BAB II
TINJ AUAN PUSTAKA
2.1 Konsep Dasar Persediaan dan Peramalan 2.1.1 Per sediaan
Beberapa definisi persediaan yang sering dikemukakan antara lain:
1. Menurut Biegel (1974, hal: 90) dalam bukunya “Production Control”, yang memberikan definisi persediaan sebagai bahan yang ada digudangyang dapat digunakan pada masa yang akan datangatau yang akan dijual. Bahan yang dimaksud disini dapat berupa bahan mentah untuk keperluan produksi, barang setengah jadi atau barang jadi yang siap dipasarkan.
2. Menurut Richard J. Tersine (1994, hal : 5) Inventory as material held in an idle or incomplete state awalting future as sale or use (in the most general sense, inventory is any idle resource).
Dalam terjemahan bahasa Indonesia, persediaan sebagai bahan yang digunakan di masa depan keadaan diam atau digunakan sebagai penjualan atau penggunaan (dalam arti paling umum, persediaan adalah setiap sumber daya menganggur).
3. Definisi lain tentang persediaan adalah suatu masalah persediaan terjadi apabila terdapat keperluan untuk menyediakan bahan mentah atau bahan setengah jadi atau barang dagangan dengan maksud untuk memenuhi kebutuhan melalui penetapan horizon waktu.
bahan mentah, bahan setengah jadi dengan sengaja disimpan menurut cara-cara tertentu sehingga dapat digunakan pada masa akan datang dengan menguntungkan 2.1.1.1Tujuan Pengendalian Per sediaan
Ada beberapa tujuan dari pengendalian persediaan, antara lain yaitu:
1. Untuk tujuan keuangan, dimaksudkan agar modal atau dana yang tertanam dalam persediaan selalu dalam batas-batas yang menguntungkan.
2. Untuk tujuan kekayaan (hak milik) yang terdiri dari:
a. Menghindari dan melindungi persediaan terhadap kerusakan, pemborosan dan pemakaian yang tidak perlu.
b. Memberikan jaminan terhadap batas tertentu bahwa modal yang tertanam dalam persediaan sesuai dengan pembukuan perusahaan.
3. Untuk tujuan praktis dalam pelaksanaan, yaitu menjamini tersedianya bahan mentah / bahan setengah jadi bagi kebutuhan produksi.
2.1.1.2Pengertian Pengawasan Persediaan
Pengawasan dapat didefinisikan sebagai proses untuk menjamin bahwa tujuaan-tujuan perusahaan dan manajemen dapat tercapai. Ini berkenaan dengan cara membuat kegiatan yang sesuai dengan yang direncanakan. Pengertian ini menunjukkan adanya hubungan yang sangat erat antara perencanaan dan pengawasan. Pengawasan persediaan merupakan salah satu kegiatan dari urutan-urutan kegiatan yang berkaitan erat satu sama lain dalam seluruh operasi produksi perusahaan sesuai dengan apa yang telah direncanakan terlebih dahulu, baik waktu, jumlah, kualitas, maupun biaya.
melindungi kelancaran produksi dan penjualan serta kebutuhan-kebutuhan pembelanjaan perusahaan dengan efektif dan efisien.
2.1.1.3Tujuan Pengawasan Per sediaan
Suatu pengawasan pewrsediaan yang dijalankan oleh suatu perusahaan, sudah tentu memiliki tujuan-tujuan tertentu. Pengawasan persediaan yang dijalankan untuk memelihara terdapatnya keseimbangan antara kerugian-kerugian serta penghematan dengan adanya tingkat persediaan tertentu dan besarnya biaya untuk persediaan tersebut. Adapun tujuan pengawaqsan persediaan adalah sebagai berikut:
1. Menjaga agar kualitas bahan yang disimpan sebagai persediaan terjamin mutunya.
2. Menjaga agar pembelian persediaan seekonomis mungkin.
3. Menjaga agar perusahaan agar tidak kehabisan persediaan, sehingga dapat mengakibatkan terhentinya proses produksi.
Dari keterangan diatas, dapatlah dinyatakan bajwa tujuan pengawasan persediaan adalah untuk memperoleh kualitas dan jumlah yang tepat dari bahan-bahan yang telah tersedia pada waktu yang dibutuhkandengan biaya yang minimum untuk kepentingan perusahaan. Dengan perkataan lain, pengawasan persediaan untuk menjamin terdapatnya persediaan padaq tingkat yang optimal agar produksi dapat berjalan dengan biaya persediaan yang minimal.
2.1.1.4Struktur Per soalan Persediaan
yang akan datang, dan aspek yang kedua aadalah adanya keharusan untuk mengadakan persediaan agar permintaan tersebut dapat terpenuhi.
Adanya permintaan menyebabkan berkurangnya persediaan. Keadaan ini dapat diimbangi denga penambahan bahan baku, sehingga persediaan bertambah. Pengetahuan mengenai kebutuhan masa akan datang dapat dibagi dalam tiga kelas yaitu:
1. Permintaan bahan yang akan datang diketahui dengan pasti. Oleh karena itu keadaan ini dapat disebut sebagai persoalan persediaan dengan kepastian (inventory problem under certanly)
2. Permintaan bahan untuk waktu yang akan datang tidak dapat diketahui dengan pasti, tetapi hanya dapat diketahui distribusi kemungkinannya, keadaan ini disebut dengan persoalan persediaan dengan resiko (inventory problem under risk)
3. Permintaan bahan baku yang akan datang tidak dapat diketahui, baik jumlah maupun kemungkinannya. Keadaan ini disebut persoalan persediaan dengan ketidakpastian (inventory problem under uncertainly)
Ada empat unsur utama yang harus diperhatikan dengan baikdalam melakukan analisa trhadap sistem persediaan, antara lain:
1. Permintaan, adalah suatu yang dibutuhkan oleh pemakai yang perlu dilakukan dari persediaan.
2. Penambahan persediaan, yaitu menambahkan pada persediaan,dan umumnya dapat dikendalikan. Beberapa sifat penambahan ini adalah ukurannya dapat tetap atau ubah, periode penjadwalannya dapat tetap atau berubah-ubah dan pembayarannya dapat dengan lead time atau tidak.
3. Biaya-biaya persediaan, yaitu biaya-biaya yang harus dikeluarkan untuk mengadakan persediaan.
4. Batasan-batasan, yaitu faktor-faktor yang membatasi jumlah persediaan. Seperti keterangan pada unit, baik berupa unit yang distrik atau kontinu, keterbatasan tempat karena penambahan, keterbatasan penjadwalan dan tingkat persediaan, keterbatasan peremintaan, seperti jika terjadi kekurangan persediaan, apakah dapat diatasi dengan segera atau tidak, serta keterbatasan dana.
2.1.1.5Model-model Per sediaan
Dalam system inventory model deterministik dikenal 2 tipe dasar inventory, yaitu Fixed Order Quantity (FOQ) dan Fixed Order Interval (FOI) (Tersine, 1994).
2.1.1.5.1Model Fixed Order Quantity
Metode Fixed Order Quantity (FOQ) disebut juga model EOQ (Economic Order Quantity) ini digunakan untuk menentukan berapa jumlah bahan baku yang harus dipesan yang meminimalkan biaya penyimpanan persediaan dan biaya pemesanan persediaan.
Model ini sering digunakan karena mudah untuk dilaksanakan dan mampu memberikan solusi yang terbaik bagi perusahaan, karena dengan perhitungan menggunakan FOQ tidak saja akan diketahui berapa jumlah persediaan yang paling efisien bagi perusahaan, tetapi akan diketahui juga biaya yang akan dikeluarkan oleh perusahaan dengan persediaan bahan baku yang dimikinya (dihitung dengan menggunakan TIC/Total Inventory Cost) dan waktu yang paling tepat untuk melakukan pemesanan kembali.
http://repository.usu.ac.id/bitstream/123456789/10514/1/09E00970.pdf
2.1.1.5.2 Model Fixed Order Interval
Model Fixed Order Interval atau biasa disebut Economic Order Interval merupakan model yang digunakan untuk mengetahui periode pemesanan atau interval pemesanan dalam kurun waktu/periode tertentu.
