BAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang

39

PEMBAHASAN

PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SDM Pegawai PT. PLN (Persero). Selayaknya tempat pelatihan dan pembelajaran, PT. PLN (Persero) Udiklat Jakarta ini menyediakan berbagai macam diklat atau topik-topik untuk pengembangan wawasan dan pengetahuan Pegawai PT. PLN (Persero), yang dalam proses berjalannya, peserta yang telah mengikuti 1 macam diklat, tidak diberikan kesempatan untuk mengikuti diklat lain sampai hari efektif diklat yang diikutinya berakhir. Dan sebagai penunjang kelancaran aktivitas pendidikan, para peserta diklat diberikan fasilitas alat tulis kantor (ATK) Regular, berupa pen, notes, goodie bag, dan tas ransel. Adapun pembagian fasilitas alat tulis kantor tersebut adalah berdasar lamanya hari efektif diklat yang diikuti oleh masing-masing peserta. Secara umum, seluruh peserta diklat diberikan pen dan notes sebagai fasilitas mengikuti diklat. Namun, dikhususkan bagi peserta diklat yang mengikuti diklat dengan hari efektif 2-4 hari diberi tambahan goodie bag, sedangkan peserta diklat yang mengikuti diklat dengan hari efektif lebih dari sama dengan 5 hari diberikan tambahan ransel.

4.1 Data Penggunaan ATK Regular PT. PLN (Persero) Udiklat Jakarta tahun 2011-2012

Periode Pen & Notes Goodie Bag Ransel

2 355 260 39 3 557 512 35 4 564 275 144 5 525 405 94 6 727 452 252 7 473 229 221 8 268 66 86 9 373 170 186 10 564 356 150 11 644 457 151 12 726 425 111 13 311 247 64 14 670 578 52 15 791 623 120 16 1220 600 173 17 978 497 408 18 697 519 93 19 1127 528 503 20 291 155 99 21 601 494 7 22 420 278 36 23 1402 1188 669

24 386 265 121 Total 15145 unit 9885 unit 3970 unit Tabel 4.1 Data Penggunaan ATK Regular Tahun 2011-2012

4.2 Perhitungan Persediaan ATK Regular

Perhitungan persediaan menggunakan 3 metode yang berbeda guna membandingkan metode mana yang membutuhkan biaya terkecil dalam pengadaan persediaan ATK Regular, kemudian dilakukan simulasi estimasi biaya atau pengeluaran 1 tahun setelah periode pengambilan data dengan memakai metode pengadaan persediaan yang memiliki biaya terkecil. Metode-metode yang digunakan antara lain: Metode-metode EOQ dasar (Q Model), POQ (P Model), dan Min-Max Inventory. Sebelum dilakukan perhitungan dengan menggunakan ketiga metode tersebut, berikut dijabarkan beberapa variable yang digunakan dalam pengolahan data persediaan ATK Regular:

Jenis ATK

Variabel Pen Notes Goodie Bag Ransel

Bulan (n) 24 bulan 24 bulan 24 bulan 24 bulan Lead time (L) 1 hari 1 hari 1 hari 1 hari Standar deviasi (s) 297,13 297,13 224,88 156,66 Total Permintaan (D) 15.145 unit 15.145 unit 9.885 unit 3.970 unit Rata2 Permintaan (d) 631 unit 631 unit 412 unit 165 unit Biaya Pesan (S) Rp 10.000 Rp 10.000 Rp 25.000 Rp 50.000

Harga barang (C) Rp 3.000 Rp 12.000 Rp 25.000 Rp 95.000 Biaya simpan (H) Rp 60 Rp 240 Rp 500 Rp 1.900

Service Level 99% 99% 99% 99%

Tabel 4.2 Variable Pengolahan Data Persediaan ATK Regular

Standar deviasi didapatkan dari fungsi “=stdev()” pada Mic. Excel dengan menginput data penggunaan ATK Regular masing-masing jenis periode 2011-2012.

Rata-rata permintaan diperoleh dengan membagi total permintaan masing-masing jenis ATK Regular dengan banyaknya bulan periode pengambilan data

( n D

d = ), atau dengan fungsi “=average ()” pada Microsoft Excel.

Gambar 4.2 Rata-rata Penggunaan ATK Regular Tahun 2011-2012

Service level pada PT. PLN (Persero) Udiklat Jakarta sebesar 99%, dengan nilai z = 2.33, didapatkan dari table distribusi normal.

810 . 569 . 45 410 . 67 400 . 67 000 . 435 . 45 ) 60 ( 2 247 . 2 ) 000 . 10 ( 247 . 2 145 . 15 ) 000 . 3 ( 145 . 15 2 108 15145 2247 ) 365 ( 2 Rp TC TC TC H Q S Q D DC TC hari T T D Q W T pen pen pen pen = + + = + + = + + = = = = 4.2.1 Q Model Pen x f Q D f unit Q Q H DS Q unit R R SS dL R SS SS L zs SS Pen Pen Pen 7 2247 15145 2247 60 ) 15145 )( 000 . 10 ( 2 2 147 03 . 147 126 30 1 ) 631 ( 126 39 . 126 30 1 ) 13 . 297 )( 33 . 2 ( = = = = = = = = + = + = = = = = (2 tahun) (2 tahun)

650 . 009 . 182 760 . 134 861 . 134 000 . 740 . 181 ) 240 ( 2 123 . 1 ) 000 . 10 ( 123 . 1 145 . 15 ) 000 . 12 ( 145 . 15 2 54 15145 1123 ) 365 ( 2 Rp TC TC TC H Q S Q D DC TC hari T T D Q W T notes notes notes notes = + + = + + = + + = = = = Notes x f Q D f unit Q Q H DS Q unit R R SS dL R SS SS L zs SS Pen Pen Pen 13 2247 15145 1123 240 ) 15145 )( 000 . 10 ( 2 2 147 03 . 147 126 30 1 ) 631 ( 126 39 . 126 30 1 ) 13 . 297 )( 33 . 2 ( = = = = = = = = + = + = = = = = (2 tahun) (2 tahun)

