ANALISIS PERENCANAAN DAN PENGENDALIAN

PERSEDIAAN BARANG JADI

(STUDI KASUS : PT ALAM SUMBERVITA JAKARTA)

Oleh

IRWAN HERMAWAN

H24103119

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

2007

ANALISIS PERENCANAAN DAN PENGENDALIAN

PERSEDIAAN BARANG JADI

(STUDI KASUS : PT ALAM SUMBERVITA JAKARTA)

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA EKONOMI

pada Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh

IRWAN HERMAWAN

H24103119

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

2007

INSTITUT PERTANIAN BOGOR

FAKULTAS EKONOMI DAN MANAJEMEN

DEPARTEMEN MANAJEMEN

ANALISIS PERENCANAAN DAN PENGENDALIAN

PERSEDIAAN BARANG JADI

(STUDI KASUS : PT ALAM SUMBERVITA JAKARTA)

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA EKONOMI

pada Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh

IRWAN HERMAWAN

H24103119

Menyetujui, Agustus 2007

Ir. Pramono D Fewidarto, MS

Dosen Pembimbing

Mengetahui,

Ir. Jono M Munandar, MS

Ketua Departemen

Tanggal Ujian : 17 Agustus 2007 Tanggal Lulus :

INSTITUT PERTANIAN BOGOR

FAKULTAS EKONOMI DAN MANAJEMEN

DEPARTEMEN MANAJEMEN

ANALISIS PERENCANAAN DAN PENGENDALIAN

PERSEDIAAN BARANG JADI

(STUDI KASUS : PT ALAM SUMBERVITA JAKARTA)

MAKALAH SEMINAR

Sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ekonomi

Pada Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh

IRWAN HERMAWAN

H24103119

Menyetujui, Agustus 2007

Ir. Pramono D Fewidarto, MS

Dosen Pembimbing

ABSTRAK Irwan Hermawan. H24103119. Analisis Perencanaan dan Pengendalian Persediaan Barang Jadi (Studi Kasus pada PT. Alam Sumbervita Jakarta). Di bawah bimbingan Pramono D Fewidarto.

Setiap perusahaan baik yang bergerak di bidang manufaktur, perdagangan maupun jasa pasti memiliki persediaan dalam menjalankan operasional usahanya. Sekitar 20 – 60 persen aset yang dimiliki perusahaan adalah dalam bentuk persediaan (Baroto, 2002), sehingga pengendalian persediaan merupakan fungsi manajerial yang sangat penting dalam perusahaan.

PT. Alam Sumbervita sebagai perusahaan dagang yang bertindak sebagai distributor dihadapkan pada dilema dalam menetapkan kebijakan persediaannya, yaitu pada kebijakan persediaan yang dilebihkan atau dikurangkan untuk meminimumkan total biaya persediaan. Tujuan dari penelitian ini adalah 1) Mengetahui bagaimana sistem pengadaan dan pengendalian persediaan perusahaan, 2) Menetapkan jenis produk yang perlu mendapatkan prioritas dalam pengendalian persediaan berdasarkan volume penjualan, dan 3) Menghitung tingkat persediaan yang optimal bagi PT. Alam Sumbervita Jakarta. Penelitian ini difokuskan untuk mengkaji kelompok Dry yang termasuk dalam produk prioritas berdasarkan volume penjualan tertinggi.

Penelitian ini dilakukan di PT. Alam Sumbervita yang terletak di Jl. Raya Bogor Km 24,7 Jakarta Timur 13750. Data yang digunakan adalah data primer dan data sekunder. Data primer diperoleh dari hasil observasi dan dengan melakukan wawancara pada beberapa karyawan Bagian Pengadaan dan Bagian Gudang. Data sekunder dikumpulkan melalui studi literatur dan internet serta pengumpulan data sekunder perusahaan.

Jenis-jenis produk yang patut mendapatkan prioritas dalam perencanaan dan pengendalian persediaan adalah produk-produk yang memiliki volume penjualan tertinggi. Produk-produk tersebut adalah SKM CE’S, SCI C 200ml, SKM CE, SKM IMP’S, SKM Crima, SKM IMP, UHT C 125ml, SKM KKM, UHT FC 1000ml, SKM IMC, UHT TS C 200ml dan SCI S 200ml dengan persentase kumulatif penjualan terhadap total penjualan pada tahun 2006 sebesar 75 persen.

Produk-produk prioritas dianalisis dengan menggunakan metode EOQ stokastik, karena metode ini dapat mengendalikan persediaan yang di dalamnya terdapat variabel-variabel yang tidak diketahui dengan pasti dan tidak konstan serta memperhitungkan adanya kemungkinan terjadi kehabisan persediaan (Stock Out).

Hasil dari analisis ini menunjukkan bahwa kebijakan perusahaan belum optimal, karena dengan menggunakan metode EOQ stokastik dan EOQ stokastik tingkat pelayanan 99 persen, total biaya persediaan masih dapat diminmimalkan. Untuk tahun 2006 perusahaan mengeluarkan total biaya persediaan sebesar Rp 346.921.048,-. Jika menggunakan metode EOQ stokastik, maka biaya yang dikeluarkan perusahaan sebesar Rp 137.887.950,-, sedangkan dengan metode EOQ stokastik tingkat pelayanan 99 persen mengeluarkan biaya sebesar Rp 146.082.870,-.. Total perkiraan biaya persediaan tahun 2007 dengan metode EOQ stokastik adalah sebesar Rp 153.812.122,-, sedangkan dengan metode EOQ stokastik tingkat pelayanan 99 persen adalah sebesar Rp 156.889.484,-.

iii

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 24 Februari 1985. Penulis

merupakan anak kedua dari tiga bersaudara pasangan Wagiran Umar dan

Wasiyati.

Penulis menyelesaikan pendidikan di TK KIGR Jakarta pada tahun 1990,

lalu melanjutkan ke Sekolah Dasar Negeri 06 Pagi Jakarta. Pada tahun 1996

penulis melanjutkan pendidikan di Sekolah Lanjutan Tingkat Pertama Negeri 75

Jakarta dan melanjutkan pendidikan di Sekolah Lanjutan Tingkat Atas Negeri 65

Jakarta program IPA pada tahun 2002. Pada tahun 2003, penulis diterima di

Institut Pertanian Bogor melalui jalur Seleksi Penerimaan Mahasiswa Baru

(SPMB) di Departemen Manajemen, Fakultas Ekonomi dan Manajemen.

Selama mengikuti perkuliahan, penulis aktif di berbagai kegiatan

kemahasiswaan sebagai Ketua Depertemen PSDM Rohis Manajemen 40 tahun

ajaran 2005/2006. Ketua Rohis Manajemen 40 untuk tahun ajaran 2006/2007 dan

juga diberbagai kepanitiaan. Selain itu penulis pernah mengikuti Lomba Karya

Tulis Ilmiah tingkat IPB untuk bidang IPS. Selama duduk dibangku kuliah,

penulis juga memiliki aktifitas lain sebagai pengajar privat pada sebuah

bimbingan belajar sampai akhir bulan Juli 2007 dan pernah menjadi co. fasilitator

out bond anak di Kampung Parenca.

iv

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT karena atas rahmat

dan karunia-Nya skripsi ini dapat diselesaikan dengan baik. Skripsi ini disusun

sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada

Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian

Bogor.

Skripsi ini membahas tentang perencanaan dan pengendalian persediaan

barang jadi. Metode dasar yang sering digunakan perusahaan dalam

mengendalikan persediaan adalah metode EOQ (Economic Order Quantity).

Metode ini mampu memberikan solusi optimal dalam menentukan kebijakan

perencanaan dan pengendalian persediaan dengan memperhatikan pada efisiensi

biaya yang muncul dari adanya persediaan.

Penyusunan skripsi ini banyak dibantu oleh berbagai pihak baik moril

maupun materil. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-

besarnya kepada :

1. Ir. Pramono D Fewidarto, MS sebagai dosen pembimbing yang telah banyak

meluangkan waktunya untuk memberikan bimbingan, saran, motivasi dan

pengarahan kepada penulis.

2. Heti Mulyati, S.TP, MT dan Hardiana Widyastuti, S.HUT, MM atas

kesediaannya untuk meluangkan waktu menjadi dosen penguji.

3. Ayahanda dan Ibunda sebagai inspirasi dan motivasi yang telah mencurahkan

kasih sayang dan do’a tulus yang tak pernah putus, serta kakak dan adik

tercinta yang selalu memberi semangat untuk menyelesaikan skripi.

4. Pa Hendrik selaku pimpinan yang telah memberikan ijin untuk melakukan

penelitian. Pa Hasan, Bu Siti, Mba Intan, Mba Evi, Ibnu, Mas Dion, Mas Yovi

dan seluruh karyawan PT. Alam Sumbervita Jakarta yang telah membantu

peneliti dan memberikan informasi dalam skripsi ini.

5. Pa Asep, Mas Hadi, Mba Dina, Mas Yadi dan seluruh staf karyawan/wati Tata

Usaha Departemen Manajemen, FEM IPB yang telah banyak membantu

mempersiapkan administrasi.

v

6. Teman-teman satu bimbingan dan seperjuangan (Fany, Rinrin, Yan, Asep dan

Jw) yang selalu saling mengingatkan dan memberi semangat. Semoga untuk

Asep dan Jw bisa segera menyusul sidang.

7. Adit, Ruslan, yan, Ami, Rinrin, Uci, Etty, Aldhika, Ulfa, Yenni, Ayu, Nela,

Indras, Else, Pasus, yayuk dan Ipeh yang telah mengajarkan apa arti ”teman”

yang sesungguhnya. Teman yang selalu ada saat suka dan duka. Thanks guys,

thanks for everythings. Thanks for being my friends. I’m nothing without you,

but with you i can do everythings.

8. Anita, Whina, Dewi, Mia, Suminar, Cici (Sri), JW, Nadya, Elang, Hendra,

Riri, Diah, Nia, Puji, Roni, Yuli, Astrid, dan seluruh keluarga besar

Manajemen 40 yang tidak dapat disebutkan satu per satu atas canda tawa,

keceriaan, dan kebersamaan selama masa perkuliahan. Keep contact ya, I’m

gonna miss you forever.

9. Adik-adik Manajemen 41 dan 42 yang tidak dapat disebutkan satu per satu

yang juga memberikan semangat dan dukungannya. Thanks for all kindness

and friendships.

10. Edo statistik 40 yang telah membantu mengolah data. Aji dan Heri IE 40 atas

kesediaannya penulis dapat tinggal sementara di kontrakan selama penelitian.

11. Dyta dan keluarga atas do’a, semangat dan dukungannya. Terima kasih telah

menjadi inspirasi dan telah mewarnai hidup penulis. Knowing you once in my

life, is already be a special gift for me.

Skripsi ini masih banyak kekurangan di dalamnya. Oleh karena itu, kritik

dan saran yang membangun penulis harapkan agar dapat menyempurnakan skripsi

ini. Akhirnya, penulis berharap semoga hasil penelitian ini dapat bermanfaat bagi

semua pihak.

Bogor, Agustus 2007

Penulis

vi

DAFTAR ISI

Halaman

ABSTRAK

RIWAYAT HIDUP ....................................................................................... iii

KATA PENGANTAR ................................................................................... iv

DAFTAR ISI .................................................................................................. vi

DAFTAR TABEL ......................................................................................... viii

DAFTAR GAMBAR ..................................................................................... ix

DAFTAR LAMPIRAN ................................................................................. x

I. PENDAHULUAN .................................................................................... 1 1.1. Latar Belakang ................................................................................... 1 1.2. Tujuan Penelitian ............................................................................... 3 1.3. Manfaat Penelitian ............................................................................. 3 1.4. Batasan Penelitian .............................................................................. 3

II. TINJAUAN PUSTAKA .......................................................................... 4 2.1. Perencanaan dan Pengendalian Persediaan ........................................ 4 2.2. Definisi Peramalan ............................................................................. 5 2.2.1. Manfaat Peramalan .................................................................... 5 2.2.2. Faktor-Faktor Yang Mempengaruhi Permintaan ...................... 6 2.2.3. Metode Peramalan Permintaan ................................................. 6 2.2.4. Metode ARIMA ( Autoregressive Integrated Moving Average) 9 2.2.5. Pola Permintaan ........................................................................ 10 2.3. Definisi Persediaan ............................................................................. 11 2.3.1. Faktor-Faktor Penyebab Munculnya Persediaan ...................... 11 2.3.2. Fungsi Persediaan ..................................................................... 12 2.3.3. Jenis Persediaan ........................................................................ 13 2.3.4. Biaya Persediaan ....................................................................... 15 2.4. Pengendalian Persediaan .................................................................... 16 2.5. Model Pengendalian Persediaan Sederhana ....................................... 17 2.5.1. Economic Order Quantity (EOQ) ............................................. 17 2.6. Model-Model Persediaan Stokastik ................................................... 18 2.6.1. EOQ dengan Ketidakpastian Permintaan Selama Lead Time ... 19 2.7. Penelitian Terdahulu .......................................................................... 21

III. METODOLOGI PENELITIAN ............................................................ 23 3.1. Kerangka Pemikiran ........................................................................... 23 3.2. Tahapan Penelitian ............................................................................. 24 3.3. Lokasi dan Waktu Penelitian ............................................................. 26 3.4. Jenis dan Metode Pengumpulan Data ................................................ 26 3.5. Pengolahan dan Analisis Data ............................................................ 27

vii

3.5.1. Klasifikasi Persediaan Berdasarkan Volume Penjualan ........... 27 3.5.2. Peramalan Permintaan ............................................................... 27 3.5.3. Metode Pengendalian Persediaan............................................... 28

IV. HASIL DAN PEMBAHASAN ................................................................ 30 4.1. Gambaran Perusahaan ........................................................................ 30 4.2. Gambaran Produk .............................................................................. 31 4.3. Sistem Pengadaan Barang PT. Alam Sumbervita .............................. 32 4.4. Biaya Persediaan ................................................................................ 35 4.5. Penentuan Produk-Produk Prioritas Berdasarkan Volume Penjualan 37 4.6. Peramalan Permintaan Tahun 2007 untu Produk Prioritas ................ 39 4.7. Pengendalian Persediaan Produk-Produk Prioritas ............................ 42

4.7.1. Pengendalian Persediaan Produk Prioritas dengan Metode EOQ Stokastik .................................................................................... 42 4.7.2. Pengendalian Persediaan Produk Prioritas dengan Metode EOQ Stokastik Tingkat Pelayanan 99 Persen .................................... 46 4.7.3. Perbandingan Total Biaya Persediaan Antara Metode Perusahaan dengan Metode Peneliti ............................................................. 48

4.7.3. Perkiraan Biaya persediaan Tahun 2007 dengan Metode Perusahaan dan Metode yng Digunakan Peneliti ...................... 51

KESIMPULAN DAN SARAN ..................................................................... 56 1. Kesimpulan ................................................................................................. 56 2. Saran ........................................................................................................... 57

DAFTAR PUSTAKA .................................................................................... 58

LAMPIRAN ................................................................................................... 59

viii

DAFTAR TABEL

No Halaman 1. Perkiraan parsial berdasarkan tingkat pelayanan ................................... 21 2. Tujuan penelitian, jenis kebutuhan data, metode pengolahan dan Kesimpulan yang diharapkan ................................................................. 26 3. Jenis-jenis produk Dry ........................................................................... 32 4. Persentase permintaan tiap cabang PT. Alam Sumbervita terhadap total permintaan ..................................................................................... 35 5. Total biaya pemesanan dan penyimpanan PT. Alam Sumbervita Jakarta tahun 2006 ................................................................................. 36 6. Biaya pemesanan per pesan dan biaya penyimpanan per unit karton tahun 2006 ............................................................................................ 36 7. Persentase penjualan produk-produk prioritas terhadap total penjualan tahun 2006 ............................................................................. 37 8. Total biaya persediaan produk-produk prioritas tahun 2006 ................. 38 9. Kapasitas maksimum dan persediaan penyangga produk prioritas ...... 39 10. Hasil peramalan permintaan produk prioritas untuk semester 1 tahun 2007 (Januari – Juni) PT. Alam Sumbervita Jakarta ............................. 41 11. Hasil peramalan permintaan produk prioritas untuk semester 2 tahun 2007 (juli - Desember) PT. Alam Sumbervita Jakarta ........................... 42 12. Biaya persediaan total produk produk prioritas tahun 2006 dengan metode EOQ stokastik ........................................................................... 44 13. Biaya persediaan total produk-produk prioritas tahun 2006 dengan metode EOQ stokastik tingkat pelayanan 99 persen .............................. 47 14. Perbandingan total biaya persediaan tahun 2006 antara metode perusahaan dan metode yang digunakan peneliti ................................... 48 15. Perbedaan besarnya persediaan penyangga tahun 2006 antara metode perusahaan dan metode yang digunakan peneliti ................................... 50 16. Perkiraan total biaya persediaan tahun 2007 dengan metode perusahaan dan metode yang digunakan peneliti ...................................................... 52 17. Perbedaan besarnya persediaan penyangga tahun 2007 antara metode perusahaan dan metode yang digunakan peneliti ................................... 53

ix

DAFTAR GAMBAR

No Halaman 1. Faktor-Faktor yang Mempengaruhi Permintaan ................................... 6 2. Hubungan antara biaya pemesanan dan biaya penyimpanan ................ 18 3. Berbagai variasi permintaan harian (d) dan lead time (L) .................... 19 4. Kerangka Pemikiran .............................................................................. 24 5. Tahapan Penelitian ................................................................................ 25 6. Alur pemesanan barang hingga barang masuk kedalam gudang ........... 33 7. Plot diagram data aktual penjualan SKM CE’S tahun 2004-2006 ......... 40 8. Plot diagram SKM CE’S setelah didiferensiasi ordo pertama ....... ........ 40

x

DAFTAR LAMPIRAN No Halaman 1. Struktur Organisasi PT. Alam Sumbervita Jakarta....................................... 60 2. Biaya pemesanan per pesan dan biaya penyimpanan per unit karton ........................................................................................................... 61 3. Penentuan produk prioritas PT. Alam Sumbervita Jakarta berdasarkan volume penjualan ......................................................................................... 62 4. Komponen-komponen penyusun biaya pemesanan dan biaya penyimpanan pada tahun 2006 .................................................................... 66 5. Kapasitas Maksimum dan persediaan penyangga keseluruhan produk Dry .................................................................................................. 67 6. Plot ACF dan Plot PACF diferensiasi ordo pertama SKM CE’S ................ 69 7. Perhitungan peramalan permintaan tahun 2007 dengan metode ARIMA .... 70 8. Hasil peramalan permintaan produk prioritas tahun 2007 untuk seluruh

cabang PT. Alam Sumbervita ..................................................................... 78 9. Standar deviasi rata-rata permintaan harian produk prioritas tahun 2006

dan tahun 2007 …………………………………………………………….. 79 10. Contoh print out inventory order cycle (SKM CE’S) .................................. 81 11. Contoh print out inventory order cycle service level 99 persen (SKM CE’S) ................................................................................................ 82 12. Perkiraan total biaya persediaan produk-produk prioritas tahun 2007 dengan menggunakan metode perusahaan.................................................... 84 13. Contoh print out inventory order cycle tahun 2007 SKM CE’S ................. 86 14. Contoh print out inventory order cycle service level 99 persen tahun 2007 SKM CE’S ................................................................................................... 88

I. PENDAHULUAN

1.1. Latar Belakang

Setiap perusahaan baik yang bergerak di bidang manufaktur,

perdagangan maupun jasa pasti memiliki persediaan dalam menjalankan

operasional usahanya. Perusahaan memiliki persediaan dalam bentuk

persediaan bahan baku, bahan penolong, maupun dalam bentuk persediaan

produk jadi yang siap untuk dipasarkan langsung ke konsumen.

Perusahaan yang bergerak di bidang jasa juga memiliki persediaan,

minimal dalam bentuk persediaan bahan-bahan pembantu atau barang-

barang perlengkapan yang diperlukan dalam proses produksi untuk

menghasilkan produk jasa yang diharapkan. Sekitar 20 – 60 persen aset yang

dimiliki perusahaan adalah dalam bentuk persediaan (Baroto, 2002),

sehingga pengendalian persediaan merupakan fungsi manajerial yang sangat

penting dalam perusahaan, baik itu untuk perusahaan manufaktur,

perdagangan atau jasa.

PT. Alam Sumbervita sebagai perusahaan dagang yang bertindak

sebagai distributor barang jadi produk-produk PT. Indomilk, PT. Indolakto,

PT. Indomurni dan PT. Indo Es Krim Meiji dihadapkan pada dilema dalam

menetapkan kebijakan persediaannya, yaitu pada kebijakan persediaan yang

dilebihkan atau dikurangkan. Karena bila persediaan dilebihkan, biaya

penyimpanan dan modal yang dibutuhkan akan lebih besar. Kelebihan ini

juga menyebabkan sebagian besar modal yang dimiliki perusahaan terfokus

hanya pada persediaan atau di gudang, dimana semestinya modal tersebut

dapat diinvestasikan pada sektor lain yang lebih menguntungkan. Namun

sebaliknya, bila perusahaan berupaya mengurangi persediaan, perusahaan

suatu saat akan dihadapkan pada masalah stock out (kehabisan persediaan).

Bila perusahaan tidak memiliki persediaan yang cukup untuk operasional

usahanya, biaya pengadaan darurat akan menjadi lebih tinggi daripada

pengadaan barang secara normal. Selain itu, adanya kekurangan persediaan

menyebabkan produk perusahaan yang ada di pasar akan mengalami

2

kelangkaan dan hal ini dapat membuat konsumen kecewa dan akhirnya akan

pindah ke merek lain.

Mengingat adanya konsekuensi logis dari kekurangan atau kelebihan

persediaan tersebut, maka perusahaan harus dengan cermat memperhatikan

masalah persediaan dengan merencanakan dan mengendalikan persediaan

pada tingkat optimalnya. Kriteria optimal disini yaitu keseluruhan biaya

yang minimal terkait dengan semua konsekuensi kebijakan persediaan yang

diambil perusahaan. Selama ini perusahaan menggunakan metode EOQ

tradisional yang disesuaikan dengan kebijakan persediaan penyangga dalam

mengendalikan persediaannya.

Perencanaan dan pengendalian persediaan sendiri diperoleh dari hasil

peramalan permintaan konsumen akan produk perusahaan di masa

mendatang. Hasil dari peramalan ini menjadi dasar bagi PT. Alam

Sumbervita untuk menentukan tingkat persediaan yang optimal. Hasil

peramalan permintaan masa depan dengan akurasi atau tingkat ketepatan

yang tinggi dapat diperoleh dengan menggunakan metode peramalan yang

sesuai berdasarkan jenis pola data historis perusahaan. Diharapkan dengan

penggunaan metode peramalan yang sesuai dengan perusahaan ini akan

diperoleh hasil peramalan akan lebih mencerminkan kondisi aktualnya.

Selanjutnya hasil peramalan permintaan ini akan digunakan perusahaan

sebagai dasar untuk merencanakan dan mengendalikan kegiatan produksi

perusahaan, termasuk didalamnya keputusan untuk perencanaan dan

pengendalian persediaan yang optimal bagi perusahaan, yang menjamin

kegiatan operasional perusahaan tetap berjalan namun juga memperhatikan

adanya pengurangan biaya-biaya yang dianggap dapat dieliminasi atau

diminimalisasi.

Berdasarkan uraian di atas, rumusan masalah yang menarik untuk

penulis kaji adalah apakah model pengendalian persediaan yang digunakan

PT. Alam Sumbervita sudah tepat dan optimal melalui efisiensi biaya-biaya

persediaan yang muncul.

3

1.2. Tujuan Penelitian

Tujuan yang diharapkan dari diadakannya penelitian ini, yaitu antara

lain untuk:

1. Mengetahui sistem pengadaan dan pengendalian persediaan

perusahaan.

2. Menetapkan jenis produk yang perlu mendapatkan prioritas dalam

pengendalian persediaan berdasarkan volume penjualan tertinggi.

3. Menghitung tingkat persediaan yang optimal bagi PT. Alam

Sumbervita.

1.3. Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat bagi penulis,

perusahaan maupun siapapun yang membacanya, yaitu :

1. Bagi penulis, untuk mengaplikasikan ilmu dan teori yang pernah

didapat selama kuliah untuk diterapkan di dunia usaha.

2. Bagi perusahaan, diharapkan hasil analisis ini dapat menjadi bahan

pertimbangan dan masukan dalam pengambilan keputusan tentang

kebijakan perencanaan dan pengendalian persediaan.

3. Referensi bagi peneliti lain yang ingin melakukan penelitian lebih

lanjut mengenai perencanaan dan pengendalian persediaan.

1.4. Batasan Penelitian

Penulis membatasi ruang lingkup penelitian sebagi berikut :

1. Kelompok produk yang didistribusikan oleh PT. Alam Sumbervita

Jakarta adalah kelompok Dry, PLM dan Ice Cream. Kelompok yang

dibahas lebih lanjut adalah kelompok Dry.

2. Jenis produk Dry PT. Alam Sumbervita Jakarta yang analisis adalah

produk-produk prioritas berdasarkan volume penjualan tertinggi.

II. TINJAUAN PUSTAKA

2.1. Perencanaan dan Pengendalian Persediaan

Perencanaan dan pengendalian produksi dan persediaan (PPIC)

merupakan bagian yang berpartisipasi dalam peramalan permintaan,

perencanaan kapasitas keseluruhan organisasi, penentuan berapa banyak

persediaan bahan dan komponen-komponen yang harus ada dan kapan

mendapatkannya, dan bila komponen tersebut diproduksi sendiri, bertanggung

jawab atas kapan dibuat dan pada mesin-mesin mana sehingga master

production schedules atau jadwal perakitan akhir dipenuhi untuk memuaskan

permintaan organisasi (Handoko, 1993).

PPIC pada industri apa pun pada dasarnya memiliki fungsi yang sama.

Fungsi atau aktivitas-aktivitas yang ditangani oleh Departemen PPIC secara

umum adalah sebagai berikut :

1. Mengelola pesanan dari pelanggan.

2. Meramalkan permintaan masa depan agar skenario pruduksi dapat

mengantisipasi fluktuasi permintaan.

3. Mengelola persediaan berupa tindakan transaksi persediaan, kebijakan

persediaan pengaman, kebijakan kuantitas pesanan, kebijakan frekuensi

dan periode pemesanan, dan mengoptimalkan biaya yang terkait

didalamnya.

4. Menyusun rencana agregat, penyesuaian permintaan dengan kapasitas.

5. Membuat Jadwal Induk Produksi (JIP) mengenai apa dan berapa unit yang

harus diproduksi pada suatu periode tertentu.

6. Merencanakan kebutuhan seperti komponen, sub assembly, dan bahan

penunjang untuk penyelesaian produk.

7. Melakukan penjadwalan pada mesin atau fasilitas produksi.

8. Monitoring dan pelaporan pembebanan kerja dibanding kapasitas

produksi.

9. Evaluasi skenario pembebanan dan kapasitas.

5

Perencanaan dan pengendalian persediaan yang merupakan sub dari

Departemen PPIC, terlihat jelas pada poin ke tiga dari fungsi – fungsi di atas

bahwa perencanaan dan pengendalian persediaan memiliki aktivitas – aktivitas

utama untuk mengelola persediaan, baik berupa tindakan transaksi yang

berkenaan langsung dengan persediaan, kebijakan tentang tingkat persediaan

pengaman, kebijakan kuantitas pesanan, kebijakan frekuensi dan periode

pemesanan serta kebijakan pengelolaan persediaan untuk mengoptimalkan

biaya yang terkait didalamnya.

Fungsi - fungsi tersebut berlaku secara umum, namun terkadang suatu

perusahaan hanya memiliki beberapa fungsi saja, tergantung sistem

perencanaan dan pengendalian produksi dan persediaan yang digunakan

perusahaan.

2.2. Definisi Peramalan Permintaan

Menurut Assauri (2004), peramalan merupakan seni dan ilmu dalam

memprediksikan kejadian yang akan dihadapi pada masa yang akan datang.

Selain itu Assauri juga mendefinisikan peramalan sebagai upaya penggunaan

data atau informasi untuk menentukan kejadian di masa yang akan datang,

dalam bentuk perkiraan atau perhitungan dari data historis masa lalu dan

informasi lainnya untuk penentuan terlebih dahulu atau prakiraan. Peramalan

akan permintaan produk dan jasa diwaktu mendatang dan bagian-bagiannya

ini sangat penting sebagai dasar dalam perencanaan dan pengawasan produksi

dan persediaan.

2.2.1. Manfaat Peramalan Permintaan

Peramalan digunakan sebagai dasar untuk menentukan kebijakan

pengendalian dari sistem persediaan, membuat perencanaan produksi,

pembebanan mesin, peralatan, bahan, serta untuk menentukan tingkat

tenaga kerja selama periode produksi (Baroto, 2002). Informasi tentang

permalan permintaan akan sangat berguna bagi kegiatan operasional

perusahaan, yaitu dalam tiga hal. Pertama dalam perencanaan atau

perancangan sistem, kedua dalam hal penjadwalan sistem dan yang

ketiga yaitu pengendalian sistem, termasuk didalamnya pengendalian

6

untuk produksi, pengendalian persediaan, pengendalian tenaga kerja dan

pengendalian biaya (Assauri, 2004).

