Riset

Ada dua faktor lainnya yang turut berkontribusi dalam pengembangan riset operasional. Pertama adalah kemajuan mendasar yang dibuat di awal dalam pengembangan teknik yang ada terhadap riset operasional. Setelah perang, banyak ilmuwan yang berpartisipasi dalam tim riset operasional atau yang mendengarkan keberhasilan tim termotivasi untuk melanjutkan penelitian relevan terhadap suatu bidang, yang menunjukkan pengembangan penting dari sudut seni yang dihasilkan. Salah satu contoh paling penting adalah ditemukannya metode simpleks untuk menyelesaikan permasalahan pemrograman linear oleh George Dantzig tahun 1947. Banyak teknik riset operasional, seperti pemrograman linear, pemrograman dinamis, teori antrian dan teori inventori telah dikembangkan dengan baik di akhir tahuan 1950-an. Faktor kedua adalah perkembangan teknologi komputer. Perhitungan kompleks sering harus dilakukan untuk permasalahan kompleks. Jika dilakukan dengan tangan (secara manual) sering menjadi masalah dan bahkan sering tidak mungkin dilakukan. Pengembangan komputer digital elektronik dengan kemampuan melakukan perhitungan aritmetik tinggi telah memberikan penyelesian yang ribuan atau jutaan kali lebih cepat daripada yang bisa manusia lakukan dengan tangan. Perkembangan disiplin operation research diawaili dari keberhasilan-keberhasilan penelitian dari kelompok kelompok studi militer yang kemudian telah menarik kalangan Industriawan untuk membantu memberikan berbagai solusi terhadap masalah-masalah manajerial yang rumit. Dalam perkembangannya sekarang ini, Operation Reseach (OR) banyak diterapkan dalam menyelesaikan masalah-masalah manajemen untuk meningkatkan produktivitas atau efisiensi. Operation Reseach sering dinamakan sebagai Management Science. 2.1 Pengertian Riset Operasional Secara harfiah kata operation dapat didefenisikan sebagai tindakan-tindakan yang diterapkan pada beberapa masalah atau hipotesis. Sementara kata riset (research) adalah suata proses yang terorganisasi dalam mencari kebenaran akan masalah atau hipotesis tadi. Kenyataannya, sangat sulit untuk mendefenisikan Operation Research, terutama karena batas-batasnya tidak jelas. Operation Reseach memiliki bermacam-macam penjelasan, berikut ini beberapa kutipan defenisi operation research yang dikemukan oleh para ahli operation research dalam berbagai literature. Riset Operasi adalah suatu aplikasi dari berbagai metoda ilmiah untuk tujuan penguraian terhadap masala-masalah yang kompleks yang muncul dalam pengarahan dan pengelolaan dari suatu sistem besar (manusia, mesin-mesin, bahan-bahan, dan uang) dalam bidang perindustrian, bisnis, pemerintahan, dan pertahanan. Pendekatan khusus ini bertujuan membentuk suatu model ilmiah dari sistem, menggabungkan berbagai faktor seperti kesempatan dan resiko, untuk meramalkan dan membandingkan hasil-hasil dari beberapa keputusan, strategi, atau pengawasan. Tujuannya adalah membantu pengambil keputusan menentukan kebijaksanaan dan tindakannya secara ilmiah. (Operation Research Society of Great Britain). Riset Operasi berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang dan menjalankan sistem manusia-mesin secara terbaik, biasanya membutuhkan alokasi sumber daya yang langka. (Dari buku Operation Reseach Principiles and Practice, karangan A.Ravindram dan Don T. Phillips dan James J. Solberg, dikutip dari Operation Reseach Society of America). Riset Operasional berkaitan dengan menentukan pilihan secara ilmiah bagaimana merancang dan menjalankan sistem manusia-mesin secara terbaik, biasanya membutuhkan alokasi sumber daya yang langka. Operations