Goodie Bag hari T T D Q W T x f Q D f unit Q Q H DS Q unit R R SS dL R unit SS SS L zs SS 73 4 . 73 9885 994 ) 365 ( 2 10 994 9885 994 500 ) 9885 )( 25000 ( 2 2 110 73 . 109 96 30 1 ) 412 ( 96 66 . 95 30 1 ) 88 . 224 )( 33 . 2 ( = = = = = = = = = = = = + = + = = = = = 200 . 622 . 247 500 . 248 616 . 248 000 . 125 . 247 ) 500 ( 2 994 ) 000 . 25 ( 994 885 . 9 ) 000 . 25 ( 885 . 9 2 Rp TC TC TC H Q S Q D DC TC = + + = + + = + + = (2 tahun) (2 tahun)

Ransel 500 . 018 . 378 150 . 434 354 . 434 000 . 150 . 377 ) 1900 ( 2 457 ) 000 . 50 ( 457 970 . 3 ) 000 . 95 ( 970 . 3 2 84 3970 457 ) 365 ( 2 9 457 3970 457 1900 ) 970 . 3 )( 000 . 50 ( 2 2 72 5 . 72 67 30 1 ) 165 ( 67 64 . 66 30 1 ) 66 . 156 )( 33 . 2 ( Rp TC TC TC H Q S Q D DC TC hari T T D Q W T x f Q D f unit Q Q H DS Q unit R R SS dL R unit SS SS L zs SS = + + = + + = + + = = = = = = = = = = = = + = + = = = = = (2 tahun) (2 tahun)

4.2.2 P Model - Pen (2 tahun) (2 tahun) 400 . 606 . 45 790 . 32 564 . 138 000 . 435 . 45 ) 60 ( 2 093 . 1 ) 000 . 10 ( 093 . 1 145 . 15 ) 000 . 3 ( 145 . 15 2 14 1093 15145 1093 2353 1280 2166 2353 1280 ) 30 1 30 102 ( 631 ) * ( 2353 ) 30 102 631 ( 2 1 1280 *) ( 2 1 1280 30 1 30 102 ) 13 . 297 )( 33 . 2 ( ) * ( 102 365 2 14 . 0 * 14 . 0 * ) 145 . 15 ( 60 ) 000 . 10 ( 2 * 2 * Rp TC TC TC H Q S Q D DC TC x f Q D f unit Q Q Q I SS L T d Q unit I x I dT SS I unit SS SS L T Zs SS hari hr x x T T T HD S T pen pen pen pen pen pen pen pen pen pen pen pen pen pen pen = + + = + + = + + = = = = = − + = − + + = − + + = = + = + = = + = + = = = = = =

400 . 078 . 182 960 . 66 415 . 271 000 . 740 . 181 ) 240 ( 2 558 ) 000 . 10 ( 558 145 . 15 ) 000 . 12 ( 145 . 15 2 27 558 15145 558 450 . 1 914 094 . 1 1450 914 ) 30 1 30 51 ( 631 ) * ( 1450 ) 30 51 631 ( 2 1 979 *) ( 2 1 914 30 1 30 51 ) 13 . 297 )( 33 . 2 ( ) * ( 51 365 2 07 . 0 * 07 . 0 * ) 15145 ( 240 ) 000 . 10 ( 2 * 2 * Rp TC TC TC H Q S Q D DC TC x f Q D f unit Q Q Q I SS L T d Q unit I x I dT SS I unit SS SS L T Zs SS hari hr x x T T T HD S T notes notes notes notes notes notes notes notes notes notes notes notes notes notes notes = + + = + + = + + = = = = = − + = − + + = − + + = = + = + = = + = + = = = = = = Notes (2 tahun) (2 tahun)

Goodie Bag 600 . 733 . 247 750 . 128 854 . 479 000 . 125 . 247 ) 500 ( 2 515 ) 000 . 25 ( 515 885 . 9 ) 000 . 25 ( 885 . 9 2 19 412 9885 515 592 91 1016 592 91 ) 30 1 30 73 ( 412 ) * ( 592 26 . 592 ) 30 73 412 ( 2 1 91 *) ( 2 1 91 30 1 30 73 ) 88 . 224 )( 33 . 2 ( ) * ( 73 365 2 1 . 0 * 1 . 0 * ) 9885 ( 500 ) 25000 ( 2 * 2 * Rp TC TC TC H Q S Q D DC TC x f Q D f unit Q Q Q I SS L T d Q unit I x I dT SS I unit SS SS L T Zs SS hari hr x x T T T HD S T = + + = + + = + + = = = = = − + = − + + = − + + = = = + = + = = + = + = = = = = = (2 tahun) (2 tahun)

Ransel 950 . 192 . 378 750 . 232 204 . 810 000 . 150 . 377 ) 900 . 1 ( 2 245 ) 000 . 50 ( 245 970 . 3 ) 000 . 95 ( 970 . 3 2 16 245 3970 245 867 628 484 867 628 ) 30 1 30 88 ( 165 ) * ( 867 ) 30 88 165 ( 2 1 628 *) ( 2 1 628 30 1 30 88 ) 55 . 156 )( 33 . 2 ( ) * ( 88 365 2 12 . 0 * 12 . 0 * ) 970 . 3 ( 900 . 1 ) 000 . 50 ( 2 * 2 * Rp TC TC TC H Q S Q D DC TC x f Q D f unit Q Q Q I SS L T d Q unit I x I dT SS I unit SS SS L T Zs SS hari hr x x T T T HD S T = + + = + + = + + = = = = = − + = − + + = − + + = = + = + = = + = + = = = = = = (2 tahun) (2 tahun)

4.2.3 Min-Max Inventory

Pen & Notes

hari T T D Q W T x f Q D f unit Q Q Q unit stock Max x stock Max SS DL stock Max unit stock Min x stock Min SS DL stock Min unit SS n D SS 24 34 . 24 15145 505 ) 365 ( 2 30 505 15145 505 1136 1640 min max 1640 66 . 1640 . 631 ) 30 1 15145 ( 2 . ) ( 2 . 1136 83 . 1135 . 631 ) 30 1 15145 ( . ) ( . 631 04 . 631 24 15145 = = = = = = = = − = − = = = + = + = = = + = + = = = = = (2 tahun) 000 . 345 . 185 600 . 60 900 . 299 000 . 740 . 181 ) 240 ( 2 505 ) 000 . 10 ( 505 145 . 15 ) 000 . 12 ( 145 . 15 2 050 . 750 . 15 150 . 15 900 . 299 000 . 435 . 45 ) 60 ( 2 505 ) 000 . 10 ( 505 145 . 15 ) 000 . 3 ( 145 . 15 2 = + + = + + = + + = = + + = + + = + + = notes notes notes notes pen pen pen pen TC TC TC H Q S Q D DC TC Rp TC TC TC H Q S Q D DC TC