2.1.1.6Biaya-biaya Persediaan
Sebagaimana yang telah dikemukakan bahwa yang menjadi tujuan pengendalian persediaan adalah untuk mencapai persediaan yang optimalyaitu dengan cara menekan total ongkos persediaan menjadi minimal. Perincian dan penjelasan tentang macam-macam ongkostersebut adalah sebagai berikut:
1. Biaya pengadaan, biaya ini dibedakan menurut pengadaannya, yaitu:
a. Biaya pemesanan (Order Cost), bila barang-barang disediakan oleh penyedia diluar pabrik (out side supplier), adalah termasuk biaya yang dikeluarkan untukkeperluan pemesanan dan pembelian barang. Sebelum
b. Biaya penyiapan (set up cost), bila barang-barang disediakan oleh sumber-sumber didalam pabrik sendiri (self supplier). Yang termasuk dalam komponen biaya ini adalah biaya pengaturan dan penyetelan mesin-mesin produksi, biaya kerugian karena kerusakan produk pada awawl produksi dan pemakaian jam kerja serta mesin-mesin.
2. Biaya persediaan, yaitu biaya yang dikeluarkan karena memiliki atau menyimpan persediaan barang, biasanya dihitung berdasarkan fraksi dari ongkos barang per unit yang disimpan persatuan waktu. Biaya-biaya ini mencakup beberapa elemen, yaitu:
a. Biaya yang tertanam dalam persediaan, biaya ini dapat dilihat dari kehilangan kesempatan bagi perusahaan untuk memanfaatkan modaltersebut guna memenuhi keperluan mendesak lainnya.
b. Biaya kerusakan dan penyusutan, yaitu biaya yang dikeluarkan karena barabg-barang rusak, menurunnya kualitas bahan, ketinggalan jaman dan kehilangan.
c. Biaya penyimpanan, yaitu biaya-biaya yang dikeluarakan kedalam proses penyimpanan seperti biaya sewa gudang, honor atau gaji pengawas, biaya angkut dan biaya administrasi lainnya. Jika gudangnya milik sendiri, maka biaya sewa gudang menjadi pemeliharaan (maintenance) gudang dan penyusutan gudang.
setahunnya, dan ada juga yang menghitung atas dasar rata-rata modal yang tertanam selama satu tahun.
e. Biaya asuransi, yaitu biaya yang harus dikeluarkan bila barang yang disimpan diasuransikan, yang harus dibayar menurut jumlah persediaan yang ada.
2.1.2 Peramalan
Peramalan adalah bagian integral aktivitas pengambilan keputusan. Kebutuhan untuk meramal meningkat seiring dengan usaha pihak manajemenmengurangi ketergantungan perubahan lingkungan. Peramalan berperan dibeberapa bagian dalam organisasi, antara lain:
1. Menentukan sumber daya yang diperlukan.
Semua organisasi harus menentukan sumber apa saja yang diperlukan dalam jangka panjang. Keputusan ini tergantung pada peluang pasar, faktor lingkungan, finansial, tenaga kerja,produk dan teknologi.
2. Pertumbuhan sumber daya.
Waktu tenggang (lead time) pembelian bahan baku, rekrut tenaga kerja atau pembelian mesin dan peralatandapat berfariasi dari harian hingga tahunan. Peramalan ini dibutuhkan untuk menentukan kebutuhan sumber daya dimasa yang akan datang.
3. Penjadwalan sumber daya yang ada.
Faktor-faktor utama yang mencerminkan kemampuan dan kesesuaian metode peramalan (Makridakis, 1994, hal:30) adalah:
1. Horizon Waktu
Dua aspek dalam horizon waktu berkaitan dengan setiap metode peramalan. Pertama jangka waktu kemasa mendatang yang paling sesuai dengan setiap metode peramalan berbeda-beda. Secara umum, metode peramalan kualitatif lebih banyak diperlukan untuk peramalan yang berjangka lebihpanjang, sementara metode kuantitatif lebih dipergunakan untuk situasi yang berjangka waktum segera atau pendek. Aspek kedua dalam horizon waktu adalah jumlah periode yang diinginkan dalam ramalan. Beberapa teknik hanya sesuai untuk satu atau dua periode dimuka, teknik-teknik lainnya dapat dipergunakan untuk beberapa periode. Terdapat juga pendekatan-pendekatan untuk menggabungkan beberapa horizon waktu yang memiliki jangka waktu yang berbeda-beda.
2. Pola Data
3. Biaya
Umumnya terdapat biaya langsung yang terlibat dalam aplikasi prosedur peramalan, yaitu pengembangan, persiapan data, dan operasi aktual. Terdapat pula biaya kesempatan dalam bentuk teknik-teknik lain yang kemungkinan diterapkan. Variasi dalam biaya jelas mempengaruhi daya tarik berbagai metodedalam berbagai situasi.
4. Ketepatan yang diperlukan berkaitan erat dengan tingkat rincian yang diperlukan dalam ramalan. Untuk beberapa situasi keputusan, lebih kurang 10% memadai, dealam situasi lainnya variasi sebesasr 5% pun dapat menyebabkan bencana.
5. Daya tarik intuitif, Kesederhanaan dan kemudahan aplikasi
Satu prinsip umum dalam aplikasi metode-metode ilmiah dalam manajemen adalah bahwa hanya metode yang dipahami yang dipergunakan secara berkelanjutan oleh para pengambil keputusan. Hali ini terutama brlaku dalam bidang peramalan. Para manajer tidak akan membuat keputusan-keputusan yang harus mereka pertanggung jawabkan atas dasar ramalan-ramalan yang tidak mereka pahami atau tidak mereka percayai. Dengan demikian disamping memenuhi kebutuhan situasi, teknik peramalan harus sesuai pula dengan manajer yang akan menggunakan ramalan tersebut.
6. Ketersediaan perangkat lunak komputer
2.1.2.1Pola Data
Langkah penting dalam memilih suatu metode yang tepat adlah dengan mempertimbangkan jenis pola data sehingg metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis siklis (cyclical) dan trend (Makridakis, 1995, hal:63) antara lain:
1. Pola Horizontal (H)
Terjadi bilamana berfluktuasi disekitar nilai rata-rata yang konstan (deret seperti itu adalah “stasioner” terhadap nilai rata-ratanya). Suatu produk yang penjualannya tidak meningkat atau turun selam waktu tertentu termasuk jenis ini. Demikian pula suatu keadaan pengendalian kualitas yang menyangkut pengambilan contoh dari suatu proses produksi kontinue yang secara teoritis tidak mengalami perubahan juga termasuk jenis ini.
2. Pola Musiman (S)
Terjadi bilamana suatu deret dipenuhi oleh faktor musiman (misalnya kwartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Penjualan dari produk seperti minuman ringan, es krim dan bahan pemanas ruang, semuanya menunjukkan pola jenis ini.
3. Pola Siklis (C)
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil, baja dan peralatan utama lainnya menunjukkuan jenis pola ini.
4. Pola Trend (T)
berbagai indikator bisnis atau ekonomi lainnya mengikuti suatu pola trnd selama perubahannya.
Y Y
1979 1980 1981
Waktu Waktu
Pola data Horizontal Pola data Musiman
Y Y
Waktu Waktu
Pola data Siklis Pola data Trend
Gambar 2.1 Pola Data Sumber data : Spyros Makridakis (Hal : 63)
2.2 Metode-metode Peramalan
untuk menetapkan kapan suatu peristiwa akan terjadi sehingga dapat dilakukan tindakan yang tepat.
Dalam menentukan teknik atau metode peramalan yang akan dipakai kita harus mengetahui pola data juga karakteristik trendnya. Berikut terdapat beberapa metode peramalan yang ada.
2.2.1 Metode Regresi Linear
Kadang-kadang dalam suatu peramalan akan ditemukan dengan sebuah ukuran atau variabel tidak bebas dan sebuah variabel bebas. Semua model regresi selalu dituliskan sebagai persamaan yang menghubungkan variabel tidak bebas dan variabel bebas.
Dalam model ini, jika menggunakan Y sebagai variabel tidak bebas dan Xt
sebagai variabel bebas, maka tujuan yang ingin kita capai adalah mendapatkan persamaan garis lurus:
Yt = a + b Xt
Dimana a adalah intersep (penerima) dari Yt dan b merupakan kemiringan dari
trend linearnya.
Dapat dilihat dari gambar diatas, kita dapat mengetahui error atau kesalahan kuadrat untuk setiap nilai waktu tertentu, persamaannya dengan mendefinisikan:
Dalam nilai kesalahan tersebut bisa kemungkinan bernilai positif ataupun negatif. Sedangkan kita harus meminimalkan total kesalahan fase dengan harapan garis trend perhitungan mendekati kebenaran. Untuk itu nilai kesalahan diatas dapat kita kuadratkan.