2.2.2. Faktor-Faktor yang Mempengaruhi Permintaan

Besarnya permintaan konsumen akan produk atau jasa sangat

dipengaruhi oleh keadaan di masa yang akan datang. Keadaan itu bisa

bersumber dari faktor internal perusahaan, faktor eksternal pasar dan

pemerintah. Faktor internal perusahaan diantaranya adalah mutu, harga,

desain, daur hidup produk, bauran produk dan aktifitas penjualan. Faktor

eksternal pasar bisa berwujud selera dan persepsi konsumen, demografi,

persaingan dan citra produk. Faktor terakhir yang juga turut

mempengaruhi tingkat permintaan yaitu faktor eksternal pemerintah,

diantaranya dalam bentuk deregulasi baik dibidang ekonomi, sosial,

politik dan peraturan lainya (Baroto, 2002).

Gambar 1. Faktor-Faktor yang Mempengaruhi Permintaan

(Sumber : Baroto, 2002)

2.2.3. Metode Peramalan Permintaan

Baroto (2002) menyatakan bahwa ada beberapa metode untuk

membuat peramalan permintaan. Pada dasarnya semua metode

peramalan tersebut memiliki ide yang sama, yaitu menggunakan data

PERMINTAAN

EKSTERNAL (PASAR)

EKSTERNAL (PEMERINTAH)

• Deregulasi • Ekonomi • Sektor Swasta • Siklus Bisnis

• Selera & Persepsi Pelanggan

• Demografi • Persaingan

INTERNAL

• Daur Hidup • Produk • Layanan • Kualitas • Desain Produk • Harga

• Iklan • Aktivitas penjulalan • Bauran Produk

7

masa lalu untuk memperkirakan atau memproyeksikan data di masa

yang akan datang.

Berdasarkan tekniknya metode peramalan dapat dibedakan

menjadi dua, yaitu metode kualitatif dan metode kuantitatif. Metode

kualitatif digunakan karena ketidaktersediaan data masa lalu yang

dibutuhkan atau data tersedia dalam jumlah yang sedikit, sehingga dalam

metode ini pendapat pakar dan praktisi dijadikan dasar untuk

menetapkan permintaan yang akan datang (Baroto, 2002).

Metode kualitatif yang banyak dikenal dan digunakan adalah

metode Delphi dan metode kelompok nominal (nominal group

technique).

1. Metode Delphi, merupakan suatu teknik yang menggunakan

prosedur sistematis untuk mendapatkan suatu konsensus pendapat-

pendapat dari suatu kelompok ahli (Handoko, 1994). Proses ini

dilakukan dengan meminta kepada anggota kelompok untuk

memberikan serangkaian ramalan melalui tanggapan mereka

terhadap daftar pertanyaan. Kemudian moderator mengumpulkan

dan memformulasikan daftar pertanyaan baru dan dibagikan kembali

kepada kelompok. Kunci keberhasilan metode ini tergantung pada

kompetensi koordinator dan kepakaran anggota serta variasi

pengalamannya. Koordinator perlu untuk memiliki kemampuan

menjalin sintesa atas berbagai pendapat dan ramalan dari peserta

yang memiliki latar belakang bervariasi.

2. Metode Kelompok Nominal (Nominal Group Technique). Metode

ini melibatkan orang-orang yang berpengalaman dari berbagai

bidang. Metode ini memungkinkan terjadinya diskusi antar anggota

secara langsung dan secara tatap muka, sedangkan dengan metode

Delphi sama sekali tidak ada interaksi lisan. Kunci keberhasilan dari

metode ini terletak pada kemampuan kelompok dalam

mengidentifikasi permasalahan dan dalam berfikir secara kreatif,

serta kesediaan para anggota untuk berdiskusi serta berdialog dalam

membahas masa depan.

8

Metode kuantitatif menggunakan suatu set data historis masa lalu

perusahaan yang akan digunakan untuk meramalkan permintaan di masa

datang. Ada dua kelompok besar metode kuantitatif, yaitu metode time

series dan metode nontime series (structural models).

Metode time series merupakan metode peramalan yang

menggunakan waktu sebagai dasar peramalan. Tidak ada metode yang

paling baik untuk memberikan suatu peramalan keseluruhan, karena

metode yang memberikan hasil ramalan secara tepat belum tentu tepat

untuk meramalkan data yang lain. Pada peramalan time series metode

peramalan terbaik adalah metode yang memenuhi kriteria ketepatan

ramalan, yaitu dapat berupa MAD (Mean Absolute Deviation), MSE

(Mean Square of Error) atau MAPE (Mean Absolute Percentage of

Error).

Dimana :

=tf permintaan aktual pada periode t

=tf̂ ramalan permintaan untuk periode t

m = jumlah periode yang digunakan sebagai dasar peramalan

Metode time series sendiri menurut Baroto (2002), antara lain

metode Free Hand, metode Moving Average, metode Weighted Moving

Average, metode Exponential Smoothing, metode regresi linier

sederhana, metode interpolasi Gregory-Newton, metode Winter, dan

lain-lain.

)3(....................

100ˆ

10

0

m

fff

MAPE

m

t t

tt∑= ⎥

⎥

⎦

⎤

⎢⎢

⎣

⎡×⎟

⎟

⎠

⎞

⎜⎜

⎝

⎛ −

=

)1..(..........

ˆ1

2

m

ffMSE

m

ttt∑

=

−= )2....(..........

ˆ1

m

ffMAD

m

ttt∑

=

−=

9

Prosedur untuk peramalan permintaan dengan metode time series

adalah sebagai berikut :

1. Tentukan pola data permintaan dengan memplotkan data secara

grafis.

2. Mencoba beberapa metode time series yang sesuai dengan pola

permintaan tersebut untuk peramalan.

3. Mengevaluasi tingkat kesalahan masing-masing metode dengan

menggunakan kriteria MAD, MSE atau MAPE.

4. Memilih metode peramalan terbaik diantara metode yang telah

dicoba.

5. Melakukan peramalan permintaan dengan menggunakan metode

terbaik yang telah dipilih.

2.2.4. Metode ARIMA (Autoregressive Integrated Moving Average)

ARIMA (Autoregressive Integrated Moving Average) merupakan

salah satu model untuk menghitung peramalan yang dikembangkan oleh

Box dan Jenkins, sehingga disebut ARIMA Box-Jenkins. Menurut

Aritonang (2002) metode ARIMA merupakan gabungan dari metode

penghalusan, metode regresi dan metode dekomposisi.

Peramalan dengan metode ARIMA dilakukan melalui lima tahap,

yaitu :

1. Tahap pemeriksaan kestasioneran data

2. Tahap pengidentifikasian model

3. Tahap pengestimasian parameter model

4. Tahap pengujian model

5. Penggunaan model untuk peramalan.

Menurut Baroto (2002), karakteristik peramalan permintaan adalah

sebagai berikut :

1. Faktor penyebab yang berlaku di masa lalu diasumsikan akan

berfungsi juga di masa yang akan datang.

2. Peramalan tidak pernah sempurna, permintaan aktual selalu berbeda

dengan permintaan yang diramalkan.

10

3. Tingkat ketepatan ramalan akan berkurang dalam rentang waktu

yang semakin panjang. Implikasinya peramalan untuk rentang yang

pendek akan lebih akurat dibanding peramalan untuk waktu yang

panjang.

2.2.5. Pola Permintaan

Pola permintaan merupakan suatu pola pergerakan jangka panjang

dari tampilan data-data scatter diagram permintaan (Baroto, 2002). Pola

permintaan ini akan berhubungan dengan metode peramalan yang

digunakan. Dalam time series ada empat jenis pola permintaan, yaitu :

1. Pola Trend.

Pola Trend adalah bila data permintaan menunjukkan pola

kecenderungan gerakan penurunan atau kenaikan jangka panjang.

Data yang kelihatannya berfluktuasi, apabila dilihat pada rentang

waktu yang panjang akan dapat ditarik suatu garis maya. Garis inilah

yang disebut dengan garis trend. Bila data berpola trend, maka

metode peramalan yang sesuai adalah menggunakan metode regresi

linear, exponential smoothing atau double exponential smoothing.

2. Pola musiman.

Pola musiman terjadi bila data yang terbentuk terlihat berfluktuasi,

namun fluktuasi tersebut terjadi secara berulang dalam suatu waktu

interval tertentu. Disebut pola musiman karena pola permintaan ini

biasanya dipengaruhi oleh musim, sehingga biasanya interval

pengulangan data ini adalah satu tahun. Metode peramalan yang

paling sesuai digunakan untuk pola permintaan musiman adalah

metode Winter (sangat sesuai), atau moving average, atau weighted

moving average.

3. Pola Siklikal

Pola siklikal adalah pola permintaan yang terjadi bila fluktuasi yang

terjadi secara jangka panjang membentuk pola sinusoid atau

gelombang atau siklus. Pola ini agak mirip dengan pola musiman,

bentuknya selalu mirip gelombang sinusoid. Untuk menentukan data

berpola siklis tidaklah mudah, karena rentang waktu perulangan

11

sikklikal tidak tentu. Metode yang paling sesuai untuk pola

permintaan ini adalah metode moving average, weighted moving

average, dan exponential smoothing.

4. Pola Eratik/Random.

Pola eratik adalah bila fluktuasi pola permintaan yang terjadi dalam

jangka panjang tidak dapat digambarkan oleh ketiga pola lainnya.

Fluktuasi permintaan ini bersifat acak atau tidak jelas. Pola

permintaan jenis ini belum ada metode khusus yang dapat

meramalkan permintaan dengan tingkat akurasi yang lebih baik

dibanding yang lain, tingkat kemampuan seorang analis peramalan

sangat menentukan dalam pengambilan kesimpulan mengenai pola

data. Keterampilan, pengalaman dan imajinasi seorang analis

peramalan merupakan faktor yang paling menetukan dalam

pelaksanaan peramalan.

2.3. Definisi Persediaan

Groebner dalam Baroto (2002) mendifinisikan persediaan sebagai

komponen material, atau produk jadi yang tersimpan di tangan, menunggu

untuk digunakan atau dijual. Menurut Assauri (2004), persediaan merupakan

aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk

dijual dalam suatu periode usaha yang normal atau persediaan barang-barang

yang masih dalam proses produksi, ataupun persediaan barang baku yang

menunggu penggunaannya dalam suatu proses produksi. Sehingga persediaan

merupakan istilah umum yang menunjukkan segala sesuatu atau sumber daya

organisasi yang disimpan dalam antisipasinya terhadap pemenuhan

permintaan.

2.3.1. Faktor – Faktor Penyebab Munculnya Persediaan

Alasan diberlakukannya persediaan oleh suatu perusahaan pabrik

menurut Assauri (2004) adalah karena :

1. Dibutuhkan waktu untuk menyelesaikan operasi produksi untuk

memindahkan produk dari suatu tingkat ke tingkat proses lain, yang

disebut persediaan dalam proses dan pembelian.

12

2. Adanya alasan organisasi untuk memungkinkan satu unit atau bagian

membuat jadwal operasinya secara bebas tidak tergantung dari yang

lain.

Menurut Baroto (2002), penyebab timbulnya persediaan adalah

sebagai berikut :

1. Adanya mekanisme pemenuhan atas permintaan. Karena permintaan

terhadap suatu barang tidak dapat dipenuhi seketika bila barang

tersebut tidak tersedia sebelumnya. Untuk menyiapkan barang

diperlukan waktu pembuatan dan pengiriman, maka adanya

persediaan merupakan hal yang sulit untuk dihindari.

2. Keinginan untuk meredam ketidakpastian. Karena ketidakpastian

terjadi akibat permintaan yang bervariasi dan tidak pasti dalam

jumlah maupun waktu kedatangan, waktu pembuatan yang

cenderung tidak konstan antara satu produk dengan produk

berikutnya, lead time yang cenderung tidak pasti karena banyak

faktor yang tak dapat dikendalikan. Ketidakpastian ini dapat diredam

dengan mengadakan persediaan.

3. Keinginan untuk melakukan spekulasi yang bertujuan untuk

mendapatkan keuntungan besar dari kenaikan harga di masa

mendatang.

2.3.2. Fungsi Persediaan

Efisiensi produksi dapat ditingkatkan melalui pengendalian sistem

persediaan. Efisiensi ini dapat dicapai bila fungsi persediaan dapat

dioptimalkan. Beberapa fungsi persediaan menurut Baroto (2002) adalah

sebagai berikut :

1. Fungsi Independensi. Agar proses produksi dapat terus berjalan

tanpa tergantung pada permintaan dan pasokan bahan baku dari

pemasok.

2. Fungsi Ekonomis. Seringkali dalam kondisi tertentu, memproduksi

dengan jumlah produksi tertentu akan lebih ekonomis daripada

memproduksi secara berulang atau sesuai permintaan. Jadi memiliki

13

persediaan dalam beberapa kasus bisa merupakan tindakan yang

ekonomis.

3. Fungsi Antisipasi. Persediaan diperlukan untuk mengantisipasi

adanya perubahan permintaan atau pasokan, sehingga kegiatan

menimbun bahan baku terlebih dahulu merupakan kegiatan yang

rasional bagi perusahaan.

4. Fungsi Fleksibilitas. Bila dalam proses produksi terdiri atas beberapa

tahapan proses operasi dan kemudian terjadi kerusakan pada satu

tahapan proses operasi, maka akan diperlukan waktu untuk

melakukan perbaikan. Karena itu persediaan barang setengah jadi

pada situasi seperti ini merupakan faktor penolong untuk kelancaran

proses operasi.

2.3.3. Jenis Persediaan

Menurut Assauri (2004), persediaan yang terdapat dalam

perusahaan dapat dibedakan menurut beberapa cara. Pertama dilihat

berdasarkan fungsinya, persediaan dibedakan atas :

1. Batch Stock atau Lot Size Inventory yaitu persediaan yang diadakan

karena membeli atau membuat bahan-bahan atau barang-barang

dalam jumlah yang lebih besar daripada jumlah yang dibutuhkan

pada saat itu. Keuntungan yang akan diperoleh dari adanya batch

stock ini antara lain adalah untuk :

a) Memperoleh potongan harga pada harga pembelian dalam jumlah

banyak.

b) Memperoleh efisiensi produksi karena adanya operasi yang lebih

lama.

c) Adanya penghematan dalam biaya pengangkutan.

2. Fluctuation Stock adalah persdiaan yang diadakan untuk menghadapi

fluktuasi permintaan konsumen yang tidak dapat diramalkan. Jadi

apabila terdapat fluktuasi permintaan yang sangat besar, maka

persediaan ini dibutuhkan sangat besar pula untuk menjaga

kemungkinan naik turunnya permintaan tersebut.

14

3. Anticipation Stock yaitu persediaan yang diadakan untuk

menghadapi fluktuasi permintaan yang dapat diramalkan,

berdasarkan pola musiman yang terdapat dalam satu tahun untuk

menghadapi penggunaan atau penjualan permintaan yang meningkat.

Disamping itu persediaan ini dimaksudkan pula untuk menjaga

kemungkinan sukarnya diperoleh bahan-bahan sehingga tidak

mengganggu jalannya produk atau menghindari kemacetan produksi.

Persediaan juga dibedakan berdasarkan jenisnya secara fisik dan

posisi barang tersebut dalam urutan pengerjaan produk, yaitu :

1. Persediaan Bahan Baku (Raw Material Stock) yaitu persediaan dari

barang-barang berwujud yang digunakan dalam proses produksi,

barang mana yang dapat diperoleh dari sumber-sumber alam ataupun

dibeli supplier atau perusahaan yang menghasilkan bahan baku bagi

perusahaan pabrik yang menggunakannya.

2. Persediaan bagian produk yang dibeli (Purchased Parts atau

Components Stock) yaitu persediaan barang-barang yang terdiri dari

komponen yang diterima dari perusahaan lain, yang secara langsung

dirakit dengan komponen lain, tanpa melalui proses produksi

sebelumnya. Jadi bentuk barang yang merupakan parts ini tidak

mengalami perubahan dalam operasi.

3. Persediaan bahan-bahan pembantu atau barang-barang perlengkapan

(Supplies Stock) yaitu persediaan barang-barang atau bahan-bahan

yang diperlukan dalam proses produksi untuk membantu berhasilnya

produksi atau yang dipergunakan dalam bekerjanya suatu

perusahaan, tetapi tidak merupakan bagian atau komponen dari

barang jadi.

4. Persediaan barang setengah jadi atau barang dalam proses yaitu

persediaan barang-barang yang keluar dari tiap-tiap bagian dalam

satu pabrik atau bahan-bahan yang telah diolah menadi suatu bentuk,

tetapi lebih perlu diproses kembali untuk kemudian menjadi barang

jadi. Mungkin saja barang setengah jadi bagi suatu pabrik,

15

merupakan barang jadi bagi pabrik lain karena proses produksinya

hanya memang sampai disitu saja.

5. Persediaan barang jadi (finished goods stock) yaitu persediaan

barang-barang yang telah selesai diproses atau diolah dalam pabrik

dan siap untuk dijual kepada pelanggan atau perusahaan lain.

2.3.4. Biaya Persediaan

Biaya persediaan menurut Baroto (2002) adalah semua

pengeluaran dan kerugian yang timbul sebagai akibat adanya persediaan.

Biaya tersebut diantaranya adalah sebagai berikut :

1. Harga pembelian, yaitu biaya yang dikeluarkan untuk membeli

barang, besarnya sama dengan harga perolehan sediaan itu sendiri

atau harga belinya. Pada beberapa model pengendalian sistem

persediaan, biaya tidak dimasukkan sebagai dasar untuk membuat

keputusan.

2. Biaya pemesanan, yaitu biaya yang harus dikeluarkan untuk

melakukan pemesanan ke pemasok, yang besarnya tidak dipengaruhi

oleh jumlah pesanan. Biaya pemesananan adalah semua pengeluaran

yang timbul untuk mendatangkan barang dari pemasok. Biaya ini

meliputi biaya pemrosesan pesanan, biaya ekspedisi, upah, biaya

telekomunikasi, biaya dokumentasi/transaksi, biaya pengepakan,

biaya pemeriksaan, dan biaya lainnya yang tidak tergantung jumlah

pesanan.

3. Biaya penyiapan (set up cost) adalah semua pengeluaran yang timbul

dalam mempersiapkan produksi. Biaya ini terjadi bila item

persediaan diproduksi sendiri dan tidak membeli dari pemasok.

Biaya ini meliputi biaya persiapan peralatan produksi, biaya

mempersiapkan mesin (set up), biaya mempersiapkan tenaga kerja

langsung, biaya perencanaan dan penjadwalan produksi, dan biaya-

biaya lain yang besarnya tidak tergantung pada jumlah item yang

diproduksi.

4. Biaya penyimpanan adalah biaya yang dikeluarkan dalam

penanganan atau penyimpanan material, semi finished product, sub

16

assembly, atau pun produk jadi. Biaya ini besarnya tergantung dari

lamanya penyimpanan dan jumlah yang disimpan. Biaya simpan

biasanya dinyatakan dalam biaya per unit per periode. Biaya

penyimpanan ini meliputi :

a) Biaya fasilitas penyimpanan (penerangan, pemanas atau

pendingin).

b) Biaya modal (opportunity cost of capital, yaitu alternatif

pendapatan atas dana yang diinvestasikan dalam persediaan).

c) Biaya keusangan

d) Biaya perhitungan fisik dan konsiliasi laporan.

e) Biaya asuransi dan pajak

f) Biaya penangannan persediaan dan biaya-biaya lainnya yang

bersifat variabel tergantung pada jumlah item.

5. Biaya kekurangan persediaan. Bila perusahaan kehabisan barang saat

ada permintaan, maka akan terjadi stock out. Stock out menimbulkan

kerugian berupa biaya akibat kehilangan kesempatan mendapatkan

keuntungan atau kehilangan pelanggan yang kecewa dan beralih ke

pesaing. Biaya ini sulit diukur karena berhubungan dengan good will

perusahaan.

2.4. Pengendalian Persediaan

Jumlah pemesanan ekonomis merupakan besarnya pesanan yang

diadakan agar menghasilkan biaya-biaya persediaan yang minimal (Assauri,

1993). Untuk menentukan jumlah pemesanan yang ekonomis ini, harus

diupayakan agar biaya-biaya pemesanan dan penyimpanan diperkecil. Usaha

untuk memperkecil biaya pemesanan dan penyimpanan ini menyebabkan

sistem persediaan dihadapkan pada dua sifat biaya yang bertentangan. Sifat

yang pertama menekankan agar pemesanan dilakukan dalam jumlah besar

sehingga akan memperkecil biaya pemesanan per unit. Sifat biaya yang kedua,

menekankan pada upaya untuk meminimumkan jumlah persediaan agar

memperkecil biaya penyimpanan. Berdasarkan kedua sifat tersebut dapat

dilihat bahwa jumlah pemesanan ekonomis terletak antara biaya pemesanan

dan biaya penyimpanan.

17

Model persediaan tradisional memberikan solusi berupa diadakannya

suatu persediaan dalam jumlah tertentu sebagai tindakan pengendalian atas

kondisi-kondisi nyata yang mungkin terjadi. Inilah yang disebut sebagai

sediaan pengaman atau Safety Stock (SS). Dimana penentuan besar kecilnya

safety stock ini dipengaruhi oleh pola permintaan, biaya dan lead time.

Pada kondisi dimana terdapat elemen yang cepat berubah seperti

terjadinya perubahan harga, maka perusahaan menetapkan suatu ambang batas

untuk tingkat perubahan harga itu sendiri yang dihubungkan dengan

pengendalian. Bila perubahan harga belum malampaui ambang batas maka

belum perlu untuk melakukan tindakan apa-apa. Penyesuaian baru dilakukan

bila perubahan harga telah melalui ambang batas yang telah ditentukan.

Menurut Baroto (2002) model-model pengendalian persediaan

tradisional mengasumsikan waktu yang diperlukan untuk pemenuhan

kebutuhan (lead time) adalah konstan. Secara aktual, asumsi ini sulit dipenuhi

karena banyak masalah yang tak dapat dihindarkan sehingga pesanan tidak

dapat terkirim sesuai dengan waktu yang diperkirakan.

2.5. Model Pengendalian Persediaan Sederhana

2.5.1. Economic Order Quantity (EOQ)

Metode manajemen persediaan yang paling terkenal adalah model-

model Economic Order Quantity (EOQ) atau Economic Lot Size (ELS).

Metode-metode ini dapat digunakan baik untuk barang yang dibeli

maupun yang diproduksi sendiri. Model EOQ merupakan metode yang

biasa digunakan untuk barang yang dibeli, sedangkan ELS untuk barang-

barang yang diproduksi secara internal.

Menurut Handoko (2000), konsep EOQ (kadang disebut sebagai

model fixed order quantity) adalah sederhana. Model ini digunakan

untuk menentukan kuantitas pesanan persediaan yang meminimumkan

biaya langsung penyimpanan persediaan dan biaya kebalikannya

(inverse cost) pemesanan persediaan. Gambar 2 di bawah menunjukkan

hubungan antara biaya penyimpanan dan biaya pemesanan.

18

Gambar 2. Hubungan antara biaya pemesanan dan biaya penyimpanan

(Sumber : Handoko, 2003)

Rumus EOQ yang biasa digunakan adalah sebagai berikut :

HSDEOQ 2

= ........................................................................... (4)

Dimana :

D = penggunaan atau permintaan yang diperkirakan per periode

S = biaya pemesanan per Pesanan

H = biaya penyimpanan per unit per tahun

Asumsi dari penggunaan model EOQ adalah sebagai berikut :

1. Permintaan akan produk adalah konstan, seragam dan diketahui

2. Harga per unit produk adalah konstan

3. Biaya penyimpanan per unit per tahun (H) adalah konstan

4. Biaya pemesanan per pesan (S) adalah konstan

5. Waktu antara pesanan dilakukan dan barang diterima (lead time, L)

adalah konstan

6. Tidak terjadi kekurangan barang atau back orders

2.6. Model-Model Persediaan Stokastik

Keadaan nyata yang berlaku pada perusahaan, ada beberapa parameter

yang memiliki nilai tidak pasti, satu atau lebih parameter tersebut merupakan

variabel-variabel acak. Parameter tersebut diantaranya :

1. Permintaan tahunan (D)

2. Permintaan harian (d)

3. Lead time (L)

Kuantitas (Q)

Biaya Total QDSQHTC +=

2

Biaya penyimpanan 2QH=

Biaya pemesanan QDS=

EOQ

Biaya Total

19

4. Biaya penyimpanan (H)

5. Biaya pemesanan (S)

6. Biaya kehabisan persediaan atau shortage cost (stock out=B)

7. Harga (C)

Model-model EOQ sebelumnya dapat tidak peka terhadap perubahan-

perubahan D, H, S atau B. Model persediaan stokastik atau simulasi

merupakan metode yang valid dalam penentuan EOQ yang didalamnya

terdapat parameter-parameter yang tidak diketahui dengan pasti dan konstan.

Untuk menghadapi permintaan yang bervariasi perusahaan biasanya

mempunyai tingkat persediaan tertentu sebagai pengaman yang disebut safety

atau buffer stocks. Safety stock ini menyediakan sejumlah persediaan selama

masa lead time.

2.6.1. EOQ dengan Ketidakpastian Permintaan Selama Lead Time

Tujuan model ini adalah menentukan besarnya persediaan pengaman

(safety stock) untuk meminimumkan biaya kehabisan bahan (expected costs of

shortages) dan biaya penyimpanan persediaan pengaman (holding safety

stock).

Gambar 3. Berbagai variasi permintaan harian (d) dan lead time (L) (Sumber : Handoko, 2003)

Gambar 3 menunjukkan grafik tingkat persediaan teoritik dan

persediaan nyata dari waktu ke waktu. Seperti ditujukan dalam gambar

tersebut, ada perbedaan permintaan dan lead time teoritik dengan

kenyataannya, sehingga bila tidak ada persediaan pengaman/penyangga

Titik pemesanan kembali Persediaan Pengaman

waktu

kuantitas (unit)

Persediaan teoritik

Persediaan nyata

L1 L2 L3

20

maka perusahaan akan mengalami kekurangan bahan. Besarnya

persediaan penyangga yang dibutuhkan adalah sebesar selisih antara

permintaan yang diperkirakan selama masa lead time (ROP = dL)

dengan permintaan maksimum wajar yang mungkin dapat terjadi selama

masa lead time (ROP max).

Persediaan penyangga = ROP max – ROP .......................................... (5)

Besarnya ROP max ini diperoleh ROP rata-rata harian ditambah

deviasi standar permintaan harian (σD) dikali faktor keselamatan (n)

yang berhubungan dengan tingkat pelayanan dari probabilitas terjadinya

permintaan.

Persediaan penyangga = ROP max – ROP = (ROP + n σD) - ROP

Persediaan penyangga = n σD .............................................................. (6)

Brown dalam Buffa (1994) menyatakan bahwa perkiraan

kekurangan jumlah per pesanan merupakan hasil kali σD dan E(k),

dimana E(k) merupakan perkiraan persial untuk suatu permintaan

dengan deviasi standar unit. Perkiraan parsial adalah perkiraan besarnya

permintaan di atas tingkat tertentu.

Perkiraan kekurangan jumlah per pesanan = σD x E(k) ...................... (7)

Biaya penyimpanan persediaan penyangga = σDn x H ....................... (8)

Biaya kekurangan persediaan = B (D/Q) x perkiraan kekurangan

= B (D/Q) x σD x E(k) .......................... (9)

Brown dalam Buffa (1994) menciptakan tabel perkiraan parsial

untuk perkiraan kekurangan jumlah per pesan dengan faktor keselamatan

tertentu yang berhubungan dengan tingkat pelayanan tertentu. Tabel

perkiraan parsial ini telah memperhitungkan kemungkinan terjadinya

kehabisan persediaan selama masa tenggang (masa pengisian kembali)

yang disesuaikan dengan tingkat pelayanan perusahaan. Hasil

perhitungan dengan menggunakan tabel ini juga dapat memperkirakan

total biaya kehabisan dan tambahan biaya penyimpanan yang paling

kecil dari adanya tambahan persediaan penyangga. Perusahaan dapat

menentukan tingkat pelayanan bagi perusahaan dengan melihat hasil

21

perbandingan biaya kehabisan dan tambahan biaya penyimpanan dari

setiap tingkat pelayanan.