Goodie Bag 400 . 956 . 247 500 . 82 803 . 748 000 . 125 . 247 ) 500 ( 2 330 ) 000 . 25 ( 330 885 . 9 ) 000 . 25 ( 885 . 9 2 24 37 . 24 9885 330 ) 365 ( 2 30 330 9885 330 741 1071 min max 1071 . 412 ) 30 1 9885 ( 2 . ) ( 2 . 741 5 . 741 . 412 ) 30 1 9885 ( . ) ( . 412 87 . 411 24 9885 Rp TC TC TC H Q S Q D DC TC hari T T D Q W T x f Q D f unit Q Q Q unit stock Max x stock Max SS DL stock Max unit stock Min x stock Min SS DL stock Min unit SS n D SS = + + = + + = + + = = = = = = = = = − = − = = + = + = = = + = + = = = = = (2 tahun) (2 tahun)

Ransel 850 . 768 . 378 350 . 126 481 . 492 . 1 000 . 150 . 377 ) 900 . 1 ( 2 133 ) 000 . 50 ( 133 970 . 3 ) 000 . 95 ( 970 . 3 2 24 45 . 24 3970 133 ) 365 ( 2 30 133 3970 133 297 430 min max 430 66 . 429 . 165 ) 30 1 3970 ( 2 . ) ( 2 . 297 33 . 297 . 165 ) 30 1 3970 ( . ) ( . 165 42 . 165 24 3970 Rp TC TC TC H Q S Q D DC TC hari T T D Q W T x f Q D f unit Q Q Q unit stock Max x stock Max SS DL stock Max unit stock Min x stock Min SS DL stock Min unit SS n D SS = + + = + + = + + = = = = = = = = = − = − = = = + = + = = = + = + = = = = = (2 tahun) (2 tahun)

Dari hasil pengolahan data diatas, maka dapat dilihat perbandingan total biaya masing-masing metode pada tiap jenis ATK Regular seperti berikut :

Perbandingan Biaya Pen Notes Goodie Bag Ransel Q Model Rp 45.569.800 Rp 182.009.650 Rp 247.622.200 Rp 378.282.000 P Model Rp 45.606.400 Rp 182.078.375 Rp 247.733.600 Rp 378.192.950 Min-Max Inventory Rp 45.750.050 Rp 185.345.000 Rp 247.956.400 Rp 378.768.850

Tabel 4.3 Perbandingan Biaya Pengadaan Persediaan ATK Regular

Dengan demikian, spesifikasi metode yang tepat untuk tiap jenis ATK Regular adalah sebagai berikut :

Q Model Pen Notes Goodie Bag Ransel Safety Stock (SS) 126 unit 126 unit 96 unit 67 unit Reorder Point (R) 1.136 unit 1.136 unit 592 unit 72 unit Kuantitas Pembelian (Q) 2.247 unit 1.123 unit 994 unit 457 unit Frekuensi pembelian (f)/2th 7 kali 13 kali 19 kali 9 kali

Tabel 4.4 Spesifikasi Pengadaan Persedian Setiap Jenis ATK Regular

4.3 Simulasi Pengadaan Persediaan

Simulasi pengadaan persediaan dilakukan dengan melakukan peramalan terhadap permintaan atau penggunaan ATK Regular selama 12 bulan ke depan atau 1 tahun setelah periode pengambilan data. Peramalan data permintaan pertama-tama dilakukan dengan membaca pola data yang dibentuk oleh data periode 2011-2012, kemudian membandingkan beberapa metode peramalan yang cocok dengan plot data tersebut untuk menentukan metode peramalan yang

paling tepat berdasar kesalahan (error) terkecil menggunakan perhitungan MAPE, MSE, dan MAD. Setelah mendapatkan metode peramalan yang paling cocok, perhitungan estimasi permintaan atau penggunaan ATK Regular selama 1 tahun ke depan dapat dilakukan, lalu simulasi dilanjutkan dengan menghitung total biaya yang dikeluarkan oleh perusahaan melalui metode pengadaan persediaan yang paling optimal untuk tiap jenis ATK Regular dan diperbandingkan dengan total biaya yang dikeluarkan perusahaan dengan metode yang selama ini dijalani oleh perusahaan.

4.3.1 Pola Data Penggunaan ATK Regular 2011-2012

Goodie Bag

Ransel

4.3.2 Peramalan

Pen & Notes

Untuk metode peramalan pen dan notes, peramalan dibandingkan dengan beberapa metode seasonal, yakni seasonal tanpa trend (no trend), dan seasonal menggunakan trend yang meliputi : additive dan multiplicative.

Berikut adalah perhitungan untuk mencari trend :

Period (x) Quar ter Deman d (y) Average Same Quarter Seasonal Factor Deseasonaliz ed Demand (Yd) x^2 x , Yd Trend (Y) 1 1 475 393 0,62 762,71 1 762,71 515,74 2 2 355 512,5 0,81 437,11 4 874,22 525,77 3 3 557 674 1,07 521,50 9 1.564,50 535,8 4 4 564 892 1,41 399,00 16 1.596,00 545,83 5 5 525 751,5 1,19 440,85 25 2.204,24 555,86 6 6 727 712 1,13 644,34 36 3.866,02 565,89 7 7 473 800 1,27 373,10 49 2.611,72 575,92 8 8 268 279,5 0,44 605,08 64 4.840,62 585,95 9 9 373 487 0,77 483,32 81 4.349,91 595,98 10 10 564 492 0,78 723,39 100 7.233,89 606,01 11 11 644 1.023 1,62 397,25 121 4.369,79 616,04 12 12 726 556 0,88 823,99 144 9.887,83 626,07