Sehingga persamaan menjadi:
Dan
Dengan mensubstitusikan dimana , maka persamaan diatas menjadi:
………...(2.1) Dengan menggunakan kalkulus persamaan diatas diturunkanterhadap a dan
t t t Y Y e = − −
2 _ 2 − = t t t Y Y e 2 _ 1 1 2 1 − = Y Y e 2 _ 2 2 2 2 − = Y Y e 2 _ 3 3 2 3 − = Y Y e 2 _ 2 − = n n n Y Y e
(
)
21 1 2
∑
∑
= − − = n t t t n tt Y Y e
_
Y Yt =a+bXt
_
(
)
21 1 2
∑
∑
= = − − = n t t t n t………..(2.2)
………(2.3) Maka dari persamaan(2.2) didapat,
………...(2.4) Dari persamaan (2.3) didapat,
………..(2.4) Dari persamaan (2.3) didapat.
………(2.5) Dari persamaan (2.4) dan persamaan (2.5), dengan cara substitusi dapat ditemukan nilai a dan b yaitu,
Bila persamaan (2.5)-( persamaan (2.4)), maka,
(
)
∑
∑
= = =− − − = ∂ ∂ n t t t n t t bX a Y a e 1 1 2 0 2(
)
∑
∑
= = =− − − = ∂ ∂ n t t t t n t t bX a Y X a e 1 1 2 0 2∑
∑
= = + + = − n t t n tt na b X Y 1 1 0
∑
∑
= = = + n t t n t t Y X b na 1 1∑
∑
= = = + + − n t t n tt na b X Y 1 1 0
∑
∑
= = = + n t t n t t Y X b na 1 1∑
∑
∑
= + = + = = − n t n t n t t t ttY a X b X X
1 1 1
0
∑
∑
∑
= + = = = n t n t n t t t tt b X b X Y X
a
1 1 1
2 _ X
∑
∑
∑
= = = = + n t n t n t t t tt b X b X Y X
a
1 1 1
2
∑
∑
= = = + n t n t t t X Y X X b na 1 1 _ _∑
∑
∑
∑
∑
= = = = = − = − + − n
t t t n t n t n t t t t n t
t naX b X bX X X Y X Y X
a
1 _
1 1 1
_ 2
1
Nilai dari adalah = 0 Sehingga:
Maka,
Bila pembilang dan penyebut diatas masing-masing dikalikan dengan n, maka,:
Sehingga nilai b,
∑
− = n tt naX X 1 _
∑
∑
∑
∑
= = = = − = − n t t t n t n t n t t tt bX X X Y X Y X
b
1 _
1 1 1
_ 2
∑
∑
∑
∑
= = = − = − n
t t t t n t n t t
t bX X X Y X Y X b 1 _ 1 1 _ 2
∑
∑
∑
∑
= = = − − = n t n t t t n t t n t t t X X n X n Y X Y X n b 1 _ 2 1 _ 1∑
∑
∑
∑
= = = − − = n t n t t t n t t n t t t X X n X n Y X Y X n b 1 _ 2 1 _ 1∑
∑
∑
∑
∑
∑
= = = = = − − = n t n t t n t t t n t t n t t n t t t X n X n X n Y n X n Y X n b 1 1 2 1 1 1∑
∑
∑
∑ ∑
= = = = = − − = n t n t t t n t n t n t t t t t X X Y X Y X n b 1 1 2Dari persamaan (2.4) diatas,
Bila b disubstitusikan, maka :
Maka nilai a,
∑
∑
= = = + n t n t t t Y X b na 1 1 n Y n X b a n t t n t t∑
∑
= = =+ 1 1
n X b n Y a n t t n t t
∑
∑
= = == 1 1
− − − =
∑
∑
∑
∑
∑
∑
∑
= = = = = = = n t n t t t n t t n t n t t n t t t t n t t X X n n X Y X Y X n n Y a 1 2 1 2 11 1 1
1 − − − − =
∑
∑
∑
∑
∑ ∑
∑
∑
∑
= = = = = = = = = n t n t t t n t t n t n t n t t t t t n t n t t t n t t X X n n X Y X Y X X X Y a 1 2 1 2 11 1 1
1 2 1 2 1 − + − − =
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
= = = = = = = = = = n t n t t t n t n t n t t n t t t n t t t n t t t n t t n t t X X n n Y X X Y X n X Y X Y a 1 2 1 21 1 1
2 1 1 1 1 1 − − =
∑
∑
∑ ∑
∑
∑
= = = = = = n t n t t t n t n t n t n t t t t t t X X n n X Y X n X Y n a 1 2 1 21 1 1 1
2
∑ ∑
∑
∑
= = = = − = n t n t n t n t t t t tt X X Y X Y
a 1 1 1 1
Dan apabila median bulan data ditetapkan sebagai bulan dasar, maka nilai Sehingga
maka,
Sedangkan
2.2.2 Metode Double Moving Avar age (rata-rata ber gerak ganda)
Metode Double Moving Average ini merupakan pengembangan dari Metode Single Moving Average. Pada Metode Single Moving Average dinyatakan bahwa nilai rata-rata (dari masa lalu) dan rata-rata bergerak (dari T yang akhir, bila digunakan sebagai ramalan untuk periodeyang akan datang, tidak dapat mengatasi trend yang ada. Pada Metode Double Moving Average dijelaskan
, 0 1 =
∑
= n t t X∑
∑
∑
∑
= = = = − − = n t n t t t n t t n t t X X n X Y a 1 2 1 2 1 2 1 0∑
= = n t t Y a 1∑
= = n t t Y a 1∑
∑
∑
∑ ∑
= = = = = − − = n t n t t t n t n t n t t t t t X X n Y X Y X n b 1 2 1 21 1 1
suatu variasi dari prosedur rata-rata bergerak diinginkan untuk dapat mengatasi adanya trend secara lebih baik.
Prosedur rata-rata bergerak linear secara umum dapat diterangkan melalui persamaan sebagai berikut:
2.2.3 Metode Single Exponential Smoothing
Kasus pada pemulusan ini dikembangkan dari suatu variasi persamaan sebagai berikut:
Misal observasi lama Xt-N tidak tersedia maka digantikan suatu pendekatan. Salah
satu pengganti yang mungkin adlah ramalan periode sebelumnya Ft-1. maka
persamaannya akan menjadi: N
Y Y
Y Y
S t t t t n
t
1 2
1 ...
" = − + − + − +
N
S S
S S
S t t t t n
t
1 2
1 ' ... '
' '
" = − + − + − +
(
t t)
t S S S
a= ' + ' − "
(
S S t)
N
b ' "
1 2 ' − − = m b a ft+m = t t
− + = − + N X N X F
Ft 1 t t t N
− = − N F N X F
Ft 1 t t t
Dari persamaan diatas dapat dilihat bahwa ramalan Ft-1 didasarkan atas
pembobotan observasi yang terakhir dengan suatu nilai bobot dan
pembobotan ramalan yang terakhir (Ft) dengan suatu bobot karena N
merupakan suatu bilangan positif akan menjadi suatu konstanta (jika N tidak terhingga) dari 1 (jika N=1) dengan mengganti dengan persamaan menjadi:
Dimana:
Ft-1 = peramalan periode berikutnya
Ft = peramalan periode saat iini
Xt = nilai aktual saat ini
α = konstanta mean pemulusan eksponensial 0<α<1
Persamaan ini merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan (smooting). Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu lagi menyimpan semua dalam historis.
