsi Batasan
Algoritma Genetika
Simulasi proses evolusi pada manusia
Langkah – Langkah
1. Representasi dan Inisialisasi
Penyandian Gen dan Kromosom
Menentukan Ukuran Populasi Dan Inisialisasi
1 0 1 1 1 0
Kromosom
Gen
13
Algoritma Genetika 2. Fungsi Tujuan Dan Nilai Fitnes 3. Seleksi
4. Pindah Silang
Roulette Wheel
Satu titik
Induk 1 0 1 1 0 0 1 0 0 1 1 Induk 2 1 0 1 0 0 1 1 0 1 1
Anak1 0 1 1 0 0 1 1 0 1 1
Anak 2 0 1 1 0 0 1 0 0 1 1 5. Mutasi
6. Elitism
PT UWBM
Produksi BiskuitMende-dikasikan diri untuk menjamin kekuatan masa depan dengan mempertahankan kemampuan dan profesionalisme melalui permintaan konsumen VISI
MISI 1. Menyediakan produk yang diinginkan konsumen
2. Menciptakan budaya untuk menghargai semua karyawan
3. Mempertahankan hubungan dengan perusahaan dan organisasi lain yang relevan
4. Menyediakan produk-produk yang berkualitas dan memberikan pelayanan yang memuaskan harapan konsumen
5. Memberikan kontribusi yang signifikan terhadap pertumbuhan ekonomi di Indonesia melalui perkembangan di sektor domestik maupun ekspor.
Sumber Data dan Variabel Penelitian
Variabel
Data mingguan persediaan bahan baku (tepung terigu, tepung tapioka, dan gula) PT UWBM pada bulan Januari 2010 sampai bulan April 2011
Sumber
1. Biaya pemesanan mayor (Co) 2. Biaya pemesanan minor (Coi) 3. Biaya Simpan (Ch)
4. Biaya pembelian yang dikeluarkan untuk satu unit barang item ke-i dalam satu periode perencanaan produksi (dRpi)
5. Keseluruhan biaya pembelian yang dikeluarkan untuk satu unit barang semua item dalam satu periode perencanaan produksi (DRp)
6. Biaya total persediaan/Total Cost (TC) 7. Harga beli satu unit item (Cpi)
8. Item 1 = tepung terigu, item 2 = tepung tapioka, dan item 3 = gula
15
Metode Analisis
Data Mulai Formulasi
Permasalahan Data
Meramalkan
permintaan Tiap item Memodelkan Permasalahan Persediaan
Dengan Model Multi-ItemFuzzy EOQ Mengoptimalkan Model Multi-Item Fuzzy EQP
Dengan Metode Algoritma Genetik Model
Optimum Selesai Kesimpulan
dan Saran
17
Tidak
Ya parameter
Pemilihan model terbaik
Peramalan (Forecasting) Pengujian
asumsi model
Data Ramalan
Seleksi dengan Roulette Wheel
Crossover Mutasi
Solusi Optimal
ya tidak
Evaluasi
kromosom berdasarkan fitness
Mencapai stopping criteria?
Elitism
Ya
Generasi = Generasi +1
18
19
Deskriptif Permintaan Bahan Baku
Variabel Rata-Rata Varians Minimum Maksimum
T.Tapioka 125 1.903,50 0,00 236,00
Gula 931 41.602,90 0,00 1.356,00
T.Terigu 5.568 1.489.568 0,00 8.136,00
Peramalan Gula
45 40 35 30 25 20 15 10 5 1 1400 1200 1000 800 600 400 200 0
Index
Gula
Plot Time Series Data Permintaan Gula
30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Autocorrelation
Plot ACF Data Permintaan Gula
21
30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Partial Autocorrelation
Peramalan Gula
Plot PACF Data Permintaan Gula ARMA(1,1) dengan menggunakan variabel dummy untuk minggu ke 35, 36, dan 37
Peramalan
12.662
Peramalan Tepung Terigu
45 40 35 30 25 20 15 10 5 1 9000 8000 7000 6000 5000 4000 3000 2000 1000 0
Index
T. Terigu
Plot Time Series Data Permintaan TepungTerigu
45 40 35 30 25 20 15 10 5 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Autocorrelation
Plot ACF Data Permintaan TepungTerigu
23
Peramalan Tepung Terigu
30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Partial Autocorrelation
Plot PACF Data PermintaanTepung
Terigu Model ARMA(1,1) dengan dummy
minggu 35, 36 dan 37
75.775 karung tepung terigu
Peramalan
Peramalan Tepung Tapioka
45 40 35 30 25 20 15 10 5 1 250
200
150
100
50
0
Index
Tapioka
Plot Time Series Data Permintaan TepungTapioka
45 40 35 30 25 20 15 10 5 1 100
50 0 -50 -100
-150
Index
Diff Tapioka
Time Series Plot of Diff Tapioka
Plot Time Series Data Differencing PermintaanT.Tapioka
25
45 40 35 30 25 20 15 10 5 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Autocorrelation
TepungTapioka
45 40 35 30 25 20 15 10 5 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Lag
Partial Autocorrelation
Plot PACF Data Differencing PermintaanT.Tapioka
Model ARIMA(0,1,[2]) dengan dummy variabel minggu ke-37
Peramalan
2271 karung
Model Persediaan EOQ Untuk Bahan Baku
