Pendekatan Metode Economic Order Quantity dan Forecasting dalam Analisis Kontrol Persediaan Bahan Baku Kecap
Gustiandikha Saputri1, Ade Momon2, Dene Herwanto3
1,2,3Program Studi Teknik Industri, Universitas Singaperbangsa Karawang, Indonesia
*Koresponden email: gustiandikhasa@gmail.com
Diterima: 9 Februari 2023 Disetujui: 19 Februari 2023
Abstract
Segi Tiga Company has been established in 1958 in producing soy sauce. So far, the control of palm sugar supplies as a raw material for soy sauce at the company is still using a simple method. For example, the activity of purchasing raw materials is only considered by looking at the remaining inventory. The use of this method makes the company experience less stable inventory control with sub-optimal costs. The purpose of this study is to improve control of Palm Sugar inventory in order to minimize overstock and stock-out events, as well as obtain more economical inventory costs using the Economic Order Quantity and Forecasting method approaches. After calculating, and forecasting the demand for palm sugar using the Linear Regression method obtained optimal forecasting results of 150,906 kg for the next year.
Furthermore, based on the EOQ method, the optimal order quantity for palm sugar is 24,782 kg with an optimal purchase frequency of 6 times per year. The purchase is made when the inventory level has reached the reorder point of 1,986 kg. To avoid stockouts, the company needs to have a safety stock of 742 kg. The application of the EOQ method also results in a total inventory cost efficiency of up to 31% with savings of up to IDR 250,826.09.
Keywords: economic order quantity, forecasting, raw material inventory, inventory costs, safety stock, reorder point
Abstrak
Perusahaan Segi Tiga telah berdiri sejak tahun 1958 dalam memproduksi kecap. Sampai sejauh ini, kontrol persediaan Gula Aren sebagai bahan baku kecap di perusahaan tersebut masih menggunakan metode sederhana. Sebagai contoh, kegiatan pembelian bahan baku hanya dipertimbangkan dengan melihat sisa persediaan yang ada. Penggunaan cara tersebut membuat perusahaan mengalami kontrol persediaan yang kurang stabil dengan biaya yang tidak optimal. Tujuan penelitian ini adalah memperbaiki kontrol persediaan Gula Aren agar dapat meminimalkan kejadian overstock dan stock out, serta memperoleh biaya persediaan yang lebih ekonomis menggunakan pendekatan metode Economic Order Quantity dan Forecasting. Setelah dilakukan perhitungan, peramalan permintaan Gula Aren menggunakan metode Regresi Linear memperoleh hasil forecasting optimal sebesar 150.906 kg untuk satu tahun ke depan.
Selanjutnya berdasarkan metode EOQ, kuantitas pemesanan optimal Gula Aren memperoleh hasil sebesar 24.782 kg dengan frekuensi pembelian optimal sebanyak 6 kali per tahun. Pembelian tersebut dilakukan apabila tingkat persediaan telah mencapai reorder point sebesar 1.986 kg. Untuk menghindari stock out, perusahaan perlu memiliki persediaan pengaman sebanyak 742 kg. Penerapan metode EOQ juga menghasilkan efisiensi total biaya persediaan sampai dengan 31% dengan penghematan hingga Rp250.826,09.
Kata Kunci: economic order quantity, peramalan, persediaan bahan baku, biaya persediaan, persediaan pengaman, titik pemesanan ulang
1. Pendahuluan
Kelebihan persediaan (overstock) dan kehabisan persediaan (stock out) adalah dua fenomena yang melekat sekaligus dapat menimbulkan kerugian pada sebuah sistem persediaan. Persediaan adalah aset dari suatu perusahaan yang harus dikelola secara tepat dan benar [1]. Pengendalian persediaan yang tidak tepat memungkinkan sebuah perusahaan mengalami kesulitan dalam memenuhi permintaan konsumen. Karena suatu barang yang mengalami stock out akan memengaruhi berlangsungnya proses produksi, di mana perusahaan tidak dapat mencapai target produksi yang berakhir pada timbulnya kerugian bagi perusahaan [2]. Sehingga perusahaan harus memastikan jumlah kebutuhan bahan baku dengan jelas agar tidak terjadi proses produksi yang macet atau penumpukan bahan baku di gudang [3].
Pengendalian persediaan juga berkaitan erat pada upaya penghematan biaya yang dikeluarkan (cost saving). Karena ketika kondisi stock out dapat menunda atau menghambat proses produksi, maka kondisi overstock atau kelebihan persediaan dapat menyebabkan pembengkakan biaya persediaan. Maka dari itu, perusahaan harus bijak dalam memutuskan berapa kuantitas persediaan barang yang dibutuhkan pada proses produksi, karena dengan manajemen yang tidak tepat perusahaan dapat merugi akibat pengeluaran biaya-biaya yang tak semestinya dialokasikan [4].
Perusahaan Segi Tiga merupakan salah satu perusahaan yang berdomisili di Majalengka, Jawa Barat, dengan kegiatan utamanya yaitu memproduksi kecap sejak tahun 1958. Sistem produksi Make to Order (MTO), perusahaan ini dapat setiap hari memproduksi kecap dengan catatan Gula Aren sebagai bahan baku kecap tersedia. Selama ini Perusahaan Segi Tiga dalam mengelola persediaan bahan baku masih menggunakan metode konvensional dengan mengandalkan hasil perkiraan sekilas. Sederhananya perusahaan akan melakukan pembelian jika persediaan bahan baku telah menipis atau bahkan habis.
Perusahaan tidak merencanakan kebutuhan maksimal bahan baku, menentukan persediaan pengaman ataupun menentukan titik pemesanan ulang. Penggunaan cara tersebut membuat perusahaan mengalami persediaan yang kurang stabil dengan biaya yang tidak optimal. Contohnya adalah fenomena stock out yang sering menjadi faktor penyebab terhentinya proses produksi karena Gula Aren yang seharusnya digunakan setiap hari tidak tersedia. Akibatnya selama kegiatan produksi kecap berhenti, beberapa pekerja menjadi menganggur karena tidak bisa melakukan pekerjaanya.
