2012200338MNTIBab2001

BAB 2

LANDASAN TEORI

2.1

Perencanaan

Perencanaan terdiri dari dua elemen, yakni rencana dan sasaran. Robbins

dan Coulter (2004, 176) mengatakan “Rencana adalah dokumen yang

merangkum cara mencapai sasaran dan biasanya menggambarkan alokasi sumber

daya, penyusunan jadwal, dan tindakan lain yang diperlukan untuk mencapai

sasaran” dan”

Sasaran adalah hal yang ingin dicapai oleh individu, grup, atau

seluruh organisasi.”

Organisasi

yang melakukan perencanaan lazimnya akan

menunjukan hasil positif atau dengan kata lain memiliki keunggulan

dibandingkan dengan organisasi yang tidak melakukan perencanaan.

Dalam

prakteknya, organisasi atau perusahaan memiliki beragam tujuan baik jangka

pendek maupun jangka panjang. Penekanan sasaran jangka panjang tidak dapat

mengabaikan sasaran-sasaran lain yang harus dapat dicapai dalam jangka

pendek. Secara manajemen, perencanaan adalah proses mendefinisikan tujuan

organisasi, membuat strategi untuk mencapai tujuan itu, dan mengembangkan

rencana aktivitas kerja organisasi.

Menurut Jacobs, Chase, dan Aquilano (2009, 122) menyebutkan rentang

waktu perencanaan kapasitas dalam manajemen operasi dibagi dalam 3 tipe :

Jangka pendek

Perencanaan jangka pendek adalah tipe perencanaan yang digunakan

untuk waktu kurang dari satu bulan, mengikat suatu proses yang

terjadwal per hari atau per minggu. Tujuan perencanaan jangka

pendek adalah untuk mengeliminasi variasi yang terlalu banyak

antara rencanaan dan realisasinya.

Jangka menengah

Perencanaan per bulan atau per quarter untuk 6-18 bulan ke depan.

Dalam hal ini, variasi kapasitas tergantung pada peralatan baru,

hiring, sub-kontrak, dll.

Jangka panjang

Perencanaan yang memakan rentang waktu lebih dari 1 tahun, dimana

dibutuhkan waktu lama untuk memperoleh ataupun membuang

sumber produktivitas seperti bangunan, peralatan dan perlengkapan,

fasilitas, dll.

Dalam konteks manajemen operasional, perencanaan kapasitas yang

dimaksud adalah jumlah bahan baku atau input yang dsediakan untuk memenuhi

permintaan atau menghasilkan output pada periode tertentu. Perencanaan

bertujuan untuk menentukan arah awal dari tindakan-tindakan yang akan

dilakukan pada masa mendatang. Kaitannya dengan masa mendatang, maka

perencanaan disusun atas dasar data masa lalu dengan menggunakan asumsi.

Oleh karenanya, perencanaan

tidak selalu member hasil yang akurat yang

sebagaimana diharapkan dalam rencana tersebut. Penyimpangan-penyimpangan

pastilah terjadi dalam periode berjalan, sehingga setiap perencanaan harus

dilakukan evaluasi berkala sejalan dengan pengendalian, agar apabila terjadi

penyimpangan terjadi dalam skala besar dapat dilakukan tindakan penyesuaian

yang membenahi penyimpangan tersebut sesegera mungkin.

2.2

Pengendalian

Seperti yang telah dikatan pada sub-bab perencanaan, sebuah rencana

yang telah disusun bisa saja tidak sesuai dengan fakta yang akan terjadi. Sebaik

apapun perencanaan yang disusun tidak akan efektif tanpa adanya program

pengendalian. Sederhananya, pengendalian didefinisikan sebagai proses yang

dibuat untuk menjaga realisasi dari suatu aktivitas bisnis sesuai dengan yang

direncanakan. Dan sesuai fungsinya, aktivitas-aktivitas pengendalian menurut

Nasution, Arman Hakim (2003, 20) adalah sebagai berikut :