Item Mayor
Minor Pencetak
an
Pengirim an Tepung Terigu
7.859,50
5 10
Tepung tapioka 5 10
Gula 5 50
27
Item
Permintaan 1 Periode perencanaan
produksi
Harga 1 unit item
Kebutuhan Periode perencanaan produksi
Tepung Terigu 75774 95 7.198.625
Tepung tapioka 2272 77,5 176.080
Gula 12662 250 3.165.500
D 10.540.205
Biaya
penyimpanan
depresiasi gedung (2%) pajak gudang (1%)
biaya pemeliharaan persediaan (1%)
Item Harga 1 unit item
Biaya Simpan /Tahun
Biaya Simpan /3 Bulan
Tepung Terigu 95 3,8 0,95
Tepung tapioka 77,5 3,1 0,775
Gula 250 10 2,5
Biaya Simpan Masing-Masing Item/Unit
MODEL
29
Optimasi Model Persediaan Multi-Item EOQ
QRp1 QRp2 QRp3
235.516,1 5.760,77 103.565,1
Q1 Q2 Q3
2479 74 414
t
*= 0,03445 x 12 x 6= 2,355066 ≈ 3
Multi-Item Fuzzy EOQ dengan Algoritma Genetika
Representasi dan Inisialisasi
225.051,86 3.678,49 98.718,44
Q1 Q2 Q3
Kromosom
QRp1 QRp2 QRp3
235.516,1 5.760,77 103.565,1
Inisialisasi
31
Fungsi Objektif TC Fitness 1/TC
Pindah Silang (Crossover)
Induk 1 225.051,86 3.678,49 98.718,44
Induk 2 230.051,86 3.800 95.513
Anak 1 225.051,86 3.800 95.513
Anak 2 230.051,86 3.678,49 98.718,44
Simulasi Algoritma Genetika
Item Coi Cpi ARpi P
Tepung terigu 15 95
1.898.787,5
0 97.300
Tepung Tapioka 15 77,5
Gula 55 250
Co D Ch TC0 P0
7.944,50 10.540.205 1,41 485.652.4 48.565,24
33
TC =
Fungsi Batasan
34
0.05 485939.684853 235449.413 5694.386375 103494.28
0.10 485939.684853 235448.294 5693.4645 103496.32
0.15 485939.684853 235447.381 5696.0895 103494.6
0.20 485939.684853 235434.225 5700.152 103503.69
0.25 485939.684853 235447.663 5699.777 103490.64
0.30 485939.684853 235447.35 5692.136375 103498.58
0.35 485939.684853 235451.538 5693.30825 103493.23
0.40 485939.684853 235445.85 5692.55825 103499.66
0.45 485939.684853 235451.038 5696.402 103490.63
0.50 485939.684853 235444.303 5697.652 103496.12
0.55 485939.684853 235442.85 5699.0895 103496.14
0.60 485939.684853 235444.663 5695.30825 103498.1
0.65 485939.684853 235448.538 5697.902 103491.63
0.70 485939.684853 235444.1 5693.49575 103500.48
0.75 485939.684853 235447.1 5695.652 103495.32
0.80 485939.684853 235451.694 5690.027 103496.35
0.85 485939.684853 235448.85 5698.527 103490.69
35
t
*= 0,03269747 x 12 x 6 = 2,354 ≈ 3
Item Multi-Item EOQ Multi-Item fuzzy EOQ dengan Algoritma Genetika
Q* TIC Q TIC
Tepung Terigu 2479
485.652,4
2.478
485.939,684853
Tepunt Tapioka 74 74
Gula 414 414
Perbandingan Multi-Item EOQ dengan Multi-Item Fuzzy EOQ dengan Algoritma Genetika
36
PT UWBM Penelitian Frekuensi pemesanan
(3 Bulan) 3 24
Biaya pesan Mayor 7859.50 7859.5
Minor 85 85
QRpi QRp1 229.884,7 224.989,62
QRp2 3.635,056 3.692,74
QRp3 100.826,6 98.644,85
Cpi
Cp1 95 95
Cp2 77.5 77.5
Cp3 250 250
DRp
dRp1 6.812.640 7.198.625
dRp2 107.725 176.080
dRp3 2.988.000 3.165.500
H 1.4 1.4
TC
37
1. Model pengembangan untuk persediaan multi-item fuzzy EOQ pada data persediaan PT UWBM adalah
2. Dengan menggunakan model persediaan multi-item fuzzy EOQ
untuk periode perencanaan selama tiga bulan, tiap kali melakukan
pemesanan maka jumlah unit barang yang harus dipesan untuk
masing-masing item adalah sebanyak 2478 karung tepung terigu,
74 karung tepung tapioka dan 414 karung gula. Dengan total
biaya persediaan sebesar Rp 185.939.684,853. Dimana waktu
yang diperlukan untuk setiap kali pesan adalah setiap 3 hari kerja
Ko, M, Tiwari, A., & Mehnen, J. (2010). A review Of Soft Computing Applications In Supply Chain Management. Applied Soft Computing , 661-674.
Mondal, S, & Maiti, M. (2002). Multi-item Fuzzy EOQ Models Using Genetic Algorithm. Computers & Industrial Engineering , 105-117.
Nasution, A. H., dan Prasetyawan, Y. (2008). Perencanaan Pengendalian Produksi. Yogyakarta : Graha Ilmu.
Pandjaitan, LannyW. (2007). Dasar-dasar Komputasi cerdas. Yogyakarta: Penerbit AndiYogyakarta.
Samanta, B, & Al-Arami, S. A. (2001). An Inventory Control Model Using Fuzzy Logic. Production Economic , 217-226.
Wibisono,Ario. (2003), Aplikasi Metode Heuristik Persediaan Multi-item, Single Supplier Dengan Permintaan Acak, Skripsi, JurusanTeknik Industri Institut Teknologi Sepuluh Nopember Surabaya, Surabaya
39