research adalah pendekatan dalam pengambilan keputusan yang ditandai dengan penggunaan pengetahuan ilmiah melalui usaha kelompok antar disiplin yang bertujuan menentukan penggunaan terbaik sumberdaya yang terbatas. (Churchman, Ackoff dan Arnoff, 1957). Operations research dijelaskan sebagai suatu metode, suatu pendekatan, seperangkat teknik, sekelompok kegiatan, suatu kombinasi beberapa disiplin, suatu perluasan dari disipilin-disiplin utama (matematika, teknik, ekonomi), suatu disiplinbaru, suatu lapangan kerja, bahkan suatu agama. OR mungkin beberapa dari semua hal ini. (S.L. Cook dalam Little Chid, 1977) Berbagai defenisi diatas yang muncul dari berbagai ahli operation research karena begitu luasnya bidang dan kajian yang dapat dimasuki oleh disiplin ilmu operation reseach, berbagai defenisi diatas paling tidak ada rangkuman yang bisa diambil mengenai arti kata riset operasional, yaitu : § Riset Operasional mencakup dua kata yaitu riset yang harus menggunakan metode ilmiah dan operasional yang berhubungan dengan proses atau berlangsungnya suatu kegiatan (proses produksi, proses pengiriman barang / militer / senjata, proses pemberian pelayanan melalui suatu antrian yang panjang). § Definisi lain adalah : Riset Operasional adalah aplikasi metode ilmiah terhadap permasalahan yang kompleks dalam mengarahkan dan mengendalikan sistem yang luas mengenai kehidupan manusia, mesin-mesin, material dan uang dalam industri, bisnis, pemerintahan dan pertahanan. 2.2 Tahapan Studi Riset Operasional Kegiatan yang dilakukan pada tahap pertama terdiri dari penentuan tujuan optimasi, identifikasi alternatif keputusan dan sumber daya yang membatasi kegiatan atau aktifitas untuk mencapai tujuan. Merumuskan atau mendefinisikan persoalan yang akan dipecahkan sesuai dengan tujuan yang akan dicapai berdasarkan keadaan objektif. Biasanya harus memperhatikan tiga hal yaitu : Pertama, uraian yang tepat mengenai tujuan yang akan dicapai, kedua, identifikasi daripada adanya alternatif dalam keputusan yang menyangkut suatu sistem, ketiga, mengenali adanya pembatasan-pembatasan (limitation, restriction dan juga persyaratan-persyaratan yang diperlukan sistem yang bersangkutan dengan pemecahan persoalan). Tahapan ini akan dilakukan secara bersama-sama antara analis Riset Operasional dengan pengguna atau pengambil keputusan. Jika identifikasi permasalahan sudah jelas dan lengkap, model keputusan dapat dibangun Salah satu alasan pembentukan model dalam riset operasional adalah untuk menemukan variabel-variabel apa yang penting dan menonjol yang berkaitan erat dengan penyelidikan hubungan yang ada diantara variabel-variabel itu. Teknik-teknik kuantitatif seperti statistik dan simulasi bisa digunakan. Model dapat diklasifikasikan dalam banyak cara, misalnya menurut jenisnya, dimensinya, fungsinya, tujuannya, subyeknya, atau derajatnya. Kriteria yang paling biasa adalah jenis model yang meliputi iconoc (physical), analogue (diagramatic) dan symbolic (mathematical). Model yang paling tepat harus digunakan, karena kesalahan pembentukan model akan mengakibatkan kesalahan pencapaian solusi optimum. Pemilihan model juga akan didasarkan pada waktu dan biaya yang tersedia. Tahapan penyelesaian model dilakukan dengan memilih salah satu teknik yang tersedia di RO. Penyelesaian dapat dilakukan menggunakan perangkat lunak komputer karena cukup tersedia perangkat lunak dengan berbagai kemampuan di pasaran. Untuk model yang sederhana tentunya dengan mudah dapat diselesaikan secara manual dengan atau tanpa bantuan kalkulator. Model dinyatakan valid jika dapat