Mengukur realisasi dari rencana,

Membandingkan realisasi dengan rencana,

Mengamati penyimpangan yang terjadi,

Menganalisa sebab-sebab terjadinya penyimpangan,

Melakukan tindakan perbaikan

Adapun tujuan umum setiap perusahaan, baik perusahaan manufaktur

maupun jasa adalah memikul tanggung jawab dalam proses bisnis yang sukses,

ekonomis, tepat waktu, dan

sesuai dengan janji yang diberikan, serta

memperoleh keuntungan. Kegiatan perencanaan dan pengendalian produksi

semata untuk mengkoordinasikan kegiatan dari bagian-bagian yang langsung

maupun tidak langsung dalam perusahaan menjalankan proses bisnisnya,

merencanakan, menjadwalkan, dan mengendalikan kegiatan produksi dari mulai

tahapan awal, sampai suatu barang dihasilkan dan dinikmati oleh konsumennya

sehingga perusahaan itu betul-betul menjalankan prosesnya dengan efisien dan

efektif.

Menurut Jacobs, Chase, dan Aquliano (2009, 6), efisiensi berarti

melakukan sesuatu dengan cost

atau biaya seminimum mungkin. Dengan kata

lain, efisiensi terjadi apabila suatu hal dilakukan dengan memanfaatkan input

yang ada sekecil mungkin, baik waktu, biaya, bahan baku, tenaga kerja, dsb

untuk menghasilkan output

sebaik mungkin.

Sedangkan efektivitas lebih

berkaitan dengan nilai utama dalam pencapaian perusahaan. Bagaimana suatu

perusahaan menjalankan prosesnya dengan benar sehingga terlihat nilai kualitas

yang positif dari perusahaan tersebut.

2.3

Peramalan

Monks, Joseph G. (1996, 39) berpendapat “Forecasting are estimates of

the occurance, timing, or magnitude of uncertain future events.” Secara

operational, aktivitas seorang manager lebih fokus kepada estimasi atau

perkiraan permintaan, diperoleh dari kegiatan marketing perusahaan yang

berfungsi untuk menimbulkan minat atau keinginan masyarakat terhadap suatu

produk atau jasa yang ditawarkan oleh perusahaan. Dalam pasar yang kompleks

dan dinamis, banyak hal yang mempengaruhi permintaan, seperti kondisi social,

ekonomi, politik, teknologi, persaingan, produk pengganti, dll. Peramalan atau

estimasi dalam hal permintaan dalam situasi ini akan sangat dibutuhkan

berhubungan dengan

fungsinya sebagai dasar perencanaan bagi perusahaan

dalam mengatur pembelian, penganggaran, jumlah tenaga kerja yang dibutuhkan,

dsb, misalnya seperti kegiatan pembelian bahan baku atau barang pendukung

operasional perusahaan disesuaikan dengan kapasitas gudang, anggaran untuk

penyimpanan dan pemeliharaan barang, penanggung jawab. Kelihaian seorang

manager dalam merencanakan dan mengatur agar kapasitas perusahaan yang ada

dimaksimalkan sedemikian rupa dengan input seefisien mungkin akan membawa

perusahaan untuk melangkah ke tahap selanjutnya, yaitu tanggung jawab

pelayanan terhadap konsumen, hal tersebut menguntungkan, karena profitabilitas

perusahaan akan bertambah seiring dengan kemajuan perusahaan.

Peramalan menurut jangka waktu menurut Nasution, Arman Hakim (2003, 16)

dibagi dalam 3 horizon waktu :

Peramalan jangka panjang, berkisar 2-10 tahun. Biasanya peramalan

digunakan untuk perencanaan produk dan sumber daya.

Peramalan jangka menengah, berkisar 1-12

bulan. Biasanya

digunakan untuk menentukan aliran kas, perencanaan produksi, dan

penentuan anggaran.