Tabel 1. Perkiraan parsial berdasarkan tingkat pelayanan Faktor Pengaman, n Tingkat Pelayanan, % Perkiraan Parsial, E(k)

3,090 99,9 0,00028

2,576 99,5 0,00158

2,326 99,0 0,00441

1,960 97,5 0,00945

1,645 95,0 0,02089

1,282 90,0 0,04730

1,036 85,0 0,07776

0,842 80,0 0,11156

0,674 75,0 0,14928

0,524 70,0 0,19050

0,385 65,0 0,23565

0,253 60,0 0,28515

0,126 55,0 0,33911

0 50,0 0,39894

Sumber : Brown dalam Buffa,1994

2.7. Penelitian Terdahulu

Danarti (2004) dalam penelitiannya dengan judul Kajian Pengendalian

Bahan Baku Teh Botol Freshtea Pada PT CocaCola Bottling Indonesia yang

bertujuan untuk menentukan tingkat persediaan bahan baku teh botol yang

optimal serta analisis sensitivitas terhadap kebijakan pengendalian persediaan

selama ini oleh perusahaan. Menggunakan metode EOQ, penelitian ini

menghasilkan bahwa biaya persediaan akan optimal bila pembelian bahan

baku per pesanan adalah sebesar 148 karung teh kering dan 640 karung gula

pasir dan frekuensi pemesanan selama periode Juli – Desember sebanyak 11

kali untuk teh kering dan 17 kali untuk gula pasir. Bila dibandingkan dengan

sistem yang selama ini digunakan perusahaan, penghematan biaya persediaan

teh kering sebesar Rp 1.788.160,- dan gula pasir sebesar Rp 6.809.269,-. jadi

kesimpulannya pengendalian persediaan teh kering dan gula pasir yang selama

ini dilakukan oleh perusahaan belum optimal.

22

Purwani (2006) dalam penelitiannya dengan judul Kajian Persediaan

bahan Baku Kulit Sintetik di Perusahaan Sumber Karya Indah dengan Metode

Simulasi, yang bertujuan untuk mengkaji sistem persediaan yang dilakukan

perusahaan, serta membuat model dan biaya persediaan dengan metode

Simulasi. Dari hasil analisisnya didapat hasil bahwa berdasarkan kebijakan

perusahaan, biaya persediaan total adalah sebesar Rp 13.716.170,- per tahun.

Perusahaan menetapkan pemesanan 2 roll dengan titik pesan kembali 0.25

roll. Menurut metode simulasi, jumlah pemesanan bahan baku yang dapat

meminimalkan biaya persediaan adalah 21 roll dengan titik pemesanan

kembali sebesar 0.63 roll. Biaya persediaan total berdasarkan jumlah

pemesanan optimal menurut metode simulasi adalah sebesar Rp 1.841.191,-

per tahun. Besarnya penghematan perusahaan apabila menggunakan metode

simulasi adalah sebesar 86 persen.

Putra (2005) dalam penelitiannya yang berjudul Analisis Pengendalian

Persediaan Bahan baku Produk Ban Pada PT Goodyear Indonesia, Tbk yang

bertujuan untuk menganalisis sistem pengadaan dan pengendalian bahan baku

perusahaan dan analisis tingkat persediaan dan kebijakan pengendalian

persediaan bahan baku yang optimal bagi perusahaan. Dari hasil penelitiannya

dengan menggunakan metode EOQ didapat hasil bahwa adanya perbedaan

pengendalian persediaan yang cukup signifikan antara metode EOQ dengan

metode yang selama ini digunakan perusahaan. Namun untuk kebijakan

pengadaan dan pengendalian bahan baku lokal, perusahaan telah melakukan

kebijakan dengan optimal.

III. METODOLOGI PENELITIAN

3.1. Kerangka Pemikiran

Setiap jenis perusahaan baik yang bergerak di bidang jasa, manufaktur

maupun perdagangan memiliki banyak faktor yang mempengaruhi kelancaran

operasionalnya. Salah satu faktor tersebut adalah persediaan baik dalam

bentuk persediaan bahan baku, bahan yang dibeli (spare part), bahan

penolong/perlengkapan, barang setengah jadi maupun barang jadi yang

digunakan dalam kegiatan operasional perusahaan.

PT. Alam Sumbervita sebagai perusahaan dagang yang berperan sebagai

distributor dari satu atau beberapa produk merupakan perusahaan yang salah

satu aktivitas utamanya adalah dalam hal pengelolaan persediaan.

Adanya persaingan usaha yang semakin ketat menyebabkan perusahaan

harus berusaha untuk meningkatkan efisiensi usahanya demi mencapai

keunggulan dalam bersaing. Persaingan usaha ini menyebabkan munculnya

dua tuntutan penting bagi PT. Alam Sumbervita. Pertama tuntutan internal

perusahaan untuk terus meningkatkan efisiensi operasional usahanya dan

kedua adanya tuntutan sebagai distributor prudok-produk PT. Indomilk, PT.

Indolakto, PT Indomurni dan PT. Indo Es Krim Meiji untuk dapat

mendistribusikan produk-produknya ke pelanggan. Kedua tuntutan ini

menyebabkan PT. Alam Sumbervita harus terus melakukan pengembangan

dab perbaikan sistem perencanaan dan pengendalian persediaan agar

perusahaan dapat tetap terus bersaing.

Hasil dari perbaikan sistem ini diharapkan dapat memberikan kebijakan

persediaan perusahaan yang optimal, yaitu tingkat persediaan yang dapat

mengefisiensikan keseluruhan biaya persediaan yang muncul dan tetap

menjaga ketersediaannya untuk menjaga loyalitas pelanggan.

Kerangka pemikiran yang menjadi dasar bagi penelitian ini adalah

seperti yang terlihat pada Gambar 4 di bawah ini.

24

Persaingan Usaha yang Semakin Ketat Bagi PT. Alam Sumbervita

Efisiensi Biaya Persediaan Menjaga Loyalitas Pelanggan

Perbaikan Sistem Perencanaan dan Pengendalian Persediaan

Tuntutan Efisiensi Internal Tuntutan Posisi sebagai Distributor PT. Indomilk dan PT. Indolakto

Optimalisasi Kebijakan Persediaan

Gambar 4. Kerangka Pemikiran

3.2. Tahapan Penelitian

Penelitian ini dimulai dengan pencarian ide dan gagasan melalui studi

pendahuluan, baik melalui studi pustaka media cetak maupun elektronik

(internet), dan studi dari penelitian terdahulu. Lalu setelah ditentukan tema,

langkah selanjutnya adalah penentuan batasan masalah yang akan diteliti lebih

lanjut dan penentuan variabel-variabel apa saja yang mempengaruhi objek

penelitian.

Langkah selanjutnya adalah menentukan data apa saja yang dibutuhkan

dan dilanjutkan dengan pengumpulan data baik data primer maupun data

sekunder melalui wawancara, observasi langsung, studi literatur dan

pengumpulan data historis perusahaan.

Pengolahan data yang dimulai dengan melakukan pengelompokkan

produk, dilanjutkan dengan peramalan tingkat permintaan untuk periode

selanjutnya dengan menggunakan data penjualan pada periode-periode

sebelumnya. Selanjutnya adalah penentuan tingkat persediaan yang optimal

dengan menggunakan metode EOQ stokastik. Setelah itu dilakukan

perbandingan efisiensi biaya dari metode yang digunakan perusahaan dan

metode yang digunakan peneliti. Hasil pengolahan dengan metode ini

25

diharapkan dapat memberikan rekomendasi tingkat persediaan yang

meminimalkan biaya persediaan yang juga tetap menjaga ketersediaannya

bagi perusahaan.

Gambar 5. Tahapan Penelitian

Pengolahan Data

Penentuan Batasan Masalah dan Variabel yang Mempengaruhi

Studi Pendahuluan

Identifikasi Data yang Dibutuhkan

Observasi Wawancara Studi Literatur dan Data Perusahaan

Pengumpulan Data

Peramalan Permintaan

Metode Pengendalian Persediaan

Rekomendasi Bagi Perusahaan

Kesimpulan dan Saran

Pengelompokkan Produk

Metode EOQ Stokastik Metode EOQ Stokastik

Dengan Kapasitas Tertentu Metode yang Digunakan

Perusahaan

Perbandingan antar Metode Pengendalian Persediaan

26

3.3. Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di PT. Alam Sumbervita yang terletak di Jl.

Raya Bogor Km 24,7 Jakarta Timur 13750 sejak bulan Mei 2007 sampai

dengan bulan Juli 2007.

3.4. Jenis dan Metode Pengumpulan Data

Jenis data yang dibutuhkan ada dalam dua bentuk yaitu data primer dan

data sekunder. Data primer merupakan data yang langsung dikumpulkan dari

perusahaan dan data sekunder merupakan data yang telah tersusun dalam

bentuk dokumen-dokumen tertulis yang diperoleh dari perusahaan, literatur

terdahulu maupun dari internet.

Metode pengumpulan data untuk data primer dilakukan melalui

observasi, dokumentasi dan dengan melakukan wawancara pada beberapa

karyawan Bagian Pengadaan dan Bagian Gudang. Data sekunder dikumpulkan

melalui studi literatur dan internet serta pengumpulan data historis perusahaan

khususnya Bagian Pengadaan dan Bagian Gudang. Tujuan penelitian,

Kebutuhan data, jenis dan sumber data, metode pengolahan data yang

digunakan dan kesimpulan yang diharapkan dapat dilihat pada Tabel 2.

Tabel 2. Tujuan penelitian, jenis kebutuhan data, metode pengolahan dan kesimpulan yang diharapkan

NO Tujuan Penelitian

Data yang Diperlukan

Sumber Data

Jenis Sumber

Data

Metode Pengolahan kesimpulan

1

Mengetahui sistem pengadaan dan pengendalian persediaan perusahaan.

Data persediaan Jumlah pembelian barang jadi Frekuensi pemesanan Data Lead time Data jenis barang jadi Harga jual/unit Biaya pembelian Biaya pemesanan Biaya penyimpanan Data penjualan

Bagian purchasing Bagian warehouse

Data primer dan sekunder

• Tabulasi

Mengetahui sistem pengadaan dan pengendalian dan biaya yang dikeluarkan selama ini.

2

Menetapkan jenis produk yang perlu mendapatkan prioritas

Data jenis produk Biaya pembelian Harga jual Volume penjualan

Bagian warehouse

Data Primer dan Sekunder

• Tabulasi

Mengetahui jenis produk mana saja yang harus diprioritaskan.

3

Menghitung tingkat persediaan yang optimal bagi perusahaan.

Data penjualan Data persediaan masa lalu Frekuensi pemesanan Data Lead time Data jenis barang jadi Harga jual/unit Biaya pembelian Biaya pemesanan Biaya penyimpanan

Bagian purchasing Bagian warehouse

Data primer dan sekunder

• Tabulasi • Diagram

scatter • ARIMA • Model

persediaan stokastik

Mengetahui perkiraan permintaan untuk 1 tahun kedepan Mengetahui tingkat persediaan yang optimal dengan biaya persediaan yang paling efisien

27

3.5. Pengolahan dan Analisis Data

3.5.1. Klasifikasi Persediaan Berdasarkan Volume Penjualan

Pengelompokkan produk-produk yang perlu mendapatkan prioritas

dalam pengendalian persediaan dilakukan berdasarkan volume penjualan

tertinggi untuk produk-produk Dry PT. Alam Sumbervita Jakarta.

Penentuan prioritas produk ini dilakukan dengan bantuan Software

Microsoft Excel, agar produk-produk yang termasuk dalam kategori

penting dengan persentase kumulatif penjualan 50 sampai 75 persen

mendapatkan perhatian lebih dalam pengendalian persediaan.

3.5.2. Peramalan Permintaan

Peramalan digunakan untuk memproyeksikan volume penjualan di

masa yang akan datang. Alat analisis yang digunakan untuk meramalkan

permintaan adalah dengan menggunakan ARIMA. ARIMA merupakan

suatu model peramalan yang merupakan gabungan dari model

Autoregresive (AR), Integrated/differencing (I), dan Moving Average

(MA). Perhitungan dengan metode ARIMA ini menggunakan software

Minitab versi 14.

Perhitungan ARIMA ini melalui beberapa tahap, yaitu :

1. Pemeriksaan kestasioneran data

Pada tahap ini data runut waktu (Time Series) harus diperiksa

kestasionerannya untuk melihat apakah rata-rata dan variansinya

konstan, homogen dari waktu ke waktu. Karena data yang dianalisis

pada ARIMA adalah data stasioner, yaitu data yang rata-rata dan

variansinya konstan dari periode ke periode. Proses stasioner

merupakan salah satu syarat untuk pemodelan data deret waktu.

Kestasioner diperlukan untuk mempermudah dalam identifikasi dan

penarikan kesimpulan. Suatu data dikatakan stasioner jika memiliki

nilai tengah dan ragam yang relatif konstan. Bila data tidak stasioner

pada nilai tengah maka perlu dilakukan pembedaan atau differensiasi

derajat d, sedangkan untuk mengatasi ketidak stasioneran ragam

28

dilakukan transformasi. Pemeriksaan ini dilakukan berdasarkan

analisis otokorelasi dan otokorelasi parsial atau dilihat berdasarkan

plot diagram data aktualnya. Jika data belum stasioner maka harus

ditransformasi sampai stasioner, setelah data stasioner dilanjutkan ke

tahap selanjutnya.

2. Pengidentifikasian model

Model data yang telah stasioner akan diidentifikasi berdasarkan hasil

analisis otokorelasi dan otokorelasi parsial. Data yang dianalisis ini

mungkin saja data asli atau data yang telah ditransformasi menjadi

stasioner. Pengidentifikasian ini mungkin menghasilkan model AR,

MA, ARI, IMA, ARMA atau ARIMA.

3. Pengestimasian parameter model

Parameter model diestimasi berdasarkan taraf nyata model sebesar

0,05.

4. Pengujian model

Dari model yang telah ada yang taraf nyata modelnya di bawah 0,05

dipilih lagi yang terbaik dengan kriteria model yang memiliki MS

(Mean Square) terkecil.

5. Penggunaan model untuk peramalan

Model ARIMA yang telah diperoleh digunakan untuk menentukan

peramalan.

3.5.3. Metode Pengendalian Persediaan

Metode pengendalian persediaan ada dua, yaitu metode

pengendalian persediaan deterministik dan metode pengendalian

persediaan stokastik. Metode pengendalian persediaan deterministik

merupakan metode pengendalian persediaan yang menggunakan asumsi

dasar bahwa semua variabel yang mempengaruhi persediaan diketahui

dengan pasti dan besarnya konstan. Metode pengendalian persediaan

stokastik sebaliknya, yaitu metode pengendalian persediaan dengan

asumsi bahwa ada satu atau lebih variabel yang mempengaruhi

persediaan besarnya tidak diketahui dengan pasti dan tidak konstan.

29

Metode pengendalian persediaan yang akan digunakan pada

penelitian ini adalah metode yang sesuai dengan kondisi perusahaan.

Jika semua variabel yang mempengaruhi persediaan diketahui dengan

pasti dan besarnya konstan, maka metode yang akan digunakan adalah

metode pengendalian persediaan deterministik. Sebaliknya, jika ada satu

atau lebih variabel yang mempengaruhi persediaan tidak diketahui

dengan pasti dan tidak konstan, maka metode pengendalian persediaan

yang akan digunakan adalah metode pengendalian persediaan stokastik.

Alat analisis yang dapat digunakan untuk membantu

mempermudah penghitungan metode ini adalah dengan menggunakan

software Microsoft Excel.

IV. HASIL DAN PEMBAHASAN

4.1. Gambaran Perusahaan

PT. Alam Sumbervita didirikan dengan bentuk badan usaha Perseroan

Terbatas (PT) pada tanggal 11 November 1997, di Jakarta di bawah

manajemen PT. Indomilk Group atau disebut juga Dairy Group. Pendirian

perusahaan ini disahkan dengan Akta Notaris Popie Savitri MP. SH. Tanggal

13 LAP/XI/97 No. 14 Surat Menteri Kehakiman No. 221/DK-Lap/XI/97

tanggal 17 November 1997. Surat Menteri Kehakiman No. 4847 Tahun 1998.

Akta Notaris Popie Savitri MP. SH. Tanggal 5 September 1999. No. 9 NPWP

No. 01.542.456.0005.000, SIUP No. 125/3892-P/09-05/PB/VI/2000, TDP No.

090415115008. Jenis usaha PT. Alam Sumbervita menurut peraturan

perpajakan yang tercatat di kantor pelayanan pajak Jakarta, Kramat Jati,

Kantor Wilayah IV Jakarta Raya I adalah perdagangan besar dalam negeri

hasil industri makanan, minuman, tembakau.

PT. Alam Sumbervita awalnya bergerak dalam bidang impor produk

cereal (Brand Kellogg’s) yang diimpor dari Thailand, Australia dan Malaysia.

Pada akhir tahun 1998 PT. Alam Sumbervita mulai mendistribusikan produk

lokal dengan merek Indomilk dan merek Pauls ke beberapa instansi swasta,

institusi pemerintah, koperasi, pasar tradisional dan super market. Khusus

untuk merek Pauls didistribusikan ke super market dan mini market, namun

untuk merek Indomilk hanya dapat didistribusikan ke institusi-institusi dan

koperasi-koperasi karyawan. Sebelum tahun 2000, produk Kellogg’s yang

diimpor oleh PT. Alam Sumbervita ke Indonesia juga didistribusikan oleh PT.

Indomarco Adi Prima ke seluruh Indonesia. Bentuk produk terakhir merek

Kellogg’s adalah cereal dan crispy, tetapi pada tahun 2000 Kellogg’s

Indonesia yang berkantor di Jakarta mengalami kebangkrutan, maka produk

Kellogg’s tidak lagi diimpor PT. Alam Sumbervita. Pada bulan Juni 2001

pemasok produk merek Pauls juga menghentikan pasokannya karena produk

Pauls dianggap kurang laku di pasar.

Pada tanggal 1 Juni 2001 dengan melihat potensi pasar yang ada, PT.

Alam Sumbervita memutuskan untuk membuka cabang di beberapa kota di

Jawa. Setelah tidak menangani produk Kellogg’s PT. Alam Sumbervita

31

memfokuskan diri untuk menjadi distributor resmi merek Indomilk dan

dipercaya memegang hak distributor utama wilayah Jawa, Kalimantan, dan

Indonesia Timur untuk produk jenis Kremer Kental Manis (KKM) Tiga Sapi

dan Crima, yang mulai menyebar ke seluruh pasar-pasar tradisional. Namun

pada tahun 2005 selain mendistribusikan produk tersebut di atas, PT. Alam

Sumbervita juga mendistribusikan produk pangan beku seperti ice cream dan

produk susu murni Pastured Liquid Milk (PLM).

Saat ini PT. Alam Sumbervita telah memiliki beberapa sub distributor

untuk wilayah luar Jabodetabek. Dibukanya beberapa cabang tersebut sangat

diharapkan dapat meningkatkan distribusi produk-produk Indomilk khususnya

ke kawasan Indonesia Timur, karena untuk kawasan Indonesia Timur sedang

digalakan oleh pemerintah untuk dikembangkan.

4.2. Gambaran Produk

Berbagai jenis produk yang didistribusikan oleh PT. Alam Sumbervita

berasal dari PT. Indomilk, PT. Indolakto, PT. Indo Es Krim Meiji dan PT.

Indomurni yang dibagi ke dalam tiga kelompok besar, yaitu kelompok Dry,

kelompok PLM (Pastured Liquid Milk) dan kelompok Ice Cream.

Kelompok Dry adalah jenis susu creamer yang memiliki masa

kadaluarsa lebih dari satu tahun (1-2 tahun). Kelompok PLM (Pastured Liquid

Milk) adalah jenis susu murni yang memiliki masa kadaluarsa beberapa

minggu (2 – 3 minggu), dan terakhir Ice Cream adalah jenis produk susu

olahan dalam bentuk cold yang masa kadaluarsanya kurang dari satu tahun ( <

1 tahun), (PT. Alam Sumbervita, 2007).

Kelompok Dry terdiri dari tujuh sub kelompok produk, yaitu SKM (Susu

Kental Manis), SCI (Susu Cair Instan), UHT (Ultra High Temperature), SBI

(Susu Bubuk Instan), SBB (Susu Bubuk Reguler), SBC (Susu Bubuk Coklat),

CCS (Calsi Skim) dan Bulk. Untuk lebih lengkap jenis-jenis produk yang

termasuk dalam kelompok Dry dapat dilihat seperti pada Tabel 3.

32

Tabel 3. Jenis-jenis produk Dry

No Jenis Produk No Jenis Produk

1 SKM

• IMP • IMP’S • IMC • IMC’S • CE • KKM • CE’S • CE’C • Tiga Sapi • TS’S • TS BDG • CRIMA

5 UHT

• C 125ml • S 125ml • M 125ml • C 200ml • S 200ml • M 200ml • TS C 200ml • TS S 200ml • FC 1000ml • CH 1000ml

2 SCI

• C 200ml • S 200ml • MLN 200ml • PLAIN 200ml

6 BULK

• REG/25 Kg • INS/25 Kg • SKM BULK 2x5 • SKM BULK 1x10 • SMP BULK 25 Kg • REG/ 2 Kg • INS/ 2 Kg

3 SBI

• 200ml • 400ml • 1000ml • BIO 400ml • BIO 800ml • BIO KIDS 1-3 400ml • BIO KIDS 1-3 800ml • BIO KIDS 4-6 400ml • BIO KIDS 4-6 800ml

7 SBC

• 200ml • 400ml • 1000ml • BIO 400ml • BIO 800ml • BIO KIDS 1-3 400ml • BIO KIDS 1-3 800ml • BIO KIDS 4-6 400ml • BIO KIDS 4-6 800ml

4 CCS • 400gr FC • 400gr C 8 SBB

• 200ml • 400ml • 1000ml

Sumber : PT. Alam Sumbervita, 2007

4.3. Sistem Pengadaan Barang PT. Alam Sumbervita

Pengendalian persediaan pada PT. Alam Sumbervita dilakukan oleh

Bagian Gudang dan Bagian Pengadaan. Pemasok untuk produk-produk

kelompok PLM adalah PT. Indomurni dan PT. Indomilk. Kelompok Dry

dipasok oleh PT. Indomilk dan PT. Indolakto, sedangkan untuk kelompok Ice

Cream dipasok oleh PT. Indo Es Krim Meiji.

Penelitian ini difokuskan untuk membahas persediaan produk pada PT.

Alam Sumbervita Jakarta dari kelompok Dry saja, karena masa kadaluarsanya

lebih dari satu tahun sehingga perlu direncanakan dan dikendalikan dengan

baik. Kelompok PLM masa kadaluarsanya hanya beberapa minggu dan

kelompok Ice Cream masa kadaluarsanya kurang dari satu tahun, sehingga

33

untuk kedua kelompok ini sistem persediaan yang diterapkan lebih ke arah

sistem zero inventory atau upaya untuk meminimalkan persediaan.

Alur proses pemesanan barang hingga barang tiba di gudang adalah

sebagai berikut :

1. Dimulai dari adanya estimasi bagian sales tentang prediksi kebutuhan di

masa yang akan datang dari keseluruhan cabang

2. Pencocokan jumlah barang antara ketersediaan di gudang dengan estimasi

sales

3. Pembuatan CMO (Commited Monthly Order) yang didapat dari hasil

pencocokan antara ketersediaan di gudang dengan estimasi sales

4. Pengeluaran PO (Purchasing Order) yaitu surat pemesanan barang yang

dikeluarkan PT. Alam Sumbervita untuk suplier

5. Setelah PO diterima lalu keluarlah DO (Delivery Order) yang dikeluarkan

oleh suplier sebagai surat pengeluaran barang

6. Proses pengiriman barang yang dipesan dari suplier ke seluruh cabang PT.

Alam Sumbervita

7. Terakhir setelah barang yang dipesan sampai di PT. Alam Sumbervita dan

setelah dilakukan pengecekan terhadap barang yang dipesan maka

perusahaan mengeluarkan GRN (Goods Receipt Note) atau surat

keterangan bahwa barang yang dipesan sudah diterima sesuai pesanan.

Alur proses pemesanan barang dari mulai barang dipesan hingga barang

tiba di gudang dan siap untuk digunakan dapat dilihat seperti pada Gambar 6

berikut.

Gambar 6. Alur pemesanan barang kedalam gudang

Estimasi sales Mix and Match

PO (Purchase Order)

DO (Delivery Order)

Pemeriksaan dan Pengeluaran GRN (Goods Receipt Note)

CMO

Pengiriman Barang

34

Keluar masuknya barang (Turn over) terjadi setiap hari dari hari Senin

sampai hari Sabtu. Aliran barang masuk ke gudang terjadi selama lima hari

kerja, yaitu hari Senin sampai hari Jum’at, sedangkan untuk aliran barang

keluar terjadi dari hari Senin hingga hari Sabtu. Rata-rata permintaan yang

diminta oleh PT. Alam Sumbervita untuk produk Dry, sekitar 75 persen

dipenuhi oleh PT. Indomilk dan sisanya 25 persen dipenuhi oleh PT. Indolakto

dengan lead time masing-masing pemasok adalah satu hari mulai barang

dipesan hingga barang sampai digudang

Proses pengiriman produk dari pemasok ke PT. Alam Sumbervita terjadi

secara bertahap, karena adanya keterbatasan kapasitas gudang yang dimiliki

PT. Alam Sumbervita menyebabkan CMO yang dikeluarkan setiap bulan tidak

langsung dikirim sepenuhnya. Estimasi selama satu bulan kedepan diberikan

PT. Alam Sumbervita ke pemasok, namun konfirmasi pengirimannya

dilakukan secara bertahap, ketika tingkat persediaan di gudang sudah

mencapai titik buffer stock (persediaan penyangga). Kebijakan tingkat

persediaan penyangga yang ditetapkan perusahaan adalah berbeda-beda untuk

setiap jenis produk, namun besarnya persediaan penyangga adalah tetap

sepanjang tahun untuk tiap-tiap produk.

PT. Alam Sumbervita sejak tahun 2001 memiliki beberapa cabang di

Pulau Jawa, yaitu di Surabaya, Cirebon, Semarang, Bandung dan Yogyakarta.

Estimasi yang didapat merupakan estimasi dari keseluruhan cabang yang

dikumpulkan ke PT. Alam Sumbervita Jakarta untuk diteruskan ke pemasok,

sehingga estimasi yang disampaikan dari PT. Alam Sumbervita adalah

estimasi untuk keseluruhan permintaan periode berikutnya. Persentase

permintaan untuk estimasi tiap-tiap cabang terhadap keseluruhan estimasi

permintaan dapat dilihat seperti pada Tabel 4.

PT. Alam Sumbervita telah terintegrasi dengan pemasoknya dalam hal

sistem penyaluran produk pesanan, sehingga estimasi untuk tiap-tiap cabang

dapat dikirim langsung dan tidak perlu dikirim ke PT. Alam Sumbervita

Jakarta terlebih dahulu. Sekitar 65 persen pesanan dari keseluruhan estimasi

yang diajukan dikirim langsung ke masing-masing cabang dan selebihnya

sekitar 35 persen dikirim untuk PT. Alam Sumbervita Jakarta.

35

Tabel 4. Persentase permintaan tiap cabang PT. Alam Sumbervita terhadap total permintaan

Sumber : PT. Alam Sumbervita, 2007

4.4. Biaya Persediaan

Secara keseluruhan, tidak ada penanganan khusus untuk tiap-tiap produk

Dry. Setiap produk Dry ditangani dengan perlakuan yang sama, sehingga

biaya yang terkait dengan persediaan secara umum untuk tiap produk adalah

sama. Kapasitas, volume penjualan dan jumlah pemesanan adalah beberapa

variabel yang membedakan besarnya biaya untuk produk satu dengan yang

lain.

Biaya-biaya yang terkait dengan adanya persediaan ini adalah sebagai

berikut :

1. Biaya Pemesanan, terdiri dari biaya telepon, biaya pengiriman, biaya

administrasi surat.

2. Biaya Penyimpanan, terdiri dari biaya asuransi, biaya utilitas dan biaya

penanganan dan pemeriksaan.

Biaya total pemesanan dan biaya total penyimpanan untuk PT. Alam

Sumbervita Jakarta pada tahun 2006 dapat dilihat seperti pada Tabel 5. Biaya

lain yang secara langsung juga berkaitan dengan adanya persediaan adalah

biaya modal dan biaya kehabisan barang (stock out). Biaya modal merupakan

opportunity cost dari modal yang digunakan untuk membeli persediaan

dibandingkan dengan diinvestasikan disektor lain, seperti ditabung dalam

Bank, dimana suku bunga tabungan yaitu sebesar 8,5 persen (Bank Indonesia,

2007).

No Cabang Persentase Permintaan (%) 1 Jakarta 35 2 Surabaya 20 3 Bandung 20 4 Semarang 10 5 Yogyakarta 10 6 Cirebon 15

TOTAL 100

36

Tabel 5. Total biaya pemesanan dan penyimpanan PT. Alam Sumbervita Jakarta tahun 2006.