Data lain untuk memuluskan persamaan diatas adalah sebagai berikut:
Dimana et = kesalahan peramalan
Implikasi penulisan eksponensial dapat diperluas sebagai berikut:
Dimana:
N = jumlah periode historis peramalan
Nilai awal (inisialisasi) dari metode pemulusan eksponensial tunggal adalah: Ft = Xt
N 1 − N 1 1 N 1 N 1
(
)
tt
t X F
F−1 =α 1−α
(
t t)
t( )
tt X F F e
F +α − = +α
(
)
1(
)
( 1)1 1 − ... 1 − −
− − + − + + − t N
N t
t
t X X F
2.2.4 Metode Double Exponential Smooting (Metode Brown)
Metode ini merupakan metode pemulusan eksponensial linear yang dikemukakan oleh Brown. Langkah-langkahnya:
1. Menghitung smoothing pertama
Dimana S’t = nilai pemulusan eksponensial tunggal
2. Menghitung smoothing kedua
Dimana St = nilai pemulusan eksponensial ganda
3. Menghitung perbedaan smoothing
4. Menghitung dengan trend
5 Menghitung peramalan pada periode ke m
Dimana m = jumlah periode ke m yang diramalkan 2.2.5 Metode Double Exponential Smoothing (Metode Haolt)
Metode pemulusan eksponensial linear dari Holt tidak menggunakan rumus pemulusan berganda secara langsung tetapi memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Langka-langkahnya sebagai berikut:
1. Menentukan nilai smoothing
(
1)
' 1't= Xt + − S t−
S α α
(
1)
' 1' + − −
= t t
t S S
S α α
(
t t)
t tt
t S S S S S A − ' + ' − " =2 ' − "
(
t t)
t S S
b ' "
1− −
− α α
tm t m
t a b F+ = +
(
1−)(
−1 + −1)
+
= t t t
t X S b
2. Menghitung dugaan trend
3. Menghitung ramalan dalm periode ke m
2.2.6 Metode Dekomposisi
Metode dekomposisi mengidentifikasi tiga komponen terpisah dari pola dasar yang menjadi ciri serial data dalam bidang bisnis dan perekonomian. Komponen tersebut adalah faktor trend (kecenderungan), siklus dan musiman. Faktor kecenderungan menggambarkan perilaku data dalam jangka panjang, dan dapat meningkat, menurun atau tidak berubah. Faktor siklus menggambarkan baik turunnya ekonomi atau industri tertentudan sering terdapat pada deret data seperti Produk Bruto Nasional (GNP), indeks produksi industri. Penjualan barang industri seperti mobil, harga saham, tingkat obligasi, penawaran uang dan tingkat bunga. Faktor musiman berkaitan dengan fluktuasi periodik dengan panjang konstan yang disebabkan oleh hal-hal seperti temperatur, curah hujan, saat liburan dan kebijaksanaan perusahaan.
Dekomposisi mempunyai asumsi bahwa data itu tersusun sebagai berikut: Data = Pola + Kesalahan
= f (trend, siklus, musiman) + kesalahan
Jadi disamping komponen pola, terdapat pula unsur kesalahan atau kerandoman. Kesalahan itu dianggap merupakan perbedaan antara pengaruh, gabungan dari tiga sub pola deret tersebut dengan data yang seharusnya.
Penulisan umum dari pendekatan dekomposisi adalah: Xt = f ( It, Tt, Ct, Et )
(
− −1) (
+ 1−)
−1= t t t
t S S b
B γ γ
2.2.7 Kesalahan Peramalan
Beberapa metode telah digunakan untuk menunjukkan kesalahan yang disebabkan oleh suatu teknik peramalan tertentu. Hampir semua ukuran tersebut menggunakan beberapa fungsi dari perbedaan antara nilai sebelumnya dengan nilai peramalan ini, biasanya disebut dengan residual.
Persamaan yang digunakan menghitung kesalahan atau residual dari setiap periode perusahaan:
et=Yt-Ŷ t
dimana:
et = kesalahan peramalan pada periode t
Yt = nilai sebenarnya pada periode t
Ŷ t = nilai peramalan pada periode t
Salah satu cara untuk mengevaluasi teknik peramalan adalah menggunakan kesalahgan absolute. Simpangan absolute rata-rata atau Mean Absolute Deviation (MAD) mengukur peramalan dengan merata-ratakan kesalahan peramalan (nilai absolutenya).
MAD =
Kesalahan rata-rata kuadrat atau mean squared arror (MSE) merupakan metode alternatif dalam mengevaluasi suatu teknik peramalan. Setiap kesalahan atau residu dikuadratkan, kemudian dijumlahkan dan dibagidengan jumlah obserfasi, pendekatan ini menghukum suatu kesalahan.
MSE =
n Y Y n t
t t
∑
= −
1 ^
n Y Y n t
t t
∑
=
−
1
Kadang kala lebih bermanfaat jika menghitung kesalahan peramalan dengan menggunakan secara presentase ketimbang nilai absolutenya. Presentase kesalahan absolute rata-rata atau mean absolute presentage error (MAPE) dihitung dengan menemukan kesalahan absolute setiap periode, kemudian membaginya dengan nilai observasipada periode tersebutdan akhirnya merata-ratakan presentase absolute itu.
MAPE =
Kadang kala perlu juga untuk menentukan apakah suatu metode peramalan bisa atau tidak (secara konsisten tinggi atau rendah). Presentase kealahan rata-rata atau mean persentage error (MPE) digunakan dalam kasus seperti ini:
MPE =
2.2.8 Pengujian Peramalan
Pengujian ini dilakukan dengan menggunakan metode MRC (Moving Range Chart). Tujuannya adalah utuk memeriksa peamalan-peramalan yang telah dilakukan, apakah dari data hasil peramalan sudah dalam kondisi yang terkecil atau belum. Langkah-langkah dalam pembuatan metode MRC adalah sebagai berikut:
1. Menghitung rentang bergerak (Moving Range) MR =
n Y
Y Y n t t
t t
∑
= −
1 ^
n Y
Y Y n t t
t t
∑
= −
1 ^
−
−
− − −
^
1 1 ^
Dengan :
Yt = Data aktual tahun tertentu
Ŷ = Data hasil penjumlahan tahun tertentu 2. Menghitung rata-rata rentang bergerak:
3. Menghitung batas kontrol
Batas atas (BA) = +2.66 Batas bawah (BB) = -2.66
4. Menghitung titik simpangan (Yt – Ŷ t) kedalam peta kendali (Gambar 2.3)
Fungsi peramalan yangterpilih dapat digunakan, apabila semua titik berada dalam batas dalam kontrol. Tetapi bila mendapatkan suatu titik tak terkendali (Out of Control) sewaktu memeriksa peramalan, maka kita akan mencari peramalan yang baru. Hal ini membuktikan bahwa metode peramalan tersebut tidak cocok untuk digunakan.
Gambar 2.3 Bagan Peta kendali Sumber Data : Arman Hakim (Hal : 57)
∑
−=
1
n MR MR
Kondisi Out Of Control yaitu:
1. Jika ada titik (Yt-Yt) yang berada diluar batas kontrol (>BA atau <BB)
2. Aturan tiga titik
Dari tiga buah titik yang berurutan, apakah dua titik atau lebih yang terdapat dalam salah satu daerah A.
3. Aturan lima titik
Dari lima buah titik yang berurutan, apakah empat titik atau lebih terdapat dalam satu daerah B.
4. Aturan delapan titik
Dari delapan titik yang berurutan berada pada salah satu sisi dari garis tengah. 2.2.9 Penentuan Biaya Total dan J umlah Per mintaan Optimum
Prinsip model EOQ adalah meminimalkan biaya inkremental yang terkait dengan pengisian kembali (replenishment) persediaan. Tetapi dalam menerapkan model ini ada beberapa asumsi penting yang harus digunakan, yaitu:
1. Permintaan rata-rata bersifat kontinu dan kostan, digambarkan dengan distribusu yang tidak pernah berubah dengan waktu. Karenanya jika ada kecenderungan atau pengaruh musiman yang kuat dalam kebutuhan tahunan rata-rata, model sederhana ini tidak sesuai.
Model dasar ini tidaki cocok bila waktu tenggang berubah-ubah. Tambahan lagi, penyerahan untuk semua kebutuhan/ permintaan bersifat seketika dan tidak terjadi secara berangsur.
3. Setiap jenis produk dalam persediaan bersifat independen. Model EOQ mengasumsikan bahwa pengisian kembali satu jenis produk tidak mempengaruhi pengisian kembali jenis produk yang lain. Asumsi ini tepat dibanyak situasi,tetapi timbul perkecualian bila sekumpulan jenis produk dipadukan bersama oleh rencana bersama.
4. Harga beli dari parameter biaya (biaya simpan dan biaya pesan) konstan. 5 Jumlah pemesanan EOQ, sama dengan jumlah yang dikirim. Jika lot yang
dikirim lebih kecil, kuantitas rata-rata dalam EOQ tidak valid. Model ini dapat digambarkan sebagai berikut:
Gb 2.4 Grafik Siklus Inventory Sederhana
Sumber data : Arman Hakim (Hal : 111)
Pada perhitungan ini model yang digunakan adalah:
Biaya tital setahun = biaya beli + biaya pemesanan kembali + biaya penyimpanan. TC (Q) =
Agar diperoleh nilai, maka TC diatas diturunkan terhadap Q dan disamakan dengan nol:
Maka kita peroleh jumlah permintaan yang optimum:
∑
∑
∑
= = =
+ +
n t
n t
n t
Q H Q
R C Ri
Pi
1 1 1
1 1
1 1
2 .