Peramalan jangka pendek, berkisar 1-5 minggu. Biasanya digunakan

untuk pengambilan keputusan dalam hal perlu tidaknya lembur,

penjadwalan kerja, dll.

Nasution, Ir. Arman Hakim (2003,

29) menjabarkan beberapa sifat hasil

peramalan, yakni:

Peramalan pasti

mengandung kesalahan, artinya, bisa mengurangi

ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan

ketidakpastian tersebut.

Peramalan harus member informasi tentang berapa ukuran kesalahan,

karena peramalan pasti mengandung kesalahan. Maka, adalah penting

bagi peramal untuk menginformasikan seberapa besar kesalahan yang

mugnkin terjadi.

Peramalan jangka pendek lebih akurat dibandingkan dengan

peramalan jangka panjang. Hal ini disebabkan faktor-faktor yang

mempengaruhi peramalan relative konstan, sedangkan semakin

panjang periode peramalan, maka semakin besar pula kemungkinan

terjadinya perubahan factor yang mempengaruhi permintaan.

Dalam mengukur akurasi hasil permintaan dapat menggunakan 4 tipe

pengukuran, yaitu :

Rata-rata Deviasi Mutlak (Mean Absolute Deviation atau MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa

memperhatikan apakah hasil peramalan lebih kecil atau lebih besar bila

dibandingkan dengan kenyataannya.

MAD secara matematis dirumuskan sebagai berikut :

MAD

Dimana :

At = permintaan actual pada periode-t

Ft = Peramalan permintaan (forecast) pada periode-t

n = Jumlah periode peramalan yang terlibat

Rata-rata Kuadrat Kesalahan (Mean Square Error atau MSE)

MSE dihitung dengan menjumlah kuadrat semua kesalahan peramalan pada

setiap periode dan membaginya dengan jumlah periode peramalan. MSE

dirumuskan sebagai berikut :

MSE

Rata-rata Kesalahan Peramalan (Mean Forecast Error atau MFE)

MFE efektif untuk mengetahui suatu hasil peramalan dalam periode tertentu

terlalu tinggi atau terlalu rendah. Bila hasil peramalannya tidak bias, maka

MFE akan mendekati nol.MFE dihitung dengan menjumlah semua kesalahan

peramalan dan membaginya dengan jumlah periode peramalan. MFE secara

sistematis adalah sebagai berikut :

MFE

Rata-rata persentase Kesalahan Absolute (Mean Absolute Percentage Error

atau MAPE)

MAPE mengukur kesalahan relative dan biasanya lebih berarti dibandingkan

dengan MAD, karena MAPE menyatakan persentase kesalahan hasil

peramalan terhadap permintaan actual selama periode tertentu. Informasi

yang diberikan adalah persentasi kesalahan yang terlalu tinggi atau terlalu

rendah. MAPE dirumuskan sebagai berikut :

MAPE

100

Dalam manajemen permintaan, ada 2 macam tipe permintaan. Permintaan

akan produk atau jasa yang timbul karena adanya permintaan akan produk dan

jasa yang lain dikenal sebagai dependent demand. Sedangkan permintaan yang

timbul dari kemungkinan perusahaan itu sendiri dapat melakukan penjualan atau

menciptakan keinginan konsumen, disebut sebagai independent demand. Tidak

banyak yang dapat perusahaan lakukan untuk dependent demand, tetapi untuk

hal yang fluktuatif seperti independent demand, peramalan dapat diterapkan

dengan memilih satu metode peramalan dari beberapa tipe

dasarnya, yaitu :

qualitative, time series analysis, causal relationships, simulation.

2.3.1

Peramalan Time Series

Peramalan time series diprediksikan berdasar data yang telah lampau atau

yang telah terjadi.

Pola time series didasarkan pada asumsi deret waktu yang

terdiri dari Trend, Siklus/Cycle, Pola Musiman/Season, Variasi Acak/Random.