Sumber : PT. Alam Sumbervita, 2007

Tabel 5 menunjukkan bahwa total biaya pemesanan untuk seluruh

produk Dry pada tahun 2006 adalah sebesar Rp 96.107.835,-, sedangkan total

untuk biaya penyimpanan seluruh produk Dry pada tahun 2006 adalah sebesar

Rp 241.973.600,-. Jumlah terbesar untuk biaya pemesanan adalah pada biaya

pengiriman yaitu sebesar Rp 58.704.000,-, sedangkan untuk biaya

penyimpanan adalah pada biaya utilitas yang memakan biaya sebesar Rp

128.849.850,-.

Biaya kehabisan barang merupakan biaya yang muncul karena adanya

keuntungan yang seharusnya dapat diperoleh perusahaan dari hasil penjualan

produknya. Namun karena barang yang diinginkan habis maka keuntungan

yang seharusnya diperoleh tidak diterima perusahaan. Keuntungan bersih yang

diterima perusahaan dari hasil penjualannya adalah sekitar 2 persen dari harga

jual tiap-tiap produk (PT. Alam Sumbervita, 2007). Biaya pemesanan per

pesan dan biaya penyimpanan untuk tiap karton dapat dilihat seperti pada

Tabel 6 di bawah ini. Perhitungan lengkap untuk biaya pemesanan per pesan

dan biaya penyimpanan per unit karton dapat dilihat pada Lampiran 2

Tabel 6. Biaya pemesanan per pesan dan biaya penyimpanan per unit karton tahun 2006

Biaya Penyimpanan per karton Biaya Asuransi Rp 10.841 / karton Biaya Utilitas Rp 13.350,46 / karton Biaya Penanganan dan Pemeriksaan Rp 880,23 / karton

Total Rp 25.072 / karton

Biaya Pemesanan per pesan Biaya Telepon Rp 5,367/pesan Biaya Pengiriman Rp 27.301/pesan Biaya Adm Surat Rp 12,030/pesan

Total Rp 44.698/pesan

Biaya Pemesanan

Jumlah (Rupiah)

Biaya Penyimpanan

Jumlah (Rupiah)

Biaya Telepon 11.538.294 Biaya Asuransi 104.628.380Biaya Pengiriman 58.704.000 Biaya Utilitas 128.849.850 Pengeluaran Administrasi Surat

25.865.541 Biaya Penanganan dan pemeriksaan

8.495.370

Total 96.107.835 Total 241.973.600

37

4.5. Penentuan Produk-Produk Prioritas Berdasarkan Volume Penjualan

Berdasarkan data historis perusahaan dan dikelompokkan dengan

kriteria penilaian volume penjualan tertinggi untuk kelompok Dry. Diperoleh

12 produk yang memiliki persentase volume penjualan tertinggi dengan

persentase kumulatif mencapai 75 persen dari keseluruhan volume penjualan.

Keduabelas produk ini merupakan produk-produk prioritas yang akan dibahas

lebih lanjut berdasarkan volume penjualan terrtinggi. Produk-produk tersebut

adalah seperti yang terlihat pada Tabel 7 di bawah ini.

Tabel 7. Persentase penjualan produk-produk prioritas terhadap total penjualan tahun 2006

Penjualan Tahun 2006

No Jenis Produk Volume

Penjualan

(Karton/tahun)

Persentase

(%)

Kumulatif

(%)

1 SKM CE’S 70.504 16,18 16,18 2 SCI C 200ml 41.651 9,55 25,73 3 SKM CE 33.912 7,78 33,51 4 SKM IMP’S 29.643 6,80 40,31 5 SKM CRIMA 28.800 6,60 46,92 6 SKM IMP 28.181 6,46 53,39 7 UHT C 125ml 19.228 4,41 57,80 8 SKM KKM 18.840 4,32 62,12 9 UHT FC 1000ml 17.903 4,10 66,23

10 SKM IMC 13.092 3,00 69,24 11 UHT TS C 200ml 12.830 2,94 72,18 12 SCI S 200ml 11.313 2,59 74,78

Data yang digunakan untuk mengelompokkan produk-produk tersebut

adalah data penjualan tahun 2006, karena pada tahun 2004 dan 2005 jenis-

jenis produk Dry yang didistribusikan PT. Alam Sumbervita tidak sebanyak

seperti pada tahun 2006. Hasil pengelompokkan ini menggambarkan produk-

produk mana saja yang patut untuk mendapatkan prioritas dalam perencanaan

dan pengendalian persediaan berdasarkan volume penjualan tertinggi. Produk-

produk yang ada dalam Tabel 7 di atas merupakan produk-produk dengan

volume penjualan tertinggi, karena itu produk-produk tersebut merupakan

38

produk yang harus mendapatkan prioritas dalam perencanaan dan

pengendalian persediaan. Hasil perhitungan pengelompokkan produk-produk

Dry dapat dilihat secara lengkap pada Lampiran 3 dan total biaya persediaan

tahun 2006 untuk masing-masing produk prioritas dapat dilihat seperti pada

Tabel 8.

Tabel 8. Total biaya persediaan produk-produk prioritas tahun 2006

No Jenis Produk Biaya

Oportunitas (Rp)

Biaya Pemesanan

(Rp)

Biaya Penyimpanan

(Rp)

Total (Rp)

1 SKM CE’S 25.406.551 2.979.204 38.332.190 66.717,944

2 SCI C200ml 3.385.947 4.478.877 25.268.123 33.132,947

3 SKM CE 15.176.787 3.094.841 18.675.683 36.947,312

4 SKM IMP’S 11.083.543 2.848.255 15.860.345 29.792,143

5 SKM CRIMA 8.869.203 2.381.305 14.298.392 25.548,901

6 SKM IMP 15.737.551 3.905.558 16.579.038 36.222,147

7 UHT C125ml 3.329.636 1.392.955 20.270.652 24.993,244

8 SKM KKM 6.215.052 2.406.840 9.400.475 18.022,368

9 UHT FC 1000ml 5.941.625 1.481.857 19.305.440 26.728,921

10 SKM IMC 6.167.773 3.213.297 7.297.298 16.678,367

11 UHT TS C 200ml 2.766.747 2.337.573 15.611.335 20.715,654

12 SCI S 200ml 890.611 3.884.175 6.646.314 11.421,100 Total 104.971.026 34.404.737 207.545.285 346.921.048

Tabel 8 menunjukkan bahwa selain biaya pemesanan dan penyimpanan,

ada komponen biaya persediaan lain yaitu biaya oportunitas dari modal

(Opportunity Cost of Capital). Biaya oportunitas diperoleh dengan asumsi

rata-rata biaya modal (pembelian barang) sebesar 85 persen dari harga

jualnya, dikali dengan suku bunga bank dalam setahun, dimana suku bunga

untuk tabungan sebesar 8,5 persen (Bank Indonesia, 2007).

Besarnya biaya oportunitas adalah berbeda-beda untuk tiap produk

tergantung harga jual masing-masing produk. Tabel 8 di atas memperlihatkan

bahwa total biaya oportunitas keseluruhan produk-produk prioritas adalah

sebesar Rp 104.971.026,-, total biaya pemesanan untuk seluruh produk

prioritas adalah Rp 34.404.737,- dan total biaya penyimpanan seluruh produk

prioritas adalah sebesar Rp 207.545.285,- sehingga total biaya persediaan

untuk seluruh produk prioritas untuk tahun 2006 adalah sebesar Rp

346.921.048,-. Komponen-komponen biaya pemesanan dan biaya

39

penyimpanan produk-produk prioritas untuk tahun 2006 dapat dilihat pada

Lampiran 4.

PT. Alam Sumbervita menetapkan kebijakan kapasitas maksimum dan

persediaan penyangga untuk tiap-tiap produknya. Kapasitas maksimum dan

persediaan penyangga untuk keseluruhan produk Dry dapat dilihat pada

Lampiran 5, sedangkan kapasitas maksimum dan persediaan penyangga untuk

produk prioritas adalah seperti pada Tabel 9. Tabel 9 menunjukkan bahwa

kebijakan kapasitas maksimum dan persediaan penyangga untuk setiap produk

berbeda-beda dan perusahaan menetapkan besarnya persediaan penyangga

selalu sama sepanjang tahun.

Tabel 9. Kapasitas maksimum dan persediaan penyangga produk prioritas

Kapasitas Maksimum Persediaan Penyangga No Jenis Produk (karton) (karton)

1 SKM CE'S 2,058 1,000

2 SCI C200ml 1,216 800

3 SKM CE 990 500

4 SKM IMP’S 865 400

5 SKM CRIMA 841 300

6 SKM IMP 823 500

7 UHT C125ml 1,117 500

8 SKM KKM 550 200

9 UHT FC 1000ml 1,040 500

10 SKM IMC 382 200

11 UHT TS C 200ml 745 500

12 SCI S 200ml 330 200

4.6. Peramalan Permintaan Tahun 2007 untuk Produk Prioritas

Data historis yang digunakan untuk meramalkan permintaan tahun 2007

adalah data tiga tahun kebelakang, mulai tahun 2004 sampai tahun 2006.

PT. Alam Sumbervita tidak bersedia mengeluarkan data permintaan tahun

2007 (tahun berjalan), meskipun untuk periode bulan Januari sampai bulan

April yang telah berjalan. Metode yang digunakan untuk meramalkan

permintaan adalah metode ARIMA, karena metode ini merupakan metode yang

di dalamnya terdapat model autoregresive (AR), integrated/differencing (I),

dan moving average (MA), sehingga metode ini dapat meramalkan permintaan

masa datang dengan pola permintaan apapun (trend, siklis, musiman).

40

Data yang dapat dianalisis dengan metode ARIMA adalah data yang

stasioner. Sebuah data dapat dikatakan stasioner jika memiliki rata-rata dan

variansi yang relatif konstan. Karena itu data setiap produk prioritas sebelum

dapat dianalisis harus diperiksa terlebih dahulu kestasionerannya dan

kestasioneran sebuah data dapat dilihat dari plot diagramnya. Gambar 7

merupakan plot diagram untuk data aktual penjualan produk SKM CE’S dari

tahun 2004 sampai tahun 2006.

Gambar 7. Plot diagram data aktual penjualan SKM CE’S tahun 2004-2006

Data penjualan SKM CE’S tahun 2004 sampai tahun 2006 tersebut

belum stasioner karena rata-ratanya yang terus naik, maka data tersebut harus

distasionerkan terlebih dahulu dengan melakukan transformasi dan

diferensiasi. Gambar 8 berikut merupakan data penjualan SKM CE’S tahun

2004 sampai tahun 2006 yang telah distasionerkan dengan diferensiasi ordo

pertama.

Gambar 8. Plot diagram SKM CE’S setelah didiferensiasi ordo pertama In d e x

dif

1

3 63 22 82 42 01 61 284

4 0

3 0

2 0

1 0

0

- 1 0

- 2 0

- 3 0

- 4 0

- 5 0

T i m e S e r i e s P l o t o f d i f 1

Bulan

Bulan In d e x

SKM

CES

3 63 22 82 42 01 61 284

2 0 0 0 0

1 5 0 0 0

1 0 0 0 0

5 0 0 0

0

T i m e S e r i e s P l o t o f S K M C E S

Bulan

Volume Penjualan

41

Gambar 8 menunjukkan bahwa data telah stasioner, maka dilanjutkan

ketahap selanjutnya yaitu analisis autokorelasi (ACF) dan autokorelasi parsial

(PACF) untuk melihat model ARIMA yang cocok. Ternyata diketahui plot

ACF tails off setelah lag 1 dan PACF cuts off setelah lag 1. Berdasarkan plot

ACF dan PACF ini, model ARIMA yang menjadi kandidat model peramalan

adalah ARIMA (1,1,0). Plot ACF dan PACF dapat dilihat pada Lampiran 6.

Tahap selanjutnya adalah melihat parameter model, hasil perhitungan

menunjukkan bahwa parameter model p<0,05 berarti model ARIMA tersebut

dapat digunakan untuk meramalkan permintaan produk SKM CE’S tahun

2007. Apabila terdapat lebih dari satu alternatif model ARIMA, maka

dilakukan pemilihan dengan mencari model yang memiliki nilai MSE (Mean

Square Error) terkecil. MSE untuk model ini adalah sebesar 8137454.

Perhitungan dengan menggunakan metode ARIMA secara terperinci dapat

dilihat pada Lampiran 7.

Hasil peramalan permintaan keseluruhan cabang PT. Alam Sumbervita

dengan metode ARIMA untuk masing-masing produk prioritas periode tahun

2007 dapat dilihat pada Lampiran 8. PT. Alam Sumbervita jakarta memiliki

persentase permintaan rata-rata sekitar 35 persen dari keseluruhan permintaan,

sehingga peramalan permintaan tahun 2007 untuk PT. Alam Sumbervita

Jakarta adalah seperti pada Tabel 10 dan 11 di bawah ini.

Tabel 10. Hasil peramalan permintaan produk prioritas untuk semester 1 tahun 2007 (Januari – Juni) PT. Alam Sumbervita Jakarta

Permintaan Tahun 2007 (karton/bulan) No Jenis Produk JAN FEB MAR APRIL MEI JUNI

1 SKM CE'S 6,740 7,364 7,273 7,626 7,703 7,952

2 SCI C200ml 3,840 4,035 4,064 4,093 4,122 4,151

3 SKM CE 1,881 3,311 2,665 2,957 2,825 2,884

4 SKM IMP sachet 2,857 3,149 3,198 3,365 3,475 3,613

5 SKM CRIMA 2,716 2,484 2,958 2,781 2,623 2,870

6 SKM IMP 3,653 5,539 4,380 5,411 4,868 5,456

7 UHT C125ml 1,871 1,731 2,295 1,858 2,041 2,250

8 SKM KKM 1,577 1,857 1,896 1,936 1,975 2,015

9 UHT FC 1000ml 1,449 1,447 1,445 1,443 1,441 1,439

10 SKM IMC 1,551 1,583 1,615 1,648 1,680 1,712

11 UHT TS C 200ml 1,269 1,249 1,280 1,311 1,342 1,372

12 SCI S200ml 1,013 892 1,071 957 961 1,038

42

Tabel 10 menunjukkan hasil peramalan permintaan PT. Alam

Sumbervita Jakarta untuk semester 1 tahun 2007 yang didapat dari 35 persen

keseluruhan hasil peramalan permintaan PT. Alam Sumbervita. Hasil

peramalan permintaan PT. Alam Sumbervita Jakarta untuk semester 2 tahun

2007 adalah seperti yang terlihat pada Tabel 11.

Tabel 11. Hasil peramalan permintaan produk prioritas untuk semester 2 tahun 2007 (Juli – Desember) PT. Alam Sumbervita Jakarta

Permintaan Tahun 2007 (karton) No Jenis Produk JULI AGUST SEPT OKT NOV DES

1 SKM CE'S 8,094 8,303 8,470 8,663 8,839 9,026

2 SCI C200ml 4,180 4,209 4,238 4,267 4,296 4,325

3 SKM CE 2,858 2,870 2,864 2,867 2,866 2,866

4 SKM IMP’S 3,737 3,867 3,995 4,124 4,252 4,381

5 SKM CRIMA 2,810 2,713 2,840 2,828 2,774 2,839

6 SKM IMP 5,231 5,591 5,529 5,771 5,795 5,975

7 UHT C125ml 1,980 2,233 2,242 2,147 2,347 2,289

8 SKM KKM 2,054 2,094 2,134 2,173 2,213 2,252

9 UHT FC 1000ml 1,437 1,435 1,433 1,431 1,429 1,427

10 SKM IMC 1,745 1,777 1,809 1,842 1,874 1,906

11 UHT TS C 200ml 1,403 1,434 1,464 1,495 1,526 1,556

12 SCI S200ml 951 996 1,009 965 1,007 993

4.7. Pengendalian Persedian Produk-Produk Prioritas

Seperti yang pernah dijelaskan di atas bahwa produk-produk prioritas

merupakan produk-produk yang memiliki volume rata-rata penjualan

tertinggi, sehingga produk-produk tersebut patut untuk mendapatkan perhatian

lebih dalam perencanaan dan pengendalian persediaan. Berikut akan

dijelaskan pengendalian persediaan produk-produk prioritas dengan metode

EOQ stokastik.

4.7.1. Pengendalian Persedian Produk Prioritas dengan Metode EOQ Stokastik

Pengendalian persediaan yang dilakukan oleh PT. Alam

Sumbervita dilakukan oleh Bagian Gudang dan Bagian Pengadaan.

Perusahaan melakukan pemesanan kembali ketika tingkat persediaan

tiap-tiap produk sudah mencapai persediaan penyangganya. Kuantitas

produk yang dipesan terbatas sesuai dengan kapasitas maksimum tiap-

tiap produk tersebut. Waktu antara pemesanan pertama dan pemesanan

43

selanjutnya tidak tetap tergantung fluktuasi permintaan hariannya,

namun lead time pemesanan selalu tetap yaitu satu hari untuk kedua

pemasok produk Dry. Ada dua variabel pada perusahaan yang tidak

diketahui dengan pasti dan tidak konstan, yaitu tingkat permintaan

tahunan dan tingkat permintaan selama lead time. Metode yang

digunakan perusahaan selama ini menyerupai metode EOQ tradisional

yang besar kuantitas per pesannya disesuaikan dengan kapasitas

maksimum perusahaan dan pemesanannya dilakukan saat level

persediaan mencapai persediaan penyangga.

Berdasarkan gambaran keadaan pada PT. Alam Sumbervita, maka

metode pengendalian persediaan yang sesuai dengan perusahaan adalah

metode EOQ stokastik. Karena metode ini dapat digunakan untuk

mengendalikan persediaan yang di dalamnya terdapat variabel-variabel

yang tidak diketahui dengan pasti dan tidak konstan, seperti tingkat

permintaan tahunan dan tingkat permintaan selama lead time yang

fluktuatif pada PT. Alam Sumbervita. Metode ini juga memperhitungkan

adanya kemungkinan terjadi kehabisan persediaan (Stock Out) yang

dilihat berdasarkan standar deviasi rata-rata permintaan harian tiap

produk. Standar deviasi rata-rata permintaan harian produk prioritas

untuk tahun 2006 dan tahun 2007 dapat dilihat pada Lampiran 9.

Metode ini dapat memberikan solusi kuantitas pemesanan yang

optimal yang dapat meminimumkan keseluruhan biaya persediaan,

namun tetap mempertimbangkan adanya kemungkinan terjadinya

kehabisan persediaan. Karena salah satu tujuan metode ini adalah

menentukan besarnya persediaan penyangga (safety/buffer stock) untuk

meminimumkan biaya kehabisan persediaan (shortage cost) dan

tambahan biaya penyimpanan dari persediaan penyangga tersebut.

Hasil pengolahan dengan menggunakan metode EOQ stokastik

untuk masing-masing produk prioritas tahun 2006 adalah seperti terlihat

pada Tabel 12. Tabel 12 menunjukkan seberapa besar persediaan

penyangga yang harus dipersiapkan perusahaan agar total biaya

persediaan dapat diminimumkan.

44

Berdasarkan hasil pengolahan dengan metode EOQ stokastik

didapat bahwa total biaya persediaan SKM CE’S untuk tahun 2006

seperti terlihat pada Tabel 12 adalah sebesar Rp 20.168.364,-. Kuantitas

persediaan yang dapat meminimumkan keseluruhan biaya persediaan

total adalah sebesar 388,82 karton/pesan, dengan rata-rata permintaan

harian sebesar 267,06 karton, lead time 1 hari dan standar deviasi dari

rata-rata permintaan harian sebesar 46,15 karton didapatlah tingkat

pelayan optimal yang dapat meminimumkan total biaya tambahan akibat

adanya kemungkinan kehabisan persediaan adalah dengan tingkat

pelayanan 95 persen.

Tabel 12. Biaya persediaan total produk prioritas tahun 2006 dengan Metode EOQ stokastik

Jenis Produk

Q* (karton)

d (karton)

ROP (karton)

Persediaan Penyangga

(karton)

Tingkat Pelayanan

(%)

Biaya Kehabisan

(Rp)

Total Biaya (Rp)

SKM CE'S 388,82 267,06 342,97 75,91 95 3.958.408 20.168.364

SCI C200ml 361,88 157,77 181 23,23 80 990.056 11.279.102

SKM CE 258,27 128,45 210,78 82,32 95 4.515.482 16.253.267

SKM IMP’S 249,43 112,28 158,73 46,44 90 2.966.036 13.590.105

SKM CRIMA 251,75 109,09 153,68 44,59 90 2.621.847 12.848.884

SKM IMP 227,05 106,75 203,53 96,78 95 5.734.813 16.830.782

UHT C125ml 242,67 72,83 86,24 13,41 80 551.965 7.635.437

SKM KKM 201,1 71,36 104,5 33,14 90 1.906.082 10.281.330

UHT FC 1000ml

220,93 67,81 74,54 6,72 80 374.622 7.618.610

SKM IMC 159,05 49,59 79,08 29,49 90 1.889.819 9.248.116

UHT TS C 200ml

197,13 48,60 66,73 18,13 80 727.475 6.545.787

SCI S200ml 188,60 42,85 49,37 6,52 80 225.931 5.588.166

T O T A L 26.462.536 137.887.950

Tingkat pelayanan sebesar 95 persen adalah adanya kemungkinan

kehabisan persediaan sebesar 5 persen dari total permintaan selama masa

lead time. Tingkat pelayanan sebesar 95 persen ini menghasilkan

persediaan penyangga selama masa lead time sebesar 75,91 karton,

sehingga reorder point (titik pemesanan kembali) didapat sebesar jumlah

rata-rata permintaan harian (d) dikali dengan lead time ditambah dengan

persediaan penyangga selama lead time adalah sebesar 342,97 karton.

45

Total tambahan biaya kehabisan produk (shortage cost) dengan tingkat

pelayanan ini untuk tahun 2006 adalah sebesar Rp 3.958.408,-.

Total biaya persediaan SCI C 200ml untuk tahun 2006 seperti

terlihat pada Tabel 12 adalah sebesar Rp 11.279.102,-. Kuantitas

persediaan yang dapat meminimumkan keseluruhan biaya persediaan

total adalah sebesar 361,88 karton/pesan, dengan rata-rata permintaan

harian sebesar 157,77 karton, lead time 1 hari dan standar deviasi dari

rata-rata permintaan harian sebesar 27,6 karton didapatlah tingkat

pelayan optimal yang dapat meminimumkan total biaya tambahan akibat

adanya kemungkinan kehabisan persediaan adalah dengan tingkat

pelayanan 80 persen.

Tingkat pelayanan sebesar 80 persen adalah adanya kemungkinan

kehabisan persediaan sebesar 20 persen dari total permintaan selama

masa lead time. Tingkat pelayanan sebesar 80 persen ini menghasilkan

persediaan penyangga selama masa lead time sebesar 23,23 karton,

sehingga reorder point (titik pemesanan kembali) didapat sebesar jumlah

rata-rata permintaan harian (d) dikali dengan lead time ditambah dengan

persediaan penyangga selama lead time adalah sebesar 181 karton. Total

tambahan biaya kehabisan produk (shortage cost) dengan tingkat

pelayanan ini untuk tahun 2006 adalah sebesar Rp 990.056,-.

Jenis produk SKM CE’S merupakan jenis produk prioritas yang

mengeluarkan total biaya persediaan terbesar pada tahun 2006

berdasarkan metode EOQ stokastik, yaitu sebesar Rp 20.168.364,-.

Biaya sebesar ini terjadi karena rata-rata permintaan harian untuk jenis

produk ini adalah yang terbesar, yaitu 267,06 karton per hari. Rata-rata

permintaan harian yang tinggi dan kuantitas persediaan yang optimal

sebesar 388,82 karton membuat perusahaan harus sering melakukan

pemesanan, perusahaan pada tahun 2006 dengan menggunakan metode

EOQ stokastik harus melakukan pemesanan sebanyak 181,33 kali

setahun.

Jenis produk prioritas yang memiliki total biaya persediaan terkecil

dengan mengunakan metode EOQ stokastik adalah jenis produk SCI S

200ml, yaitu sebesar Rp 5.588.166,-. Karena rata-rata permintaan harian

46

untuk jenis produk ini adalah yang terkecil diantara jenis produk

prioritas yang lain, yaitu sebanyak 42,85 karton per hari.

Jenis produk SKM IMP meerupakan jenis produk prioritas yang

memiliki total biaya kehabisan terbesar pada tahun 2006 dengan

menggunakan metode EOQ stokastik, yaitu sebesar Rp 5.734.813,-.

Biaya ini terjadi karena dengan tingkat pelayan sebesar 95 persen, maka

total persediaan penyangga yang harus disiapkan adalah sebanyak 96,78

karton sehingga biaya penyimpanan tambahan dari adanya persediaan

penyangga ini semakin besar. SKM IMP memiliki jumlah persedian

penyangga terbesar diantara jenis produk prioritas yang lain, sedangkan

jenis produk prioritas yang memiliki jumlah persediaan penyangga

terkecil adalah SCI S 200ml, sehingga total biaya kehabisan untuk jenis

produk ini adalah yang terendah yaitu sebesar Rp 225.931,-. Perhitungan

secara lengkap dengan metode EOQ stokastik untuk produk-produk

prioritas dapat dilihat pada Lampiran 10.

4.7.2. Pengendalian Persedian Produk Prioritas dengan Metode EOQ Stokastik Tingkat Pelayanan 99 Persen

Pengendalian persediaan dengan menggunakan metode EOQ

stokastik tingkat pelayanan 99 persen dilakukan karena selama ini

perusahaan tidak pernah mengalami kehabisan persediaan. Perhitungan

dengan tingkat pelayan 99 persen dengan metode EOQ stokastik ini

dilakukan untuk melihat apakah kebijakan persediaan penyangga

perusahaan untuk menghilangkan kemungkinan terjadinya kehabisan

persediaan sudah optimal. Tabel 13 menunjukkan hasil pengolahan

dengan menggunakan metode EOQ stokastik dengan tingkat pelayanan

99 persen.

Tabel 13 menunjukkan seberapa besar persediaan penyangga yang

harus dipersiapkan perusahaan untuk masing-masing produk prioritas

dengan tingkat pelayanan 99 persen agar tidak terjadi kehabisan

persediaan. Tabel 13 juga menunjukkan bahwa kuantitas persediaan

optimal yang meminimumkan total biaya persediaan masih jauh di

bawah kapasitas maksimum perusahaan, sehingga metode ini mungkin

untuk diterapkan perusahaan.

47

Perhitungan dengan metode EOQ stokastik tingkat pelayanan 99

persen menunjukkan bahwa total biaya persediaan terbesar adalah untuk

jenis produk SKM CE’S yaitu sebesar Rp.20.840.962,- dan total biaya

persediaan terendah adalah untuk jenis produk SCI S 200ml yaitu

sebesar Rp 5.876.770,-. Perbedaan perhitungan antara metode EOQ

stokastik tingkat pelayanan 99 persen dengan metode EOQ stokastik

adalah pada besarnya persediaan penyangga, ROP, jumlah pemesanan

dan total biaya kahabisan persediaan.

Tabel 13. Biaya persediaan total produk-produk prioritas tahun 2006 dengan metode EOQ stokastik tingkat pelayanan 99 persen.

KapasitasMaksimum Q* d jumlah ROP Buffer Biaya Total biaya

No Jenis Produk (karton) (karton) (karton) pemesanan (karton) Stock

(karton) Kehabisan

(Rp) Persediaan

(Rp) 1 SKM CE'S 2.058 388,82 267 181,33 374,42 107,36 4.631.006 20.840.962

2 SCI C200ml 1.216 361,88 158 115,10 221,98 64,21 1.838.647 12.127.693

3 SKM CE 990 258,27 128 131,30 244,89 116,43 5.454.850 17.192.635

4 SKM IMP’S 865 249,43 112 118,84 196,59 84,31 3.683.133 14.307.202

5 SKM CRIMA 841 251,75 109 114,40 190,03 80,93 3.363.260 13.590.296

6 SKM IMP 823 227,05 107 124,12 243,63 136,88 6.901.640 17.997.609

7 UHT C125ml 1.117 242,67 73 79,24 109,89 37,06 1.088.127 8.171.600

8 SKM KKM 550 201,10 71 93,69 131,52 60,16 2.554.573 10.929.821

9 UHT FC 1000ml 1.040 220,93 68 81,03 86,40 18,59 615.628 7.859.616

10 SKM IMC 382 159,05 50 82,31 103,12 53,53 2.525.455 9.883.752

11 UHT TS C 200ml 745 197,13 49 65,08 98,71 50,11 1.486.601 7.304.913

12 SCI S200ml 330 188,60 43 59,98 60,88 18,03 514.536 5.876.770

34.657.457 146.082.870

Hasil perhitungan dengan metode ini untuk produk SKM CE’S

menunjukkan bahwa perusahaan harus menyiapkan persediaan

penyangga sebanyak 107,36 karton atau 31,45 karton lebih banyak

daripada dengan menggunakan metode EOQ stokastik. Biaya total

persediaan untuk produk ini naik dari Rp 20.168.364,- dengan

mengunakan metode EOQ stokastik menjadi Rp 20.840.962,- dengan

metode EOQ stokastik tingkat pelayan 99 persen.