13 1 311 0,62 499,37 169 6.491,86 636,1 14 2 670 0,81 824,97 196 11.549,60 646,13 15 3 791 1,07 740,58 225 11.108,77 656,16 16 4 1.220 1,41 863,08 256 13.809,34 666,19 17 5 978 1,19 821,24 289 13.961,01 676,22 18 6 697 1,13 617,75 324 11.119,45 686,25 19 7 1.127 1,27 888,98 361 16.890,62 696,28 20 8 291 0,44 657,01 400 13.140,12 706,31 21 9 601 0,77 778,76 441 16.353,96 716,34 22 10 420 0,78 538,69 484 11.851,27 726,37 23 11 1.402 1,62 864,83 529 19.891,07 736,4 24 12 386 0,88 438,10 576 10.514,33 746,43 Total 300 15.145 15.145 4.900 200.842,86 Rata2 12,5 631,04

Tabel 4.5 Perhitungan Trend untuk Peramalan Pen dan Notes

Nilai Y pada tabel diatas adalah nilai trend yang didapatkan dari perhitungan berikut :

x Y maka bx a Y b b x n x y x n xy b x d 03 . 10 71 . 505 , 03 . 10 11150 36 . 11530 ) 5 . 12 ( 24 4900 ) 4 . 631 )( 5 . 12 ( 24 86 . 200842 . 5 . 12 24 300 2 2 2 + = + = = = − − = − − = = =

∑

∑

Setelah mendapat persamaan Y, peramalan dapat dihitung dengan cara :

- Forecast Additive = Trend + Seasonal Factor

- Forecast Multiplicative = Trend x Seasonal Factor

Peramalan dan persentase error masing-masing metode seasonal dengan trend:

Forecast Additive

Period (x) Actual Demand (y) Forecast = Y x Seasonal Factor Error =

Actual-Forecast Error^2 |Error|

(|Error|/Actual) x 100% 1 475 516,36 -41,36 1.710,88 41,36 0,09 2 355 526,58 -171,58 29.440,43 171,58 0,48 3 557 536,87 20,13 405,29 20,13 0,04 4 564 547,24 16,76 280,78 16,76 0,03 5 525 557,05 -32,05 1.027,26 32,05 0,06 71 . 505 ) 5 . 12 )( 03 . 10 ( 04 . 631 04 . 631 24 15145 = − = − = = = a a x b y a y d d

6 727 567,02 159,98 25.594,15 159,98 0,22 7 473 577,19 -104,19 10.855,09 104,19 0,22 8 268 586,39 -318,39 101.374,05 318,39 1,19 9 373 596,75 -223,75 50.064,84 223,75 0,60 10 564 606,79 -42,79 1.830,96 42,79 0,08 11 644 617,66 26,34 693,74 26,34 0,04 12 726 626,95 99,05 9.810,69 99,05 0,14 13 311 636,72 -325,72 106.095,33 325,72 1,05 14 670 646,94 23,06 531,66 23,06 0,03 15 791 657,23 133,77 17.894,93 133,77 0,17 16 1.220 667,60 552,40 305.141,85 552,40 0,45 17 978 677,41 300,59 90.353,81 300,59 0,31 18 697 687,38 9,62 92,58 9,62 0,01 19 1.127 697,55 429,45 184.429,24 429,45 0,38 20 291 706,75 -415,75 172.850,49 415,75 1,43 21 601 717,11 -116,11 13.481,94 116,11 0,19 22 420 727,15 -307,15 94.340,92 307,15 0,73 23 1.402 738,02 663,98 440.867,94 663,98 0,47 24 386 747,31 -361,31 130.545,70 361,31 0,94 Total -25,04 1.789.714,54 4.895,29 9,35

Forecast Multiplicative

Period (x) Actual Demand (y) Forecast = Y x Seasonal Factor Error =

Actual-Forecast Error^2 |Error|

(|Error|/Actual) x 100% 1 475 321,19 153,81 23.656,76 153,81 0,32 2 355 427,00 -72,00 5.184,53 72,00 0,20 3 557 572,27 -15,27 233,32 15,27 0,03 4 564 771,55 -207,55 43.077,11 207,55 0,37 5 525 661,97 -136,97 18.759,97 136,97 0,26 6 727 638,49 88,51 7.834,05 88,51 0,12 7 473 730,12 -257,12 66.110,58 257,12 0,54 8 268 259,53 8,47 71,77 8,47 0,03 9 373 459,94 -86,94 7.558,83 86,94 0,23 10 564 472,48 91,52 8.375,23 91,52 0,16 11 644 998,68 -354,68 125.798,16 354,68 0,55 12 726 551,62 174,38 30.408,54 174,38 0,24 13 311 396,15 -85,15 7.250,56 85,15 0,27 39 . 0 24 35 . 9 % 100 / | | 68 . 77813 1 24 54 . 1789714 1 97 . 203 24 29 . 4895 | | 2 = = = = − = − = = = =

∑

∑

∑

x n actual error MAPE n error MSE n error MAD

14 670 524,75 145,25 21.096,41 145,25 0,22 15 791 700,83 90,17 8.130,94 90,17 0,11 16 1.220 941,68 278,32 77.460,11 278,32 0,23 17 978 805,30 172,70 29.824,48 172,70 0,18 18 697 774,29 -77,29 5.973,93 77,29 0,11 19 1.127 882,71 244,29 59.679,76 244,29 0,22 20 291 312,84 -21,84 476,89 21,84 0,08 21 601 552,83 48,17 2.320,53 48,17 0,08 22 420 566,32 -146,32 21.410,71 146,32 0,35 23 1.402 1.193,80 208,20 43.347,47 208,20 0,15 24 386 657,67 -271,67 73.802,79 271,67 0,70 Total -29,02 687.843,43 3.436,59 5,76

Tabel 4.7 Perhitungan Nilai Kesalahan untuk Peramalan Multiplicative Pen dan Notes

24 . 0 24 76 . 5 % 100 / | | 24 . 29906 1 24 43 . 687843 1 19 . 143 24 59 . 3436 | | 2 = = = = − = − = = = =

∑

∑

∑

x n actual error MAPE n error MSE n error MAD

Forecast Tanpa Trend

Period (x) Actual Demand (y) Seasonal Factor Forecast = y x Seasonal Factor Error =