Pola siklus (C)

apabila permintaan akan produk atau jasa memiliki siklus

yang berulang secara periodic. Biasanya lebih dari 1 tahun sehingga tidak

dimasukkan dalam peramalan jangka pendek.

Pola trend (T) merupakan sifat dari permintaan di masa lalu terhadap waktu

terjadinya, apakah permintaan tersebut cenderung naik atau turun.

Pola musiman (S) permintaan suatu produk atau jasa dapat naik turun di

sekitar garis trend dan biasanya berulang setiap tahun.

Pola ini biasanya

disebabkan oleh factor cuaca, libur panjang, hari raya, dll yang berulang

secara periodic setiap tahun.

Variasi acak (R) membentuk pola yang bervariasi secara acak karena factor-

faktor yang tak terduga, seperti bencana alam, perusahaan pesaing bangkrut,

dan kejadian-kejadian lain yang tidak memiliki pola tertentu.

Gambar 2.1

Grafik Time Series

Simple Moving Average

Simple moving average terjadi pada saat suatu permintaan akan produk

atau jasa berkembang atau bahkan menurun secara cepat dengan karakeristik

periode waktu yang tidak jelas. Moving average

diperoleh dengan merata-

rata permintaan berdasar data permintaan masa lalu yang terbaru. Dengan

merata-ratakan beberapa nilai data, variasi acak permintaan dan hubungannya

dengan waktu dapat dikurangi. Memiliki periode yang tepat dalam

mengaplikasikan metode ini sangat penting karena akan mengakibatkan efek

yang berbeda pada tiap penetapan periode.semakin panjang periode moving

average,

maka data acak akan semakin diperhalus grafiknya. Secara actual,

simple moving average dapat dituliskan sebagai berikut :

Dimana :

At = Permintaan actual pada periode-t.

N = Jumlah data permintaan yang dilibatkan dalam perhitungan

MA.

Kelemahan dari metode moving average ini adalah :

Peramalan berdasar pada N data terakhir tanpa mempertimbangkan

data-data sebelumnya

Setiap data dianggap memiliki bobot yang sama, padahal data yang

paling baru justru memiliki bobot yang lebih tinggi karena dianggap

merepresentasikan kondisi yang terakhir terjadi.

Apabila N cukup besar, maka membutuhan memori yang cukup besar

untuk mengkompilasinya.

Weighted Moving Average

Metode ini hamper sama dengan

metode moving average, hanya saja

pada setiap komponennya diberikan bobot yang setara. Bobot yang diberikan

dalam weight moving average boleh berbeda-beda pada setiap komponennya,

asalkan hasil penjumlahan bobot tersebut sama dengan 1.

Weight Moving Average

secara sistematis dituliskan sebagai berikut :

WMA

dimana

Wt adalah

bobot permintaan actual

pada periode-t dan At adalah permintaan actual pada periode-t.

Exponential Smoothing

Berbeda dengan metode peramalan time series yang sebelumnya dibahas,

yakni membuang atau mengabaikan data yang lampau dan lebih terfokus

pada kalkulasi data yang baru, maka metode exponential smoothing

tetap

memperhitungkan data yang telah lampau dengan bobot yang lebih rendah

daripada bobot data yang baru. Setiap penambahan data masa lampau, maka

bobotnya akan dikurangi dengan (1-a). Misalnya, a = 0,05, maka bobot untuk

periode-periode sebelumnya ada sebagai berikut :

Bobot periode saat ini

a (1- a)

0,05

Bobot 1 periode sebelumnya

a (1- a)¹

0,0475

Bobot 2 periode sebelumnya

a (1- a)²

0,0451

Bobot 3 periode sebelumnya

a (1- a)³

0,0429

Metode exponential smoothing

banyak digunakan dan lebih diterima

karena lebih akurat, mudah digunakan dan dimengerti oleh users. Persamaan

peramalan exponential smoothing dapat dituliskan sebagai berikut :