memberikan prediksi yang masuk akal akan kinerja sistem. Metode umum yang digunakan untuk memeriksa validitas model adalah membandingkan solusi yang diperoleh dengan data lalu yang tersedia dari sistem nyata. Model dikatakan valid jika pada kondisi input yang sama dengan sistem nyata menghasilkan kinerja sistem yang sama dengan sistem nyata. Dengan kata lain bahwa model sah (valid) apabila dapat memberikan prediksi yang dapat dipercaya dari hasil proses suatu sistem, disamping diakui adanya ketidaktepatan dari model tersebut untuk mewakili keadaan yang sebenarnya terjadi (real world) Tahap terakhir merupakan implementasi. Tahapan ini mencakup penerjemahan solusi optimal yang diperoleh pada tahap penyelesaian model ke dalam instruksi operasional yang dapat dimengerti oleh individu yang menjalankan sistem. Tahapan utama dalam studi Riset Operasional adalah: § Identifikasi permasalahan. Upaya untuk merumuskan atau menganalisis persoalan sehingga jelas tujuan apa yang akan dicapai (objectives) § Pembangunan model. Upaya dalam pembentukan model matematika untuk mencerminkan persoalan yang akan dipecahkan. § Penyelesaian model. Mencari pemecahan dari model yang telah dibuat dalam tahap sebelumnya § Validasi model. Menguji model dan hasil pemecahan dari penggunaan model. § Implementasi hasil akhir. 2.3 Aplikasi Riset Operasional Aplikasi riset operasional tentunya dibutuhkan dalam pengambilan keputusan. Dalam permasalahan yang kompleks pengambilan keputusan tidak lagi ditunjang hanya oleh intuisi pimpinan (management) melainkan didukung oleh hasil analisis dari kumpulan data yang ada. Pembuatan keputusan merupakan bagian kunci kegiatan eksekutif, manajer, karyawan, setiap manusia dalam kehidupannya. Pengambilan keputusan tradisional dan modern dapat dibedakan dalam sebagai berikut : Model keputusan merupakan alat yang menggambarkan permasalahan keputusan sedemikian rupa sehingga memungkinkan identifikasi dan evaluasi sistematik semua alternatif keputusan yang tersedia. Salah satu teknik yang digunakan untuk menganalisis alternatif keputusan adalah Riset Operasional. Riset Operasional merupakan metode pengoptimalan proses pengambilan keputusan yang dibatasi ketersediaan sumber daya. Penggunaan riset operasional sangat luas, pendekatannya menggunakan metode ilmiah. Proses pengoptimalan mulai dengan pengamatan yang mendalam dan formulasi masalah lalu diikuti dengan pembentukan model ilmiah (khususnya model matematik) yang menggambarkan inti sistem nyata. Model yang dibentuk harus mencukupi sebagai representasi tepat sifat-sifat penting situasi, sehingga kesimpulan yang ditarik dari model valid untuk permasalahan nyata. Kontribusi riset operasional berasal dari : § Penstrukturan situasi dunia nyata ke model matematik, menggambarkan elemen penting sehingga penyelesaian yang relevan ke tujuan pengambil keputusan diperoleh, termasuk mencari permasalahan dalam konteks keseluruhan sistem. § Mengeksplor struktur setiap penyelesaian dan mengembangkan prosedur sistematis untuk mendapatkannya. § Mengembangkan suatu penyelesaian, termasuk teori matematik jika perlu, yang menghasilkan nilai optimal ukuran sistem yang diinginkan (atau mungkin membandingkan alternatif tindakan dengan mengevaluasi ukuran yang diinginkan). Dilihat dari data yang digunakan untuk memfasilitasi, pengambilan keputusan dapat dibedakan menjadi keputusan pasti, berisiko dan tidak pasti. Keputusan pasti didukung oleh data-data pasti. Diantara keputusan pasti dan tidak pasti ada keputusan beresiko. Pengambilan keputusan berisiko didukung oleh data yang tidak pasti, tetapi