Melihat fenomena yang terjadi di Perusahaan Segi Tiga, maka tujuan penelitian ini adalah untuk memperbaiki kontrol persediaan Gula Aren menjadi lebih terukur dan optimal. Sehingga perusahaan dapat meminimumkan kejadian overstock dan stock out serta memperoleh biaya persediaan yang lebih ekonomis.
Pemecahan masalah yang diusulkan adalah dengan menggunakan Metode Economic Order Quantity (EOQ) dan Forecasting. EOQ adalah kuantitas persediaan optimal yang harus dipesan perusahaan pada suatu periode tertentu sehingga bisa meminimumkan biaya persediaan [5]. Sedangkan forecasting adalah suatu teknik yang digunakan organisasi untuk memprediksi kejadian di masa mendatang secara efektif dan tepat waktu[6]. Perencanaan persediaan dengan menggunakan EOQ akan mampu meminimumkan kejadian stock out sehingga proses produksi perusahaan tidak terhambat dan melakukan penghematan biaya atas persediaan bahan baku yang dibutuhkan [7].
Penelitian pengendalian persediaan menggunakan Metode EOQ telah dilakukan oleh beberapa peneliti sebelumnya. Ref. [8] melakukan penelitian untuk mengetahui seberapa efisien pengendalian bahan baku menggunakan Metode EOQ di PT X. [9] melakukan penelitian untuk mengetahui perbandingan biaya persediaan yang optimal antara kebijakan persediaan PT. Tirta Mumbul Jaya Abadi dengan Metode EOQ.
Fithri & Adinny [2] melakukan penelitian untuk menemukan metode optimal dalam pengendalian persediaan batubara PT. Semen Padang antara Metode Min-Max dengan Metode EOQ. Rahman dkk. [10]
melakukan penelitian untuk membentuk model penjadwalan pengadaan bahan baku CV LKM yang efisien berdasarkan Metode EOQ.
Komparasi penelitian ini dari penelitian-penelitian terdahulu yaitu terletak pada penambahan metode pemecahan masalah menggunakan pendekatan Peramalan (Forecasting). Dengan memilih hasil optimal dari dua metode yang digunakan yakni Metode Double Exponential Smoothing dan Regresi Linear dapat menentukan demand Gula Aren pada periode berikutnya agar mendekati nilai sebenarnya. Penelitian ini juga berupaya untuk membandingkan efisiensi total biaya persediaan sebelum dan setelah digunakannya metode EOQ.
2. Metode Penelitian
Penelitian ini dilakukan di Perusahaan Segi Tiga yang beralamat di Jl. Raya Laswi No. 12 Kelurahan Tonjong Kec. Majalengka Kab. Majalengka, Jawa Barat. Metode dalam penelitian ini menggunakan pendekatan kuantitatif, yaitu menganalisis perhitungan terhadap data numerik untuk menarik kesimpulan [11]. Unit yang dianalisis adalah peramalan kebutuhan persediaan, jumlah pemesanan optimal dan biaya persediaan yang efisien terhadap Gula Aren sebagai bahan baku kecap berdasarkan metode Economic Order Quantity dan Forecasting.
Terdapat dua data yang dibutuhkan untuk penelitian ini, yaitu data primer dan data sekunder. Data primer yang berupa kebijakan perusahaan dalam mengelola persediaan bahan baku, biaya-biaya terkait persediaan dan lead time pemesanan diperoleh melalui wawancara dengan Kepala Produksi Perusahaan Segi Tiga. Sementara data sekunder diperoleh dari arsip perusahaan yang berupa profil perusahaan dan data pembelian dan pemakaian Gula Aren selama satu tahun sebelumnya, yaitu April 2021 – Maret 2022.
Adapun alur pemecahan masalah dalam penelitian ini dijelaskan secara grafis pada Gambar 1 sebagai berikut.
Gambar 1. Alur pemecahan masalah Sumber: Data Penelitian (2022)
2.1 Peramalan
Peramalan (forecasting) adalah metode pengambilan keputusan yang digunakan oleh sebuah perusahaan untuk memperkirakan suatu sistem di masa depan [12]. Pada aspek pengendalian persediaan, teknik peramalan dapat digunakan untuk merencanakan perkiraan kebutuhan barang di waktu yang akan datang. Metode yang dapat dipilih yaitu metode kuantitatif. Metode kuantitatif adalah teknik peramalan yang menggunakan angka-angka sebagai dasar dalam memperkirakan kondisi yang akan datang [12].
2.2 Metode Double Exponential Smoothing (DES)
DES merupakan sebuah metode peramalan yang digunakan untuk memperkirakan deret waktu dengan tren linear. Persamaan peramalan metode DES adalah sebagai berikut [6]:
𝑌𝑡+𝑥 = 𝑎𝑡+ 𝑏𝑡𝑥 (1)
Keterangan:
Yt+x : Peramalan untuk periode berikutnya at : Perbedaan nilai S’t dan S”t
bt : Nilai slop
x : Periode pengamatan untuk peramalan
2.3 Metode Regresi Linear
Regresi Linear adalah metode peramalan dengan memperhitungkan nilai a dan β sedemikian rupa agar jumlah error yang dihasilkan nilainya rendah. Persamaan peramalan metode Regresi Linear adalah sebagai berikut [6]:
Mulai
Studi Literatur Studi Lapangan
Penelitian Pendahuluan:
1. Perumusan Masalah 2. Penentuan Metode Penelitian 3. Penetapan Asumsi dan Batasan 4. Penentuan Tujuan Penelitian
Pengumpulan Data
Pengolahan Data Melakukan Peramalan Demand
Menghitung Kuantitas Pemesanan Optimal (Q*)
Menghitung Frekuensi Pemesanan
Menghitung Safety Stock
Menghitung Reorder Point
Menghitung Total Biaya Persediaan
Melakukan Perbandingan Total Biaya Persediaan
Analisis dan Pembahasan
Penarikan Kesimpulan
Selesai
𝑌𝑖 = 𝑎 + 𝛽𝑋𝑖 (2)
Keterangan:
Yi : Peramalan untuk periode ke-i.