)

(

Dimana :

Ft = Peramalan exponential smoothing untuk periode t

Ft-1 = Peramalan exponential smoothing pada periode t-1

At-1 = Jumlah permintaan pada periode t-1

= konstanta exponential smoothing

Linear Regression

Regresi dapat didefinisikan sebagai fungsi yang menghubungkan

atau lebih

variable yang saling berkolerasi. Data yang direkam memiliki

bentuk garis lurus linear

dengan kemiringan tertentu. Regresi menunjukan

hubungan antara dependent variable

Y dengan independent variable

Simple linear regression bermula dari bentuk :

Nilai untuk kemiringan garis, slope b dan intercept a didapatkan dari :

Dalam hubungannya dengan time series, linear regression biasanya

digunakan untuk mencari hubungan antara dependent variable

(axis Y)

terhadap waktunya (di axis X).

Decomposisiton

Decomposition dalam hal ini diartikan oleh Jacobs, Chase, dan Aquilano

(2009,

487) adalah suatu pengidentifikasian dan pemisahan data menjadi

beberapa komponen untuk mencari perpindahan

atau pergerakan

relative

yang disebabkan oleh trend dan musim. Variasi musim dikelompokan

menjadi 2 bagian, yaitu additive seasonal variation

dan multiplicative

seasonal variation. Perbedaannya terdapat pada jumlah permintaan disetiap

musimnya. Pada additive seasonal variation

permintaannya cenderung

mengalami perubahan yang konstan, tidak terpengaruh pada trend.

Sedangkan pada multiplicative

seasonal variation, trend berpengaruh

terhadap permintaan musiman, sehingga penambahan atau penurunan

permintaan dari periode satu ke periode selanjutnya tidak konstan. Secara

garis besar, kedua variasi peramalan seasonal tersebut dirumuskan sebagai

berikut :

Forecast Additive = Trend (Y) + Seasonal Factor

Forecast Multiplicative = Trend (Y) x Seasonal Factor

Sedangkan untuk kalkulasi sederhana dari decomposition tme series yang

tidak

menggunakan trend, peramalan dapat dilakukan dengan mengalikan

seasonal factor dengan rata-rata permintaan.

Dalam

menentukan peramalan decomposition, diperluan indeks untuk

menyesuaikan trend dan musim yang terjadi pada data yang diolah. Langkah-

langkah yang digunakan dalam melakukan peramalan decomposition

menurut Jacobs, Chase, dan Aquilano (2009,490) adalah sebagai berikut:

Komponen seasonal atau seasonal factor atau index

Deseasonalize original data.

Hal ini dilakukan untuk mengurangi efek seasonal pada data dengan

membagi data periode tersebut dengan seasonal factor-nya.

Komponen trend

Tujuannya adalah untuk mengembangkan data trend line Y yang telah

disebutkan pada metode sebelumnya menggunakan seasonal factor.

Persamaannya dalam hal ini adalah sebagai berikut:

Dimana:

Y = Trend/demand yang dihasilkan dari persamaan Y = a + bX

Yd = deseasonalized demand

X = quarter

a = Y intercept

b = slope kemiringan regresi

Menghitung permintaan per period melalui persamaan garis regresi.

Menghitung peramalan akhir dengan mengalikan seasonal factor dengan

hasil persamaan per periode.

2.3.2

Simulasi Monte Carlo

Menurut Drs. Zulian Yamit, M. Si (2005, 213), simulasi Monte Carlo

adalah tipe simulasi probabilistic untuk mencari penyelesaian masalah dengan

sampling dari proses random. Langkah-langkah simulasi Monte Carlo adalah

sebagai berikut :

Definisi distribusi probabilitas yang ingin diketahui dan pastikan variable

kunci.

Mengubah distribusi frekuensi menjadi distribusi probablitas.