Tabel 13 menunjukkan bahwa metode metode EOQ stokastik

tingkat pelayanan 99 persen dapat diterapkan perusahaan, karena

kuantitas persediaan optimal masih jauh dibawah kuantitas maksimum

48

perusahaan. Total biaya persediaan dengan menggunakan metode EOQ

stokastik tingkat pelayanan 99 persen adalah sebesar Rp 146.082.870,-

atau lebih besar Rp 8.194.920,- dari metode EOQ stokastik. Perhitungan

lengkap untuk metode ini dapat dilihat pada Lampiran 11.

4.7.3. Perbandingan Total Biaya Persediaan Antara Metode Perusahaan dengan Metode Peneliti

Perbandingan total biaya persediaan antara sistem yang selama ini

digunakan perusahaan dengan metode EOQ stokastik dan metode EOQ

stokastik tingkat pelayanan 99 persen dapat dilihat seperti pada Tabel

14.

Tabel 14. Perbandingan total biaya persediaan tahun 2006 antara metode perusahaan dan metode yang digunakan peneliti

Total Biaya Persediaan (Rupiah)

No Jenis Produk Metode Perusahaan

Metode EOQ stokastik

Metode EOQ stokastik

Tk Pelayanan 99 persen

1 SKM CE’S 66.717.944 20.168.364 20.840.962 2 SCI C 200ml 33.132.947 11.279.102 12.127.693 3 SKM CE 36.947.312 16.253.267 17.192.635 4 SKM IMP’S 29.792.143 13.590.105 14.307.202 5 SKM Crima 25.548.901 12.848.884 13.590.296 6 SKM IMP 36.222.147 16.830.782 17.997.609 7 UHT C 125ml 24.993.244 7.635.437 8.171.600 8 SKM KKM 18.022.368 10.281.330 10.929.821 9 UHT FC 1000ml 26.728.921 7.618.610 7.859.616

10 SKM IMC 16.678.367 9.248.116 9.883.752 11 UHT TS C 200ml 20.715.654 6.545.787 7.304.913 12 SCI S 200ml 11.421.100 5.588.166 5.876.770

Total 346.921.048 137.887.950 146.082.870

Tabel 14 menunjukkan bahwa untuk jenis produk SKM CE’S

yang dikendalikan dengan metode perusahaan menghasilkan total biaya

sebesar Rp 66.717.944,- pada tahun 2006. Biaya persediaan total ini

lebih besar dibandingkan dengan menggunakan metode EOQ stokastik

yang hanya mengeluarkan total biaya persediaan sebesar Rp

20.168.364,- dan metode EOQ stokastik tingkat pelayanan 99 persen

yaitu sebesar Rp 20.840.962,- untuk tahun 2006. Besarnya penghematan

yang didapat perusahaan apabila menggunakan metode EOQ stokastik

49

dalam pengendalian persediaan produk SKM CE’S adalah sebesar Rp

46.549.580,- atau 69,77 persen.

Jika perusahaan mengharapkan tidak terjadi kehabisan persediaan

untuk produk SKM CE’S, maka perusahaan akan menerapkan metode

EOQ stokastik tingkat pelayanan 99 persen. Penghematan yang

dilakukan perusahaan untuk produk SKM CE’S jika menggunakan

metode ini adalah sebesar Rp 45.876.982,- atau 69 persen dari metode

yang selama ini diterapkan perusahaan.

Perhitungan untuk produk SCI C 200ml yang dikendalikan dengan

metode perusahaan menghasilkan total biaya persediaan sebesar Rp

33.132.947,- untuk tahun 2006. Biaya persediaan total ini lebih besar

dibandingkan dengan menggunakan metode EOQ stokastik yang hanya

mengeluarkan biaya total sebesar Rp 11.279.102,- dan metode EOQ

stokastik tingkat pelayanan 99 persen yaitu sebesar Rp 12.127.693,-

untuk tahun 2006. Besarnya penghematan yang didapat perusahaan

apabila menggunakan metode EOQ stokastik dalam pengendalian

persediaan produk SCI C 200ml adalah sebesar Rp 21.853.845,- atau

65,95 persen.

Jika perusahaan mengharapkan tidak terjadi kehabisan persediaan

untuk produk SCI C 200ml, maka perusahaan akan menerapkan metode

EOQ stokastik tingkat pelayanan 99 persen. Penghematan yang

dilakukan perusahaan untuk produk SCI C 200ml jika menggunakan

metode ini adalah sebesar Rp 21.005.254,- atau 63,39 persen dari

metode yang selama ini diterapkan perusahaan.

Tabel 14 menunjukkan bahwa total biaya persediaan tahun 2006

dengan menggunakan metode EOQ stokastik dan metode EOQ stokastik

tingkat pelayanan 99 persen lebih dapat meminimumkan total biaya

persediaan dibandingkan metode yang selama ini diterapkan perusahaan.

Secara keseluruhan total biaya persediaan produk-produk prioritas untuk

tahun 2006 yang dikeluarkan perusahaan dengan menggunakan metode

yang selama ini diterapkan adalah sebesar Rp 346.921.048,-. Jika

perusahaan menggunakan metode EOQ stokastik dalam mengendalikan

persediaannya, biaya persediaan total produk-produk prioritas yang

50

dikeluarkan perusahaan untuk tahun 2006 adalah sebesar Rp

137.887.950,-. Besarnya penghematan yang dilakukan perusahaan jika

menggunakan metode EOQ stokastik adalah sebesar Rp 209.033.098,-

atau 60,25 persen dari metode yang selama ini diterapkan perusahaan.

Perusahaan selama ini tidak pernah mengalami kehabisan

persediaan. Apabila perusahaan tetap memutuskan untuk tetap tidak

mengijinkan terjadinya kehabisan persediaan, maka metode yang lebih

sesuai adalah metode EOQ stokastik tingkat pelayanan 99 persen. Jika

perusahaan menggunakan metode EOQ stokastik tingkat pelayanan 99

persen, maka total biaya persediaan yang dikeluarkan untuk produk-

produk prioritas pada tahun 2006 adalah sebesar Rp 146.082.870,-.

Besarnya penghematan yang dilakukan perusahaan jika menggunakan

metode EOQ stokastik tingkat pelayanan 99 persen adalah sebesar Rp

200.838.178,- atau 57,89 persen dari metode yang selama ini digunakan

perusahaan. Tabel 15 di bawah ini menunjukkan besarnya perbedaan

persediaan penyangga untuk tiap-tiap metode pada tahun 2006.

Tabel 15. Perbedaan besarnya persediaan penyangga tahun 2006 antara metode perusahaan dan metode yang digunakan peneliti

Persediaan Penyangga (karton)

No Jenis Produk Metode Perusahaan

Metode EOQ stokastik

Metode EOQ stokastik

Tk Pelayanan 99 persen

1 SKM CE’S 1.000 75,91 107,36 2 SCI C 200ml 800 23,23 64,21 3 SKM CE 500 82,32 116,43 4 SKM IMP’S 400 46,44 84,31 5 SKM Crima 300 44,59 80,93 6 SKM IMP 500 96,78 136,88 7 UHT C 125ml 500 13,41 37,06 8 SKM KKM 200 33,14 60,16 9 UHT FC 1000ml 500 6,72 18,59 10 SKM IMC 200 29,49 53,53 11 UHT TS C 200ml 500 18,13 50,11 12 SCI S 200ml 200 6,52 18,03

Tabel 15 menunjukkan bahwa kebijakan persediaan penyangga

yang ditetapkan perusahaan selama ini terlalu besar, walaupun

51

perusahaan menghendaki tidak terjadi kehabisan persediaan dalam

menjalankan usahanya. Jika perusahaan tetap tidak mengijinkan

terjadinya kehabisan persediaan dalam menjalankan usahanya,

perusahaan dapat menetapkan kebijakan persediaan penyangga untuk

masing-masing produk prioritas sesuai dengan metode EOQ stokastik

tingkat pelayanan 99 persen. Karena dengan menggunakan metode EOQ

stokastik tingkat pelayanan 99 persen (maksimum), kemungkinan

terjadinya kehabisan persediaan selama lead time sudah diantisipasi

sepenuhnya. Rata-rata penurunan tingkat persediaan penyangga untuk

metode EOQ stokastik tingkat pelayanan 99 persen adalah sebesar 82,95

persen untuk masing-masing produk prioritas dari kebijakan tingkat

persediaan penyangga yang selama ini diterapkan perusahaan.

Metode EOQ stokastik merupakan metode yang paling dapat

meminimumkan total biaya persediaan perusahaan. Metode ini

menentukan tingkat pelayanan bagi masing-masing produk prioritas

yang dapat meminimumkan total biaya kehabisan persediaan, sehingga

total biaya persediaan didapat pada titik minimalnya. Besarnya

persediaan penyangga untuk masing-masing produk prioritas

berdasarkan metode ini adalah seperti yang terlihat pada Tabel 15.

Penerapan metode ini memberikan total biaya persediaan terendah

diantara metode yang lain. Besarnya rata-rata penurunan tingkat

persediaan penyangga metode EOQ stokastik untuk masing-masing

produk prioritas adalah sebesar 90,42 persen dari kebijakan tingkat

persediaan penyangga yang selama ini diterapkan perusahaan

4.7.4. Perkiraan Biaya Persediaan Tahun 2007 dengan Metode Perusahaan dan Metode yang Digunakan Peneliti

Berdasarkan data hasil peramalan permintaan masing-masing

produk prioritas untuk tahun 2007 dan asumsi bahwa rata-rata kenaikan

biaya persediaan pertahun untuk biaya pemesanan, biaya penyimpanan

dan kenaikan harga jual adalah 10 persen, sehingga untuk tahun 2007

total biaya pemesan adalah Rp 49.168,-/pesan dan total biaya

penyimpanan adalah Rp 27.579,-/karton. Perkiraan total biaya

persediaan tahun 2007 untuk masing-masing produk prioritas dengan

52

metode perusahaan, metode EOQ stokastik dan metode EOQ stokastik

tingkat pelayanan 99 persen adalah seperti pada Tabel 16.

Tabel 16. Perkiraan total biaya persediaan tahun 2007 dengan metode perusahaan dan metode yang digunakan peneliti

Perkiraan Total Biaya Persediaan Tahun 2007 (Rupiah)

No Jenis Produk Metode Perusahaan

Metode EOQ Stokastik

Metode EOQ Stokastik

Tk Pelayanan 99 persen

1 SKM CE’S 74.577.500 23.825.242 24.303.681 2 SCI C 200ml 37.412.301 12.618.354 12.825.379 3 SKM CE 40.622.293 14.328.924 14.655.023 4 SKM IMP’S 34.290.026 16.222.954 16.663.321 5 SKM Crima 28.507.115 12.548.846 12.684.068 6 SKM IMP 45.182.932 21.734.214 22.232.630 7 UHT C 125ml 27.975.146 9.294.214 9.635.162 8 SKM KKM 20.574.497 11.127.710 11.355.981 9 UHT FC 1000ml 29.342.793 7.839.045 7.850.710

10 SKM IMC 20.411.491 10.685.206 10.828.730 11 UHT TS C 200ml 23.563.090 7.480.381 7.662.787 12 SCI S 200ml 12.767.601 6.107.031 6.192.012

Total 395.226.785 153.812.122 156.889.484 Tabel 16 menunjukkan bahwa dengan menggunakan metode

perusahaan, perkiraan total biaya persediaan yang akan dikeluarkan

perusahaan untuk produk-produk prioritas pada tahun 2007 adalah

sebesar Rp 395.226.785,-. Jika perusahaan menggunakan metode EOQ

stokastik, maka perkiraan total biaya persediaan produk-produk prioritas

yang akan dikeluarkan perusahaan untuk tahun 2007 adalah sebesar Rp

153.812.122,-. Penghematan yang dilakukan perusahaan bila

menggunakan metode EOQ stokastik dalam pengendalian persediaan

adalah sebesar Rp 241.414.663,- atau sebesar 61,08 persen dari metode

yang digunakan perusahaan selama ini.

Kebijakan perusahaan yang tidak menghendaki terjadinya

kehabisan persediaan membuat perusahaan menetapkan kebijakan

persediaan penyangga yang terlalu besar. Jika perusahaan tetap tidak

menginginkan terjadi kehabisan persediaan dalam menjalankan

usahanya, maka metode yang lebih tepat untuk diterapkan adalah metode

EOQ stokastik tingkat pelayanan 99 persen. Jika perusahaan

menggunakan metode EOQ stokastik tingkat pelayanan 99 persen, maka

53

perkiraan total biaya persediaan produk-produk prioritas yang akan

dikeluarkan perusahaan untuk tahun 2007 adalah sebesar Rp

156.889.484,-. Penghematan yang dilakukan perusahaan bila

menggunakan metode EOQ stokastik tingkat pelayanan 99 persen dalam

pengendalian persediaan adalah sebesar Rp 238.337.301,- atau sebesar

60,30 persen dari metode yang digunakan perusahaan selama ini.

Perbedaan yang cukup signifikan antara ketiga metode ini terjadi

karena perusahaan menetapkan kebijakan persediaan penyangga yang

terlalu besar untuk setiap produknya, sehingga biaya pemesanan dan

penyimpanan untuk tiap produk menjadi lebih besar. Perusahaan harus

mengeluarkan biaya penyimpanan tetap sepanjang tahun yang besarnya

sesuai dengan besarnya persediaan penyangga untuk tiap-tiap produk.

Tabel 17 menunjukkan besarnya perbedaan persediaan penyangga untuk

tiap-tiap metode pada tahun 2007.

Tabel 17. Perbedaan besarnya persediaan penyangga tahun 2007 antara metode perusahaan dan metode yang digunakan peneliti

Persediaan Penyangga (karton)

No Jenis Produk Metode Perusahaan

Metode EOQ stokastik

Metode EOQ stokastik

Tk Pelayanan 99 persen

1 SKM CE’S 1.000 51,75 73,19 2 SCI C 200ml 800 5,14 14,21 3 SKM CE 500 24,51 34,66 4 SKM IMP’S 400 35,56 50,30 5 SKM Crima 300 7,23 13,12 6 SKM IMP 500 49,86 70,51 7 UHT C 125ml 500 7,84 21,68 8 SKM KKM 200 10,84 19,68 9 UHT FC 1000ml 500 0,28 0,77

10 SKM IMC 200 6,78 12,31 11 UHT TS C 200ml 500 4,00 11,05 12 SCI S 200ml 200 1,78 4,91

Tabel 17 menunjukkan bahwa kebijakan persediaan penyangga

yang ditetapkan perusahaan selama ini terlalu besar, walaupun

perusahaan menghendaki tidak terjadi kehabisan persediaan dalam

menjalankan usahanya. Jika perusahaan tetap tidak mengijinkan

54

terjadinya kehabisan persediaan dalam menjalankan usahanya,

perusahaan dapat menetapkan kebijakan persediaan penyangga untuk

masing-masing produk prioritas sesuai dengan metode EOQ stokastik

tingkat pelayanan 99 persen. Karena dengan menggunakan metode EOQ

stokastik tingkat pelayanan 99 persen (maksimum), kemungkinan

terjadinya kehabisan persediaan selama lead time sudah diantisipasi

sepenuhnya. Rata-rata penurunan tingkat persediaan penyangga tahun

2007 untuk metode EOQ stokastik tingkat pelayanan 99 persen adalah

sebesar 93,98 persen untuk masing-masing produk prioritas dari

kebijakan tingkat persediaan penyangga yang selama ini diterapkan

perusahaan.

Metode EOQ stokastik merupakan metode yang paling dapat

meminimumkan total biaya persediaan perusahaan. Metode ini

menentukan tingkat pelayanan bagi masing-masing produk prioritas

yang dapat meminimumkan total biaya kehabisan persediaan, sehingga

total biaya persediaan didapat pada titik minimalnya. Besarnya

persediaan penyangga untuk masing-masing produk prioritas

berdasarkan metode ini adalah seperti yang terlihat pada Tabel 17.

Penerapan metode ini akan memberikan total biaya persediaan terendah

diantara metode yang lain. Besarnya rata-rata penurunan tingkat

persediaan penyangga tahun 2007 dengan metode EOQ stokastik untuk

masing-masing produk prioritas adalah sebesar 96,32 persen dari

kebijakan tingkat persediaan penyangga yang selama ini diterapkan

perusahaan

Perbandingan antara metode perusahaan, metode EOQ stokastik

dan metode EOQ stokastik tingkat pelayanan 99 persen untuk perkiraan

biaya persediaan tahun 2007 menunjukkan bahwa penggunaan metode

EOQ stokastik lebih efisien dalam upaya meminimumkan total biaya

persediaan dibandingkan penggunaan metode yang lain. Karena metode

ini benar-benar menentukan titik optimal kuantitas persediaan juga

besarnya persediaan penyangga yang dapat meminimalkan total

keseluruhan biaya persediaan. Penggunaan metode EOQ stokastik

tingkat pelayanan 99 persen dapat diterapkan perusahaan, bila

55

perusahaan memiliki tujuan utama selain meminimumkan total biaya

persediaan juga menghindari terjadinya kehabisan persediaan. Karena

metode ini sudah memperhitungkan besarnya persediaan penyangga

untuk mengantisipasi kemungkinan terjadinya kehabisan persediaan

selama masa lead time.

Perhitungan biaya persediaan produk-produk prioritas untuk tahun

2007 dengan menggunakan metode perusahaan secara lebih rinci dapat

dilihat pada Lampiran 12, sedangkan perhitungan biaya persediaan

dengan menggunakan metode EOQ stokastik untuk tahun 2007 dan

metode EOQ stokastik tingkat pelayanan 99 persen lebih rinci dapat

dilihat pada Lampiran 13 dan 14.

KESIMPULAN DAN SARAN

1. Kesimpulan

a. Sistem pengadaan dan pengendalian persediaan PT. Alam Sumbervita.

Metode yang digunakan perusahaan selama ini adalah metode EOQ

tradisional yang besar kuantitas persediaannya disesuaikan dengan

kapasitas maksimum perusahaan dan pemesanannya dilakukan saat level

persediaan mencapai persediaan penyangga. Perusahaan menetapkan

kebijakan tingkat persediaan penyangga adalah berbeda-beda untuk setiap

produk dengan jumlah yang tetap sepanjang tahun. Metode pengendalian

persediaan yang tepat berdasarkan kondisi perusahaan adalah metode EOQ

stokastik, karena metode ini memperhitungkan variabel-variabel yang

tidak diketahui dengan pasti dan tidak konstan. Metode ini juga

memperhitungkan adanya kemungkinan terjadinya kehabisan persediaan

dan biaya yang diakibatkannya.

b. Jenis-jenis produk yang patut mendapatkan prioritas dalam perencanaan

dan pengendalian persediaan adalah produk-produk yang memiliki volume

penjualan tertinggi. Produk-produk tersebut adalah SKM CE’S, SCI C

200ml, SKM CE, SKM IMP’S, SKM Crima, SKM IMP, UHT C 125ml,

SKM KKM, UHT FC 1000ml, SKM IMC, UHT TS C 200ml dan SCI S

200ml dengan persentase kumulatif penjualan terhadap total penjualan

pada tahun 2006 sebesar 75 persen.

c. Pengendalian persediaan dengan metode perusahaan menghasilkan total

biaya persediaan produk-produk prioritas yang untuk tahun 2006 adalah

sebesar Rp 346.921.048,-. Perkiraan biaya persediaan tahun 2007

berdasarkan hasil peramalan untuk produk-produk prioritas adalah sebesar

Rp 395.226.785,- atau naik sebesar Rp 48.305.737,- (13,92 persen) dari

tahun 2006.

d. Pengendalian persediaan dengan menggunakan metode EOQ sokastik dan

metode EOQ stokastik tingkat pelayanan 99 persen untuk produk-produk

prioritas pada tahun 2006 menghasilkan total biaya persediaan masing-

masing sebesar Rp 137.887.950,- dan Rp 146.082.870,- atau metode EOQ

57

stokastik lebih hemat Rp 8.194.920,- dibandingkan metode EOQ stokastik

tingkat pelayanan 99 persen. Perkiraan total biaya persediaan produk-

produk prioritas untuk tahun 2007 adalah sebesar Rp 153.812.122,-

dengan metode EOQ stokastik dan Rp 156.889.484,- dengan

menggunakan metode EOQ stokastik tingkat pelayanan 99 persen.

2. Saran

a. Perusahaan perlu mengkaji kembali metode pengendalian yang diterapkan

selama ini, karena berdasarkan hasil pengolahan dengan metode yang

digunakan peneliti, total biaya persediaan masih dapat diminimalkan.

Terutama untuk kebijakan tingkat persediaan penyangga masing-masing

produk, karena lead time satu hari merupakan sebuah peluang bagi

perusahaan bahwa pengadaan kembali relatif memakan waktu yang

singkat, sehingga untuk produk-produk yang tingkat fluktuasinya relatif

kecil perusahaan tidak perlu terlalu khawatir dengan menetapkan tingkat

persediaan penyangga terlalu besar.

b. Perusahaan dapat menggunakan metode EOQ stokastik sebagai referensi

untuk mengendalikan persediaannya, jika tujuan utama perusahaan adalah

efisiensi total biaya persediaan. Tingkat persediaan penyangga yang harus

diturunkan perusahaan untuk tahun 2007 jika menggunakan metode ini

adalah rata-rata sebesar 96,32 persen dari kebijakan yang selama ini

diterapkan.

c. Perusahaan juga dapat menggunakan metode EOQ stokastik tingkat

pelayanan 99 persen sebagai referensi untuk mengendalikan

persediaannya. Metode ini digunakan jika perusahaan tetap menginginkan

tidak terjadi kehabisan persediaan selama menjalankan usahanya.

Penggunaan metode ini mengharuskan perusahaan menurunkan tingkat

persediaan penyangganya rata-rata sebesar 93,98 persen dari kebijakan

persediaan penyangga perusahaan selama ini.

DAFTAR PUSTAKA

Aritonang, R, L. R. 2002. Peramalan Bisnis Indonesia. Ghalia. Jakarta.

Assauri, S. 2004. Manajemen Produksi dan Operasi. Edisi Revisi. FEUI. Jakarta.

Baroto, T. 2002. Perencanaan dan Pengendalian Produksi. Ghalia. Jakarta.

Buffa, E. S. 1994. Manajemen Produksi Operasi Modern. Edisi 1. Jilid 1. Erlangga. Jakarta.

Danarti. 2004. Kajian Pengendalian Bahan Baku Teh Botol Freshtea Pada PT Coca Cola Bottling Indonesia. Skripsi. Departemen Manajemen. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor. Bogor.

Handoko, H. 1993. Dasar-Dasar Manajemen Produksi dan Operasi. Edisi 1. BPFE. Yogyakarta.

.,dkk. 2000. Dasar-Dasar Operations Research. Edisi 2. BPFE. Yogyakarta.

Nurfitriyah, E. 2007. Kajian Persedian Bahan Baku dengan Metode Simulasi Pada PT. Goodyear Indonesia, Tbk. Skripsi. Departemen Manajemen. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor. Bogor.

Purwani, A. 2006. Kajian Persediaan bahan Baku Kulit Sintetik di Perusahaan Sumber Karya Indah dengan Metode Simulasi. Skripsi. Departemen Manajemen. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor. Bogor.

Putra, T. A. 2005. Analisis Pengendalian Persediaan Bahan baku Produk Ban Pada PT Goodyear Indonesia, Tbk. Skripsi. Departemen Manajemen. Fakultas Ekonomi dan Manajemen. Institut Pertanian Bogor. Bogor.

Rangkuti, F. 2004. Manajemen Persediaan, Aplikasi di Bidang Bisnis. PT. Raja Grafindo Persada. Jakarta.

76

Lampiran 1. Tujuan penelitian, Kebutuhan data, jenis dan sumber data, metode pengolahan data yang digunakan.

NO Tujuan Penelitian Data yang Diperlukan

Sumber Data Jenis Sumber Data

Metode Pengolahan

kesimpulan

1 Mengetahui bagaimana sistem pengadaan dan pengendalian persediaan perusahaan.

- Data persediaan - Jumlah pembelian

barang jadi - Frekuensi pemesanan - Data Lead time - Data jenis barang jadi - Harga jual/unit - Biaya pembelian - Biaya pemesanan - Biaya penyimpanan - Data penjualan

Bagian purchasing Bagian warehouse

Data primer dan sekunder

• Tabulasi

Mengetahui sistem pengadaan dan pengendalian dan biaya yang dikeluarkan selama ini.

2 Menetapkan jenis produk yang perlu mendapatkan prioritas

- Data jenis produk - Biaya pembelian - Harga jual - Volume penjualan

Bagian warehouse

Data Primer dan Sekunder

• Tabulasi • Metode ABC

Mengetahui jenis produk mana saja yang harus diprioritaskan.