.
0 . 2 ) (
2 =
− =
Qi Ri C Hi dQ
Q dTC
CRi Ri
C
Sedangkan agar total biaya inventory dapat minimum, maka Qi diganti dengan Qi* dan dihasilkan rumus sebagai berikut:
TC (Q*) =
Dimana:
Ri = Permintaan tahunan unit produk i Pi = Harga pembelian unit produk i n = Jumlah produk yang dipesan bersama C = Biaya sekali pesan untuk pesanan bersama
F = Biaya simpan sebagai-bagian dari harga pembelian 2.2.10 Per formansi Sistem Yang Diusulkan
Dalam penelitian ini empat jenis obat akan dihitung total biaya simpannya dengan menggunakan sistem yang diusulkan. Sistem itu adalah sistem model persediaan Economic Order Quantity (EOQ), Model alternatif yang akan dikembangkan bertitik tolak pada prinsip model tersebut, oleh karena itu sebelum membahas model alternatif yang dimaksudkan maka Metode EOQ perlu dibahas terlebih dahulu sebagai bahan pembanding.
2.3 Penelitian Terdahulu
( RAHMAT FAJAR, 2004, PERENCANAAN PERSEDIAAN BAHAN BAKU SEPATU KULIT MENGGUNAKAN METODE ECONOMIC ORDER QUANTITY (EOQ) DI PT. INDRICIPTA ADITAMA)
∑
∑
∑
∑
= + = = = + =
n t
n t
n t
n t
Qi F Pi Ri
Pi Qi
Hi Ri
Pi
1 1 1 1
* ). . ( .
BAB III
METODE PENELITIAN
3.1 Lokasi dan Waktu Pencarian Data
Pengambilan data ini dilakukan pada RSUD “Dr. Soetomo Surabaya” Jalan MayJend. Prof. Dr. Moestopo No. 6-8 Surabaya. Untuk penelitian dilakukan pada tanggal 10 Oktober 2011 sampai data yang diperlukan terpenuhi.
3.2 Identifikasi Variabel dan Definisi Operasional Variabel
Sebelum melakukan penelitian, melakukan identifikasi dulu apa yang akan diteliti sehingga dapat diketahui apa yang menjadi masalah pada perusahaan. Dalam penelitian ini variabel yang diteliti adalah perencanaan persediaan untuk upaya pemesanan obat yang optimal di RSUD Dr. Soetomo.
Variabel – variabel tersebut adalah sebagai berikut : a. Variabel Terikat
Yaitu variabel yang nilainya tergantung pada variasi perubahan variabel bebas, yang termasuk variabel terikat adalah sebagai berikut :
1. (TIC) = Total Biaya Persediaan
2. f = Frekuensi pemesanan yang optimal 3. Q = Jumlah sekali pesan
b. Variabel Bebas
Yaitu variabel yang mempengaruhi variasi perubahan nilai variabel terikat, meliputi :
1. hi = Biaya simpan sebagai bagian harga pembelian
2. Di = Permintaan tahunan unit produk
3. k = Biaya sekali pesan
4. Pi = Harga pembelian unit produk
3.3 Populasi dan Teknik Pengambilan Sampel
Dalam hal pengambilan data dalam penelitian ini adalah daftar obat yang didapatkan dari pengambilan langsung di unit Depo Farmasi RSUD Dr. Soetomo.
3.4 Metode Pengumpulan Data Data Sekunder
Yaitu pengumpulan data dengan mencatat data-data dari dokumen (arsip) perusahaan yang berkaitan dengan obyek penelitian. Dokumen ini merupakan arsip-arsip yang dikumpulkan sebagai bahan dalam penelitian ini. Adapun dokumen-dokumen yang diperlukan antara lain:
• Data untuk persediaan obat untuk bulan Januari 2010 – November 2011 • Data biaya penyimpanan obat untuk bulan Januari 2010 – November
2011
3.5 Metode Pengolahan Data
Langkah-langkah yang dilakukan dalam pengolahan data untuk memecahkan permasalahan yang ada adalah sebagai berikut:
1. Mengumpulkan dan mencatat data-data yang diperlukan dalam proses perhitungan total biaya persediaan sebagai masukan (input), yaitu data mengenai permintaan obat, biaya penyimpanan, biaya pemesanan, frekuensi pemesanan dan harga obat mulai bulan Januari 2010 – November 2011. 2. Menghitung total biaya persediaan yang dikeluarkan oleh perusahaan. 3. Menetukan model persediaan yang akan digunakan sebagai alat pemecahan
masalah tersebut, dalam hal ini menggunakan model persediaan EOQ. 4. Mengolah data-data yang diperoleh dengan menggunakan metode yang
dipilih, yaitu menghitung total biaya persediaan untuk masing-masing obat dengan menggunakan metode EOQ.
Keterangan:
Q = Frekuensi pemesanan yang optimal hi = Biaya simpan
Di = Permintaan tahunan unit produk i
k = Biaya sekali pesan
5. Menghitung biaya total persediaan perusahaan, serta menerapkan perhitungan biaya total persediaan obat dengan menggunakan model EOQ. Jika perhitungan total biaya menggunaka model EOQ lebih optimal, maka
h Q k Q D
TIC
+ =
2 h
Dk Q= 2
D Q t =
Menetapkan model
persediaan Menghitung total biaya yang dikeluarkan perusahaan masing-masing obat
-Menghitung biaya persedian masing-masing obat
Menghitung interval pemesanan
Menghitung jumlah sekali pesan
TIC < TR
Mulai
Pengumpulan data :
- Data persediaan obat (januari 2010-november2011) - Data harga masing-masing obat
- Data biaya penyimpanan obat 25% dari pembelian - Data biaya pemesanan obat Rp 5.000,-/pesan - Data hari kerja dalam 1 tahun = 300 hari kerja
B
Study literatur Perumusan
masalah Survey Lapangan
Tujuan Penelitian
Identifikasi Variabel
Mengitung total biaya persedian (TIC)
Menghitung total riil persediaan (TR)
Ya
Tidak
akan meramalkan perhitungan total biaya persediaan mulai bulan Desember 2011-Desember 2012.
Penjelasan Flow Chart
1. Langkah I : Survey Pendahuluan
Langkah ini merupakan studi pengenalan diri perusahaan yang menjadi tempat penelitian. Dengan survey perusahaan, diharapkan dapat diketahui permasalahan yang ada pada perusahaan.
2. Langkah II : Perumusan Masalah
Merumuskan masalah yang ada pada perusahaan, dalam hal ini adalah pengendalian persediaan obat sehingga dapat meminimalkan total biaya pengadaan yang dikeluarkan.
3. Langkah III : Identifikasi Variabel
Mengidentifikasi variabel-variabel yang berhubungan dengan pemecahan masalah.
4. Langkah IV : Pengumpulan Data
Mengumpulkan dan mencatat data-data yang diperlukan dalam proses penghitungan total biaya persediaan sebagai masukan (input), yaitu data mengenai persediaan obat berdasarkan data permintaan obat, biaya penuimpanan, biaya pemesanan, frekuensi pemesanan dan harga obat bulan januari 2008 – april 2010.
5. Langkah V : Menghitung total biaya persediaan untuk masing-masing obat yang dikeluarkan oleh perusahaan.
Biaya Persediaan:
7. Langkah VII :Membandingkan total biaya persediaan yang menggunakan model persediaan dipilih dengan total biaya persediaan yang dikeluarkan selama ini oleh perusahaan. Jika total biaya persediaan dengan model EOQ ternyata lebih optimal dari pada total biaya persediaan semula, maka dilakukan penghitungan pengendalian persediaan bahan baku untuk hasil ramalan pada tahun berikutnya (Januari 2010 – Desember 2010) dengan model persediaan EOQ lalu dibuat kesimpulan. Apabila total biaya persediaan dengan model EOQ ternyata lebih besar dari pada total biaya persediaan semula, maka langsung dibuat kesimpulan bahwa model persediaan EOQ tidak dapat diterapkan di RSUD Dr. Soetomo Surabaya. 8. Langkah VIII : Jika model diterima maka kemudian melakukan
peramalan persediaan obat bulan Desember 2011 – Desember 2012 berdasarkan data historik permintaan obat bulan januari 2010 – November 2011.