a : Nilai a β : Nilai β
Xi : Periode pengamatan ke-i
2.4 Economic Order Quantity (EOQ)
EOQ adalah suatu besaran pembelian untuk persediaan yang dilakukan dengan efisien sehingga total biayanya mencapai titik terendah atau minimum [13]. Dalam aspek pengendalian persediaan, EOQ digunakan untuk menentukan kuantitas pesanan pada kebutuhan barang persediaan sehingga diperoleh jumlah pembelian optimal. Adapun untuk menghitung EOQ dapat digunakan rumus [14]:
𝑄∗= √2𝑆𝐷𝐻 (3)
Keterangan:
Q* : Kuantitas pembelian optimal S : Biaya pesan per sekali pemesanan D : Demand yang diperkirakan H : Biaya simpan per unit per tahun
2.5 Frekuensi Pemesanan
Frekuensi pemesanan adalah nilai seberapa banyak pembelian dilakukan untuk memenuhi total kebutuhan item permintaan persediaan (demand). Adapun untuk menghitung frekuensi pembelian dapat digunakan rumus [14]:
𝐹 = 𝐷
𝑄∗ (4)
Keterangan:
F : Frekuensi pembelian D : Demand yang diperkirakan Q* : Kuantitas pembelian optimal
2.6 Persediaan Pengaman
Persediaan pengaman atau safety stock adalah kuantitas persediaan tambahan yang menjadi sebuah cadangan dan memungkinkan permintaan menjadi tidak seragam [15]. Adapun untuk menghitung safety stock dapat digunakan rumus [15]:
𝑆𝑆 = 𝑧 × 𝜎 (5)
Keterangan:
SS : Safety stock
z : Nilai faktor pengaman
σ : Standar deviasi dari tingkat kebutuhan.
2.7 Titik Pemesanan Ulang
Titik pemesanan ulang atau reorder point adalah teknik pemesanan barang yang dilakukan jika suatu persediaan telah berada pada suatu titik tertentu. Adapun untuk menentukan titik pemesanan ulang dapat digunakan rumus [8]:
𝑅𝑂𝑃 = (𝑑 × 𝐿) + 𝑆𝑆 (6)
Keterangan:
ROP : Titik pemesanan ulang
d : Pemakaian item persediaan per hari L : Lead time
SS : Safety stock
2.8 Total Biaya Persediaan
Total Biaya Persediaan atau Total Inventory Cost (TIC) adalah akumulasi seluruh biaya yang terkandung dalam suatu persediaan selama satu periode [11]. Adapun untuk menghitung total biaya persediaan dapat digunakan rumus [14]:
𝑇𝐼𝐶 = 𝐷
𝑄∗𝑆 + 𝐷
𝑄∗𝐻 (7)
Keterangan:
TIC : Total inventory cost D : Demand yang diperkirakan Q* : Kuantitas pembelian optimal S : Biaya pesan per sekali pemesanan H : Biaya simpan per unit per tahun
3. Hasil dan Pembahasan 3.1 Pengumpulan Data
Proses pengumpulan data dilaksanakan dengan teknik wawancara dan observasi secara langsung di Perusahaan Segi Tiga. Adapun data-data yang diperoleh dalam penelitian ini adalah sebagai berikut:
a. Data pemakaian Gula Aren 1 tahun terakhir
Data ini merupakan kuantitas pemakaian Gula Aren dari Perusahaan Segi Tiga untuk memproduksi kecap selama satu tahun terakhir terhitung bulan April 2021 – Maret 2022. Tabel 1 menunjukkan data pemakaian Gula Aren selama satu tahun terakhir.
Tabel 1. Pemakaian Gula Aren 1 tahun terakhir
No. Bulan Tahun Jumlah (kg)
1. April 2021 9.400
2. Mei 2021 9.300
3. Juni 2021 14.500
4. Juli 2021 9.250
5. Agustus 2021 11.000
6. September 2021 8.650
7. Oktober 2021 11.350
8. November 2021 8.750
9. Desember 2021 16.350
10. Januari 2022 13.189
11. Februari 2022 11.150
12. Maret 2022 9.250
Total 132.139
Sumber: Data Penelitian (2022)
b. Data biaya pesan Gula Aren
Biaya pesan merupakan keseluruhan biaya yang ditanggung perusahaan akibat melakukan pemesanan Gula Aren per satu kali pesan kepada pihak supplier. Tabel 2 menunjukkan biaya pesan Gula Aren yang dikeluarkan Perusahaan Segi Tiga.
Tabel 2. Biaya pesan Gula Aren No. Komponen biaya Biaya (Rp/pesan)
1. Biaya telekomunikasi 12.000 2. Biaya administrasi 32.500
Total 44.500
Sumber: Data Penelitian (2022)
c. Data biaya simpan Gula Aren
Biaya simpan adalah keseluruhan biaya yang ditanggung perusahaan akibat melakukan penyimpanan terhadap stok Gula Aren di gudang sebagai tempat penyimpanan. Tabel 3 menunjukkan biaya simpan Gula Aren yang dikeluarkan Perusahaan Segi Tiga per tahunnya.
Tabel 3. Biaya simpan Gula Aren No. Komponen biaya Biaya (Rp/tahun)
1. Biaya listrik 900.000 2. Biaya tenaga kerja 2.400.000
Total 3.300.000
Sumber: Data Penelitian (2022)
d. Lead time pemesanan Gula Aren
Lead Time adalah waktu menunggu pesanan bahan baku sejak dilakukannya pemesanan hingga barang tiba di perusahaan. Berdasarkan hasil wawancara, waktu menunggu pesanan Gula Aren hingga tiba di perusahaan adalah ± 3 hari.