3 Meramalkan permintaan masa depan dan menghitung tingkat persediaan yang optimal bagi perusahaan.

- Data penjualan - Data persediaan masa

lalu - Jumlah pembelian

barang jadi - Frekuensi pemesanan - Data Lead time - Data jenis barang jadi - Harga jual/unit - Biaya pembelian - Biaya pemesanan - Biaya penyimpanan

Bagian purchasing Bagian warehouse

Data primer dan sekunder

• Tabulasi • Diagram

scatter • ARIMA • Model

persediaan stokastik

Mengetahui perkiraan permintaan untuk 1 tahun kedepan Mengetahui tingkat persediaan yang optimal dengan biaya persediaan yang paling efisien

77

Lampiran 2 ORGANIZATION STRUCTURE PT. ALAM SUMBERVITA Cab. Jakarta

Branch Manager Joshua P

Slm Canv hco Eko (s)

Slm Canv hco Haryanto (s)

Slm Canv hco Dody (s)

Slm Canv hco Agus (s)

Slm Canv hco Riyan (s)

Slm Canv hco Suwondo (s)

Slm Canv hco Dayat (s)

TS Crate Faisal (D)

TS Faktur Supriyanto

Slm TO DepoEdy

Slm TO DepoSoidy

Slm TO HCOSyarulloh

Slm TO HCODeni

Slm TO HCORejendra

Slm TO HCONN

Slm Can HCO Ending k (S)

Slm Can HCO Burhan (S)

Slm Can TGR Mulyani (S)

Delivery TGRReza (S)

Delivery TGRAgus D (S)

Delivery TGRAbdul L (S)

Inst JKT/BGR Slamat

JKT/ BKSI Roy Vino

BKR Gianto

HORECAKOP Bunali

Kantin Sklh Ari (S)

Kantin Sklh Panusuna (S)

Bakery NN

Institusi NN

PEDULI Wardi

PO, DO SIti

Retur PLM Ibnu

Control Yovie

Retur Dry Dion

Warehouse SPV

HASAN

Canvas HCO/TGR/BKS

PLM SPV

ROBY S

Canvas HCO PLM SPV

HENDRA

TO-Canvas Tradisional TS

SPV SUPRIYANTO

Sales Manager NN

Depo PLM SPV

KAMINO

TO HCO Non PLM

SPV SRI UTAMI

Slm Canv Sel

Danang (s)

Slm TO Sel

Andre (s)

Slm Canv Tim

Suyono (s)

Slm TO Tim

A Rozak (s)

Slm Canv Brt

NN (s)

Slm TO Brt

NN (s)

Slm Canv Pus

Risky (s)

Slm TO Pus

Ketut (s)

Slm Canv Utr

NN (s)

Slm TO Utr

Rioni (s)

Canvas Inst/ Depo

PLM/Butter SPV

DARTONO

TO Institusi

Dry/Butter SPV

RICHMA

TO DW/Industri

SPV NN

Alimin (S) Ending (D)

NN (S) Toto (D)

Wawan (S) Ali Nurdin (D)

Eko (S) Suhartoyo (D)

78

Lampiran 3 Biaya pemesanan per pesan dan biaya penyimpanan per unit karton produk Total Permintaan jumlah produk Total Permintaan jumlah

Thn 2006 pesanan Thn 2006 pesanan IMP 28,181 87 1000gr 576 38 IMP sachet 29,643 64 BIO 400gr - 0 IMC 13,092 72 BIO 800gr - 0 IMC sachet 4,438 34 BIO kids 1-3 400gr 8,900 18 CE 33,912 69 Bio kids 1-3 800gr 68 9 KKM 18,840 54 BIO kids 4-6 400gr 44 9 CE'S 70,504 67

SBI Bio kids 4-6 800gr 146 9

CE'C 9,947 52 400gr 2,036 16 TS 10,922 92 200gr 1,624 12 TS'S 1,580 61

SBB 1000gr 954 11

TS BDG 461 34 400gr 2,248 22

SKM CRIMA 28,800 53 200gr 1,407 24

C200ml 41,651 100 1000gr 530 53 S200ml 11,313 87 BIO 400gr 36 9 MLN 200ml 9,719 116 BIO 800gr 25 9

SCI PLAIN 200ml 2,753 68 BIO kids 1-3 400gr 213 9

C125ml 19,228 31 Bio kids 1-3 800gr - 0 S 125ml 8,673 84 BIO kids 4-6 400gr 14 9 M 125ml 852 90

SBC Bio kids 4-6 800gr 9 9

C 200ml 7,212 61 400gr FC 7,169 23 S 200ml 7,922 132

CCS 400gr C 4,279 15

M 200ml 2,484 24 REG/25KG 216 49 TS C 200ml 12,830 52 INS/25KG 510 14 TS S 200ml 1,551 77 SKM BULK 2X5 5,299 15 FC 1000ml 17,903 33 SKM BULK 1X10 - 0

UHT CH 1000ml 667 23 SMP BULK 25KG 14 9

400gr 3,286 12 REG/2KG 403 16 SBI 200gr 93 9

BULK INS/2KG 630 9

435,806 2150

total biaya pemesanan thn 06 Total Biaya Penyimpanan thn 2006 biaya pemesanan Biaya Telepon 11,538,294 biaya penyimpanan Biaya Asuransi 200,816,888 Biaya Pengiriman 318,055,177 Biaya Utilitas 246,873,704 Biaya Surat (Adm) 25,865,541 Biaya Pemeriksaan 16,276,900 total 355,459,013 total 463,967,492

biaya pemesanan per pesan Total = Rp 165.330/ pesan biaya telepon Rp 5,366 / pesan = 11,538,294 / 2,150 biaya pengiriman Rp 147,932 / pesan = 318,055,177 / 2,150 biaya surat (adm) Rp 12,030 / pesan = 25,865,541 / 2,150

biaya penyimpanan per karton per thn Total = Rp 2.039,84 / karton

biaya asuransi Rp 883 / karton = 2x200,816,888 / (2x9,550+435,806) biaya utilitas Rp 1085,38 / karton = 2x246,873,704 / (2x9,550+435,806) biaya pemeriksaan Rp 71,56 / karton = 2x16,276,900 / (2x9,550+435,806)

79

Lampiran 4 Klasifikasi persediaan ABC Penjualan PT. Alam Sumbervita Jakarta

produk Penjualan Tahun 2006 (karton) TOTAL JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES (karton) (%) rank

IMP 1,448 1,681 2,265 2,126 1,733 2,318 996 2,145 1,646 3,360 2,461 6,001 28,181 0.0647 6 IMP sachet 2,327 1,356 1,890 2,037 1,424 2,749 3,625 2,139 2,900 3,886 2,248 3,063 29,643 0.0680 4 IMC 429 748 991 825 761 870 1,160 991 876 1,789 1,381 2,271 13,092 0.0300 10 IMC sachet 86 265 452 125 431 458 135 401 651 178 473 782 4,438 0.0102 22 CE 3,201 1,542 3,275 3,564 2,042 2,765 2,645 2,970 1,257 3,876 1,665 5,109 33,912 0.0778 3 KKM 757 1,262 1,837 1,363 1,611 1,518 1,171 2,581 1,559 1,586 961 2,634 18,840 0.0432 8 CE'S 5,105 6,366 3,914 5,806 4,651 5,784 6,622 7,497 5,801 5,750 5,940 7,268 70,504 0.1618 1 CE'C 129 675 548 862 53 1,425 306 1,534 1,106 1,494 628 1,186 9,947 0.0228 14 TS 604 758 831 481 906 1,335 755 992 1,023 1,297 725 1,213 10,922 0.0251 13 TS'S 126 156 109 190 92 106 197 102 97 124 126 156 1,580 0.0036 30 TS BDG 16 19 57 30 48 21 24 28 80 56 31 51 461 0.0011 40

SKM CRIMA 1,219 1,971 2,753 1,299 2,452 3,489 1,602 2,615 3,415 2,557 2,267 3,162 28,800 0.0661 5

C200ml 2,979 2,550 3,245 2,849 3,668 3,871 3,567 3,067 3,793 4,564 3,156 4,343 41,651 0.0956 2 S200ml 819 791 1,007 576 1,031 963 975 954 1,175 1,146 801 1,074 11,313 0.0260 12 MLN 200ml 890 404 487 280 379 342 2,154 973 1,210 740 217 1,642 9,719 0.0223 15

SCI PLAIN 200ml 234 291 246 94 141 131 287 372 330 116 294 217 2,753 0.0063 25

C125ml 1,288 1,172 1,446 1,345 1,485 1,877 1,630 1,481 1,780 2,125 1,305 2,294 19,228 0.0441 7 S 125ml 649 585 550 474 733 841 861 779 701 891 633 977 8,673 0.0199 17 M 125ml 53 35 62 41 83 57 88 56 96 104 52 125 852 0.0020 34 C 200ml 1,228 775 893 560 534 779 786 454 478 229 229 266 7,212 0.0165 19 S 200ml 590 552 628 430 540 430 981 895 985 809 358 721 7,922 0.0182 18 M 200ml 324 153 142 156 91 125 470 223 211 267 71 251 2,484 0.0057 26 TS C 200ml 756 1,585 495 777 949 923 1,048 2,212 684 997 1,485 919 12,830 0.0294 11 TS S 200ml 133 237 86 133 61 129 123 231 87 100 155 74 1,551 0.0036 31 FC 1000ml 1,604 1,512 1,607 1,396 1,121 1,552 1,601 1,533 1,636 1,627 1,163 1,550 17,903 0.0411 9

UHT CH 1000ml 60 28 51 34 41 77 79 39 66 77 37 77 667 0.0015 35

80

Lampiran 4 (lanjutan) Klasifikasi persediaan ABC

Penjualan PT. Alam Sumbervita Jakarta

produk Penjualan Tahun 2006 TOTAL JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES (karton) (%) rank

400gr 287 51 627 113 223 122 332 60 753 262 275 180 3,286 0.0075 24 200gr 1 2 13 4 3 3 2 6 39 10 9 2 93 0.0002 45 1000gr 108 25 30 29 43 29 122 30 35 65 29 32 576 0.0013 37 BIO 400gr - - - - - - - - - - - - - 0.0000 53 BIO 800gr - - - - - - - - - - - - - 0.0000 54 BIO kids 1-3 400gr 819 794 862 111 234 851 999 1,126 1,092 695 614 702 8,900 0.0204 16 Bio kids 1-3 800gr 4 3 7 4 5 5 6 4 9 8 5 9 68 0.0002 46 BIO kids 4-6 400gr 3 4 3 3 4 4 4 4 4 4 3 3 44 0.0001 47

SBI Bio kids 4-6 800gr 19 3 14 3 4 8 33 6 27 14 8 7 146 0.0003 44

400gr 165 92 105 110 188 68 338 170 190 206 134 270 2,036 0.0047 28 200gr 19 153 20 174 55 192 32 270 34 412 87 177 1,624 0.0037 29

SBB 1000gr 83 50 56 67 67 75 112 68 76 134 61 106 954 0.0022 33

400gr 99 144 121 161 181 223 141 209 168 373 136 292 2,248 0.0052 27 200gr 98 87 72 49 95 47 219 191 153 211 58 127 1,407 0.0032 32 1000gr 53 30 47 38 36 49 57 33 53 42 54 37 530 0.0012 38 BIO 400gr 5 2 2 1 1 3 6 2 3 2 3 4 36 0.0001 48 BIO 800gr 1 2 1 1 2 2 2 3 1 5 2 3 25 0.0001 49 BIO kids 1-3 400gr 15 13 14 12 17 18 21 18 20 23 20 22 213 0.0005 43 Bio kids 1-3 800gr - - - - - - - - - - - - - 0.0000 55 BIO kids 4-6 400gr 2 2 1 1 2 2 1 1 1 1 1 0 14 0.0000 50

SBC Bio kids 4-6 800gr 0 1 1 1 1 1 0 1 2 1 1 1 9 0.0000 52

400gr FC 205 343 209 2,214 92 76 451 539 352 1,691 121 874 7,169 0.0164 20 CCS 400gr C 98 133 102 65 121 46 651 860 646 937 56 564 4,279 0.0098 23

REG/25KG 28 24 26 40 7 10 18 15 16 19 8 6 216 0.0005 42 INS/25KG 29 26 34 45 41 45 40 36 44 75 32 63 510 0.0012 39 SKM BULK 2X5 122 314 545 584 256 348 198 473 834 437 511 678 5,299 0.0122 21 SKM BULK 1X10 - - - - - - - - - - - - - 0.0000 56 SMP BULK 25KG 2 1 0 3 0 0 2 1 0 2 1 0 14 0.0000 51 REG/2KG 26 32 27 21 35 32 36 44 36 40 28 48 403 0.0009 41

BULK INS/2KG 44 39 51 20 57 47 64 57 72 66 54 57 630 0.0014 36 495,076

81

PENJUALAN RANK JENIS PRODUK

PERSENTASE (%) KOMULATIF (%)

1 SKM CE'S 16.17 16.17

2 SCI C200ml 9.55 25.73

3 SKM CE 7.78 33.51

4 SKM IMP sachet 6.80 40.31

5 SKM CRIMA 6.60 46.92 kelas A

6 SKM IMP 6.46 53.39

7 UHT C125ml 4.41 57.80

8 SKM KKM 4.32 62.12

9 UHT FC 1000ml 4.10 66.23

10 SKM IMC 3.00 69.24

11 UHT TS C 200ml 2.94 72.18

12 SCI S200ml 2.59 74.78

13 SKM TS 2.50 77.28

14 SKM CE'C 2.28 79.56

15 SCI MLN 200ml 2.23 81.79

16 SBI BIO Kids 1-3 400gr 2.04 83.84

17 UHT S 125ml 1.99 85.83

18 UHT S 200ml 1.81 87.64 kelas B

19 UHT C 200ml 1.65 89.30

20 CCS 400gr FC 1.64 90.94

21 BULK SKM BULK 2X5 1.21 92.16

22 SKM IMC sachet 1.01 93.18

23 CCS 400gr C 0.98 94.16

24 SBI 400gr 0.75 94.91

82

Lampiran 4 (Lanjutan)

83

Lampiran 4 (Lanjutan) Analisis Metode ABC RANK JENIS PRODUK PENJUALAN

84

PERSENTASE (%) KOMULATIF (%)

25 SCI PLAIN 200ml 0.63 95.55

26 UHT M 200ml 0.57 96.12

27 SBC 400gr 0.51 96.63

28 SBB 400gr 0.46 97.10

29 SBB 200gr 0.37 97.47

30 SKM TS'S 0.36 97.83

31 UHT TS S 200ml 0.35 98.19

32 SBC 200gr 0.32 98.51

33 SBB 1000gr 0.21 98.73

34 UHT M 125ml 0.19 98.93

35 UHT CH 1000ml 0.15 99.08

36 BULK INS/2KG 0.14 99.22

37 SBI 1000gr 0.13 99.36

38 SBC 1000gr 0.12 99.48

39 BULK INS/25KG 0.11 99.60

40 SKM TS BDG 0.10 99.70

41 BULK REG/2KG 0.09 99.79

42 BULK REG/25KG 0.05 99.84

43 SBC BIO kids 1-3 400gr 0.04 99.89

44 SBI Bio kids 4-6 800gr 0.03 99.93

45 SBI 200gr 0.02 99.95

46 SBI Bio kids 1-3 800gr 0.01 99.96

47 SBI BIO kids 4-6 400gr 0.01 99.97

48 SBC BIO 400gr 0.008 99.98

49 SBC BIO 800gr 0.006 99.99

50 SBC BIO kids 4-6 400gr 0.003 99.99

51 BULK SMP BULK 25KG 0.003 99.99

52 SBC Bio kids 4-6 800gr 0.002 100.00

53 SBI BIO 400ML 100.00

54 SBI BIO 800ML 100.00

55 SBC BIO KIDS 1-3 800ML 100.00

56 BULK SKM BULK 1X10 100.00 100.00 100.00 Lampiran 5 Kapasitas maksimum dan buffer stock tiap produk

Kelas C

85

Jenis Produk Buffer Stock kapasitas max tiap produk (karton) (karton)

IMP 500 823 IMP sachet 400 865 IMC 200 382 IMC sachet 80 130 CE 500 990 KKM 200 550 CE'S 1,000 2,058 CE'C 100 290 TS 200 319 TS'S 20 46 TS BDG 10 13

SKM CRIMA 300 841

C200ml 800 1,216 S200ml 200 330 MLN 200ml 200 284

SCI PLAIN 200ml 40 80

C125ml 500 1,117 S 125ml 400 504 M 125ml 40 49 C 200ml 300 419 S 200ml 400 460 M 200ml 40 144 TS C 200ml 500 745 TS S 200ml 70 90 FC 1000ml 500 1,040

UHT CH 1000ml 10 39

Lampiran 5 (Lanjutan) Kapasitas maksimum dan buffer stock tiap produk

86

Jenis Produk Buffer Stock kapasitas max tiap produk (karton) (karton)

400gr 372 372 200gr 11 11 1000gr 65 65 BIO 400gr - - BIO 800gr - - BIO kids 1-3 400gr 1,007 1,007 Bio kids 1-3 800gr 8 8 BIO kids 4-6 400gr 5 5

SBI Bio kids 4-6 800gr 17 17

400gr 230 230 200gr 184 184

SBB 1000gr 108 108

400gr 254 254 200gr 159 159 1000gr 60 60 BIO 400gr 4 4 BIO 800gr 3 3 BIO kids 1-3 400gr 24 24 Bio kids 1-3 800gr - - BIO kids 4-6 400gr 2 2

SBC Bio kids 4-6 800gr 1 1

400gr FC 811 811 CCS 400gr C 484 484

REG/25KG 24 24 INS/25KG 58 58 SKM BULK 2X5 600 600 SKM BULK 1X10 - 0 SMP BULK 25KG 2 2 REG/2KG 46 46

BULK INS/2KG 71 71 9,550 18,432 Lampiran 3 Biaya pemesanan dan biaya penyimpanan produk Total Permintaan jumlah produk Total Permintaan jumlah

87

Thn 2006 pesanan Thn 2006 pesanan IMP 28,181 87 1000gr 576 38 IMP sachet 29,643 64 BIO 400gr - 0 IMC 13,092 72 BIO 800gr - 0 IMC sachet 4,438 34 BIO kids 1-3 400gr 8,900 18 CE 33,912 69 Bio kids 1-3 800gr 68 9 KKM 18,840 54 BIO kids 4-6 400gr 44 9 CE'S 70,504 67

SBI Bio kids 4-6 800gr 146 9

CE'C 9,947 52 400gr 2,036 16 TS 10,922 92 200gr 1,624 12 TS'S 1,580 61

SBB 1000gr 954 11

TS BDG 461 34 400gr 2,248 22

SKM CRIMA 28,800 53 200gr 1,407 24

C200ml 41,651 100 1000gr 530 53 S200ml 11,313 87 BIO 400gr 36 9 MLN 200ml 9,719 116 BIO 800gr 25 9

SCI PLAIN 200ml 2,753 68 BIO kids 1-3 400gr 213 9

C125ml 19,228 31 Bio kids 1-3 800gr - 0 S 125ml 8,673 84 BIO kids 4-6 400gr 14 9 M 125ml 852 90

SBC Bio kids 4-6 800gr 9 9

C 200ml 7,212 61 400gr FC 7,169 23 S 200ml 7,922 132

CCS 400gr C 4,279 15

M 200ml 2,484 24 REG/25KG 216 49 TS C 200ml 12,830 52 INS/25KG 510 14 TS S 200ml 1,551 77 SKM BULK 2X5 5,299 15 FC 1000ml 17,903 33 SKM BULK 1X10 - 0

UHT CH 1000ml 667 23 SMP BULK 25KG 14 9

400gr 3,286 12 REG/2KG 403 16 SBI 200gr 93 9

BULK INS/2KG 630 9

435,806 2150 total biaya pemesanan thn 06 Total Biaya Penyimpanan thn 2006

biaya pemesanan Biaya Telepon 11,538,294 biaya penyimpanan Biaya Asuransi 200,816,888 Biaya Pengiriman 318,055,177 Biaya Utilitas 246,873,704 Biaya Surat (Adm) 25,865,541 Biaya Pemeriksaan 16,276,900 total 355,459,013 total 463,967,492

biaya pemesanan per pesan Total = Rp 165.330/ pesan biaya telepon Rp 5,366 / pesan = 11,538,294 / 2,150 biaya pengiriman Rp 147,932 / pesan = 318,055,177 / 2,150 biaya surat (adm) Rp 12,030 / pesan = 25,865,541 / 2,150

biaya penyimpanan per karton per thn Total = Rp 2.039,84 / karton

biaya asuransi Rp 883 / karton = 2x200,816,888 / (2x9,550+435,806) biaya utilitas Rp 1085,38 / karton = 2x246,873,704 / (2x9,550+435,806) biaya pemeriksaan Rp 71,56 / karton = 2x16,276,900 / (2x9,550+435,806)

Lampiran 6 ARIMA

88

Index

SKM

CES

3632282420161284

20000

15000

10000

5000

0

Time Series Plot of SKM CES

Index

dif

1

3632282420161284

40

30

20

10

0

-10

-20

-30

-40

-50

Time Series Plot of dif 1

elat

ion

1.0

0.8

0.6

0.4

0.2

Autocorrelation Function for dif 1(with 5% significance limits for the autocorrelations)

Plot data aktual penjualan SKM CE’S sebelum didtasionerkan Plot data penjualan SKM CE’S setelah distasionerkan dengan diferensiasi ordo 1 Lampiran 6 (lanjutan) Autokorelasi data aktual (plot ACF) diferensiasi ordo pertama SKM CE’S

89

Lag

Part

ial A

utoc

orre

lati

on

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for dif 1(with 5% significance limits for the partial autocorrelations)

Autokorelasi parsial data aktual (plot PACF) diferensiasi ordo pertama SKM CE’S Lampiran 7 Identifikasi model ARIMA Model: SKM CES

90

Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.6210 0.1392 -4.46 0.000 Constant 847.5 482.2 1.76 0.088 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 268535976 (backforecasts excluded) MS = 8137454 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 10.8 22.5 * * DF 10 22 * * P-Value 0.373 0.433 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 19256.6 13664.3 24848.8 38 21040.2 15059.8 27020.6 39 20780.0 13428.1 28131.9 40 21789.0 13872.3 29705.7 41 22009.8 13241.9 30777.8 42 22720.2 13368.6 32071.7 43 23126.5 13115.7 33137.3 44 23721.6 13157.7 34285.6 45 24199.5 13071.7 35327.3 46 24750.2 13108.6 36391.8 47 25255.7 13108.5 37402.9 48 25789.2 13164.7 38413.7

ARIMA Model: SCI C200ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.3338 0.1478 9.02 0.000 MA 2 -0.5833 0.1490 -3.91 0.000 Constant 82.77 89.30 0.93 0.361 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 148944381 (backforecasts excluded) MS = 4654512 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48

Lampiran 7 (Lanjutan) Chi-Square 6.5 15.0 * * DF 9 21 * *

91

P-Value 0.687 0.824 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 10970.0 6740.6 15199.5 38 11528.4 7069.6 15987.2 39 11611.2 7029.2 16193.1 40 11693.9 6992.1 16395.8 41 11776.7 6957.9 16595.5 42 11859.5 6926.6 16792.4 43 11942.2 6897.8 16986.7 44 12025.0 6871.4 17178.6 45 12107.8 6847.3 17368.3 46 12190.6 6825.3 17555.8 47 12273.3 6805.3 17741.3 48 12356.1 6787.3 17924.9 ARIMA Model: SKM CE Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.4383 0.1656 -2.65 0.012 Constant 11778.4 496.6 23.72 0.000 Mean 8189.2 345.3 Number of observations: 36 Residuals: SS = 301445263 (backforecasts excluded) MS = 8866037 DF = 34 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 15.7 25.1 * * DF 10 22 * * P-Value 0.108 0.290 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 5373.2 -552.3 11298.7 38 9460.0 2996.8 15923.1 39 7615.4 1048.0 14182.8 40 8447.4 1859.0 15035.8 41 8072.1 1479.5 14664.8 42 8241.4 1647.9 14834.9 43 8165.0 1571.3 14758.8 44 8199.5 1605.7 14793.2 45 8184.0 1590.2 14777.7 46 8191.0 1597.2 14784.7 47 8187.8 1594.0 14781.6 48 8189.2 1595.5 14783.0 Lampiran 7 (Lanjutan) ARIMA Model: SKM IMP sachet Final Estimates of Parameters

92

Type Coef SE Coef T P AR 1 -0.4874 0.2001 -2.44 0.024 Constant 546.2 432.8 1.26 0.222 Differencing: 1 regular difference Number of observations: Original series 23, after differencing 22 Residuals: SS = 82374427 (backforecasts excluded) MS = 4118721 DF = 20 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 43.9 * * * DF 10 * * * P-Value 0.000 * * * Forecasts from period 23 95 Percent Limits Period Forecast Lower Upper Actual 24 8163.2 4184.6 12141.7 25 8996.8 4525.9 13467.7 26 9136.7 3761.2 14512.2 27 9614.7 3676.1 15553.3 28 9927.9 3384.2 16471.7 29 10321.5 3265.6 17377.4 30 10675.9 3123.7 18228.0 31 11049.3 3040.3 19058.3 32 11413.5 2968.3 19858.7 33 11782.2 2924.1 20640.3 34 12148.7 2895.2 21402.1 35 12516.3 2884.1 22148.4 ARIMA Model: SKM Crima Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.7271 0.1376 -5.28 0.000 AR 2 -0.6425 0.1373 -4.68 0.000 Constant 52.2 404.2 0.13 0.898 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 182966191 (backforecasts excluded) MS = 5717693 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 16.4 23.9 * * DF 9 21 * * P-Value 0.060 0.296 * * Lampiran 7 (Lanjutan) Forecasts from period 36

93

95 Percent Limits Period Forecast Lower Upper Actual 37 7760.0 3072.3 12447.6 38 7096.4 2237.3 11955.5 39 8450.2 3534.2 13366.2 40 7944.4 2010.4 13878.3 41 7494.6 1295.9 13693.2 42 8198.7 1875.4 14522.1 43 8027.9 1180.2 14875.5 44 7751.9 625.3 14878.4 45 8114.5 818.3 15410.6 46 8080.3 435.6 15725.1 47 7924.4 16.3 15832.4 48 8111.9 12.5 16211.2 ARIMA Model: SKM IMP Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.7191 0.1413 -5.09 0.000 Constant 564.7 558.6 1.01 0.319 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 359742969 (backforecasts excluded) MS = 10901302 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 27.7 43.4 * * DF 10 22 * * P-Value 0.002 0.004 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 10437.4 3964.7 16910.0 38 15826.5 9103.4 22549.6 39 12515.7 4037.4 20993.9 40 15461.3 6545.7 24376.9 41 13907.7 3925.7 23889.7 42 15589.7 5093.6 26085.7 43 14944.8 3662.0 26227.7 44 15973.3 4161.3 27785.2 45 15798.4 3340.7 28256.1 46 16488.8 3514.2 29463.5 47 16557.0 3018.9 30095.1 48 17072.7 3039.9 31105.5 Lampiran 7 (Lanjutan) ARIMA Model: UHT C125ml Final Estimates of Parameters

94

Type Coef SE Coef T P AR 1 -1.1301 0.1349 -8.38 0.000 AR 2 -0.7259 0.1447 -5.02 0.000 Constant 282.7 121.4 2.33 0.026 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 16495979 (backforecasts excluded) MS = 515499 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 12.5 26.8 * * DF 9 21 * * P-Value 0.189 0.177 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 5344.89 3937.36 6752.42 38 4944.29 3524.89 6363.69 39 6558.05 5019.82 8096.29 40 5307.72 3540.25 7075.18 41 5832.03 4064.56 7599.51 42 6429.75 4496.56 8362.94 43 5656.31 3652.50 7660.13 44 6379.20 4360.68 8397.71 45 6406.32 4252.99 8559.66 46 6133.60 3946.39 8320.81 47 6704.79 4475.76 8933.83 48 6539.89 4219.84 8859.95 ARIMA Model: SKM KKM Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.4681 0.0629 23.33 0.000 MA 2 -0.4927 0.0792 -6.22 0.000 Constant 112.86 12.55 8.99 0.000 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 29678907 (backforecasts excluded) MS = 927466 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 8.4 23.3 * * DF 9 21 * * P-Value 0.492 0.329 * *

Lampiran 7 (Lanjutan) Forecasts from period 36

95

95 Percent Limits Period Forecast Lower Upper Actual 37 4504.94 2616.98 6392.90 38 5305.68 3221.08 7390.28 39 5418.54 3333.43 7503.66 40 5531.41 3445.77 7617.04 41 5644.27 3558.12 7730.42 42 5757.13 3670.46 7843.80 43 5869.99 3782.81 7957.18 44 5982.86 3895.15 8070.56 45 6095.72 4007.50 8183.94 46 6208.58 4119.85 8297.32 47 6321.44 4232.19 8410.70 48 6434.31 4344.54 8524.08 ARIMA Model: UNT FC1000ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 0.9455 0.1518 6.23 0.000 Constant -5.72 12.90 -0.44 0.660 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 14163854 (backforecasts excluded) MS = 429208 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 16.5 30.1 * * DF 10 22 * * P-Value 0.086 0.115 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 4139.46 2855.13 5423.79 38 4133.74 2847.50 5419.98 39 4128.02 2839.88 5416.16 40 4122.30 2832.25 5412.34 41 4116.57 2824.63 5408.51 42 4110.85 2817.02 5404.68 43 4105.13 2809.40 5400.85 44 4099.41 2801.79 5397.02 45 4093.69 2794.19 5393.19 46 4087.96 2786.58 5389.35 47 4082.24 2778.98 5385.51 48 4076.52 2771.38 5381.66 Lampiran 7 (Lanjutan) ARIMA Model: SKM IMC Final Estimates of Parameters

96

Type Coef SE Coef T P MA 1 0.7911 0.1286 6.15 0.000 Constant 92.28 46.80 1.97 0.057 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 46431659 (backforecasts excluded) MS = 1407020 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 13.1 28.6 * * DF 10 22 * * P-Value 0.215 0.157 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 4430.90 2105.52 6756.28 38 4523.19 2147.61 6898.76 39 4615.47 2190.73 7040.21 40 4707.75 2234.83 7180.67 41 4800.03 2279.85 7320.21 42 4892.31 2325.74 7458.89 43 4984.59 2372.45 7596.74 44 5076.88 2419.95 7733.81 45 5169.16 2468.19 7870.13 46 5261.44 2517.13 8005.75 47 5353.72 2566.75 8140.70 48 5446.00 2617.01 8275.00 ARIMA Model: UHT TS C200ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.2150 0.2111 5.76 0.000 MA 2 -0.2479 0.2159 -1.15 0.263 Constant 87.69 23.30 3.76 0.001 Differencing: 1 regular difference Number of observations: Original series 27, after differencing 26 Residuals: SS = 35612341 (backforecasts excluded) MS = 1548363 DF = 23 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 10.4 31.2 * * DF 9 21 * * P-Value 0.322 0.070 * *

Lampiran 7 (Lanjutan) Forecasts from period 27 95 Percent

97

Limits Period Forecast Lower Upper Actual 28 3626.44 1187.06 6065.83 29 3569.86 1074.75 6064.98 30 3657.55 1161.14 6153.96 31 3745.24 1247.53 6242.95 32 3832.93 1333.93 6331.93 33 3920.62 1420.32 6420.91 34 4008.31 1506.72 6509.89 35 4095.99 1593.11 6598.87 36 4183.68 1679.51 6687.85 37 4271.37 1765.91 6776.83 38 4359.06 1852.31 6865.81 39 4446.75 1938.71 6954.79 ARIMA Model: SCI S 200ml Final Estimates of Parameters Type Coef SE Coef T P AR 1 -1.1152 0.1293 -8.63 0.000 AR 2 -0.6988 0.1315 -5.31 0.000 Constant 5.20 81.78 0.06 0.950 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 7488007 (backforecasts excluded) MS = 234000 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 11.7 27.2 * * DF 9 21 * * P-Value 0.232 0.163 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 2892.96 1944.65 3841.27 38 2548.71 1594.13 3503.30 39 3060.83 2022.93 4098.73 40 2735.49 1551.24 3919.74 41 2745.64 1561.07 3930.21 42 2966.87 1673.59 4260.14 43 2718.26 1378.40 4058.12 44 2846.11 1492.12 4200.09 45 2882.46 1443.89 4321.04 46 2757.78 1294.09 4221.48 47 2876.62 1380.96 4372.28 48 2836.42 1283.82 4389.03

Lampiran 1. Struktur organisasi PT. A

lam Sum

bervita Jakarta 60

61

Lampiran 2. Biaya pemesanan per pesan dan biaya penyimpanan per unit karton

Jenis produk Total Permintaan jumlah Jenis produk Total Permintaan jumlah

Thn 2006

(karton/thn) Pesanan

(karton/pesan) Thn 2006

(karton/thn) Pesanan

(karton/pesan)

IMP 28,181 87 1000gr 576 38 IMP sachet 29,643 64 BIO 400gr - 0 IMC 13,092 72 BIO 800gr - 0 IMC sachet 4,438 34 BIO kids 1-3 400gr 8,900 18 CE 33,912 69 Bio kids 1-3 800gr 68 9 KKM 18,840 54 BIO kids 4-6 400gr 44 9 CE'S 70,504 67