9. Langkah IX : Setelah melakukan peramalan persediaan obat kemudian menghitung perkiraan total persediaan obat bulan Januari 2012 – Desember 2012.
h Q k Q D
TIC
+ =
2 h
Dk Q= 2
D Q t =
10. Langkah X : Hasil dan Pembahasan
Hasil peramalan dapat digunakan oleh perusahaan sebagai pedoman untuk menentukan kebutuhan obat yang akan datang.
11. Langkah XI : Kesimpulan dan Saran
Memberikan kesimpulan dari pembahasan tersebut diatas dan memberikan saran pada perusahaan.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data 4.1.1 Data Permintaan
Data permintaan obat yang diambil di RSUD Dr. Soetomo adalah bulan Januari 2010 sampai November 2011. adapun data pemintaan tersebut dapat dilihat pada tabel berikut ini :
[image:38.595.112.516.336.587.2]1. Obat Amoxan 500 mg.
Tabel 4.1 Data Permintaan Obat Amoxsan (dalam satuan butir)
Tahun
2010 2011
Bulan
Jumlah/ Butir Pemesanan Jumlah/ Butir Pemesanan
Januari 4.100 4 1.500 3
Februari 5.200 3 2.200 4
Maret 4.200 4 1.700 3
April 4.700 3 2.100 4
Mei 3.700 3 3.000 6
Juni 4.000 2 1.100 2
Juli 3.000 2 1.600 3
Agustus 4.400 5 1.800 3
September 2..400 4 2.500 5
Oktober 2.700 4 1.300 3
November 1.500 4 900 2
Desember 3.100 6 - -
Total 43.000 44 19.700 38
2. Obat Cipr o Floxtacin 500 mg
Tabel 4.2 Data Permintaan Obat Cipro Floxtacin (dalam satuan butir)
Tahun
2010 2011
Bulan
Jumlah/ Butir Pemesanan Jumlah/ Butir Pemesanan
Januari 600 4 550 3
Februari 200 2 560 4
Maret 500 3 500 3
April 840 4 450 3
Mei 400 1 800 5
Juni 800 2 450 3
Juli 400 1 500 4
Agustus 600 4 450 3
September 200 1 750 4
Oktober 440 4 200 2
November 220 3 300 2
Desember 360 5 - -
Total 5.560 34 5.510 36
Sumber Data : RSUD “Dr. Soetomo” Surabaya
3. Thiamycin 500 mg
Tabel 4.3 Data Permintaan Thiamycin (dalam satuan butir)
Tahun
2010 2011
Bulan
Jumlah/ Butir Pemesanan Jumlah/ Butir Pemesanan
Januari 3.500 5 2.800 4
Februari 8.900 4 4.000 5
Maret 5.000 3 6.100 7
April 7.000 3 4.500 5
Mei 2.300 3 6.100 4
Juni 4.000 2 3.500 3
Juli 2.600 3 4.600 5
Agustus 7.200 5 4.300 4
September 2.200 4 6.400 5
Oktober 3.800 5 3.500 3
November 2.400 9 4.700 5
Desember 2.800 6 - -
Total 51.700 52 50.500 50
[image:39.595.116.509.474.718.2]4. Obat Demacolin 500 mg
Tabel 4.4 Data Permintaan Obat Demacolin (dalam satuan butir) Tahun
2010 2011
Bulan
Jumlah/ Butir Pemesanan Jumlah/ Butir Pemesanan
Januari 3.000 4 2.900 3
Februari 1.500 2 2.200 3
Maret 2.800 3 1.700 3
April 4.000 2 2.100 2
Mei 1.500 3 3.000 5
Juni 3.000 2 1.100 3
Juli 2.300 2 1.500 2
Agustus 2.700 5 1.800 4
September 600 2 2.500 5
Oktober 400 3 1.300 4
November 1.000 4 900 1
Desember 1.500 5 - -
Total 24.300 37 21.000 35
Sumber Data : RSUD “Dr. Soetomo” Surabaya
4.1.2 Data Harga Pembelian Obat Untuk Masing-masing J enis Obat Adapun harga masing-masing obat dapat dilihat pada table 4.5 :
Tabel 4.5 Daftar Harga Pembelian Obat (Rupiah/Butir)
No Nama Obat Harga Obat
1 Amoxan Rp 2.475
2 Cipro Floxtacin Rp 9.345
3 Thiamycin Rp 867
4 Demacolin Rp 182
Sumber Data : Depo Farmasi RSUD “Dr. Soetomo” Surabaya
4.1.3 Data Biaya Pemesanan dan Biaya Penyimpanan
Data lain yang diperoleh dari RSUD “Dr. Soetomo” Surabaya adalah sebagai berikut :
[image:40.595.110.517.482.603.2]• Biaya sekali pesan untuk semua unit produk adalah Rp 5.000,-
• Jumlah hari kerja 1 bulan adalah 25 hari, sehingga untuk 12 bulan jumlah hari kerja adalah 12 x 25 = 300 hari kerja/tahun
4.2 Pengolahan Data
4.2.1 Perhitungan Total Biaya Per sediaan Kondisi Riil Perusahaan
Pada RSUD “Dr. Soetomo” Surabaya, persediaan permintaan obat dilakukan dengan cara apabila mendekati persediaan habis dilakukan pemesanan kembali, dalam hal ini masih belum ada perhitungan jumlah permintaan yang optimum.
Hasil Perhitungan Biaya Rill Perusahaan :
[image:41.595.198.427.523.688.2]Hasil perhitungan data secara lengkap pada lampiran didapatkan hasil sebagai berikut, pertama-tama dihitung terlebih dahulu total biaya riil dari perusahaan (RSUD “Dr. Soetomo” Surabaya). Sebelum perhitungan perlu diketahui terlebih dahulu data untuk pemesanan per unit obat.
Tabel 4.6 Jumlah Pemesanan per Unit Obat Jumlah Pemesanan NO Nama Obat
2010 1
2 3 4
Amoxsan Cipro Floxtacin Thiamycin Demacolin
Untuk hasil perhitungan total biaya persediaan masing-masing obat tahun 2010 (bulan Januari–Desember) adalah sebagai berikut :
Amoxsan (2010)
Total Biaya Pemesanan = Frekuensi Pemesanan (Amoxan 2010) x Biaya Pesan = 44 x Rp 5.000 = Rp 220.000
Total Biaya Simpan = 25% dari Harga Obat x Jumlah Persediaan/ Tahun = ( 0,25 x Rp 2.475 ) x 43.000
= Rp 26.606.250
[image:42.595.152.471.442.600.2]Total Biaya Persediaan Amoxan = Total Biaya Pemesanan + Total Biaya Simpan = Rp 220.000 + Rp 26.606.250 = Rp 26.826.250 Adapun perhitungan total biaya persediaan untuk jenis obat yang lain dapat dilihat pada lampiran I. Hasil perhitungan total biaya persediaan dari keempat jenis obat tersebut diperlihatkan pada tabel berikut :
Tabel 4.7 Hasil Perhitungan Riil Perusahaan Tiap Jenis Obat 2010
No Nama Obat Biaya
1. 2. 3. 4.
Amoxan
Cipro Floxtacin Thiamycin Demacolin
Rp. 26.826.250 Rp. 13.159.550 Rp. 11.465.975 Rp. 1.290.650
Total biaya Riil Perusahaan Bulan Januari – Desember 2010 :
TC1 = Total biaya persediaan Amoxsan + Total biaya persediaan Cipro floxtacin + Total biaya persediaan Thiamycin + Total biaya persediaan Demacolin = Rp 26.826.250 + Rp 13.159.550 + Rp 11.465.975 + Rp 1.290.650
4.2.2 Perhitungan Total Biaya Per sediaan Metode Economic Order Quantity Untuk hasil perhitungan total biaya persediaan masing-masing obat tahun 2010 (bulan Januari–Desember) adalah sebagai berikut :
(Amoxsan)
h = (0,25 x Rp 2.475) = Rp 618,75
Maka jumlah pemesanan yang optimal untuk sekali pesan dapat dihitung sebagai berikut:
= =
= 834 butir
Dan interval pemesanan yang optimal :
t = = 0,0194
= 0,0194 x 300 = 5,82 = 6 hari
f = = = 51,55 = 52 Kali
Maka Total Cost untuk Amoxsan (2010) :
= Rp 515.813,-
Adapun perhitungan total biaya persediaan untuk jenis obat yang lain dapat dilihat pada lampiran II. Hasil perhitungan total biaya persediaan dari keempat jenis obat tersebut diperlihatkan pada tabel berikut :
75 , 618 5000 000 . 43
2x x
4949 , 949 . 694 D Q t = 000 . 43 834 Q D 834 43000 h Dk Q= 2
Tabel 4.8 Hasil Perhitungan Total Cost Tiap Jenis Obat 2010
No Nama Obat Biaya
1. 2. 3. 4.