ketidakpastian itu dapat dinyatakan dalam bentuk peluang. Optimasi adalah proses pencarian solusi yang terbaik; tidak selalu keuntungan paling tinggi yang bisa dicapai jika tujuan pengoptimalan adalah memaksimumkan keuntungan; atau tidak selalu biaya paling kecil yang bisa ditekan jika tujuan pengoptimalan adalah meminimumkan biaya. Tiga elemen permasalahan optimasi yang harus diidentifikasi, yaitu tujuan, alternatif keputusan dan sumber daya yang membatasi. Tujuan bisa berbentuk maksimisasi atau minimisasi. Bentuk maksimisasi digunakan jika tujuan pengoptimalan berhubungan dengan keuntungan, penerimaan dan sejenisnya. Sedangkan bentuk minimisasi akan dipilih jika tujuan pengoptimalan berhubungan dengan biaya, waktu, jarak dan sejenisnya. Alternatif keputusan yang tersedia tentunya alternatif yang menggunakan sumber daya terbatas yang dimiliki pengambil keputusan, merupakan aktifitas atau kegiatan yang dilakukan untuk mencapai tujuan. Sumber daya merupakan pengorbanan yang harus dilakukan untuk mencapai tujuan yang ditetapkan. Sumber daya tersebut adalah : § Ketersediaannya terbatas. § Keterbatasan sumber daya inilah yang mengakibatkan dibutuhkannya proses optimasi. § Sumber daya bisa dalam bentuk bahan baku, fasilitas produksi, jam kerja manusia (tenaga kerja), modal, pangsa pasar, peraturan pemerintah, dan lain-lain. Contoh-contoh permasalahan yang merupakan lingkup riset operasional adalah : § Persoalan Biaya Pemasaran Berbagai Produk § Perencanaan Produksi § Persoalan atau Masalah Pencampuran § Persoalan Transportasi § Persoalan Antrian dan Inventori § Persoalan Net Work Planning atau PERT Teknik-teknik yang telah dikembangkan dalam aplikasi riset operasional diantaranya adalah sebagai berikut : § linear programming, § dynamic programming, § teori antrian, § teori inventori, teori permainan (game theory), simulasi, § net work planning. 2.4 Tantangan Aplikasi Riset Operasional Bagian terpenting dari Riset Operasional adalah bagaimana menerjemahkan permasalahan sehari-hari ke dalam model matematis. Faktor-faktor yang mempengaruhi pemodelan harus disederhanakan dan apabila ada data yang kurang, kekurangan tersebut dapat diasumsikan atau diisi dengan pendekatan yang bersifat rasional. Dalam Riset Operasional diperlukan ketajaman berpikir dan logika. Untuk mendapatkan solusi yang optimal dan memudahkan kita mendapatkan hasil, kita dapat menggunakan komputer. Software yang dapat digunakan antara lain: LINDO (Linear, Interactive and Discrete Optimizer) dan POM For Windows. Penyelesaian permasalahan keputusan pertama sekali dilakukan dengan membentuk model. Pada aplikasi riset operasional umumnya, tujuan dan sumber daya yang membatasi dapat ditunjukkan secara kuantitatif atau matematik sebagai fungsi variabel keputusan digunakan model matematik. Tidak semua permasalahan optimasi dapat dimodelkan menggunakan model matematik. Meskipun dapat dimodelkan secara matematik, tidak jarang juga model matematik yang diformulasikan terlalu kompleks untuk diselesaikan menggunakan metode solusi yang ada. Pendekatan lain yang digunakan untuk mengatasi permasalahan ini adalah menggunakan model simulasi. Model simulasi tidak menunjukkan secara eksplisit hubungan input dan output. Secara biaya model simulasi cukup mahal. Jika dilihat dari bentuk data yang digunakan, model dapat dibedakan menjadi model deterministik dan model probabilistik atau stokastik. Model deterministik dibangun menggunakan data yang sifatnya pasti sedangkan model probabilistik dibangun menggunakan data yang sifatnya tidak pasti. Organisasi bisnis dan publik di negara maju