SBI Bio kids 4-6 800gr 146 9

CE'C 9,947 52 400gr 2,036 16 TS 10,922 92 200gr 1,624 12 TS'S 1,580 61

SBB 1000gr 954 11

TS BDG 461 34 400gr 2,248 22

SKM CRIMA 28,800 53 200gr 1,407 24

C200ml 41,651 100 1000gr 530 53 S200ml 11,313 87 BIO 400gr 36 9 MLN 200ml 9,719 116 BIO 800gr 25 9

SCI PLAIN 200ml 2,753 68 BIO kids 1-3 400gr 213 9

C125ml 19,228 31 Bio kids 1-3 800gr - 0 S 125ml 8,673 84 BIO kids 4-6 400gr 14 9 M 125ml 852 90

SBC Bio kids 4-6 800gr 9 9

C 200ml 7,212 61 400gr FC 7,169 23 S 200ml 7,922 132

CCS 400gr C 4,279 15

M 200ml 2,484 24 REG/25KG 216 49 TS C 200ml 12,830 52 INS/25KG 510 14 TS S 200ml 1,551 77 SKM BULK 2X5 5,299 15 FC 1000ml 17,903 33 SKM BULK 1X10 - 0

UHT CH 1000ml 667 23 SMP BULK 25KG 14 9

400gr 3,286 12 REG/2KG 403 16 SBI 200gr 93 9

BULK INS/2KG 630 9

435,806 2150

biaya pemesanan per pesan Total = Rp 44.698/ pesan biaya telepon Rp 5,367 / pesan = 11,538,294 / 2,150 biaya pengiriman Rp 27.301 / pesan = 58.704.000 / 2,150 biaya surat (adm) Rp 12,030 / pesan = 25,865,541 / 2,150

biaya penyimpanan per karton per thn Total = Rp 25.072 / karton

biaya asuransi Rp 10.841 / karton = 2x104.628.380/ (2x9.550+(435.806/2.150)) biaya utilitas Rp 13.350,46 / karton = 2x128.849.850 / (2x9.550+(435.806/2.150)) biaya pemeriksaan Rp 880,23 / karton = 2x8.495.370 / (2x9.550+(435.806/2.150))

(9.550 = Persediaan penyangga = n)

Biaya pemesanan per pesan = Total biaya pemesanan Jml pemesanan

Biaya penyimpanan per unit karton = Total biaya penyimpanan*2 (2*n + (D/jml pemesanan))

62

Lampiran 3. Penentuan produk prioritas PT. A

lam Sum

bervita Jakarta berdasarkan volum

e penjualan

Jenis produk Penjualan Tahun 2006 (karton/bulan) TOTAL

JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES (karton/thn) (%)

rank

IMP 1,448 1,681 2,265 2,126 1,733 2,318 996 2,145 1,646 3,360 2,461 6,001 28,181 0.0647 6

IMP sachet 2,327 1,356 1,890 2,037 1,424 2,749 3,625 2,139 2,900 3,886 2,248 3,063 29,643 0.0680 4

IMC 429 748 991 825 761 870 1,160 991 876 1,789 1,381 2,271 13,092 0.0300 10

IMC sachet 86 265 452 125 431 458 135 401 651 178 473 782 4,438 0.0102 22

CE 3,201 1,542 3,275 3,564 2,042 2,765 2,645 2,970 1,257 3,876 1,665 5,109 33,912 0.0778 3

KKM 757 1,262 1,837 1,363 1,611 1,518 1,171 2,581 1,559 1,586 961 2,634 18,840 0.0432 8

CE'S 5,105 6,366 3,914 5,806 4,651 5,784 6,622 7,497 5,801 5,750 5,940 7,268 70,504 0.1618 1

CE'C 129 675 548 862 53 1,425 306 1,534 1,106 1,494 628 1,186 9,947 0.0228 14

TS 604 758 831 481 906 1,335 755 992 1,023 1,297 725 1,213 10,922 0.0251 13

TS'S 126 156 109 190 92 106 197 102 97 124 126 156 1,580 0.0036 30

TS BDG 16 19 57 30 48 21 24 28 80 56 31 51 461 0.0011 40

SKM CRIMA 1,219 1,971 2,753 1,299 2,452 3,489 1,602 2,615 3,415 2,557 2,267 3,162 28,800 0.0661 5

C200ml 2,979 2,550 3,245 2,849 3,668 3,871 3,567 3,067 3,793 4,564 3,156 4,343 41,651 0.0956 2

S200ml 819 791 1,007 576 1,031 963 975 954 1,175 1,146 801 1,074 11,313 0.0260 12

MLN 200ml 890 404 487 280 379 342 2,154 973 1,210 740 217 1,642 9,719 0.0223 15 SCI PLAIN 200ml 234 291 246 94 141 131 287 372 330 116 294 217 2,753 0.0063 25

C125ml 1,288 1,172 1,446 1,345 1,485 1,877 1,630 1,481 1,780 2,125 1,305 2,294 19,228 0.0441 7

S 125ml 649 585 550 474 733 841 861 779 701 891 633 977 8,673 0.0199 17

M 125ml 53 35 62 41 83 57 88 56 96 104 52 125 852 0.0020 34

C 200ml 1,228 775 893 560 534 779 786 454 478 229 229 266 7,212 0.0165 19

S 200ml 590 552 628 430 540 430 981 895 985 809 358 721 7,922 0.0182 18

M 200ml 324 153 142 156 91 125 470 223 211 267 71 251 2,484 0.0057 26

TS C 200ml 756 1,585 495 777 949 923 1,048 2,212 684 997 1,485 919 12,830 0.0294 11

TS S 200ml 133 237 86 133 61 129 123 231 87 100 155 74 1,551 0.0036 31

FC 1000ml 1,604 1,512 1,607 1,396 1,121 1,552 1,601 1,533 1,636 1,627 1,163 1,550 17,903 0.0411 9

UHT CH 1000ml 60 28 51 34 41 77 79 39 66 77 37 77 667 0.0015 35

62

63

Lanjutan Lampiran 3. Penentuan produk prioritas PT. A

lam Sum

bervita Jakarta berdasarkan volum

e penjualan

Jenis produk Penjualan Tahun 2006 (karton/bulan) TOTAL JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES (karton/thn) (%)

rank

400gr 287 51 627 113 223 122 332 60 753 262 275 180 3,286 0.0075 24 200gr 1 2 13 4 3 3 2 6 39 10 9 2 93 0.0002 45 1000gr 108 25 30 29 43 29 122 30 35 65 29 32 576 0.0013 37 BIO 400gr - - - - - - - - - - - - - 0.0000 53 BIO 800gr - - - - - - - - - - - - - 0.0000 54 BIO kids 1-3 400gr 819 794 862 111 234 851 999 1,126 1,092 695 614 702 8,900 0.0204 16 Bio kids 1-3 800gr 4 3 7 4 5 5 6 4 9 8 5 9 68 0.0002 46 BIO kids 4-6 400gr 3 4 3 3 4 4 4 4 4 4 3 3 44 0.0001 47

SBI Bio kids 4-6 800gr 19 3 14 3 4 8 33 6 27 14 8 7 146 0.0003 44

400gr 165 92 105 110 188 68 338 170 190 206 134 270 2,036 0.0047 28 200gr 19 153 20 174 55 192 32 270 34 412 87 177 1,624 0.0037 29

SBB 1000gr 83 50 56 67 67 75 112 68 76 134 61 106 954 0.0022 33

400gr 99 144 121 161 181 223 141 209 168 373 136 292 2,248 0.0052 27 200gr 98 87 72 49 95 47 219 191 153 211 58 127 1,407 0.0032 32 1000gr 53 30 47 38 36 49 57 33 53 42 54 37 530 0.0012 38 BIO 400gr 5 2 2 1 1 3 6 2 3 2 3 4 36 0.0001 48 BIO 800gr 1 2 1 1 2 2 2 3 1 5 2 3 25 0.0001 49 BIO kids 1-3 400gr 15 13 14 12 17 18 21 18 20 23 20 22 213 0.0005 43 Bio kids 1-3 800gr - - - - - - - - - - - - - 0.0000 55 BIO kids 4-6 400gr 2 2 1 1 2 2 1 1 1 1 1 0 14 0.0000 50

SBC Bio kids 4-6 800gr 0 1 1 1 1 1 0 1 2 1 1 1 9 0.0000 52

400gr FC 205 343 209 2,214 92 76 451 539 352 1,691 121 874 7,169 0.0164 20 CCS 400gr C 98 133 102 65 121 46 651 860 646 937 56 564 4,279 0.0098 23

REG/25KG 28 24 26 40 7 10 18 15 16 19 8 6 216 0.0005 42 INS/25KG 29 26 34 45 41 45 40 36 44 75 32 63 510 0.0012 39 SKM BULK 2X5 122 314 545 584 256 348 198 473 834 437 511 678 5,299 0.0122 21 SKM BULK 1X10 - - - - - - - - - - - - - 0.0000 56 SMP BULK 25KG 2 1 0 3 0 0 2 1 0 2 1 0 14 0.0000 51 REG/2KG 26 32 27 21 35 32 36 44 36 40 28 48 403 0.0009 41

BULK INS/2KG 44 39 51 20 57 47 64 57 72 66 54 57 630 0.0014 36 495,076

63

64

Lanjutan Lampiran 3. Penentuan produk prioritas PT. Alam Sumbervita Jakarta berdasarkan volume penjualan

PENJUALAN Tahun 2006

RANK

JENIS PRODUK PERSENTASE (%) KOMULATIF (%)

1 SKM CE'S 16.17 16.17

2 SCI C200ml 9.55 25.73

3 SKM CE 7.78 33.51

4 SKM IMP sachet 6.80 40.31

5 SKM CRIMA 6.60 46.92

6 SKM IMP 6.46 53.39

7 UHT C125ml 4.41 57.80

8 SKM KKM 4.32 62.12

9 UHT FC 1000ml 4.10 66.23

10 SKM IMC 3.00 69.24

11 UHT TS C 200ml 2.94 72.18

12 SCI S200ml 2.59 74.78

13 SKM TS 2.50 77.28

14 SKM CE'C 2.28 79.56

15 SCI MLN 200ml 2.23 81.79

16 SBI BIO Kids 1-3 400gr 2.04 83.84

17 UHT S 125ml 1.99 85.83

18 UHT S 200ml 1.81 87.64

19 UHT C 200ml 1.65 89.30

20 CCS 400gr FC 1.64 90.94

21 BULK SKM BULK 2X5 1.21 92.16

22 SKM IMC sachet 1.01 93.18

23 CCS 400gr C 0.98 94.16

24 SBI 400gr 0.75 94.92

Produk prioritas

65

Lanjutan Lampiran 3. Penentuan produk prioritas PT. Alam Sumbervita Jakarta berdasarkan volume penjualan

PENJUALAN Tahun 2006

RANK JENIS PRODUK PERSENTASE (%) KOMULATIF (%)

25 SCI PLAIN 200ml 0.63 95.55

26 UHT M 200ml 0.57 96.12

27 SBC 400gr 0.51 96.63

28 SBB 400gr 0.46 97.10

29 SBB 200gr 0.37 97.47

30 SKM TS'S 0.36 97.83

31 UHT TS S 200ml 0.35 98.19

32 SBC 200gr 0.32 98.51

33 SBB 1000gr 0.21 98.73

34 UHT M 125ml 0.19 98.93

35 UHT CH 1000ml 0.15 99.08

36 BULK INS/2KG 0.14 99.22

37 SBI 1000gr 0.13 99.36

38 SBC 1000gr 0.12 99.48

39 BULK INS/25KG 0.11 99.60

40 SKM TS BDG 0.10 99.70

41 BULK REG/2KG 0.09 99.79

42 BULK REG/25KG 0.05 99.84

43 SBC BIO kids 1-3 400gr 0.04 99.89

44 SBI Bio kids 4-6 800gr 0.03 99.93

45 SBI 200gr 0.02 99.95

46 SBI Bio kids 1-3 800gr 0.01 99.96

47 SBI BIO kids 4-6 400gr 0.01 99.97

48 SBC BIO 400gr 0.008 99.98

49 SBC BIO 800gr 0.006 99.99

50 SBC BIO kids 4-6 400gr 0.003 99.99

51 BULK SMP BULK 25KG 0.003 99.99

52 SBC Bio kids 4-6 800gr 0.002 100.00

53 SBI BIO 400ML 100.00

54 SBI BIO 800ML 100.00

55 SBC BIO KIDS 1-3 800ML 100.00

56 BULK SKM BULK 1X10 100.00

66

Lampiran 4. Komponen-komponen penyusun biaya pemesanan dan biaya penyimpanan pada tahun 2006

Biaya Pemesanan (per tahun) Total No Jenis Produk Biaya Telepon

(Rp) Biaya Surat

(Rp) Biaya Kirim

(Rp) (Rp)

1 SKM CE'S 357.717 801.813 1.819.674 2.979.204 2 SCI C200ml 537.784 1.205.430 2.735.663 4.478.877 3 SKM CE 371.601 832.935 1.890.305 3.094.841 4 SKM IMP sachet 341.993 766.570 1.739.692 2.848.255 5 SKM CRIMA 285.926 640.897 1.454.483 2.381.305 6 SKM IMP 468.945 1.051.129 2.385.484 3.905.558 7 UHT C125ml 167.254 374.895 850.806 1.392.955 8 SKM KKM 288.992 647.769 1.470.079 2.406.840 9 UHT FC 1000ml 177.928 398.822 905.106 1.481.857 10 SKM IMC 385.824 864.816 1.962.656 3.213.297 11 UHT TS C 200ml 280.675 629.127 1.427.771 2.337.573 12 SCI S 200ml 466.378 1.045.374 2.372.423 3.884.175 TOTAL 4.131.018 9.259.576 21.014.143 34.404.737

Biaya Penyimpanan (per tahun) Total No Jenis Produk Biaya Asuransi

(Rp) Biaya Utilitas

(Rp) Biaya Periksa

(Rp) (Rp) 1 SKM CE'S 16.574.841 20.411.562 1.345.787 38.332.664 2 SCI C200ml 10.925.938 13.455.059 887.126 25.268.435 3 SKM CE 8.075.366 9.944.641 655.676 18.675.914 4 SKM IMP sachet 6.858.014 8.445.498 556.833 15.860.541 5 SKM CRIMA 6.182.626 7.613.771 501.995 14.298.569 6 SKM IMP 7.168.777 8.828.195 582.066 16.579.243 7 UHT C125ml 8.765.031 10.793.949 711.673 20.270.903 8 SKM KKM 4.064.766 5.005.672 330.037 9.400.591 9 UHT FC 1000ml 8.347.673 10.279.981 677.785 19.305.679 10 SKM IMC 3.155.352 3.885.748 256.197 7.297.388 11 UHT TS C200ml 6.750.342 8.312.902 548.091 15.611.528 12 SCI S 200ml 2.873.867 3.539.105 233.342 6.646.396 TOTAL 89.742.591 110.516.085 7.286.608 207.547.851

67

Lampiran 5. Kapasitas maksimum dan persediaan penyangga keseluruhan produk Dry

Jenis Produk Buffer Stock kapasitas max tiap produk

(karton) (karton)

IMP 500 823

IMP sachet 400 865

IMC 200 382

IMC sachet 80 130

CE 500 990

KKM 200 550

CE'S 1,000 2,058

CE'C 100 290

TS 200 319

TS'S 20 46

TS BDG 10 13

SKM CRIMA 300 841

C200ml 800 1,216

S200ml 200 330

MLN 200ml 200 284 SCI PLAIN 200ml 40 80

C125ml 500 1,117

S 125ml 400 504

M 125ml 40 49

C 200ml 300 419

S 200ml 400 460

M 200ml 40 144

TS C 200ml 500 745

TS S 200ml 70 90

FC 1000ml 500 1,040

UHT CH 1000ml 10 39

68

Lanjutan Lampiran 5. Kapasitas maksimum dan persediaan penyangga keseluruhan produk Dry

Jenis Produk Buffer Stock kapasitas max tiap produk (karton) (karton)

400gr 372 372 200gr 11 11 1000gr 65 65 BIO 400gr - - BIO 800gr - - BIO kids 1-3 400gr 1,007 1,007 Bio kids 1-3 800gr 8 8 BIO kids 4-6 400gr 5 5

SBI Bio kids 4-6 800gr 17 17

400gr 230 230 200gr 184 184

SBB 1000gr 108 108

400gr 254 254 200gr 159 159 1000gr 60 60 BIO 400gr 4 4 BIO 800gr 3 3 BIO kids 1-3 400gr 24 24 Bio kids 1-3 800gr - - BIO kids 4-6 400gr 2 2

SBC Bio kids 4-6 800gr 1 1

400gr FC 811 811 CCS 400gr C 484 484

REG/25KG 24 24 INS/25KG 58 58 SKM BULK 2X5 600 600 SKM BULK 1X10 - 0 SMP BULK 25KG 2 2 REG/2KG 46 46

BULK INS/2KG 71 71 9,550 18,432

69

Lag

Aut

ocor

rela

tion

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Autocorrelation Function for dif 1(with 5% significance limits for the autocorrelations)

Lag

Part

ial A

utoc

orre

lati

on

987654321

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Partial Autocorrelation Function for dif 1(with 5% significance limits for the partial autocorrelations)

Lampiran 6. Plot ACF dan Plot PACF diferensiasi ordo pertama SKM CE’S

Autokorelasi data stasioner (plot ACF) diferensiasi ordo pertama SKM CE’S Autokorelasi parsial data stasioner (plot PACF) diferensiasi ordo pertama SKM CE’S

70

Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

ARIMA Model: SKM CES Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.6210 0.1392 -4.46 0.000 Constant 847.5 482.2 1.76 0.088 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 268535976 (backforecasts excluded) MS = 8137454 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 10.8 22.5 * * DF 10 22 * * P-Value 0.373 0.433 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 19256.6 13664.3 24848.8 38 21040.2 15059.8 27020.6 39 20780.0 13428.1 28131.9 40 21789.0 13872.3 29705.7 41 22009.8 13241.9 30777.8 42 22720.2 13368.6 32071.7 43 23126.5 13115.7 33137.3 44 23721.6 13157.7 34285.6 45 24199.5 13071.7 35327.3 46 24750.2 13108.6 36391.8 47 25255.7 13108.5 37402.9 48 25789.2 13164.7 38413.7

ARIMA Model: SCI C200ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.3338 0.1478 9.02 0.000 MA 2 -0.5833 0.1490 -3.91 0.000 Constant 82.77 89.30 0.93 0.361 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 148944381 (backforecasts excluded) MS = 4654512 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48

71

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

Chi-Square 6.5 15.0 * * DF 9 21 * * P-Value 0.687 0.824 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 10970.0 6740.6 15199.5 38 11528.4 7069.6 15987.2 39 11611.2 7029.2 16193.1 40 11693.9 6992.1 16395.8 41 11776.7 6957.9 16595.5 42 11859.5 6926.6 16792.4 43 11942.2 6897.8 16986.7 44 12025.0 6871.4 17178.6 45 12107.8 6847.3 17368.3 46 12190.6 6825.3 17555.8 47 12273.3 6805.3 17741.3 48 12356.1 6787.3 17924.9 ARIMA Model: SKM CE Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.4383 0.1656 -2.65 0.012 Constant 11778.4 496.6 23.72 0.000 Mean 8189.2 345.3 Number of observations: 36 Residuals: SS = 301445263 (backforecasts excluded) MS = 8866037 DF = 34 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 15.7 25.1 * * DF 10 22 * * P-Value 0.108 0.290 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 5373.2 -552.3 11298.7 38 9460.0 2996.8 15923.1 39 7615.4 1048.0 14182.8 40 8447.4 1859.0 15035.8 41 8072.1 1479.5 14664.8 42 8241.4 1647.9 14834.9 43 8165.0 1571.3 14758.8 44 8199.5 1605.7 14793.2 45 8184.0 1590.2 14777.7 46 8191.0 1597.2 14784.7 47 8187.8 1594.0 14781.6 48 8189.2 1595.5 14783.0

72

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

ARIMA Model: SKM IMP sachet Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.4874 0.2001 -2.44 0.024 Constant 546.2 432.8 1.26 0.222 Differencing: 1 regular difference Number of observations: Original series 23, after differencing 22 Residuals: SS = 82374427 (backforecasts excluded) MS = 4118721 DF = 20 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 43.9 * * * DF 10 * * * P-Value 0.000 * * * Forecasts from period 23 95 Percent Limits Period Forecast Lower Upper Actual 24 8163.2 4184.6 12141.7 25 8996.8 4525.9 13467.7 26 9136.7 3761.2 14512.2 27 9614.7 3676.1 15553.3 28 9927.9 3384.2 16471.7 29 10321.5 3265.6 17377.4 30 10675.9 3123.7 18228.0 31 11049.3 3040.3 19058.3 32 11413.5 2968.3 19858.7 33 11782.2 2924.1 20640.3 34 12148.7 2895.2 21402.1 35 12516.3 2884.1 22148.4 ARIMA Model: SKM Crima Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.7271 0.1376 -5.28 0.000 AR 2 -0.6425 0.1373 -4.68 0.000 Constant 52.2 404.2 0.13 0.898 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 182966191 (backforecasts excluded) MS = 5717693 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 16.4 23.9 * * DF 9 21 * * P-Value 0.060 0.296 * *

73

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 7760.0 3072.3 12447.6 38 7096.4 2237.3 11955.5 39 8450.2 3534.2 13366.2 40 7944.4 2010.4 13878.3 41 7494.6 1295.9 13693.2 42 8198.7 1875.4 14522.1 43 8027.9 1180.2 14875.5 44 7751.9 625.3 14878.4 45 8114.5 818.3 15410.6 46 8080.3 435.6 15725.1 47 7924.4 16.3 15832.4 48 8111.9 12.5 16211.2 ARIMA Model: SKM IMP Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.7191 0.1413 -5.09 0.000 Constant 564.7 558.6 1.01 0.319 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 359742969 (backforecasts excluded) MS = 10901302 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 27.7 43.4 * * DF 10 22 * * P-Value 0.002 0.004 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 10437.4 3964.7 16910.0 38 15826.5 9103.4 22549.6 39 12515.7 4037.4 20993.9 40 15461.3 6545.7 24376.9 41 13907.7 3925.7 23889.7 42 15589.7 5093.6 26085.7 43 14944.8 3662.0 26227.7 44 15973.3 4161.3 27785.2 45 15798.4 3340.7 28256.1 46 16488.8 3514.2 29463.5 47 16557.0 3018.9 30095.1 48 17072.7 3039.9 31105.5

74

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

ARIMA Model: UHT C125ml Final Estimates of Parameters Type Coef SE Coef T P AR 1 -1.1301 0.1349 -8.38 0.000 AR 2 -0.7259 0.1447 -5.02 0.000 Constant 282.7 121.4 2.33 0.026 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 16495979 (backforecasts excluded) MS = 515499 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 12.5 26.8 * * DF 9 21 * * P-Value 0.189 0.177 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 5344.89 3937.36 6752.42 38 4944.29 3524.89 6363.69 39 6558.05 5019.82 8096.29 40 5307.72 3540.25 7075.18 41 5832.03 4064.56 7599.51 42 6429.75 4496.56 8362.94 43 5656.31 3652.50 7660.13 44 6379.20 4360.68 8397.71 45 6406.32 4252.99 8559.66 46 6133.60 3946.39 8320.81 47 6704.79 4475.76 8933.83 48 6539.89 4219.84 8859.95 ARIMA Model: SKM KKM Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.4681 0.0629 23.33 0.000 MA 2 -0.4927 0.0792 -6.22 0.000 Constant 112.86 12.55 8.99 0.000 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 29678907 (backforecasts excluded) MS = 927466 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 8.4 23.3 * *

75

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

DF 9 21 * * P-Value 0.492 0.329 * *

Lampiran 7 (Lanjutan) Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 4504.94 2616.98 6392.90 38 5305.68 3221.08 7390.28 39 5418.54 3333.43 7503.66 40 5531.41 3445.77 7617.04 41 5644.27 3558.12 7730.42 42 5757.13 3670.46 7843.80 43 5869.99 3782.81 7957.18 44 5982.86 3895.15 8070.56 45 6095.72 4007.50 8183.94 46 6208.58 4119.85 8297.32 47 6321.44 4232.19 8410.70 48 6434.31 4344.54 8524.08 ARIMA Model: UNT FC1000ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 0.9455 0.1518 6.23 0.000 Constant -5.72 12.90 -0.44 0.660 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 14163854 (backforecasts excluded) MS = 429208 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 16.5 30.1 * * DF 10 22 * * P-Value 0.086 0.115 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 4139.46 2855.13 5423.79 38 4133.74 2847.50 5419.98 39 4128.02 2839.88 5416.16 40 4122.30 2832.25 5412.34 41 4116.57 2824.63 5408.51 42 4110.85 2817.02 5404.68 43 4105.13 2809.40 5400.85 44 4099.41 2801.79 5397.02 45 4093.69 2794.19 5393.19 46 4087.96 2786.58 5389.35 47 4082.24 2778.98 5385.51 48 4076.52 2771.38 5381.66

76

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

ARIMA Model: SKM IMC Final Estimates of Parameters Type Coef SE Coef T P MA 1 0.7911 0.1286 6.15 0.000 Constant 92.28 46.80 1.97 0.057 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 46431659 (backforecasts excluded) MS = 1407020 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 13.1 28.6 * * DF 10 22 * * P-Value 0.215 0.157 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 4430.90 2105.52 6756.28 38 4523.19 2147.61 6898.76 39 4615.47 2190.73 7040.21 40 4707.75 2234.83 7180.67 41 4800.03 2279.85 7320.21 42 4892.31 2325.74 7458.89 43 4984.59 2372.45 7596.74 44 5076.88 2419.95 7733.81 45 5169.16 2468.19 7870.13 46 5261.44 2517.13 8005.75 47 5353.72 2566.75 8140.70 48 5446.00 2617.01 8275.00 ARIMA Model: UHT TS C200ml Final Estimates of Parameters Type Coef SE Coef T P MA 1 1.2150 0.2111 5.76 0.000 MA 2 -0.2479 0.2159 -1.15 0.263 Constant 87.69 23.30 3.76 0.001 Differencing: 1 regular difference Number of observations: Original series 27, after differencing 26 Residuals: SS = 35612341 (backforecasts excluded) MS = 1548363 DF = 23 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 10.4 31.2 * * DF 9 21 * * P-Value 0.322 0.070 * *

77

Lanjutan Lampiran 7. Perhitungan peremalan permintaan tahun 2007 dengan metode ARIMA

Forecasts from period 27 95 Percent Limits Period Forecast Lower Upper Actual 28 3626.44 1187.06 6065.83 29 3569.86 1074.75 6064.98 30 3657.55 1161.14 6153.96 31 3745.24 1247.53 6242.95 32 3832.93 1333.93 6331.93 33 3920.62 1420.32 6420.91 34 4008.31 1506.72 6509.89 35 4095.99 1593.11 6598.87 36 4183.68 1679.51 6687.85 37 4271.37 1765.91 6776.83 38 4359.06 1852.31 6865.81 39 4446.75 1938.71 6954.79 ARIMA Model: SCI S 200ml Final Estimates of Parameters Type Coef SE Coef T P AR 1 -1.1152 0.1293 -8.63 0.000 AR 2 -0.6988 0.1315 -5.31 0.000 Constant 5.20 81.78 0.06 0.950 Differencing: 1 regular difference Number of observations: Original series 36, after differencing 35 Residuals: SS = 7488007 (backforecasts excluded) MS = 234000 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 11.7 27.2 * * DF 9 21 * * P-Value 0.232 0.163 * * Forecasts from period 36 95 Percent Limits Period Forecast Lower Upper Actual 37 2892.96 1944.65 3841.27 38 2548.71 1594.13 3503.30 39 3060.83 2022.93 4098.73 40 2735.49 1551.24 3919.74 41 2745.64 1561.07 3930.21 42 2966.87 1673.59 4260.14 43 2718.26 1378.40 4058.12 44 2846.11 1492.12 4200.09 45 2882.46 1443.89 4321.04 46 2757.78 1294.09 4221.48 47 2876.62 1380.96 4372.28 48 2836.42 1283.82 4389.03

78

Lampiran 8. Hasil peramalan permintaan produk prioritas tahun 2007 untuk seluruh cabang PT. Alam Sumbervita

Ramalan Permintaan Tahun 2007 semester 1 (karton/bulan) No Jenis Produk JAN FEB MAR APRIL MEI JUNI