3.2 Perhitungan Peramalan Permintaan
Data kuantitas pemakaian Gula Aren yang telah diperoleh selanjutnya dilakukan peramalan (forecasting) untuk menentukan demand Gula Aren satu tahun ke depan. Teknik peramalan dilakukan untuk memperoleh ukuran demand yang paling mendekati nilai sebenarnya. Adapun metode peramalan yang dipilih yaitu metode Double Exponential Smoothing (DES) dan Regresi Linear. Tabel 4 menunjukkan pengolahan peramalan permintaan dengan menggunakan Metode DES dengan α = 0,1.
Tabel 4. Peramalan permintaan Gula Aren metode DES dengan α = 0,1
Bulan (t) Demand (X) S't S''t S't - S''t a b F MAD MSE MAPE
1 9.400 9.400 9.400 0
2 9.300 9.390 9.399 -9 9.381 -1
3 14.500 9.901 9.449 452 10.353 50 9.380 5.120 26.214.400 35,31%
4 9.250 9.836 9.488 348 10.184 39 10.403 1.153 1.329.409 12,46%
5 11.000 9.952 9.534 418 10.370 46 10.223 777 604.351 7,07%
6 8.650 9.822 9.563 259 10.081 29 10.417 1.767 3.121.406 20,42%
7 11.350 9.975 9.604 371 10.345 41 10.110 1.240 1.537.987 10,93%
8 8.750 9.852 9.629 223 10.076 25 10.387 1.637 2.678.629 18,70%
9 16.350 10.502 9.716 786 11.288 87 10.100 6.250 39.056.257 38,22%
10 13.189 10.771 9.822 949 11.720 105 11.375 1.814 3.289.830 13,75%
11 11.150 10.809 9.921 888 11.697 99 11.825 675 455.997 6,06%
12 9.250 10.653 9.994 659 11.312 73 11.796 2.546 6.480.409 27,52%
Total 132.139 120.863 115.519 5.344 116.807 594 106.015 22.978 84.768.675 190%
Rata-Rata 2297,819 8.476.867 19%
Sumber: Data Penelitian (2022)
Dari Tabel 4 dapat diketahui bahwa data permintaan awal berdasarkan data historis perusahaan disajikan pada kolom “Demand (X)” dan data hasil peramalan permintaan pada kolom “F”. Adapun contoh perhitungan peramalan permintaan Gula Aren pada Tabel 4 dapat dijelaskan pada contoh perhitungan peramalan bulan ke-3 dengan demand sebesar 14.500 kg sebagai berikut:
𝐹𝑡= 𝑎𝑡−1+ 𝑏𝑡−1
𝐹3= 𝑎3−1+ 𝑏3−1= 𝑎2+ 𝑏2= 9.381 + (−1) = 9.380
Sementara untuk mengetahui ukuran akurasi peramalan dihitung menggunakan tiga indikator, yaitu:
MAD (Mean Absolute Deviation), MSE (Mean Squared Error), dan MAPE (Mean Absolute Percentage Error). Ukuran akurasi peramalan merupakan nilai error yang diperoleh dari perbandingan hasil peramalan terhadap permintaan aktualnya. Adapun contoh perhitungan indikator tersebut dijelaskan pada perhitungan ukuran akurasi peramalan bulan ke-3 sebagai berikut:
a. Perhitungan MAD pada bulan ke-3:
𝑀𝐴𝐷 = |𝑋𝑡− 𝐹𝑡|
𝑀𝐴𝐷3= |14.500 − 9.380| = 5.120 b. Perhitungan MSE pada bulan ke-3:
𝑀𝑆𝐸 = |𝑋𝑡− 𝐹𝑡|2
𝑀𝑆𝐸3= |14.500 − 9.380|2= 26.214.400
c. Perhitungan MAPE pada bulan ke-3:
𝑀𝐴𝑃𝐸 = |𝑋𝑡−𝐹𝑡
𝑋𝑡 | × 100%
𝑀𝐴𝑃𝐸3= |14.500−9.380
14.500 | × 100% = 35,31%
Hasil ketiga ukuran akurasi peramalan yang diperoleh pada setiap bulan akan dihitung keseluruhan dan dicari rata-ratanya untuk selanjutnya dilakukan perbandingan dengan metode peramalan lainnya.
Sementara itu untuk hasil ukuran akurasi peramalan permintaan Gula Aren Metode DES pada α = 0,2 sampai dengan α = 0,9 disajikan pada Tabel 6.
Sebagai pembanding, peramalan permintaan Gula Aren juga dihitung menggunakan metode Regresi Linear. Tabel 5 menunjukkan pengolahan peramalan demand menggunakan Metode Regresi Linear.