menggunakan riset operasional sebagai basis mencapai tujuan secara optimum dengan orientasi efisiensi tinggi. Itulah yang membuat mereka sangat kompetitif dan solid sehingga dapat tumbuh pesat dengan rentabilitas yang optimum. Pertumbuhan dalam skala mikro tersebut menunjang pertumbuhan skala mikro. Akan tetapi, di Indonesia, Riset Operasional dijauhi dan dihindari sehingga organisasi bisnis dan publik sangat tidak efisien. Akibatnya, tidak kompetitif dan rapuh oleh terpaan dan serangan. Buktinya, selama 60 tahun lebih merdeka, BUMN selalu dimerger dengan dalih agar efisien, padahal intinya memang tidak efisien dan rapuh. Agar operations research tidak sekadar jadi pajangan di etalase akademik maka semua jajaran manajemen harus menyukai dan melaksanakan secara praktis, sehingga organisasi kompetitif dan solid. Masa depan riset operasional sebagaimana yang digambarkan ahli dalam bidang riset operasional Lee W Schruben, seorang professor Industrial Engineering & operation Research pada UC Berkeley, mengkaji beberapa gambaran menganai operation research saat ini dan masa akan datang. Diuraikannya bahwa masalah yang terjadi pada dunia operation research adalah bagaimana meramalkan sebuah model operation research. Penggambaran operation research ini dimulai dengan mencoba model yang akan terjadi dimasa akan datang dan ini adalah tantangan praktis yang terbesar. Bagaimana mendapatkan model dengan asumsi statis serta melakukan pengembangan prediksi model dimasa yang yang akan datang yang dapat merespon perubahan yang terjadi adalah masalah yang belum terselesaikan saat ini. Saat ini, para praktisi hanya mengumpulkan data serta membangun sebuah model berdasarkan asumsi saat ini dan cenderung mengabaikan apa yang akan terjadi dimasa akan datang. Sehingga, model yang dibuat hanya menjelaskan apa yang terjadi di masa lampau. Kebanyakan model mengasumsikan bahwa input data terpisah dan terdistribusi dengan sendirinya padahal ini tidak benar. Hal yang sebenarnya terjadi adalah input data tidak terpisah serta memerlukan proses distribusi yang akan dijalankan oleh para pengguna. Pendekatan terbaik bagi operation research modeling adalah melakukan integrasi antara peramalan dan analisis risiko. Kita harus mengintegrasikan sebuah model dengan informasi pasar yang dinamis serta proses peramalan. Model operation research harus berdasarkan kompleksitas yang dinamis serta berdasarkan optimalisasi. Terdapat banyak sekali teori operation research yang salah dalam masalah penamaan. Hal ini datang dari insight manajerial pada beberapa riset mengenai operation research. Pada praktiknya operation research telah membuat efek yang besar bagi dunia bisnis. SAP atau Oracle’s ERP solutions telah menyelesaikan permasalahan bagi operation research. Namun, sayangnya banyak software ini tidak cocok bagi dunia akademis. Pada dunia akademis, dibutuhkan banyak sekali kolaborasi antar software tersebut dan tidak bisa berdiri sendiri. SAP atau Oracle’s ERP solutions telah menyelesaikan permasalahan bagi operation research. Namun, sayangnya banyak software ini tidak cocok bagi dunia akademis. Pada dunia akademis, dibutuhkan banyak sekali kolaborasi antar software tersebut dan tidak bisa berdiri sendiri. BAB III PENUTUP 3.1 Simpulan Riset Operasional adalah aplikasi metode ilmiah terhadap permasalahan yang kompleks dalam mengarahkan dan mengendalikan sistem yang luas mengenai kehidupan manusia, mesin-mesin, material dan uang dalam industri, bisnis, pemerintahan dan pertahanan. Tahapan utama dalam studi Riset Operasional adalah: identifikasi permasalahan, pembangunan