Amoxan
Cipro Floxtacin Thiamycin Demacolin
Rp. 515.813 Rp. 360.415 Rp. 184.004 Rp. 105.150
Total Biaya Persediaan dengan Metode EOQ Bulan Januari – Desember 2010 : TC2 = Total biaya persediaan Amoxsan + Total biaya persediaan Cipro floxtacin
+ Total biaya persediaan Thiamycin + Total biaya persediaan Demacolin = Rp 515.813 + Rp 360.415 + Rp 184.004 + Rp 105.150
= Rp 1.165.382,-
4.2.3 Perbandingan Total Biaya Per sediaan Kondisi Riil Perusahaan dengan Total Biaya Per sediaan Metode Economic Order Quantity Dari hasil perhitungan diatas, maka dapat diketahui total biaya inventory menggunakan perhitungan Riil perusahaan dan Metode Economic Order Quantity adalah sebagai berikut :
Dari tabel 4.9 dapat diketahui bahwa dengan menggunakan Metode Economic Order Quantity , didapat hasil nilai total biaya inventory lebih kecil dabandingkan total biaya Riil perusahaan sebesar Rp 51.577.043
Kelemahan pada perhitungan riil perusahaan dibandingkan dengan menggunakan Metode Economic Order Quantity adalah sebagai berikut :
1. Pemesanan dilakukan tiap jenis obat (satu per satu jenis obat)
2. Jumlah sekali pesan tidak berdasarkan perhitunngaan peramalan, melainkan hanya diperkirakan dari jumlah pemesanan kemarin
3. Sehingga total biaya Inventory menjadi lebih tinggi dibandingkan total biaya inventory menggunakan Metode Economic Order Quantity
4. Pembengkakan pada biaya penyimpanan dikarenakan tidak memiliki keteraturan pola pemesanan baik dari segi jumlah maupun jumlah pemesanan.
No Prhitungan Tahun 2010
1. Metode Riil Perusahaan Rp 52.742.425
4.2.4 Perencanaan Pemesanan Kebutuhan Obat Bulan Desember 2011 – Desember 2012
4.2.4.1Plot Data
Dari data permintaan tiap jenis obat, maka plot data permintaan tiap jenis obat tersebut di perlihatkan dalam gambar berikut :
[image:46.595.129.494.267.417.2] [image:46.595.133.493.497.644.2]Plot Data Permintaan obat Amoxsan
Grafik persediaan obat amoxsan
0 2,000 4,000 6,000
1 2 3 4 5 6 7 8 9 10 11 12
bulan
ju
m
la
h
o
b
at
2010 2011
Gambar 4.1 Grafik Permintaan Obat Amoxsan 500 mg
Plot Data Permintaan obat Cipro Floxtacin
Grafik persediaan obat Cipro Floxtacin
0 200 400 600 800 1,000
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
J
u
m
la
h
o
b
at
2010 2011
Plot Data Permintaan obat Thiamycin
Grafik persediaan obat Thiamycin
0 2,000 4,000 6,000 8,000 10,000
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
J
u
m
la
h
o
b
at
2010 2011
Gambar 4.3 Grafik Permintaan Obat Thiamycin 500 mg
Plot Data Permintaan obat Demacolin
Grafik persediaan obat Demacolin
0 1,000 2,000 3,000 4,000 5,000
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
J
u
m
la
h
o
b
at
2010 2011
Gambar 4.4 Grafik Permintaan Obat Demacolin 500 mg
4.2.4.2 Perhitungan MSE Terkecil
Pada peramalan ini dipilih metode dekomposisi karena metode tersebut memilik nilai MSE yang terkecil diantara metode lainnya. Perbandingan kesalahgan peramalan Metode Dekompoosisi dengan Metode lain :
Tabel 4.10 Perbandingan MSE Dari Ketiga Metode Peramalan
Metode Peramalan
Nama Obat Moving
Average
Trend
Linear Dekomposisi
Amoxsan 679868.42 377086.80 10235.69
Cipro Floxtacin 38179.29 15690.37 909.62
Thiamycin 3200493.40 662568.93 64966.81
Demacolin 902072.37 176511.53 39185.14
Dari Tabel (4.10) Perbandingan MSE terlihat bahwa nilai keakuratan untuk menghitung jumlah keakuratan untuk menghitung jumlah kesalahan historis model dekomposisi memberikan hasil yang terbaik dibandingkan dengan metode lain.
4.2.3.3 Uji Verifikasi Moving Range Char t
Setelah dilakukan perbandingan kesalahan peramalan, maka langkah selanjutnya yaitu dilakukan verivikasi peramalan menggunakan peta Moving Range Chart . Berikut adalah hasil perhitungan MRC masing-masing obat :
Hasil uji verifikasi MRC Amoxsan : MR =
BKA = 93,06 x 2,66 = 247,54 BKB = 93,06 x (-2,66) = -247,54
Peta Kendali MRC untuk Peramalan Dekomposisi Amoxsan
-400 -200 0 200 400
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Peri ode
BKA
MRC BKB
Gambar 4.5 Grafik Peta Kendali MRC Peramalan Dekomposisi Amoxsan
[image:48.595.115.495.467.719.2]Seluruh data permintaan obat Amoxsan dengan menggunakan peramalan dekomposisi masih dalam batas kendali atas maupun batas kendali bawah, sehingga data dapat dikatakan valid.
Hasil uji verifikasi MRC Cipr o Floxtacin : MR =
BKA = 17,88 x 2,66 = 47,57 BKB = 17,88 x (-2,66) = -47,57
Peta Kendali MRC untuk Peramalan Dekomposisi Cipro Floxtacin
-100.00 -50.00 0.00 50.00 100.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Periode
BKA MRC
BKB
Gambar 4.6 Grafik Peta Kendali MRC Peramalan Dekomposisi Cipro Floxtacin Seluruh data permintaan obat Cipro Floxtacin dengan menggunakan peramalan dekomposisi masih dalam batas kendali atas maupun batas kendali bawah, sehingga data dapat dikatakan valid.
Hasil uji verifikasi MRC Thiamycin : MR =
BKA = 209 x 2,66 = 555.94 BKB = 209 x (-2,66) = -555.94
209 17
Peta Kendali MRC untuk Peramalan Dekmposisi Thiamycin
-1000.00 0.00 1000.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Periode
[image:50.595.134.489.88.235.2]BKA MRC BKB
Gambar 4.7 Grafik Peta Kendali MRC Peramalan Dekomposisi Thiamycin Seluruh data permintaan obat Thiamycin dengan menggunakan peramalan dekomposisi masih dalam batas kendali atas maupun batas kendali bawah, sehingga data dapat dikatakan valid.
Hasil uji verifikasi MRC Demacolin MR =
BKA = 167,35 x 2,66 = 445,16 BKB = 167,35 x (-2,66) = -445,16
Peta Kendali MRC Untuk Peramalan Dekomposisi Demacolin
-500.00 0.00 500.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Periode
BKA
MRC BKB
Gambar 4.8 Grafik Peta Kendali MRC Peramalan Dekomposisi Demacolin Seluruh data permintaan obat Demacolin dengan menggunakan peramalan dekomposisi masih dalam batas kendali atas maupun batas kendali bawah, sehingga data dapat dikatakan valid.