Tabel 5. Peramalan permintaan Gula Aren metode regresi linear
Keterangan Bulan (X) Demand (Y) XY X2 Y’ MAD MSE MAPE
1 9.400 9.400 1 10.294,79 895 800.658 9,52%
2 9.300 18.600 4 10.425,12 1.125 1.265.895 12,10%
3 14.500 43.500 9 10.555,45 3.945 15.559.512 27,20%
4 9.250 37.000 16 10.685,77 1.436 2.061.437 15,52%
5 11.000 55.000 25 10.816,10 184 33.821 1,67%
6 8.650 51.900 36 10.946,42 2.296 5.273.548 26,55%
7 11.350 79.450 49 11.076,75 273 74.668 2,41%
8 8.750 70.000 64 11.207,07 2.457 6.037.198 28,08%
9 16.350 147.150 81 11.337,40 5.013 25.126.196 30,66%
10 13.189 131.890 100 11.467,72 1.721 2.962.800 13,05%
11 11.150 122.650 121 11.598,05 448 200.746 4,02%
12 9.250 111.000 144 11.728,37 2.478 6.142.327 26,79%
Total 78 132.139 877.540 650 132.139,00 22.271 65.538.806 197,57%
Rata-rata 1.855,93 5.461.567 16,46%
Sumber: Data Penelitian (2022)
Dari Tabel 5 dapat diketahui data permintaan awal berdasarkan data historis perusahaan disajikan pada kolom “Demand (Y)” dan data hasil pengolahan peramalan permintaan pada kolom “Y’”. Adapun contoh perhitungan peramalan permintaan Gula Aren menggunakan Metode Regresi Linear pada Tabel 5 dapat dijelaskan pada contoh perhitungan bulan ke-1 dengan demand sebesar 9.400 kg sebagai berikut:
a. Perhitungan nilai a:
𝑎 =(∑ 𝑌)(∑ 𝑋2)−(∑ 𝑋)(∑ 𝑋𝑌)
𝑛(∑ 𝑋2)−(∑ 𝑋)2 =(132.139)(650)−(78)(877.540)
12(650)−(78)2 = 10.164,47 𝑎 b. Perhitungan nilai β:
𝛽 =𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)
𝑛(∑ 𝑋2)−(∑ 𝑋)2 =12(877.540)−(78)(132.139)
12(650)−(78)2 = 130,33 c. Perhitungan hasil peramalan demand pada bulan ke-1:
𝑌𝑖 = 𝑎 + 𝛽(𝑋𝑖)
𝑌1= 10.164,47 + 130,33(1) = 10.294,79
Adapun contoh perhitungan ukuran akurasi peramalan MAD, MSE, dan MAPE pada peramalan Metode Regresi Linear dijelaskan pada perhitungan peramalan bulan ke-1 sebagai berikut:
a. Perhitungan MAD pada bulan ke-1:
𝑀𝐴𝐷 = |𝑌𝑡− 𝑌′𝑡|
𝑀𝐴𝐷1= |9.400 − 10.294,79| = 895 b. Perhitungan MSE pada bulan ke-1:
𝑀𝑆𝐸 = |𝑌𝑡− 𝑌′𝑡|2
𝑀𝑆𝐸1= |9.400 − 10.294,79|2= 800.658 c. Perhitungan MAPE pada bulan ke-1:
𝑀𝐴𝑃𝐸 = |𝑋𝑡−𝐹𝑡
𝑋𝑡 | × 100%
𝑀𝐴𝑃𝐸1= |9.400−10.294,79
9.400 | × 100% = 9,52%
Hasil ketiga ukuran akurasi peramalan yang diperoleh pada peramalan metode Regresi Linear akan dihitung keseluruhan dan dicari rata-ratanya untuk selanjutnya dilakukan perbandingan dengan metode
peramalan DES. Tabel 6 menunjukkan rekapitulasi peramalan permintaan Gula Aren dari dua metode yang telah dilakukan.
Tabel 6. Rekapitulasi peramalan permintaan Gula Aren Metode peramalan Ukuran akurasi peramalan
MAD MSE MAPE
DES dengan α = 0,1 2.298 8.476.867 19,05%
DES dengan α = 0,2 2.523 9.726.963 21,72%
DES dengan α = 0,3 2.761 11.399.843 24,05%
DES dengan α = 0,4 3.107 13.259.289 27,00%
DES dengan α = 0,5 3.440 15.410.584 29,81%
DES dengan α = 0,6 3.772 18.139.963 32,61%
DES dengan α = 0,7 4.124 21.905.519 35,62%
DES dengan α = 0,8 4.530 27.357.573 39,19%
DES dengan α = 0,9 5.049 35.455.647 43,90%
Regresi Linear 1.856 5.461.567 16,46%
Sumber: Data Penelitian (2022)
Berdasarkan hasil rekapitulasi pada Tabel 6 diketahui bahwa ukuran akurasi peramalan memperoleh nilai minimum pada peramalan metode Regresi Linear. Metode ini menghasilkan akurasi peramalan dengan MAD sebesar 1.856, MSE sebesar 5.461.567 dan MAPE sebesar 16,46%. Maka dari itu, metode Regresi Linear akan digunakan untuk peramalan demand Gula Aren satu tahun ke depan. Adapun perhitungan peramalan permintaan Gula Aren untuk 12 bulan ke depan dijelaskan pada perhitungan sebagai berikut:
a. Peramalan permintaan Bulan ke-13
𝑌13 = 𝑎 + 𝛽(𝑋13) = 10.164,47 + 130,33(13) = 11.858,76 b. Peramalan permintaan Bulan ke-14
𝑌14 = 𝑎 + 𝛽(𝑋14) = 10.164,47 + 130,33(14) = 11.989,09 c. Peramalan permintaan Bulan ke-15
𝑌15 = 𝑎 + 𝛽(𝑋15) = 10.164,47 + 130,33(15) = 12.119,42 d. Peramalan permintaan Bulan ke-16
𝑌16 = 𝑎 + 𝛽(𝑋16) = 10.164,47 + 130,33(16) = 12.249,75 e. Peramalan permintaan Bulan ke-17
𝑌17 = 𝑎 + 𝛽(𝑋17) = 10.164,47 + 130,33(17) = 12.380,08 f. Peramalan permintaan Bulan ke-18
𝑌18 = 𝑎 + 𝛽(𝑋18) = 10.164,47 + 130,33(18) = 12.510,41 g. Peramalan permintaan Bulan ke-19
𝑌19= 𝑎 + 𝛽(𝑋19) = 10.164,47 + 130,33(19) = 12.640,74 h. Peramalan permintaan Bulan ke-20
𝑌20= 𝑎 + 𝛽(𝑋20) = 10.164,47 + 130,33(20) = 12.771,07 i. Peramalan permintaan Bulan ke-21
𝑌21= 𝑎 + 𝛽(𝑋21) = 10.164,47 + 130,33(21) = 12.901,40 j. Peramalan permintaan Bulan ke-22
𝑌22= 𝑎 + 𝛽(𝑋22) = 10.164,47 + 130,33(22) = 13.031,73 l. Peramalan permintaan Bulan ke-23
𝑌23= 𝑎 + 𝛽(𝑋23) = 10.164,47 + 130,33(23) = 13.162,06 m. Peramalan permintaan Bulan ke-24
𝑌24= 𝑎 + 𝛽(𝑋24) = 10.164,47 + 130,33(24) = 13.292,39
Tabel 7 menunjukkan detail hasil peramalan permintaan Gula Aren menggunakan Metode Regresi Linear selama satu tahun ke depan.