model, penyelesaian model, validasi model, dan implementasi hasil akhir. Dalam permasalahan yang kompleks pengambilan keputusan tidak lagi ditunjang hanya oleh intuisi pimpinan (management) melainkan didukung oleh hasil analisis dari kumpulan data yang ada. Pendekatan terbaik bagi model riset operasional adalah melakukan integrasi antara peramalan dan analisis risiko. Penerapan riset operasional masih jarang dilakukan di Indonesia sehingga operasional perusahaan menjadi tidak efisien. Aplikasi riset operasional sangat dibutuhkan oleh manajer agar keputusan yang diambil merupakan keputusan yang terbaik untuk perusahaan sesuai dengan fakta yang ada di lapangan. 3.2 Saran Diharapkan terdapat para manajer yang lebih berpengetahuan mengenai dunia analisis khususnya dibidang Riset Operasional. Para professional baru harus mampu membangun cara yang sistematis mengenai sebuah Riset Operasional. DAFTAR PUSTAKA Hotniar Siringoringo. Riset Operasional Seri Pemrograman Linear. Graha Ilmu, Yogyakarta. 2005. Hamdy A. Taha. Operation Research.: An Introduction, McMillan, 1992. Hilier, Frederich S. and Lieberman. Introduction to Operation Research, McGraw-Hill, 1990. Schaum Series. id.wikipedia.org ebookbrowsee.net arisgunaryati.files.wordpress.com PT Pupuk Indonesia Holding Company (PIHC) melalui anak perusahaannya, PT Pupuk Kalimantan Timur (Pupuk Kaltim) akan membangun pabrik asam fosfat berkapasitas 200 ribu ton per tahun dan asam sulfat berkapasitas 600 ribu ton per tahun. Rencana pembangunan pabrik ini tertuang dalam Joint Venture Agreement (JVA) antara Pupuk Kaltim dengan Jordan Phospate Mines Co., Plc. (JPMC), produsen batuan fosfat dari Yordania. Penandatanganan JVA tersebut dilakukan oleh Direktur Utama (Dirut) Pupuk Kaltim Aas Asikin Idat, Chairman JPMC Amer Abdel-Wahab Al-Majali dan Dirut PIHC Arifin Tasrif sebagai saksi di Jakarta (26/2). Turut menyaksikan penandatanganan adalah Menteri Perindustrian dan Perdagangan Yordania Dr. Hatem Halawani, Ketua Kepala Dinas (Kadin) Yordania Nael al Kabariti dan Ketua Kadin Indonesia Suryo Bambang Sulito. JVA yang ditandatangani bertepatan dengan acara Business Meeting dalam rangka kunjungan Raja Yordania itu juga meliputi pembangunan pabrik Aluminium Fluorida berkapasitas 12.600 ton per tahun dan Gypsum Granul dengan kapasitas produksi per tahun 500 ribu ton. Pupuk Kaltim dan JPMC kemudian akan membentuk perusahaan joint venture untuk mengoperasikan pabrik tersebut. Menurut Dirut Pupuk Kaltim Aas Asikin Idat, pabrik dengan total nilai investasi kurang lebih USD 300 juta itu akan berlokasi di kawasan industri Pupuk Kaltim di Bontang dengan alokasi luas lahan pabrik 22 hektar. Komposisi saham JVC tersebut adalah 60% Pupuk Kaltim dan 40% JPMC. JPMC sendiri adalah eksportir batuan fosfat terbesar kedua di dunia. Dalam perjanjian ini, JPMC akan memasok batuan fosfat kepada Pupuk Kaltim yang kemudian akan diolah menjadi bahan baku pupuk NPK. Selama ini, kebutuhan unsur Phospate dalam pupuk NPK masih harus diimpor. Adanya pabrik baru ini, akan meningkatkan jaminan ketersediaan pasokan bahan baku NPK. Menurut Dirut PIHC Arifin Tasrif, kerjasama Pupuk Kaltim dan JPMC ini merupakan bagian dari rencana jangka panjang PIHC untuk membuat cluster industri pupuk di Jawa, Sumatera dan Kalimantan. Setiap cluster terdiri dari pabrik asam fosfat, asam sulfat, urea, ZA dan super phospate. Arifin juga menambahkan bahwa keberadaan pabrik ini akan menunjang rencana PIHC meningkatkan kapasitas produksi NPK baik untuk menunjang program ketahanan pangan nasional. Saat ini kapasitas produksi NPK anak-anak