35 , 167 17
[image:50.595.114.497.333.615.2]4.2.3.4 Hasil Perhitungan Peramalan dengan Metode Dekomposisi Bulan Desember 2011– Desember2012
Untuk hasil perhitungan Peramalan masing-masing obat bulan Desember 2011– Desember2012 adalah sebagai berikut :
[image:51.595.187.436.249.447.2]1. Dekomposisi Amosxsan
Tabel 4.12 Perhitungan Peramalan Dekomposisi Amoxsan Periode Tahun Bulan Dekomposisi (F)
1 2011 Desember 2310
2 Januari 972
3 Februari 1262
4 Maret 872
5 April 984
6 Mei 1129
7 Juni 1774
8 Juli 1359
9 Agustus 1428
10 September 1085
11 Oktober 606
12 November 296
13
2012
Desember 682
Total 14757
[image:51.595.178.450.540.736.2]2. Perhitungan Dekomposisi Cipro Floxtacin
Tabel 4.13 Perhitungan Peramalan Dekomposisi Cipro Floxtacin Periode Tahun Bulan Dekomposisi(F)
1 2011 Desember 450
2 Januari 618
3 Februari 745
4 Maret 583
5 April 514
6 Mei 840
7 Juni 1123
8 Juli 817
9 Agustus 807
10 September 665
11 Oktober 411
12 November 290
13
2012
Desember 533
3. Perhitungan Dekomposisi Thiamycin
Tabel 4.14 Perhitungan Peramalan Dekomposisi Thiamycin Periode Tahun Bulan Dekomposisi (F)
1 2011 Desember 2628
2 Januari 2172
3 Februari 3540
4 Maret 4912
5 April 3831
6 Mei 4520
7 Juni 4978
8 Juli 3696
9 Agustus 5388
10 September 3714
11 Oktober 3013
12 November 2616
13
2012
Desember 2640
Total 47649
4. Perhitungan Dekomposisi Demacolin
Tabel 4.15 Perhitungan Peramalan Dekomposisi Demacolin Periode Tahun Bulan Dekomposisi (F)
1 2011 Desember 1040
2 Januari 1828
3 Februari 1889
4 Maret 1237
5 April 1336
6 Mei 1790
7 Juni 1954
8 Juli 1830
9 Agustus 1915
10 September 1296
11 Oktober 636
12 November 546
13
2012
Desember 1050
[image:52.595.180.446.123.321.2]4.2.5 Hasil Perhitungan Metode Usulan Economic Order Quantity (Desember 2011-Desember 2012)
Untuk hasil perhitungan total biaya persediaan masing-masing obat tahun 2012 (bulan Januari–Desember) adalah sebagai berikut :
Amoxsan (2012)
h = (0,25 x Rp 2.475) = Rp 618,75
Maka jumlah pemesanan yang optimal dapat dihitung sebagai berikut:
= =
= 488,36 = 489 butir
[image:53.595.149.475.473.634.2]Untuk hasil perhitungan jumlah pemesanan yang optimal untuk masing-masing obat tahun 2012 (bulan Januari–Desember) adalah sebagai berikut
Tabel 4.16 Jumlah Sekali Pesan Untuk Keempat Jenis Obat th 2012
No Nama Obat Jumlah sekali Pesan
(Q) 1.
2. 3. 4.
Amoxsan Cipro Floxtacin Thiamychin Demacolin
489 190 1.483 2.008
Dan interval pmeesanan untuk masing-masing produk yang optimal :
t = = 0,0331
= 0,0331 x 300 =9,93 = 10 hari
75 , 618
5000 14757
2x x
97 , 238496
D Q t =
14757 489
Untuk hasil perhitungan interval pemesanan yang optimal untuk masing-masing obat tahun 2012 (bulan Januari–Desember) adalah sebagai berikut :
Tabel 4.17 Perhitungan Interval Pemesanan Masing-Masing Jenis Obat Th 2012
No Nama Obat Interval Pemesanan
1. 2. 3. 4. Amoxan Cipro Floxtacin Thiamychin Demacolin 10 hari 7 hari 9 hari 9 hari
f = = = 30,18 = 30 Kali
Untuk hasil perhitungan frekuensi pemesanan yang optimal untuk masing-masing obat bulan Desember 2011-Desember 2012 adalah sebagai berikut :
Tabel 4.18 Perhitungan Frekuensi Pemesanan Untuk Keempat Jenis Obat bulan Desember 2011-Desember 2012
No Nama Obat Frekuensi Pemesanan
1. 2. 3. 4. Amoxan Cipro Floxtacin Thiamychin Demacolin 30 Kali 44 Kali 33 Kali 33 Kali
Maka Total biaya persediaan untuk Amoxsan (2012) :
Untuk hasil perhitungan Total Biaya Persediaan untuk masing-masing jenis obat (bulan Desember 2011–Desember 2012) adalah sebagai berikut :
Tabel 4.19 Perhitungan Total Biaya Persediaan Untuk Keempat Jenis Obat bulan Desember 2011–Desember 2012
No Nama Obat Total Biaya Persedian
1. 2. 3. 4.
Amoxan
Cipro Floxtacin Thiamychin Demacolin
Rp 302.174,- Rp 442.917,- Rp 321.371,- Rp 91.380,-
Total Biaya Persediaan dengan Metode EOQ Bulan Desember 2011 – Desember 2012 :
TC3 = Total biaya persediaan Amoxsan + Total biaya persediaan Cipro floxtacin + Total biaya persediaan Thiamycin + Total biaya persediaan Demacolin
= Rp 302.174 + Rp 442.917 + Rp 321.371 + Rp 91.380 = Rp 1.157.842,-
4.3 Hasil dan Pembahasan
Dari hasil perhitungan diatas, maka dapat diketahui total biaya inventory menggunakan perhitungan Riil perusahaan dan Model gabungan FOI dan FOQ adalah sebagai berikut :
Tabel 4.20 Perbandingan total biaya Inventory 2010
No Perhitungan Biaya th 2010
1 Kondisi Riil Perusahaan Rp 52.742.425 2
Metode Economic Order
Dari tabel 4.20 dapat diketahui bahwa dengan menggunakan Metode Economic Order Quantity , didapat hasil nilai total biaya inventory lebih kecil dabandingkan total biaya Riil perusahaan sebesar Rp 51.632.854,- untuk tahun 2010.
Setelah membandingkan kondisi riil dan kondisi usulan, selanjutnya kita dapat melihat hasil perencanaan dengan menggunakan Metode Economic Order Quantity untuk bulan Desember 2011-Desember 2012 :
1. Jumlah permintaan untuk masing-masing obat adalah sebagai berikut : - Amoxan : 14.757 butir
- Cipro Floxtacin : 8.397 butir - Thiamycin : 47.648,83 butir - Demacolin : 18351 butir
2. Jumlah frekuensi pemesanan optimal untuk masing-masing obat adalah sebagai berikut :
- Amoxsan : 30 Kali - Cipro Floxtacin : 44 Kali - Thiamycin : 33 Kali - Demacolin : 33 Kali
3. Jumlah pemesanan yang optimal sekali pesan untuk masing-masing obat adalah sebagai berikut :
5. Total biaya persediaan untuk bulan Desember 2011 – Desember 2012 sebesar Rp 1.157.842,-
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
1. Dari hasil penelitian diketahui total biaya persediaan lebih optimal menggunakan metode EOQ dibandingkan dengan menggunakan perhitungan metode riil perusahaan, karena terjadi penurunan total biaya inventory sebesar Rp 51.632.854,- pada tahun 2010.
Kelemahan pada perhitungan riil perusahaan dibandingkan dengan menggunakan Metode EOQ adalah jumlah sekali pesan tidak berdasarkan perhitungan peramalan, melainkan hanya diperkirakan dari jumlah pemesanan kemarin, sehingga total biaya persediaan menjadi lebih tinggi dibandingkan total biaya persediaan menggunakan Metode EOQ.
5.2 Sar an
1. Diharapkan RSUD “Dr. Soetomo” Surabaya dapat memakai perencanaan persediaan obat dengan menggunakan Metode EOQ dikarenakan perhitungan dengan metode riil di RSUD “Dr. Soetomo” Surabaya mengalami pembengkakan pada biaya penyimpanan.
DAFTAR PUSATAKA
Buffa, Elwood S, Sarin RK, 1996, Manajemen Operasi dan Pr oduksi, Edisi Kedelapan, Binarupa Aksara, Jakarta.
Ferryanto, SG, Stevanus A, Tjandra, dkk, 1997,Pemberdayaan Disiplin Teknik Industri, Edisi Pertama, Andi Offset, Yogyakarta.
Gasperrs, Vincent, 1998, Production and Oper ation Analysis, 3th Edition,Mc Graw Hill Book Co, Singapura.
Gaynor E, Kirkpatrick C Rickey, 1994, Introduction to Time Series Model