Menentukan nilai variable yang akan digunakan dalam simulasi dari

random sampel distribusi probabilitas kumulatif. Caranya dengan

menggunakan angka yang terdapat dalam table random. Angka random

dimasukkan dalam distribusi probabilitas kumulatif untuk memperoleh

nilai variable setiap pengamatan.

Variable acak adalah variable yang diambil dari nilai-nilai yang berbeda

sebagai hasil akhir dari suatu eksperimen acak (Levin, Richard I., 1992, p. 54).

Variabel acak dapat dapat berupa nilai diskrit maupun continuous. Variabel

diskrit merupakan variable yang memiliki batas angka dalam nilai yang diambil.

Sedangkan variable continuous merupakan variable yang memiliki range dalam

nilainya. Variable acak ini dapat digunakan sebagai simulasi suatu kejadian yang

tidak dapat diramalkan atau diprediksikan.

2.4

Persediaan

didefinisikan oleh Nasution, Arman Hakim (2003,103), adalah

sebagai sumber daya yang menganggur yang menunggu proses lebih lanjut.

Proses lebih lanjut yang dimaksud berupa kegiatan produksi pada system

manufaktur, system distribusi, ataupun kegiatan konsumsi.

Persediaan menurut Render, Berry (2001; 314) menyatakan beberapa fungsi

persediaan sebagai berikut:

Memberikan suatu stok barang-barang agar dapat memenuhi permintaan

yang diantisipasi akan timbul dari konsumen.

Memasangkan produksi dengan distribusi. Misalnya, menyimpan

cadangan stok karena produksi perusahaan fluktuatif, sehingga

dibutuhkan persediaan ekstra untuk memasangkan proses produksinya.

Menghindari inflasi dan perubahan harga.

Menghindari kekurangan stock karena perubahan iklim, dan hal-hal lain

yang tidak terencana.

Mengambil keuntungan potongan harga dari pembelian dalam jumlah

besar.

Menjaga agar operasi dapat berlangsung dengan baik.

Adapun jenis persediaan meliputi 4 jenis:

Persediaan bahan mentah

Barang yang telah dibeli, namun belum mengalami proses apapun.

Dalam stok bahan mentah, perusahaan lebih menyukai minimalnya

variasi mutu, harga, jumlah, dan jadwal pengiriman.

Persediaan barang dalam proses

Barang yang telah mengalami beberapa perubahan atau proses, tapi

belum selesai. Barang tersebut ada karena proses untuk mengubah

bahan mentah menjadi suatu produk yang memiliki fungsi

membutuhkan waktu.

Persediaan MRO (perlengkapan/pemeliharaan/perbaikan/operasi)

Barang yang sedang dalam proses pemeliharaan atau perbaikan,

karena sudah terjadwal ataupun mendadak unuk mengantisipasi hal

yang tidak diinginkan konsumen.

Persediaan barang jadi.

Barang yang telah selesai diproses dan menunggu untuk

didistribusikan. Barang jenis ini bisa saja tidak langsung

didistribusikan untuk jangka waktu tertentu, sehingga diperlukan

gudang untuk menyimpannya.

2.4.1

Inventory control

Inventory control adalah suatu system yang memonitor smua transaksi

yang terjadi pada inventory, terutama pada jumlah transaksi dan waktu transaksi.

Jacobs, Chase, dan Aquilano dalam buku Operations &

Supply Management

(2009,548) menyebutkan beberapa tujuan inventory, yakni :

Menjaga kelancaran operasi bisnis perusahaan

Mengetahui variasi permintaan

Fleksibilitas penjadwalan produksi

Menjaga hal-hal yang tak terduga seperti keterlambatan pengiriman

bahan

Mengambil keuntungan dari ukuran pembelian bahan baku

Pada dasarnya metode pengendalian persediaan mencari jawaban optimal

dalam menentukan jumlah ukuran pemesanan yang ekonomis (EOQ), titik

pemesanan kembali atau re-order point (ROP), dan jumlah stock cadangan yang

diperlukan (SS). Metode pengendalian persediaan yang bersifat statistic ini

biasanya digunakan untuk mengendalikan barang yang permintaannya bersifat

bebas dan pengelolannya tidak tergantung dengan ada tidaknya produksi barang

lain. Yang berpengaruh hanyalah mekanisme pasar.