perusahaan PIHC adalah 3,1 juta ton per tahun dan diharapkan akan terus meningkat hingga 5,4 juta ton pada 2017. Kebutuhan NPK sendiri diperkirakan akan terus meningkat baik di dalam negeri maupun regional luar negeri. Lebih lanjut Aas mengatakan bahwa produk asam fosfat yang dihasilkan akan diserap oleh Pupuk Kaltim dan anak perusahaan PIHC lainnya sebagai bahan baku NPK. Gypsum Granule akan dipasok ke industri semen sedangkan aluminium fluorida adalah untuk memenuhi kebutuhan industri aluminium smelter. Khusus untuk Pupuk Kaltim, saat ini kapasitas produksi Pupuk Kaltim mencapai 2,98 juta ton urea dan 1,85 juta ton amoniak serta 350 ribu ton NPK. *** PERENCANAAN KEBUTUHAN BAKU PUPUK NPK DI PT. PUPUK KUJANG CIKAMPEK Robi Dwi Agustian1, Julian Robecca Program Studi Teknik Industri, Universitas Komputer Indonesia, Bandung Jl Dipati Ukur No 112-116 40132, Telp (022) 2504119, Fax (022) 2533754 1. email: robidwiagustian30@ymail.com Persediaan bahan baku yang cukup dapat memperlancar proses produksi. Tujuan utama dari pengendalian bahan baku yaitu untuk dapat menjamin kebutuhan bagi kelancaran kegiatan perusahaan dalam jumlah dan mutu yang tepat serta dengan biaya yang serendah-rendahnya. Permasalahan yang ada pada perusahaan adalah ketika tidak tersedianya bahan baku, divisi produksi terpaksa membatalkan proses produksi yang sudah dijadwalkan sesuai pesanan yang ada, sehingga mengganggu kelancaran produksi yang mengharuskan menunggu kedatangan bahan baku yang tidak tersedia. Berdasarkan diagram pareto, shutdown mesin akibat bahan baku dengan frekuensi terbanyak terjadi pada KCL, Rock Phospat dan Clay. Dalam perencanaan kebutuhan bahan baku ini diantaranya melakukan peramalan permintaan pupuk NPK selama 12 periode mendatang dan membuat rencana kebutuhan bahan baku dengan menggunakan metode Economic Order Quantity (EOQ), Periode Order Quantity (POQ) dan Silver Meal Algorithm (SMA). Dari hasil pembahasan kebutuhan untuk masing-masing bahan baku, diketahui frekuensi pemesanan, biaya simpan dan total biaya persediaan bahan baku. Total biaya pada bahan baku KCL dan Clay berdasarkan metode EOQ mengalami kenaikan sebesar 3,29% dan 3,44%, sedangkan untuk bahan baku Rock Phospat mengalami penurunan biaya sebesar 31,41%. Lain halnya dengan metode Silver Meal Algoritma, untuk semua bahan baku mengalami penghematan biaya sampai setengah dari biaya perusahaan yaitu masing-masing sebesar 50%, 51,69% dan 50%. Kata Kunci: Persediaan, Peramalan, EOQ, POQ, dan Silver Meal Algorithm 1. Pendahuluan 1.1. Latar Belakang Masalah Kelangsungan proses produksi didalam suatu perusahaan akan dipengaruhi oleh berbagai faktor yaitu modal, teknologi, persediaan bahan baku, persediaan barang jadi dan tenaga kerja. Persediaan (inventory) sebagai elemen modal kerja dan sebagai penyangga produksi yang merupakan aktiva yang selalu dalam keadaan berputar. Manajemen persediaan adalah suatu cara pengaturan pengadaan, penerimaan, dan pengalokasian bahan persediaan dalam suatu usaha yang sedang dijalankan sehingga usaha tersebut menjadi efektif terutama dalam biaya yang dikeluarkan demi kelancaran usaha atau produksi. Persediaan bahan baku yang cukup dapat memperlancar proses produksi. PT. Pupuk Kujang Cikampek adalah perusahaan BUMN yang bergerak dalam bidang manufaktur pupuk. PT. Pupuk Kujang Cikampek mempunyai beberapa divisi industri dan salah satunya yang akan diteliti adalah divisi industri pupuk NPK Kujang dengan produk pupuk NPK. Divisi pupuk NPK ini terdiri atas dua bagian, yaitu NPK Granul dan NPK Blending. Peneliti ditempatkan pada divisi pupuk NPK Granul. Bahan