Actual-Forecast Error^2 |Error|

(|Error|/Actual) x 100% 1 475 0.62 393 82 6724 82 0.17 2 355 0.81 512.5 -157.5 24806.25 157.5 0.44 3 557 1.07 674 -117 13689 117 0.21 4 564 1.41 892 -328 107584 328 0.58 5 525 1.19 751.5 -226.5 51302.25 226.5 0.43 6 727 1.13 712 15 225 15 0.02 7 473 1.27 800 -327 106929 327 0.69 8 268 0.44 279.50 -11.5 132.25 11.5 0.04 9 373 0.77 487 -114 12996 114 0.31 10 564 0.78 492 72 5184 72 0.13 11 644 1.62 1023 -379 143641 379 0.59 12 726 0.88 556 170 28900 170 0.23 13 311 0.62 393 -82 6724 82 0.26 14 670 0.81 512.5 157.5 24806.25 157.5 0.24 15 791 1.07 674 117 13689 117 0.15 16 1220 1.41 892 328 107584 328 0.27 17 978 1.19 751.5 226.5 51302.25 226.5 0.23 18 697 1.13 712 -15 225 15 0.02

19 1127 1.27 800 327 106929 327 0.29 20 291 0.44 279.5 11.5 132.25 11.5 0.04 21 601 0.77 487 114 12996 114 0.19 22 420 0.78 492 -72 5184 72 0.17 23 1402 1.62 1023 379 143641 379 0.27 24 386 0.88 556 -170 28900 170 0.44 Total 0.00 1004225.50 3999.00 6.42

Tabel 4.8 Perhitungan Nilai Kesalahan untuk Peramalan Tanpa Trend Pen dan Notes

% 27 , 0 24 42 . 6 % 100 / | | 98 , 661 . 43 1 24 5 . 1004225 1 63 , 166 24 3999 | | 2 = = = = − = − = = = =

∑

∑

∑

x n actual error MAPE n error MSE n error MAD

Hasil perhitungan diatas, dapat menjelaskan bahwa peramalan yang paling tepat untuk ATK Regular jenis pen dan notes adalah peramalan multiplicative. Nilai kesalahan peramalan dapat dibandingkan pada table dibawah:

Peramalan MAD MSE MAPE

Additive 203,97 77813,68 0,39% Multiplicative 143,19 29906,24 0,24% Tanpa Trend 166,63 43661,98 0,27%

Peramalan metode seasonal multiplicative ini digunakan untuk memperkirakan besarnya penggunaan ATK regular jenis pen dan notes untuk periode 1 tahun berikutnya.

Periode Quarter Y Seasonal Factor Forecast

25 1 756,46 0,62 471 unit 26 2 766,49 0,81 623 unit 27 3 776,52 1,07 829 unit 28 4 786,55 1,41 1112 unit 29 5 796,58 1,19 949 unit 30 6 806,61 1,13 910 unit 31 7 816,64 1,27 1035 unit 32 8 826,67 0,44 366 unit 33 9 836,7 0,77 646 unit 34 10 846,73 0,78 660 unit 35 11 856,76 1,62 1389 unit 36 12 866,79 0,88 764 unit

Goodie Bag

Dari pola data yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average).

Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average), digunakan aplikasi Quantitative Management, yang berfungsi untuk membantu menyelesaikan berbagai tipe masalah manajemen, seperti dalam pengambilan keputusan manajerial

- Time Series

Langkah-langkah penggunaan QM dalam peramalan time series adalah dengan memilih Module

Forecasting

New

Time Series Analysis, kemudian akan muncul tampilan berikut :

 Moving Average

Gambar 4.6 Input Data Penggunaan Goodie Bag untuk Peramalan Moving Average pada Software QM

Data-data yang telah dimasukan dengan pilihan moving average kamudian disolve sehingga muncul beberapa jendela yang menunjukan grafik dan error kesalahan dari masing-masing n moving average. Persentasi error terkecil pada moving average ditandai dengan blok warna kuning. Berikut adalah rangkuman nilai kesalahan menggunakan metode peramalan moving average :

n Bias MAPE MAD MSE 1 -1,78 0,72 217,09 10.4762,6

2 20,27 0,66 184,5 6.6638,5 3 17,25 0,69 189,06 69.484,95 4 27,65 0,68 184,88 63.737,48 5 27,02 0,71 182,98 64.786,31 6 25,58 0,73 189 68.132,13 7 38,55 0,73 193,76 68.786,29 8 62,37 0,52 193,85 66.873,17 9 81,31 0,5 198,75 68.102,68 10 89,74 0,53 216,21 75.285,51 11 92,74 0,53 219,2 77.061,09 12 98,15 0,53 226,63 80.470,86 13 121,12 0,54 239,43 86.973,23 14 114,87 0,54 238,23 91.590,17 15 103,31 0,54 232,81 95.780,15 16 91,62 0,54 229,68 10.0976,4 17 90,12 0,59 246,15 11.2860,9 18 83,86 0,63 261,14 12.7337,7 19 75,28 0,7 287,87 15.0844,1 20 157,3 0,48 295,55 17.0808,2 21 174,87 0,57 359,16 22.7147,9

Tabel 4.11 Nilai Kesalahan Peramalan Moving Average untuk Goodie Bag

Tetap menggunakan QM dalam perhitungan persentase error peramalan. Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,2; 0,1, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi. Data dimasukkan ke dalam aplikasi QM seperti berikut :

Gambar 4.7 Input Data Penggunaan Goodie Bag untuk Peramalan Weighted Moving Average pada Software QM

Setelah dilakukan solve, maka hasilnya adalah sebagai berikut :

Measure Value

Error Measures

MAD (Mean Absolute Deviation) 188,96 MSE (Mean Squared Error) 68.958,9 Standard Error (denom=n-2=18) 276,81 MAPE (Mean Absolute Percent Error) 0,69

Forecast next period 567,4

Tabel 4.12 Nilai Kesalahan Peramalan Weighted Moving Average untuk Goodie Bag

- No Trend

Period Quarter Demand Average Same Quarter Seasonal Factor

1 1 306 276,50 0,67 2 2 260 419,00 1,02 3 3 512 567,50 1,38 4 4 275 437,50 1,06 5 5 405 451,00 1,09 6 6 452 485,50 1,18 7 7 229 378,50 0,92 8 8 66 110,50 0,27 9 9 170 332,00 0,81 10 10 356 317,00 0,77 11 11 457 822,50 2,00 12 12 425 345,00 0,84 13 1 247 0,67 14 2 578 1,02