Seperti yang telah disebutkan sebelumnya, pengendalian persediaan

berhubungan erat dengan jumlah pemesanan persediaan (Q) dan waktu yang

tepat untuk melakukan pemesanan (R).

Gambar 2.2 Model EOQ

Inventory system ini dibagi dalam 2 periode system, yaitu single-period

system dan multi-period system. Klasifikasi ini didasarkan pada keputusan

pembelian barang persediaan pada satu periode tertentu, dimana dalam periode

tersebut dilakukan satu kali pembelian, dan kemudian barang persediaan tidak

akan dipesan lagi hingga periode tersebut berakhir.

Single-period inventory system

System model ini biasanya terjadi apabila barang yang dimaksudkan

untuk didistribusikan kepada konsumen memiliki limited life, tidak dipakai

untuk jangka waktu yang lama atau secara kontinyu. Misalnya saja, koran,

pemesanan tiket pesawat terbang, fashion, dll.

Multi-period system

Model ini digunakan dengan jaminan barang persediaan akan digunakan

secara kontinyu. Ada 2 tipe muti-period system, yaitu fixed-order period (Q-

model) dan

fixed-time period (P-model). Perbedaan dari kedua tipe ini

adalah:

Q – Model

P – Model

Min-Max Inventory

Jumlah Pemesanan

Konstan

Bervariasi

Konstan

Waktu Pemesanan

Pada titik re-order point

Berdasar tinjauan waktu

Berdasar batas minimal

Lain-lain

Dibutuhkan standar

deviasi dari service level

Dibutuhkan standar deviasi

dari service level

Tidak dibutuhkan standar

deviasi dari service level

Tabel 2.1

Perbedaan Q-Model, P-Model, dan Min-Max Inventory

Q-Model

Q-model mengacu pada jumlah ukuran pemesanan yang tetap untuk

setiap kali pesan, dan waktu pemesanan dilakukan secara variasi. Model ini

merupakan model EOQ dasar, dimana dalam jurnal Inventory Management

(2010; 3) dikatakan penggunaan model EOQ diasumsikan :

Permintaan diketahui pasti dan realtif konstan sepanjang waktu

Kekurangan tidak diperkenankan

Waktu tunggu (lead time) sampai pesanan diterima konstan

Kuantitas yang dipesan diterima sekaligus

Untuk perhitungan jumlah pemesanan barang yang optimal dan re-order

point, rumus yang digunakan adalah:

opt

z = standar deviasi untuk service probability ,

= standar deviasi

D = demand selama 1 tahun

S = biaya pemesanan

H = biaya penyimpanan

SS = safety stock

R = re-order point

Q* = jumlah pemesanan optimal

P - Model

P-model mengacu pada aturan pemesanan yang bersifat regular

mengikuti suatu periode yang tetap, tetapi kuantitas dari barang yang dipesan

berbeda-beda. Namun, kesulitan dalam pengimplementasian teknik ini adalah

diskontinuitas permintaan kebutuhan bersih, sehingga interval pemesanan

yang telah ditentukan sebelumnya tidak berlaku lagi.

Perhitungan jumlah pemesanan yang optimal adalah sebagai berikut :

(dT

)

I = Persediaan dalam stock

T* = Selang waktu pemesanan kembali

L = Waktu pengiriman

s = Standar deviasi

SS = Safety Stock

= Permintaan rata-rata

Metode lain yang dapat digunakan untuk mengendalikan pengadaan

persediaan adalah :

Minimal – Maximal Inventory

Min

Max

Min

)

(

)

(

Lot for Lot

Metode ini didasarkan pada kebutuhan bersih, dimana jumlah pemesanan

disesuaikan dengan permintaan yang ada.