Tabel 7. Peramalan permintaan Gula Aren dengan metode regresi linear
Bulan ke- Bulan Tahun Peramalan
13 April 2022 11.859
14 Mei 2022 11.989
15 Juni 2022 12.119
16 Juli 2022 12.250
17 Agustus 2022 12.380
Bulan ke- Bulan Tahun Peramalan
18 September 2022 12.510
19 Oktober 2022 12.641
20 November 2022 12.771
21 Desember 2022 12.901
22 Januari 2023 13.032
23 Februari 2023 13.162
24 Maret 2023 13.292
Total 150.906
Sumber: Data Penelitian (2022)
3.3 Perhitungan Kuantitas Pemesanan Optimal Metode EOQ
Setelah dilakukan peramalan permintaan, tahap selanjutnya pada penelitian ini yaitu menghitung kuantitas pemesanan optimal menggunakan metode EOQ. Adapun data yang diperlukan untuk perhitungan tersebut adalah:
a. Jumlah kebutuhan Gula Aren (demand) dalam satu tahun yang diperoleh dari total hasil peramalan pada Tabel 7, yaitu D = 150.906.
b. Biaya pemesanan Gula Aren dalam satu kali pesan, yaitu S = Rp44.500,00.
c. Biaya penyimpanan Gula Aren per kg, yaitu H = Rp21,87.
d. Lead Time, yaitu L = 3 hari.
Maka, kuantitas pemesanan Gula Aren berdasarkan Metode EOQ dapat diselesaikan sebagai berikut:
Q∗= √2DS
H = √2×150.906×44.500
21,87 = 24.782 kg
Jadi, kuantitas pemesanan Gula Aren optimal yang perlu dilakukan oleh perusahaan berdasarkan metode EOQ dalam satu kali pesan adalah sebesar 24.782 kg Gula Aren.
3.4 Menghitung Frekuensi Pemesanan Optimal
Frekuensi pemesanan optimal Gula Aren dapat diselesaikan dengan perhitungan sebagai berikut:
𝐹 = 𝐷
𝑄∗ =150.906
24.782 = 6,089 = 6 𝑘𝑎𝑙𝑖/𝑡𝑎ℎ𝑢𝑛
Jadi, frekuensi pemesanan Gula Aren optimal yang perlu dilakukan perusahaan adalah sebanyak 6 kali dalam satu tahun atau satu periodenya dengan satu kali pemesanan sebanyak 24.782 kg Gula Aren sesuai perhitungan Q*.
3.5 Perhitungan Ukuran Persediaan Pengaman
Dalam penelitian ini diasumsikan Perusahaan Segi Tiga menggunakan batas toleransi (α) yang masih diterima sebesar 5% dan service ratio sebesar 95%, sehingga faktor pengamannya (z) adalah 1,65. Untuk menentukan safety stock perlu diketahui standar deviasi terlebih dahulu yang dapat diselesaikan dengan perhitungan sebagai berikut:
Tabel 8. Perhitungan standar deviasi permintaan Gula Aren
No. Bulan Peramalan (x) (𝑥̅) (𝑥 − 𝑥̅) (𝑥 − 𝑥̅)2
1. April 11.859 12575,49 -716,79 513.785,70
2. Mei 11.989 12575,49 -586,46 343.939,19
3. Juni 12.119 12575,49 -456,14 208.061,98
4. Juli 12.250 12575,49 -325,81 106.154,07
5. Agustus 12.380 12575,49 -195,49 38.215,47
6. September 12.510 12575,49 -65,16 4.246,16
7. Oktober 12.641 12575,49 65,16 4.246,16
8. November 12.771 12575,49 195,49 38.215,47
9. Desember 12.901 12575,49 325,81 106.154,07
10. Januari 13.032 12575,49 456,14 208.061,98
11. Februari 13.162 12575,49 586,46 343.939,19
12. Maret 13.292 12575,49 716,79 513.785,70
Total 150.906 2.428.805,12
Sumber: Data Penelitian (2022)
Berdasarkan Tabel 8 di atas maka perhitungan standar deviasi dan persediaan pengaman (safety stock) untuk stok Gula Aren di Perusahaan Segi Tiga dapat diselesaikan sebagai berikut:
a. Perhitungan standar deviasi 𝜎 = √∑(𝑥−𝑥̅)2
𝑛 = √2.428.805,12
12 = 449,89 b. Perhitungan safety stock
𝑆𝑆 = 𝑧 × 𝜎 = 1,65 × 449,89 = 742 𝑘𝑔
Jadi, dengan standar deviasi sebesar 449,89, maka persediaan pengaman Gula Aren yang perlu dimiliki oleh Perusahaan Segi Tiga adalah sebesar 742 kg.
3.6 Perhitungan Ukuran Titik Pemesanan Ulang
Jika diasumsikan bahwa perusahaan memiliki 52 minggu waktu bekerja, maka untuk memperoleh ukuran titik pemesanan ulang (reorder point) yang tepat dapat diselesaikan sebagai berikut:
a. Menghitung rata-rata demand per bulan:
𝑑 =𝐷
𝑛 =150.906
12 = 12.575,49 𝑘𝑔 𝑑 b. Menghitung lead time pemesanan:
𝐿 = 3 ℎ𝑎𝑟𝑖 =3
7×12
52= 0,099 𝑏𝑢𝑙𝑎𝑛 c. Menghitung titik pemesanan ulang (ROP):
𝑅𝑂𝑃 = 𝑑̅ × 𝐿 + 𝑆𝑆 = 12.575,49 × 0,099 + 742 = 1.986 𝑘𝑔
Jadi, berdasarkan hasil perhitungan titik pemesanan ulang (ROP), Perusahaan Segi Tiga perlu melakukan pemesanan ulang Gula Aren bila persediaan telah mencapai kuantitas persediaan 1.986 kg Gula Aren.