15 3 623 1,38 16 4 600 1,06 17 5 497 1,09 18 6 519 1,18 19 7 528 0,92 20 8 155 0,27 21 9 494 0,81 22 10 278 0,77 23 11 1188 2,00 24 12 265 0,84 Total 300 9885 Average 12,5 411,88

Tabel 4.13 Perhitungan Seasonal Factor untuk Peramalan Tanpa Trend Goodie Bag

Forecast = seasonal factor x average demand

No trend

Period Demand Forecast Error Error^2 |Error| (|error|/actual)*100%

1 306 276,50 29,50 870,45 29,50 0,10 2 260 419,00 -159,00 25.281,00 159,00 0,61 3 512 567,50 -55,50 3.080,25 55,50 0,11 4 275 437,50 -162,50 26.406,25 162,50 0,59 5 405 451,00 -46,00 2.116,00 46,00 0,11 6 452 485,50 -33,50 1.122,25 33,50 0,07

7 229 378,50 -149,50 22.350,25 149,50 0,65 8 66 110,50 -44,50 1.980,25 44,50 0,67 9 170 332,00 -162,00 26.244,00 162,00 0,95 10 356 317,00 39,00 1.521,00 39,00 0,11 11 457 822,50 -365,50 133.590,25 365,50 0,80 12 425 345,00 80,00 6.400,00 80,00 0,19 13 247 276,50 -29,50 870,25 29,50 0,12 14 578 419,00 159,00 25.281,00 159,00 0,28 15 623 567,50 55,50 3.080,25 55,50 0,09 16 600 437,50 162,50 26.406,25 162,50 0,27 17 497 451,00 46,00 2.116,00 46,00 0,09 18 519 485,50 33,50 1.122,25 33,50 0,06 19 528 378,50 149,50 22.350,25 149,50 0,28 20 155 110,50 44,50 1.980,25 44,50 0,29 21 494 332,00 162,00 26.244,00 162,00 0,33 22 278 317,00 -39,00 1.521,00 39,00 0,14 23 1188 822,50 365,50 133.590,25 365,50 0,31 24 265 345,00 -80,00 6.400,00 80,00 0,30 Total 0,00 501.923,70 2.653,00 7,53

31 , 0 24 53 . 7 % 100 / | | 77 , 21822 1 24 70 . 501923 1 54 , 110 24 2653 | | 2 = = = = − = − = = = =

∑

∑

∑

x n actual error MAPE n error MSE n error MAD

Dari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut :

PERAMALAN MAD MSE MAPE Moving Average (4) 184,88 63.737,48 0,68 Weighted MA (4) 188,96 68.958,90 0,69

No Trend 110,54 21.822,77 0,31

Tabel 4.15 Perbandingan Nilai Kesalahan Peramalan untuk Goodie Bag

Dengan ditentukannya peramalan metode seasonal tanpa trend, maka peramalan untuk 12 bulan ke depan adalah sebagai berikut :

Periode Forecast 25 277 26 419 27 568 28 438 29 451 30 486

31 379 32 111 33 332 34 317 35 823 36 345

Tabel 4.16 Peramalan Penggunaan Goodie Bag Periode Selanjutnya

Ransel

Dari pola data penggunaan ransel periode 2011-2012 yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average). Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average), digunakan aplikasi Quantitative Management.

- Time Series

Menggunakan aplikasi Quantitative Management : Module

Forecasting

New

Time Series Analysis

Gambar 4.8 Langkah Awal Penggunaan Software QM untuk Peramalan Time Series 2

 Moving Average

Gambar 4.9 Input Data Penggunaan Ransel untuk Peramalan Moving Average pada Software QM

Data disolve dan hasilnya adalah seperti tabel dibawah ini, dengan blok berwarna kuning adalah nilai n yang memiliki persentasi error terkecil :

n Bias MAD MSE MAPE 1 -2,09 165,04 6.0786,7 1,05 2 15,5 140,77 41.000,61 0,99 3 23,7 141,16 40.472,77 0,94 4 20,29 136,56 35.217,74 0,94 5 23,43 140,8 37.865,77 0,95 6 20,15 132,94 34.987,05 0,91 7 18,77 133,18 36.128,63 0,91 8 29,06 134,83 37.124,04 0,87 9 31,56 138,12 39.565,02 0,87 10 36,27 141,27 41.872,25 0,87 11 39,2 147,97 44.953,37 0,89 12 48,08 153,45 47.782,53 0,91 13 61,9 157,64 50.648,95 0,85 14 76,57 168,44 55.908,82 0,85 15 86,82 187,03 63.078,14 0,95 16 93,38 204,06 70.476,77 1,03 17 70,76 193,96 70.012,66 1,06 18 84,09 224,39 82.114,68 1,21 19 31,51 191,48 70.395,62 1,25

20 62,89 219,41 88.016,35 1,34 21 127,65 252,16 11.4199,6 1,08

Tabel 4.17 Nilai Kesalahan Peramalan Moving Average untuk Ransel

 Weighted Moving Average

Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,15; 0,08; 0,05; 0,02, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi.

Gambar 4.10 Input Data Penggunaan Ransel untuk Peramalan Weighted Moving Average pada Software QM

Measure Value

Error Measures

Bias (Mean Error) 11,02

MAD (Mean Absolute Deviation) 146,24 MSE (Mean Squared Error) 42.490,26 Standard Error (denom=n-2=16) 218,64 MAPE (Mean Absolute Percent Error) 0,98 Forecast next period 298,03

Tabel 4. 18 Nilai Kesalahan Peramalan Weighted Moving Average untuk Ransel

- No Trend

Period Quarter Demand Average Same Quarter Seasonal Factor

1 1 156 110 0,66 2 2 39 45,5 0,28 3 3 35 77,5 0,47 4 4 144 158,5 0,96 5 5 94 251 1,52 6 6 252 172,5 1,04 7 7 221 362 2,19 8 8 86 92,5 0,56 9 9 186 96,5 0,58 10 10 150 93 0,56 11 11 151 410 2,48

12 12 111 116 0,70 13 1 64 0,66 14 2 52 0,28 15 3 120 0,47 16 4 173 0,96 17 5 408 1,52 18 6 93 1,04 19 7 503 2,19 20 8 99 0,56 21 9 7 0,58 22 10 36 0,56 23 11 669 2,48 24 12 121 0,70 Total 300 3.970 Average 12.5 165.42