1 SKM CE'S 19,257 21,040 20,780 21,789 22,010 22,720

2 SCI C200ml 10,970 11,528 11,611 11,694 11,777 11,860

3 SKM CE 5,373 9,460 7,615 8,447 8,072 8,241

4 SKM IMP sachet 8,163 8,997 9,137 9,615 9,928 10,322

5 SKM CRIMA 7,760 7,096 8,450 7,944 7,495 8,199

6 SKM IMP 10,437 15,827 12,516 15,461 13,908 15,590

7 UHT C125ml 5,345 4,944 6,558 5,308 5,832 6,430

8 SKM KKM 4,505 5,306 5,419 5,531 5,644 5,757

9 UHT FC 1000ml 4,139 4,134 4,128 4,122 4,117 4,111

10 SKM IMC 4,431 4,523 4,615 4,708 4,800 4,892

11 UHT TS C 200ml 3,626 3,570 3,658 3,745 3,833 3,921

12 SCI S200ml 2,893 2,549 3,061 2,735 2,746 2,967

Ramalan Permintaan Tahun 2007 semester 2 (karton/bulan) No Jenis Produk JULI AGUST SEPT OKT NOV DES

1 SKM CE’S 23,127 23,722 24,200 24,750 25,256 25,789

2 SCI C200ml 11,942 12,025 12,108 12,191 12,273 12,356

3 SKM CE 8,165 8,199 8,184 8,191 8,188 8,189

4 SKM IMP sachet 10,676 11,049 11,414 11,782 12,149 12,516

5 SKM CRIMA 8,028 7,752 8,114 8,080 7,924 8,112

6 SKM IMP 14,945 15,973 15,798 16,489 16,557 17,073

7 UHT C125ml 5,656 6,379 6,406 6,134 6,705 6,540

8 SKM KKM 5,870 5,983 6,096 6,209 6,321 6,434

9 UHT FC 1000ml 4,105 4,099 4,094 4,088 4,082 4,077

10 SKM IMC 4,985 5,077 5,169 5,261 5,354 5,446

11 UHT TS C 200ml 4,008 4,096 4,184 4,271 4,359 4,447

12 SCI S200ml 2,718 2,846 2,882 2,758 2,877 2,836

79

Rata-Rata Permintaan Harian Tahun 2006 (karton/hari) Standar JENIS PRODUK JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES deviasi

SKM CE'S 232 289 178 264 211 263 301 341 264 261 270 330 46.15 SCI C200ml 135 116 147 130 167 176 162 139 172 207 143 197 27.60 SKM CE 146 70 149 162 93 126 120 135 57 176 76 232 50.05 SKM IMP’S 106 62 86 93 65 125 165 97 132 177 102 139 36.24 SKM CRIMA 55 90 125 59 111 159 73 119 155 116 103 144 34.79 SKM IMP 66 76 103 97 79 105 45 98 75 153 112 273 58.84 UHT C125ml 59 53 66 61 67 85 74 67 81 97 59 104 15.93 SKM KKM 34 57 83 62 73 69 53 117 71 72 44 120 25.86 UHT FC 1000ml 73 69 73 63 51 71 73 70 74 74 53 70 7.99 SKM IMC 19 34 45 37 35 40 53 45 40 81 63 103 23.01 UHT TS C 200ml 34 72 22 35 43 42 48 101 31 45 68 42 21.54 SCI S200ml 37 36 46 26 47 44 44 43 53 52 36 49 7.75

Rata-Rata Permintaan Harian Tahun 2007 (karton/hari) Standar JENIS PRODUK JAN FEB MAR APRIL MEI JUNI JULI AGUST SEPT OKT NOV DES deviasi

SKM CE'S 306 335 331 347 350 361 368 377 385 394 402 410 31.46 SCI C200ml 175 183 185 186 187 189 190 191 193 194 195 197 6.11 SKM CE 85 150 121 134 128 131 130 130 130 130 130 130 14.90 SKM IMP’S 130 143 145 153 158 164 170 176 182 187 193 199 21.62 SKM CRIMA 123 113 134 126 119 130 128 123 129 129 126 129 5.64 SKM IMP 166 252 199 246 221 248 238 254 251 262 263 272 30.31 UHT C125ml 85 79 104 84 93 102 90 101 102 98 107 104 9.32 SKM KKM 72 84 86 88 90 92 93 95 97 99 101 102 8.46 UHT FC 1000ml 66 66 66 66 65 65 65 65 65 65 65 65 0.33 SKM IMC 70 72 73 75 76 78 79 81 82 84 85 87 5.29 UHT TS C 200ml 58 57 58 60 61 62 64 65 67 68 69 71 4.75 SCI S200ml 46 41 49 44 44 47 43 45 46 44 46 45 2.11

Lampiran 9. Standar deviasi rata-rata perm

intaan harian produk prioritas tahun 2006 dan tahun 2007

79

80

Lampiran 12. Perkiraan total biaya persediaan produk-produk prioritas tahun 2007 dengan menggunakan metode perusahaan

Buffer stock

Kapasitas Maksimum kuantitas Harga Jumlah

pemesanan No JENIS PRODUK (karton) (karton) per pesan

(karton/pesan)

permintaan thn 2007

(karton/tahun) Jual (rupiah) (pesan/thn)

1 SKM CE'S 1.000 2.058 1.058 96.053 253.000 91

2 SCI C200ml 800 1.216 416 49.817 51.150 120

3 SKM CE 500 990 490 33.714 310.200 69

4 SKM IMP sachet 400 865 465 44.011 266.750 95

5 SKM CRIMA 300 841 541 33.234 236.775 61

6 SKM IMP 500 823 323 63.201 362.340 196

7 UHT C125ml 500 1.117 617 25.283 62.700 41

8 SKM KKM 200 550 350 24.176 252.368 69

9 UHT FC 1000ml 500 1.040 540 17.254 117.480 32

10 SKM IMC 200 382 182 20.742 322.630 114

11 UHT TS C 200ml 500 745 245 16.701 67.650 68

12 SCI S 200ml 200 330 130 11.854 51.150 91 Kuantitas per pesan (Q) = kapasitas Maks – Buffer stock

Asumsi harga jual tahun 2007 naik 10 persen dari harga jual tahun 2006

Harga jual (thn 2007) = harga jual (thn 2006) * 110%

Jumlah pemesanan = permintaan thn 2007 (D)

Kuantitas per pesan (Q)

84

81

Lanjutan Lampiran 12. Perkiraan total biaya persediaan produk-produk prioritas tahun 2007 dengan menggunakan metode perusahaan

Biaya Opportunity cost (OCC) Total

No JENIS PRODUK Modal (per karton)

(Rupiah/karton) (8,5%)

OCC (Rupiah/tahun)

Biaya Penyimpanan

(Rupiah)

Biaya Pemesanan (Rupiah) Biaya

(Rupiah)

1 SKM CE'S 215.050 18.279 27.947.206 42.165.624 4.464.670 74.577.500

2 SCI C200ml 43.478 3.696 3.724.542 27.795.077 5.892.682 37.412.301

3 SKM CE 263.670 22.412 16.694.466 20.543.357 3.384.470 40.622.293

4 SKM IMP sachet 226.738 19.273 12.191.897 17.446.469 4.651.660 34.290.026

5 SKM CRIMA 201.259 17.107 9.756.124 15.728.312 3.022.679 28.507.115

6 SKM IMP 307.989 26.179 17.311.306 18.237.035 9.634.592 45.182.932

7 UHT C125ml 53.295 4.530 3.662.600 22.297.831 2.014.714 27.975.146

8 SKM KKM 214.512 18.234 6.836.558 10.340.576 3.397.364 20.574.497

9 UHT FC 1000ml 99.858 8.488 6.535.787 21.236.093 1.570.913 29.342.793

10 SKM IMC 274.236 23.310 6.784.550 8.027.069 5.599.873 20.411.491

11 UHT TS C 200ml 57.503 4.888 3.043.421 17.172.556 3.347.113 23.563.090

12 SCI S 200ml 43.478 3.696 979.672 7.310.983 4.476.946 12.767.601

115.468.129 228.300.980 51.457.676 395.226.785 Biaya modal per karton = harga jual * 85% (asumsi : biayamodal per karton sebesar 85 persen dari harga jualnya) OCC = biaya modal per karton * 8,5% (suku bunga tabungan sebesar 8,5 persen) OCC tahun 2007 = OCC per karton * ( n + Q/2) n = buffer stock Q = kuantitas per pesan

85

Lanjutan Lampiran 10. Contoh print out inventory order cycle (SCI C 200ml) 81

INPUT 3360 Opportunity Cost,Occ

41.651 Annual demand, D 1 Lead time 44.698 Ordering cost, Co

80 75Standard deviation 0,80 Service level 25.072 Carrying cost, Cc

27,6 of daily demand

harga jual 46500 264 Working days/year 930 Shortage Cost, B = 2% x 46500

OUTPUT

361,88 Optimal order quantity, Q* 10.289.046 Total Co + Cc

157,77 Daily demand 990.056 Total B

115,10 Number of orders per year 11.279.102 total Cost = Co + Cc + Shortage cost

2,29 Time between orders (days)

157,77 Reorder point w/ constant demand

23,23 Safety Stock

181,00 Reorder point w/ variable demand

reorder point = 157,77 karton Occ + H = 28.432 Rp/kartonShortage Cost (B) = 930 Rp/karton standar deviasi (σD) = 27,60 kartonTotal Permintaan (D) = 41.651 karton Q per pesan = 361,88 karton

80 90 95 99

persediaan penyangga(standar deviasi,σD = 27,60 karton)buffer stock = nσD = n x 27.60 karton 23,23 35,37 45,4 64,21

Perkiraan kekurangan jumlah per pesanan karton 3,08 1,31 0,58 0,12σDE (K) = 27.60 x E (K)

Kekurangan Jumlah Tahunan karton 35,66 15,12 6,68 1,41(kekurangan jml per pesan x jumlah pemesanan)

Biaya Penyimpanan persediaan penyangga Rp 660.475 1.005.640 1.290.813 1.825.619 (Occ+H) x Buffer Stock = 28432 x buffer stock

Biaya Kekurangan PersediaanB(D/Q) x (perkiraan kekurangan jmlh per pesanan) Rp 329.580 139.738 61.715 13.028 = 930 x (41651/361.88) x (perkiraan kekurangan jml /pesan)

Biaya Tambahan Total Rp 990.056 1.145.378 1.352.528 1.838.647

Tingkat PelayananPersentase

EOQ Inventory Order Cycle SCI C 200ml

Q max 1216

Biaya Tambahan untuk Produk SCI C 200ml karena adanya Stock Out

persediaan penyangga tahunan dan biaya kekeurangan persediaan untuk empat tingkat pelayanan

Lampiran 13. Contoh print out EOQ inventory order cycle tahun 2007 SKM CE'S 86

INPUT 18279 Opportunity Cost,Occ

96.053 Annual demand, D 1 Lead time 49.168 Ordering cost, S

95 27.579 Carrying cost, HStandard deviation 0,95 Service level

31,46 of daily demand 4.600 Shortage Cost, B = 2% x 230000

harga jual 230000 264 Working days per year

OUTPUT

453,84 Optimal order quantity, Q* 20.812.262 Total Co + Cc

363,84 Daily demand 3.012.979 Total B

211,64 Number of orders per year 23.825.242 total Cost = Co + Cc + Shortage cost

1,25 Time between orders (days)

363,84 Reorder point w/ constant demand

51,75 Safety Stock

415,58 Reorder point w/ variable demand

reorder point = 363,84 karton occ + H = 45.858 Rp/kartonShortage Cost (B) = 4600 Rp/karton standar deviasi (σD) = 31,46 kartonTotal Permintaan (D) = 96.053 karton Q per pesan = 453,84 karton

80 90 95 99persediaan penyangga(standar deviasi,σD = 31.46 karton)buffer stock = nσD = n x 31.46 karton 26,48 40,32 51,75 73,19

Perkiraan kekurangan jumlah per pesanan karton 3,51 1,49 0,66 0,14σDE (K) = 31.46 x E (K)

Kekurangan Jumlah Tahunan karton 61,70 26,16 11,55 2,44(kekurangan jml per pesan x jumlah pemesanan)

Biaya Penyimpanan persediaan penyangga Rp 1.214.320 1.848.995 2.373.152 3.356.347 (Occ+H) x Buffer Stock = 45858 x buffer stock

Biaya Kekurangan PersediaanB(D/Q) x (perkiraan kekurangan jmlh per pesanan) Rp 3.416.907 1.448.725 639.828 135.071 = 4600 x (96053/453.84) x (perkiraan kekurangan jml /pesan)

Biaya Tambahan Total Rp 4.631.227 3.297.719 3.012.979 3.491.418

Tingkat PelayananPersentase

EOQ Inventory Order Cycle SKM CE'S

Q max 2058

Biaya Tambahan untuk Produk SKM CE'S karena adanya Stock Out

persediaan penyangga tahunan dan biaya kekeurangan persediaan untuk empat tingkat pelayanan

ANALISIS PERENCANAAN DAN PENGENDALIANANALISIS PERENCANAAN DAN PENGENDALIANPERSEDIAAN BARANG JADI PERSEDIAAN BARANG JADI

(STUDI KASUS : PT ALAM SUMBERVITA(STUDI KASUS : PT ALAM SUMBERVITA JAKARTA)JAKARTA)

IRWAN HERMAWANIRWAN HERMAWANH24103119H24103119

DEPARTEMEN MANAJEMENFAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR2007

Di bawah bimbinganIr. Pramono D Fewidarto, MS

Perusahaan

Persediaan20-60 % total aset(Baroto,2002)

PT.ASV sebagai Perusahaan Dagang

Pentingnya Pengendalian

Dilebihkan Dikurangkan

Biaya ModalBiaya Simpan

Stock OutBiaya Pengadaan DaruratLoyalitas Pelanggan

Optimal

Total Biaya MinimalMenjaga Ketersediaan

Rumusan Masalah : apakah model pengendalian persediaan yang digunakan perusahaan sudah tepat dan optimal melalui efisiensi biaya-biaya persediaanyang muncul.

PENDAHULUANPENDAHULUAN

TujuanTujuan PenelitianPenelitian ::1. Mengetahui sistem pengadaan dan pengendalian persediaan

perusahaan2. Menetapkan jenis produk yang perlu mendapatkan prioritas dalam

pengendalian persediaan3. Menghitung tingkat persediaan yang optimal bagi PT. Alam

Sumbervita Jakarta

Batasan Penelitian :1. Kelompok produk yang akan dibahas dari tiga kelompok besar

yang didistribusikan (Dry, PLM, Ice Cream) adalah kelompok Dry2. Kelompok Dry yang dianalsis adalah produk-produk yang

termasuk dalam Kelas A

PENDAHULUANPENDAHULUAN

Definisi PeramalanMenurut Assauri (2004), peramalan merupakan upaya penggunaan data atau informasi untuk memperkirakan kejadian di masa yang akan datang.

Metode Peramalan– Metode Kualitatif : metode yang digunakan karena ketidaktersediaan

data masa lalu yang dibutuhkan atau data tersedia dalam jumlah yang sedikit, sehingga dalam metode ini pendapat pakar dan praktisi dijadikan dasar untuk menetapkan permintaan yang akan datang.

– Metode Kuantitatif : metode yang menggunakan suatu set data historis masa lalu perusahaan yang akan digunakan untuk meramalkan permintaan di masa datang.

TINJAUAN PUSTAKATINJAUAN PUSTAKA

Definisi PersediaanGroebner dalam Baroto (2002) mendifinisikan persediaan sebagai komponen material, atau produk jadi yang tersimpan di tangan, menunggu untuk digunakan atau dijual..

Jenis Persediaan secara fisik menurut Rangkuti (2004) yauitu :1. Persediaan Bahan Baku2. Persediaan bagian produk yang dibeli3. Persediaan bahan-bahan pembantu (perlengkapan)4. Persediaan barang setengah jadi5. Persediaan barang jadi

TINJAUAN PUSTAKATINJAUAN PUSTAKA

Biaya Persediaan menurut Baroto (2002) antara lain :1. Biaya Pembelian biaya untuk memperoleh atau membeli

barang2. Biaya Pemesanan besarnya tetap, tidak tergantung kuantitas3. Biaya Penyimpanan besarnya bervariasi, tergantung kuantitas4. Biaya Penyiapan biaya penyiapan bahan yang diproduksi sendiri5. Biaya kehabisan Persediaan bila persediaan tidak mencukupi

permintaan

Fungsi Persediaan menurut Baroto (2002) antara lain :1. Fungsi Independensi : Agar fungsi produksi dapat terus berjalan2. Fungsi Ekonomis : : memproduksi dengan jumlah produksi tertentu akan

lebih ekonomis daripada memproduksi sesuai permintaan3. Fungsi Antisipasi : mengantisipasi adanya perubahan permintaan4. Fungsi Fleksibilitas : Bila dalam proses produksi terdiri atas beberapa

tahapan proses operasi dan ada kemungkinan terjadi kerusakan, persediaan barang setengah jadi diperlukan untuk menjagakelancaran produksi

TINJAUAN PUSTAKATINJAUAN PUSTAKA

Klasifikasi Persediaan ABCRangkuti (2004), metode untuk mengetahui jenis-jenis barang yang perlumendapatkan prioritas dalam pengendalian persediaan.

Model-Model Persediaan StokastikHandoko (2000), model yang valid dalam menentukan kuantitas optimal yang di dalamnya terdapat parameter-parameter yang tidak diketahuidengan pasti dan konstan. Model ini juga mempertimbangkan kemungkinan terjadinya kehabisan persediaan. Karena salah satu tujuan model ini adalah menentukan besarnya persediaan penyangga (safety/buffer stock) untuk meminimumkan biaya kehabisan persediaan (Shortage Cost) dan tambahan biaya penyimpanan dari persediaan penyangga tersebut.

TINJAUAN PUSTAKATINJAUAN PUSTAKA

Kerangka Pemikiran Konseptual

METODOLOGI PENELITIANMETODOLOGI PENELITIAN

Persaingan Usaha yang Semakin Ketat

Efisiensi BiayaPersediaan

Menjaga Loyalitas Pelanggan

Perbaikan Sistem Perencanaan danPengendalian Persediaan

Tuntutan Efisiensi Internal Tuntutan Posisi sebagaiDistributor

Optimalisasi Kebijakan Persediaan

1. Lokasi Dan Waktu Penelitian : PT. Alam Sumbervita Jl. Raya Bogor Km 24,7 Jakarta Timur 13750. waktu di mulai dari bulan April - Juni 2007.

2. Jenis dan Sumber Data- Data Primer : pengamatan dan wawancara beberapa staf bagian

Gudang dan Bagian Pengadaan- Data Sekunder : Data penjualan tahun 2004 – 2006, studi literatur dan

publikasi elektronik

3. Metode Pengolahan dan Analisis Data- Klasifikasi Persediaan ABC dengan kriteria volume penjualan- Peramalan Permintaan dengan Metode ARIMA- Pengendalian persediaan dengan metode EOQ stokastik

METODOLOGI PENELITIANMETODOLOGI PENELITIAN

1. Gambaran Umum PerusahaanPT. Alam Sumbervita didirikan dengan bentuk badan usaha Perseroan Terbatas (PT) pada tanggal 11 November 1997, di Jakarta di bawah manajemen PT. Indomilk Group atau disebut juga Dairy Group.Jenis usaha PT. Alam Sumbervita menurut peraturan perpajakan yang tercatat di kantor pelayanan pajak Jakarta, Kramat Jati, Kantor Wilayah IV Jakarta Raya I adalah perdagangan besar dalam negeri hasil industri makanan, minuman, tembakau.

2. Gambaran ProdukJenis produk yang didistribusikan oleh PT. Alam Sumbervita berasal dari PT. Indomilk, PT. Indolakto, PT. Indo Es Krim Meijidan PT. Indomurni yang dibagi ke dalam tiga kelompok besar, yaitu kelompok Dry, kelompok PLM (Pastured Liquid Milk) dan kelompok Ice Cream

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

3. Sistem Pengadaan dan Pengendalian Persediaan PT. Alam SumbervitaPengendalian persediaan pada PT. ASV dilakukan oleh Bagian Gudang dan Bagian Pengadaan. Alur pemesanan barang hingga sampai di gudang :

Lead Time produk Dry adalah satu hari, dan turn over terjadi selama enam haridalam satu minggu.

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

Estimasi sales Mix and Match

PO(Purchase Order)

DO(Delivery Order)

PemeriksaanDan Pengeluaran GRN(Goods Receipt Note)

CMO

PengirimanBarang

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

Persediaan penyangga berbeda-beda untuk tiap jenis produk

jumlah tetap sepanjang tahun

Pemasok untuk kelompok Dry adalah PT. Indomilk (75 persen) dan PT. Indolakto (25 persen)

Estimasi permintaan yang dikirimkan PT. ASV adalah estimasi permintaan dari seluruh cabang yang diteruskan ke pemasok, denganpersentase 65 persen untuk seluruh cabang dan 35 persen untuk PT. ASV Jakarta

Pemasok35 persen dikirim ke PT.ASV Jakarta

65 persen langsung dikirim ke cabang

4. Penentuan Prioritas Produk dengan Klasifikasi Persediaan ABC

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

kebijakan tingkat persediaan penyangga dan kapasitas maksimumsetiap produk kelas A

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

Total biaya oportunitas, pemesanan dan penyimpanan untuk masing-masing produk kelas A tahun 2006 dengan metode perusahaan.

Total biaya persediaan seluruh produk kelas A tahun 2006 adalah Rp346.921.048

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

5. Pengendalian Persedian Produk Kelas A dengan Metode Stokastika. Metode EOQ Stokastik untuk Tahun 2006

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

b. Perbandingan Total Biaya Persediaan Tahun 2006 Antara MetodePerusahaan dengan Metode EOQ Stokastik

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

c. Perkiraan Total Biaya Persediaan Tahun 2007 dengan MetodePerusahaan dan Metode EOQ Stokastik

HASIL DAN PEMBAHASANHASIL DAN PEMBAHASAN

1. Kesimpulana. Sistem Pengadaan dan Pengendalian Persediaan PT. ASV- Pengendalian persediaan PT. Alam Sumbervita dilakukan oleh Bagian

Gudang dan Bagian Pengadaan- Lead time untuk produk Dry adalah satu hari- Pemesanan saat sudah mencapai titik persediaan penyangga- Pengiriman dari pemasok 35% PT.ASV jakarta

65% ke cabangb. Produk-produk yang perlu mendapatkan prioritas dalam

perencaan dan pengendalian persediaanProduk kelas A dari klasifikasi ABC, yaitu SKM CE’S, SCI C 200ml, SKM CE, SKM IMP’S, SKM Crima, SKM IMP, UHT C 125ml, SKM KKM, UHT FC 1000ml, SKM IMC, UHT TS C 200ml dan SCI S 200ml. .

KESIMPULAN DAN SARANKESIMPULAN DAN SARAN

c. Tingkat persediaan optimal bagi PT. ASV- Kebijakan pengendalian persediaan yang dilakukan perusahaan

belum optimal, karena biaya yang dikeluarkan dengan metodeperusahaan untuk tahun 2006 adalah Rp 346.921.048, sedangkandengan metode EOQ stokastik menghasilkan biaya sebesar Rp137.887.950 atau lebih hemat Rp 209.033.098 (60,25 persen) dari metode yang selama ini diterapkan perusahaan.

- Perkiraan total biaya persediaan produk Kelas A untuk tahun 2007dengan metode perusahaan adalah sebesar Rp 395.226.785, sedangkan dengan metode EOQ stokastik adalah Rp 113.701.203 atau lebih hemat Rp 281.525.582 (71,23 persen) dari metode yang selama ini diterapkan perusahaan.

- Perbedaan utama antara kedua metode ini terjadi karena perusahaanmenetapkan kebijakan persediaan penyangga yang terlalu besar, sehingga biaya penyimpanan jadi lebih besar.

KESIMPULAN DAN SARANKESIMPULAN DAN SARAN

2. Saran- Perusahaan perlu mengkaji kembali metode pengendalian

persediaan yang diterapkan, karena berdasarkan hasil metode yang digunakan peneliti total biaya persediaan masih dapat diminimalkan.

- Perusahaan sebaiknya meninjau ulang kebijakan tingkat persediaan penyangga, untuk produk yang fluktuasinya relatifkecil dan lead time satu hari, perusahaan tidak perlu terlalukhawatir menetapkan persediaan penyangga yang terlalubesar.

- Perusahaan dapat menggunakan metode EOQ stokastik sebagai referensi untuk mengendalikan persediaan, karenametode ini sesuai dengan kondisi perusahaan dan lebih efisienuntuk meminimalkan total biaya persediaan.

KESIMPULAN DAN SARANKESIMPULAN DAN SARAN

“All of us don’t have an equal talent, but all of us should have an equal opportunity to develop talent” (John F Kennedy)

Lampiran 11. Contoh print out inventory order cycle (SKM CE’S) 82

INPUT 16618 Opportunity Cost,Occ

70.504 Annual demand, D 1 Lead time 44.698 Ordering cost, S

99 25.072 Carrying cost, HStandard deviation 0,99 Service level

46,15 of daily demand 4.600 Shortage Cost, B = 2% x 230000

harga jual 230000 264 Working days per year

OUTPUT

388,82 Optimal order quantity, Q* 1,46 Time between orders (days)

267,06 Daily demand 16.209.956 Total Co + Cc

181,33 Number of orders per year 4.631.006 Total B

267,06 Reorder point w/ constant demand 20.840.962 total Cost = Co + Cc + Shortage cost

107,36 Safety Stock

374,42 Reorder point w/ variable demand

reorder point = 267,06 karton Occ + H = 41.690 Rp/kartonShortage Cost (B) = 4600 Rp/karton standar deviasi (σD) = 46,15 kartonTotal Permintaan (D) = 70.504 karton Q per pesan = 388,82 karton

80 90 95 99persediaan penyangga(standar deviasi,σD = 46,15 karton)buffer stock = nσD = n x 46.15 karton 38,71 58,95 75,66 107,01

Perkiraan kekurangan jumlah per pesanan karton 5,15 2,18 0,96 0,20σDE (K) = 46.15 x E (K)

Kekurangan Jumlah Tahunan karton 77,54 32,87 14,52 3,07(kekurangan jml per pesan x jumlah pemesanan)

Biaya Penyimpanan persediaan penyangga Rp 1.613.820 2.457.626 3.154.265 4.461.247 (Occ+H) x Buffer Stock = 41690 x buffer stock

Biaya Kekurangan PersediaanB(D/Q) x (perkiraan kekurangan jmlh per pesanan) Rp 4.294.407 1.820.773 804.143 169.759 = 4600 x (70504/388.82) x (perkiraan kekurangan pesan)

Biaya Tambahan Total Rp 5.908.227 4.278.399 3.958.408 4.631.006

Tingkat PelayananPersentase

EOQ Inventory Order Cycle SKM CE'S

Q max 2058

Biaya Tambahan untuk Produk SKM CE'S karena adanya Stock Out

persediaan penyangga tahunan dan biaya kekeurangan persediaan untuk empat tingkat pelayanan

Lampiran 14. Contoh print out EOQ inventory order cycle service level 99 persen tahun 2007 SKM CE'S 88

INPUT 18279 Opportunity Cost,Occ

96.053 Annual demand, D 1 Lead time 49.168 Ordering cost, S

99 27.579 Carrying cost, HStandard deviation 0,99 Service level

31,46 of daily demand 4.600 Shortage Cost, B = 2% x 230000

harga jual 230000 264 Working days per year

OUTPUT

453,84 Optimal order quantity, Q* 20.812.262 Total Co + Cc

363,84 Daily demand 3.491.418 Total B

211,64 Number of orders per year 24.303.681 total Cost = Co + Cc + Shortage cost

1,25 Time between orders (days)

363,84 Reorder point w/ constant demand

73,19 Safety Stock

437,02 Reorder point w/ variable demand

reorder point = 363,84 karton occ + H = 45.858 Rp/kartonShortage Cost (B) = 4600 Rp/karton standar deviasi (σD) = 31,46 kartonTotal Permintaan (D) = 96.053 karton Q per pesan = 453,84 karton

80 90 95 99persediaan penyangga(standar deviasi,σD = 31.46 karton)buffer stock = nσD = n x 31.46 karton 26,48 40,32 51,75 73,19

Perkiraan kekurangan jumlah per pesanan karton 3,51 1,49 0,66 0,14σDE (K) = 31.46 x E (K)

Kekurangan Jumlah Tahunan karton 61,70 26,16 11,55 2,44(kekurangan jml per pesan x jumlah pemesanan)

Biaya Penyimpanan persediaan penyangga Rp 1.214.320 1.848.995 2.373.152 3.356.347 (Occ+H) x Buffer Stock = 45858 x buffer stock

Biaya Kekurangan PersediaanB(D/Q) x (perkiraan kekurangan jmlh per pesanan) Rp 3.416.907 1.448.725 639.828 135.071 = 4600 x (96053/453.84) x (perkiraan kekurangan jml /pesan)

Biaya Tambahan Total Rp 4.631.227 3.297.719 3.012.979 3.491.418

Tingkat PelayananPersentase

EOQ Inventory Order Cycle SKM CE'S

Q max 2058

Biaya Tambahan untuk Produk SKM CE'S karena adanya Stock Out

persediaan penyangga tahunan dan biaya kekeurangan persediaan untuk empat tingkat pelayanan