3.7 Perhitungan Total Biaya Persediaan (TIC)
Total Inventory Cost (TIC) adalah keseluruhan biaya yang ditanggung perusahaan akibat kegiatan persediaan termasuk biaya safety stock jika ada. Pada penelitian ini harga dari bahan baku tidak ikut diperhitungkan untuk agar hasil perhitungan lebih sederhana. Adapun total biaya persediaan berdasarkan Metode EOQ dapat diselesaikan sebagai berikut:
𝑇𝐼𝐶 𝐸𝑂𝑄 = (𝑄∗
2 × 𝐻) + (𝐷
𝑄∗× 𝑆) + (𝑆𝑆 × 𝐻) 𝑇𝐼𝐶 𝐸𝑂𝑄= (24.782
2 × 21,87) + (150.906
24.782 × 44.500 ) + (742 × 21,87) 𝑇𝐼𝐶 𝐸𝑂𝑄= 270.970,48 + 270.970,48 + 16.232,96 = 𝑅𝑝558.173,91
Jadi, TIC berdasarkan perhitungan EOQ yang perlu dibayarkan Perusahaan Segi Tiga adalah sebesar Rp558.173,91 per tahun. Sementara itu, TIC yang dikeluarkan jika berdasarkan kebijakan lama Perusahaan Segi Tiga dapat dihitung sebagai berikut:
𝑇𝐼𝐶 𝑃𝑒𝑟𝑢𝑠𝑎ℎ𝑎𝑎𝑛 = (𝑑̅ × 𝐻) + (𝑛 × 𝑆)
𝑇𝐼𝐶 𝑃𝑒𝑟𝑢𝑠𝑎ℎ𝑎𝑎𝑛= (12575,49 × 21,87) + (12 × 44.500) = 𝑅𝑝809.000,00
Jadi, jika berdasarkan kebijakan lama Perusahaan Segi Tiga di mana pemesanan Gula Aren dilakukan setiap bulan, maka biaya persediaan yang perlu dibayarkan adalah sebesar Rp809.000,00 per tahun.
3.8 Pembahasan
Berdasarkan pengolahan data yang telah dilakukan, peramalan permintaan (demand) untuk kebutuhan Gula Aren sebagai bahan baku kecap satu tahun ke depan digunakan metode Regresi Linear.
Metode ini dipilih karena menghasilkan ukuran akurasi peramalan paling rendah. Metode Regresi Linear menghasilkan akurasi peramalan dengan MAD sebesar 1.856, MSE sebesar 5.461.567 dan MAPE sebesar 16,46%. Sehingga setelah dilakukan perhitungan peramalan dengan Metode Regresi Linear, untuk satu tahun ke depan (April 2022 – Maret 2023) Perusahaan Segi Tiga membutuhkan total permintaan Gula Aren sebanyak 150.906 kg.
Total permintaan Gula Aren untuk satu tahun ke depan yang telah diperoleh selanjutnya dilakukan perhitungan kembali menggunakan metode EOQ untuk menentukan kebijakan pembeliannya. Dengan
biaya pemesanan sebesar Rp44.500/sekali pesan, biaya penyimpanan sebesar Rp21,87/kg dan lead time selama ±3 hari, didapatkan kuantitas pemesanan optimal (Q*) berdasarkan metode EOQ sebesar 24.782 kg.
Sementara frekuensi dalam pemesanannya dilakukan sebanyak 6 kali/tahun sepanjang April 2022 –Maret 2023. Pemesanan tersebut dilakukan apabila stok Gula Aren telah mencapai kuantitas 1.986 kg sesuai dengan hasil perhitungan reorder point yang telah dilakukan. Untuk menghindari stock out, berdasarkan hasil perhitungan perusahaan juga perlu memiliki stok pengaman (safety stock) dengan ukuran kuantitas sebanyak 742 kg pada setiap persediaannya. Gambar 2 menunjukkan grafik hasil perhitungan metode EOQ terhadap persediaan Gula Aren di Perusahaan Segi Tiga.
Gambar 2. Grafik EOQ persediaan Gula Aren Sumber: Data Penelitian (2022)
Adapun perbandingan total biaya persediaan berdasarkan Metode EOQ dan berdasarkan kebijakan perusahaan dapat dilihat pada Tabel 9.
Tabel 9. Perbandingan total biaya persediaan metode EOQ dan perusahaan
No. Metode persediaan Total biaya (Rp)
1. EOQ 558.173,91
2. Perusahaan 809.000,00
Selisih 250.826,09
Penghematan 31,00%
Sumber: Data Penelitian (2022)
Berdasarkan Tabel 9 diketahui bahwa metode EOQ memberikan efisiensi biaya persediaan Gula Aren sampai dengan 31% dibanding dengan biaya berdasarkan kebijakan perusahaan. Sehingga dalam satu tahunnya Perusahaan Segi Tiga dapat menghemat total biaya persediaan hingga Rp250.826,09. Biaya tersebut juga sudah termasuk biaya untuk persediaan pengaman karena kebijakan lama Perusahaan Segi Tiga tidak memiliki kebijakan safety stock. Selain itu, dengan metode EOQ terdapat beberapa kebijakan baru yang lebih terukur yang dapat berpengaruh terhadap efisiensi kebijakan persediaan Gula Aren di Perusahaan Segi Tiga, di antaranya:
a. Adanya kuantitas pemesanan optimal Gula Aren.
b. Adanya frekuensi pemesanan yang lebih sedikit yaitu 6 kali/tahun sehingga memberikan penghematan biaya pemesanan.
c. Adanya ukuran safety stock untuk menanggulangi kejadian stock out dan penundaan proses produksi akibat kekurangan persediaan Gula Aren.
d. Adanya kebijakan titik pemesanan ulang sebagai jadwal pemesanan bahan baku untuk menghindari overstock.