Tabel 4.19 Perhitungan Seasonal Factor untuk Peramalan Tanpa Trend Ransel

Forecast = average demand x seasonal factor

No trend

Period Demand Forecast Error Error^2 |Error| (|error|/actual)*100%

1 156 110,00 46,00 2.116,00 46,00 0,29

2 39 45,50 -6,50 42,25 6,50 0,17

4 144 158,50 -14,50 210,25 14,50 0,10 5 94 251,00 -157,00 24.649,00 157,00 1,67 6 252 172,50 79,50 6.320,25 79,50 0,32 7 221 362,00 -141,00 19.881,00 141,00 0,64 8 86 92,50 -6,50 42,25 6,50 0,08 9 186 96,50 89,50 8.010,25 89,50 0,48 10 150 93,00 57,00 3.249,00 57,00 0,38 11 151 410,00 -259,00 67.081,00 259,00 1,72 12 111 116,00 -5,00 25,00 5,00 0,05 13 64 110,00 -46,00 2.116,00 46,00 0,72 14 52 45,50 6,50 42,25 6,50 0,13 15 120 77,50 42,50 1.806,25 42,50 0,35 16 173 158,50 14,50 210,25 14,50 0,08 17 408 251,00 157,00 24.649,00 157,00 0,38 18 93 172,50 -79,50 6.320,25 79,50 0,85 19 503 362,00 141,00 19.881,00 141,00 0,28 20 99 92,50 6,50 42,25 6,50 0,07 21 7 96,50 -89,50 8.010,25 89,50 12,79 22 36 93,00 -57,00 3.249,00 57,00 1,58 23 669 410,00 259,00 67.081,00 259,00 0,39 24 121 116,00 5,00 25,00 5,00 0,04 Total 0,00 266.865,00 1808,00 24,76

33

,

110

24

7

669

6

24

log

3

.

3

1

log

3

.

3

1

min max

−

=

−

=

=

=

+

=

+

=

n

X

X

P

k

k

n

k

03 , 1 24 76 . 24 % 100 / | | 83 , 11602 1 24 266865 1 33 , 75 24 1808 | | 2 = = = = − = − = = = =

∑

∑

∑

x n actual error MAPE n error MSE n error MAD

Dari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut :

PERAMALAN MAD MSE MAPE Moving Average (6) 132,94 3.4987,05 0,91 Weighted MA (6) 146,24 4.2490,26 0,98

No Trend 75,33 1.1602,83 1,03

Tabel 4.21 Perbandingan Nilai Kesalahan Peramalan untuk Ransel

Metode peramalan Moving Average ini hanya dapat meramalkan 1 bulan setelah diperolehnya data real, oleh karena itu untuk estimasi 12 bulan periode berikutnya dilakukan dengan simulasi Monte Carlo. Dari data yang telah diambil, data dikelompokkan dalam kelas dan panjang kelas sebagai berikut :

Demand yang telah dikelaskan, dihitung frekuensi terjadinya pada periode pengambilan data. Besarnya frekuensi dapat menentukan probabilitas

terjadinya suatu jumlah demand dengan rumus

n frek

prob= . Dengan

demikian, klasifikasi dan probabilitas penggunaan ransel periode 2011-2012 adalah sebagai berikut :

Demand Frekuensi Probability Cummulative Prob. Range Prob.

109 10 0,417 0,417 0-0,417 219 9 0,375 0,792 0,418-0,792 329 2 0,083 0,875 0,793-0,875 439 1 0,042 0,917 0,876-0,917 549 1 0,042 0,959 0,918-0,959 649 1 0,042 1 0,960-1

Tabel 4.22 Simulasi Monte Carlo

Untuk estimasi penggunaan ransel selama 12 bulan kedepan, variable acak ditentukan dengan fungsi “=rand()” pada Microsoft Excel, diperoleh hasil sebagai berikut :

Periode Random Numb. Demand 25 0,8583 329 unit 26 0,7504 219 unit 27 0,4337 219 unit 28 0,6009 219 unit

29 0,1744 109 unit 30 0,9478 549 unit 31 0,6909 219 unit 32 0,0954 109 unit 33 0,5749 219 unit 34 0,1685 109 unit 35 0,0006 109 unit 36 0,9610 550 unit

Tabel 4.23 Peramalan Penggunaan Ransel Periode Selanjutnya

4.3.3 Simulasi Total Biaya Pengadaan Persediaan Periode Berikutnya

Pada sub-bab ini, simulasi dilakukan dengan membandingkan metode pengadaan persediaan (Q model, P Model, dan Min-Max Inventory) yang telah dibahas di atas dengan metode yang digunakan perusahaan pada periode berjalan. Metode yang digunakan oleh perusahaan selama ini ada metode Lot for Lot (LFL), dimana perusahaan mengorder barang sesuai dengan jumlah permintaan perbulannya. Metode yang paling sedikit mengeluarkan biaya akan menjadi solusi dalam pengadaan persediaan ATK Regular di PT. PLN (Persero) Udiklat Jakarta. Adapun perhitungan total biaya pengadaan persediaan untuk periode selanjutnya adalah sebagai berikut :

Pen

Q Model LFL Period Demand Order Stock Order Stock

1.136 - 25 471 2.247 2.912 471 - 26 623 - 2.289 623 - 27 829 - 1.460 829 - 28 112 - 1.348 112 - 29 949 - 399 949 - 30 910 2.247 1.736 910 - 31 1.035 - 701 1.035 - 32 366 - 335 366 - 33 646 2.247 1.936 646 - 34 660 - 1.276 660 - 35 1.389 2.247 2.134 1.389 - 36 764 - 1.370 764 -

TOTAL 8.754 unit 8.988 unit 8.754 unit

Tabel 4.24 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Pen

Notes

Q Model LFL Period Demand Order Stock Order Stock

1.136 - 25 471 1.123 1.788 471 - 26 623 - 1.165 623 - 27 829 - 336 829 - 28 112 - 224 112 - 29 949 1.123 398 949 - 30 910 1.123 611 910 - 31 1.035 1.123 699 1.035 - 32 366 - 333 366 - 33 646 1.123 810 646 - 34 660 - 150 660 - 35 1.389 2.2.46 1.007 1.389 - 36 764 - 243 764 -