2.5

Pengendalian Persediaan

Pengendalian persediaan mengasumsi adanya tenggang waktu diantara

habisnya level persediaan sampai persediaan terisi kembali, tenggang waktu

tersebut disebut juga dengan lead time (L). Sedangkan saat dimana pemesanan

kembali harus dilakukan agar barang yang dipesan datang tepat waktu disebut

juga dengan titik pemesanan kembali atau Re-Order Point (R), menurut

Nasution, Arman Hakim (2003;110). Untuk menghindari kekosongan persediaan

pada saat lead time, perusahaan menentukan stock minimal dalam melakukan

restock, apabila asumsi bahwa permintaan akan sama dan bersifat konstan, maka

harus ditambahkan stok tambahan yang disebut juga safety stock (SS).

Pengendalian persediaan dilakukan untuk menciptakan keefisiensian dan

keefektifan. Kebanyakan model persediaan dilakuan untuk meminimasi biaya

keseluruhan. Oleh karena itu, focus kepada pengukuran biaya disini sangat

penting bobotnya. Dalam persediaan, ada beberapa biaya yang terlibat :

Holding cost atau biaya penyimpanan

Biaya ini mencakup beban pengadaan fasilitas penyimpanan,

pemeliharaan, insurance, depresiasi, pajak, dll. Semakin rendah level

persediaan pada kapasitas gudang yang tersedia, maka biaya

penyimpanan akan semakin besar.

Purchasing cost atau biaya pembelian

Biaya pembelian adalah biaya yang terjadi pada saat perusahaan

melakukan pemesanan. Tinggi rendahnya biaya pembelian

yang

dikeluarkan bergantung dari kuantitas pemesanan barang, walaupun

semakin banyak barang yang dipesan menambah kemungkinan

perolehan potongan harga, tetapi perusahaan harus lebih jeli, karena

belum tentu potongan harga tersebut akan menguntungkan

perusahaan dari segi finansial. Oleh karena itu, pihak pembeli harus

mengetahui titik optimum pembelian agar jumlah yang dipesan tidak

kurang, tetapi juga tidak berlebihan sehingga memakan budget

perusahaan secara berlebih.

Shortage cost

Saat stock habis dan menunggu pengisian ulang stock, perusahaan

akan mengalami kerugian berupa kehilangan kesempatan

memperoleh keuntungan maupun kehilangan konsumen. Biaya ini

dapat terjadi apabila kuantitas tidak dapat dipenuhi, lamanya gudang

kosong, dan pengadaan darurat

untuk menggantikan kekecewaan

konsumen atas ketidaktersediaan barang yang diinginkan.

Inventory cost atau biaya penyimpanan

Dalam Methodology of Calculating Inventory Cost oleh asosiasi REM

Management Consultant, persentasi biaya penyimpanan ditentukan

oleh biaya modal. Persediaan merupakan asset dan sebagian besar

perusahaan

menilai

biaya penyimpanan sebesar 2% per

bulannya,

atau sebesar 25% per tahun.

Berikut ada fungsi persamaan untuk biaya yang terlibat dalam

pengendalian persediaan :

TC = Total cost

D = Demand

C = Cost per Unit

Q = Quantity to be ordered (jumlah yang optimal)

S = Biaya pengadaan

H = Biaya penyimpanan

Gambar 2.3

Grafik Biaya dalam Pengendalian Persediaan

Pada gambar 2.3, titik potong garis holding cost atau biaya penyimpanan

dengan garis order cost

atau biaya pemesanan merupakan jumlah optimal

pemesanan barang, yang kemudian dapat disebut dengan Qopt (Q*). Setelah

mengetahui berapa banyak pemesanan barang yang harus dilakukan, maka

dilanjutkan dengan perencanaan jadwal atau kapan saja pemesanan harus

dilakukan.