4. Kesimpulan
Berdasarkan hasil penelitian dan pembahasan yang telah dikaji dapat disimpulkan bahwa pengendalian persediaan Gula Aren sebagai bahan baku kecap di Perusahaan Segi Tiga memperoleh hasil
Tingkat Persediaan (Kg)
742 1.986 25.524
Waktu Safety Stock Reorder Point EOQ (Q*)
L= 3 hari
0
optimal jika menerapkan metode EOQ dan Forecasting. Penelitian ini menghasilkan total peramalan permintaan Gula Aren untuk satu tahun ke depan sebesar 150.906 kg, kuantitas pemesanan Gula Aren yang optimal sebesar 24.782 kg dengan frekuensi pembelian ideal yakni 6 kali per tahun. Pemesanan dapat dilakukan apabila tingkat persediaan Gula Aren telah mencapai titik reorder point pada 1.986 kg.
Perusahaan juga memperoleh ukuran safety stock sebesar 742 kg sebagai cadangan persediaan agar meminimalkan kejadian stock out.
Metode EOQ juga memberikan Total Inventory Cost (TIC) yang lebih ekonomis yaitu sebesar Rp558.173,91 jika dibandingkan dengan total biaya persediaan berdasarkan kebijakan perusahaan yaitu sebesar Rp809.000,00. Sehingga, metode EOQ layak untuk diterapkan sebagai metode pengendalian persediaan Gula Aren di Perusahaan Segi Tiga karena selain memberikan ukuran pemesanan optimal, safety stock dan reorder point juga memberikan efisiensi total biaya persediaan hingga 31%.
5. Referensi
[1] A. Nasution and C. Indriya, “Pembelian Bahan Baku Optimal Ready Mix Concrete dengan Metode Economic Order Quantity,” J. Sist. Tek. Ind., vol. 22, no. 2, pp. 25–32, 2020, doi:
10.32734/jsti.v22i2.3827.
[2] P. Fithri and R. Adinny, “Minimasi Biaya Persediaan Batubara dengan Pendekatan Economic Order Quantity (EOQ) di PT. Semen Padang,” J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek.
Ind., vol. 6, no. 2, p. 79, 2020, doi: 10.24014/jti.v6i2.9548.
[3] R. Mujiastuti, P. Meilina, and M. Anwar, “Implementasi Metode Economic Order Quantity (EOQ) Pada Sistem Informasi Produksi Kopi,” J. Sist. Inf. Teknol. Inform. dan Komput., vol. 8, no. 2, pp.
119–126, 2020.
[4] F. Sulaiman and N. Nanda, “Pengendalian Persediaan Bahan Baku Dengan Menggunakan Metode EOQ Pada UD. Adi Mabel,” Teknovasi, vol. 2, no. 1, pp. 1–11, 2015.
[5] D. Mayasari and Supriyanto, “Analisis Pengendalian Persediaan Bahan Baku Menggunakan Metode EOQ (Economic Order Quantity) Pada PT. Suryamas Lestari Prima,” J. Bisnis Adm., vol. 05, pp. 26–
32, 2016, doi: 10.55445/bisa.v10i02.10.
[6] R. Yudaruddin, Forecasting untuk Kegiatan Ekonomi dan Bisnis. Samarinda: RV Pustaka Horizon, 2019.
[7] O. E. Andira, “Analisis Persediaan Bahan Baku Tepung Terigu Menggunakan Metode EOQ (Economic Order Quantity) Pada Roti Puncak Masyarakat,” J. Ekon. Bisnis, vol. 21, pp. 201–208, 2016.
[8] M. Andiana and G. Pawitan, “Aplikasi Metode EOQ Dalam Pengendalian Persediaan Bahan Baku PT X,” J. Akunt. Maranatha, vol. 10, no. 1, pp. 30–40, 2018, doi: 10.28932/jam.v10i1.926.
[9] P. Dewi et al., “Analisis Pengendalian Persediaan dengan Metode (EOQ) Economic Order Quantity guna Optimalisasi Persediaan Bahan Baku Pengemas Air Mineral,” J. Akunt. Profesi, vol. 10, no. 2, pp. 1–12, 2019, [Online]. Available: https://ejournal/undiksha.ac.id
[10] E. A. Rahman, W. Wahyudin, and M. Rizal, “Pengendalian Pengadaan Bahan Baku Sambal Seafood Menggunakan Metode Economic Order Quantity,” Go-Integratif, vol. 03, no. 02, pp. 110–124, 2022.
[11] L. Safitri, T. P. Utomo, P. S. Anungputri, and H. Al Rasyid, “Analisis Pengendalian Persediaan Bahan Baku Melte Vanana Dengan Menggunakan Metode Economic Order Quantity (EOQ) Pada CV. Vanana Jaya Sinergi,” J. Agroindustri Berkelanjutan, vol. 1, no. 1, pp. 99–106, 2022, [Online].
Available: https://jurnal.fp.unila.ac.id/index.php/JAB/article/view/5638
[12] R. E. Utama, N. A. Gani, Jaharuddin, and A. Priharta, Manajemen Operasi, First Edit., no.
September. Tangerang Selatan: UM Jakarta Press, 2019.
[13] V. A. Pradana and R. B. Jakaria, “Pengendalian Persediaan Bahan Baku Gula Menggunakan Metode EOQ Dan Just In Time,” Bina Tek., vol. 16, no. 1, p. 43, 2020, doi: 10.54378/bt.v16i1.1816.
[14] L. Lestari and A. F. Hadining, “Metode Economic Order Quantity (EOQ) Sebagai Analisis Kontrol Persediaan Bahan Baku pada PT. Metalindo Teknik Utama Method of Economic Order Quantity ( EOQ ) as an Analysis of Raw Material Inventory Control at PT Metalindo Main Engineering,” J.
Rekayasa Sist. Dan Ind., vol. 9, 2022.
[15] H. I. Unsulangi, A. H. Jan, and F. Tumewu, “Analisis Economic Order Quantity (EOQ) Pengendalian Persediaan Bahan Baku Kopi Pada PT. Fortuna Inti Alam,” J. EMBA J. Ris. Ekon. Manajemen, Bisnis dan Akunt., vol. 7, no. 1, pp. 51–60, 2019, doi: 10.35794/emba.v7i1.22263.