TOTAL 8.754 unit 7.861 unit 8.754 unit

Tabel 4.25 Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Notes

Total Cost Pen
240 . 907 . 26 240 . 525 000 . 60 000 . 262 . 26 ) 60 754 . 8 ( ) 000 . 10 6 ( ) 000 . 3 754 . 8 ( 280 . 543 . 27 280 . 539 000 . 40 000 . 964 . 26 ) 60 988 . 8 ( ) 000 . 10 4 ( ) 000 . 3 988 . 8 ( mod mod mod Rp TC TC x x x TC Rp TC TC x x x TC LFL LFL LFL el Q el Q el Q = + + = + + = = + + = + + = Notes
960 . 160 . 107 480 . 050 . 1 000 . 120 000 . 048 . 105 ) 240 754 . 8 ( ) 000 . 10 12 ( ) 000 . 12 754 . 8 ( 640 . 278 . 96 6400 . 886 . 1 000 . 60 000 . 332 . 94 ) 240 861 . 7 ( ) 000 . 10 6 ( ) 000 . 12 861 . 7 ( mod mod mod Rp TC TC x x x TC Rp TC TC x x x TC LFL LFL LFL el Q el Q el Q = + + + = + + = = + + = + + =

Untuk ATK Regular jenis pen, metode pengadaan yang cocok adalah Lot for Lot dengan jumlah pembelian optimal disesuaikan dengan banyaknya permintaan. Sedangkan untuk notes, metode pengadaan persediaan yang cocok adalah Q Model dengan jumlah optiml pembelian 1.123 unit

Goodie Bag

Q Model LFL Period Demand Order Stock Order Stock

592 - 25 277 994 1.309 277 - 26 419 - 890 419 - 27 568 - 322 568 - 28 438 994 878 438 - 29 451 - 427 451 - 30 486 994 935 486 - 31 379 - 556 379 - 32 111 - 445 111 - 33 332 - 113 332 - 34 317 994 790 317 - 35 823 994 961 823 - 36 345 - 616 345 -

TOTAL 4.986 unit 4.970 unit 4.986 unit

Tabel 4.25 Perbandingan Jumlah Pemesanan Optimal Metode P-Model dengan Metode LFL untuk Goodie Bag

Total Cost Goodie Bag
000 . 443 . 127 000 . 493 . 2 000 . 300 000 . 650 . 124 ) 500 986 . 4 ( ) 000 . 25 12 ( ) 000 . 25 986 . 4 ( 000 . 860 . 126 000 . 485 . 2 000 . 125 000 . 250 . 124 ) 500 970 . 4 ( ) 000 . 25 5 ( ) 000 . 25 970 . 4 ( mod mod mod Rp TC TC x x x TC Rp TC TC x x x TC LFL LFL LFL el Q el Q el Q = + + = + + = = + + = + + =

Untuk ATK Regular jenis goodie bag, metode pengadaan persediaan yang cocok adalah metode Q-Model, dengan jumlah optimal pembelian sebesar 994 unit.

Ransel

Q-Model LFL

Period Random Demand Order Stock Order Stock

72 - 25 0,8583 329 457 200 329 - 26 0,7504 219 457 438 219 - 27 0,4337 219 - 219 219 - 28 0,6009 219 - 0 219 - 29 0,1744 109 457 348 109 - 30 0,9478 549 457 256 549 - 31 0,6909 219 - 37 219 - 32 0,0954 109 457 385 109 -

33 0,5749 219 - 166 219 -

34 0,1685 109 - 57 109 -

35 0,0006 109 457 405 109 -

36 0,961 649 457 213 649 -

TOTAL 3.058 unit 3.199 unit 3.058 unit

Tabel 4.26 Perbandingan Jumlah Pemesanan Optimal Metode Q-Model dengan Metode LFL untuk Ransel Total Cost Ransel
200 . 920 . 296 200 . 810 . 5 000 . 600 000 . 510 . 290 ) 900 . 1 058 . 3 ( ) 000 . 50 * 12 ( ) 000 . 95 058 . 3 ( 000 . 333 . 310 100 . 078 . 6 000 . 350 000 . 905 . 303 ) 900 . 1 199 . 3 ( ) 000 . 50 7 ( ) 000 . 95 199 . 3 ( Rp TC TC x x TC Rp TC TC x x x TC LFL LFL LFL Model Q Model Q Model Q = + + = + + = = + + = + + = − − −

Untuk ATK Regular jenis ransel, metode pengadaan persediaan yang cocok adalah metode yang telah dijalani perusahaan yaitu Lot for Lot, dengan jumlah pembelian disesuaikan dengan banyaknya permintaan pada periode berjalan.

Dari penjabaran analisa kuantitatif diatas, secara garis besar hasil dapat dirangkumkan seperti berikut :

Pen Notes Goodie Bag Ransel

Jumlah optimal pemesanan Sesuai estimasi jumlah peserta diklat 505 unit per

pesan 515 unit per pesan

Sesuai estimasi jumlah peserta diklat >5 hari Frekuensi optimal pemesanan 24 kali per 2 tahun 13 kali per 2

tahun 19 kali per 2 tahun 24 kali per 2 tahun Tenggang

waktu

pemesanan 30 hari 54 hari 73 hari 30 hari

Metode pengadaan

persediaan Lot for Lot Q-Model Q-Model Lot for Lot

Metode peramalan Seasonal : Multiplicative Seasonal : Multiplicative Seasonal : No trend Moving Average (n=6) Estimasi biaya yang dikeluarkan Rp 26.907.240,-/1 tahun Rp 96.278.640,-/1 tahun Rp 126.860.000,-/1 tahun Rp 296.920.200,-/1 tahun

Dengan demikian, perlunya tindakan pengawasan atau kontrol terhadap realisasi perencanaan pengadaan persediaan ATK Regular. Pengendalian ini fokus kepada tanggung jawab setiap divisi pada PT. PLN (Persero) Udiklat Jakarta untuk melaksanakan program atau aktivitas tertentu yang telah ditetapkan oleh perusahaan, dan menggabungkan setiap aktivitas tersebut dengan dikomunikasikan dengan lebih baik sehingga alur informasi dari perencanaan atau strategi yang telah dibuat dapat berjalan sesuai dengan fungsinya, yakni memperbaiki keefisiensian dan keefektifan dari pelaksanaan kegiatan PT. PLN (Persero) Udiklat Jakarta.