baku dari pupuk NPK ini diantaranya adalah KCL, Rock Phospat, Clay dan bahan pembantu lainnya seperti Humite, FeSO4, ZnSO4 dan CuSO4. Permasalahan yang ada pada perusahaan adalah ketika tidak tersedianya bahan baku, divisi produksi terpaksa membatalkan proses produksi yang sudah dijadwalkan sesuai pesanan yang ada, sehingga mengganggu kelancaran produksi yang mengharuskan menunggu kedatangan bahan baku yang tidak tersedia. seperti terlihat pada diagram pareto Shut Down Machine (Gambar 1.1) terjadi akibat kekurangan bahan baku (out of stock) pada bahan baku Rhock Phospat, Humite, Clay, KCL, dan CuSO4 karena perusahaan tidak mengadakan stok pengaman. Sistem persediaan yang dipakai perusahaan yaitu perusahaan melakukan pemesanan bahan baku hanya sesuai kebutuhan yang dibutuhkan dalam produksi sesuai order yang ada, tetapi kadang pihak perusahaan juga memesan bahan baku sekaligus untuk periode berikutnya. Di bawah ini adalah gambar diagram pareto shut down machine akibat bahan baku. Gambar 1.1. Diagram Dengan permasalahan tersebut, perusahaan setidaknya memerlukan metode analisis kebutuhan bahan baku untuk meramalkan perkiraan kebutuhan bahan baku 12 periode mendatang dan metode dengan pendekatan efisiensi frekuensi pemesanan dan kuantitas pemesanan bahan baku. Dalam hal ini, EOQ digunakan sebagai analisis karena merupakan metode dalam sistem pengend biaya persediaan dan pemesanan dengan menentukan jumlah kuantitas pemesanan yang optimal. Perusahaan juga harus menghitung besarnya of Stock persediaan bahan baku yang ada digudang. Berdasarkan hal di atas, peneliti ingin menganalisis persediaan bahan baku pupuk NPK kujang dengan judul Persediaan Bahan Baku Pupuk NPK Di PT. Pupuk Kujang Cikampek”. 1.2. Identifikasi Masalah Berdasarkan uraian diatas maka dapat diidentifikasi permasalahan yang ada dalam sistem pengendalian persediaan bahan baku perusahaan adalah: 1. Bagaimana perkiraan kebutuhan bahan baku untuk 12 periode 2013 mendatang? 2. Bagaimana perhitungan persediaan bahan baku pupuk yang Kujang Cikampek dengan metode 0 10 20 30 40 50 60 KCL Rock Phspt Pareto Shut Down Machine Akibat Bahan Baku ermasalahan u pengendalian persediaan bahan baku yang bertujuan menghemat total Safety Stock sehingga tidak terjadi “Analisis Pengendalian raian terdapat di PT. Pupuk EOQ? Clay CuSO4 Humite Frekuensi alian Out Frekuensi 1.3. Maksud dan Tujuan Sesuai dengan perumusan permasalahan diatas maka maksud dan tujuan dari penelitian ini adalah: 1. Menentukan perkiraan kebutuhan bahan baku KCL, Rock Phospat, dan Clay untuk periode 2013. 2. Membuat sistem pengendalian persediaan pada bahan baku KCL, Rock Phospat, dan Clay di PT Pupuk Kujang Cikampek. 1.4. Batasan Masalah Pembatasan masalah dalam penelitian perlu dilakukan agar hasil penelitian dapat lebih terarah, spesifik, dan tidak menyimpang dari tujuan yang ingin dicapai yang meliputi: 1. Pengolahan data peramalan menggunakan Software WinQSB versi 2.00. 2. Penelitian dilakukan pada divisi Rendal Produksi khususnya divisi produksi pupuk NPK Granul. 3. Biaya tenaga kerja untuk perawatan bahan baku digudang tidak dimasukkan sebagai variabel biaya simpan. 4. Data penerimaan bahan baku dijadikan sebagai data permintaan bahan baku. 5. Bahan baku yang diteliti hanya bahan baku KCL, Rock Phospat, dan Clay berdasarkan diagram pareto shut down machine akibat bahan baku. 2. Landasan Teori 2.1. Konsep Persediaan Manajemen persediaan merupakan teknis yang sangat berguna dalam pengelolaan perusahaan yang bersifat konkret. Setiap perusahaan, baik itu perusahaan jasa ataupun perusahaan manufaktur, selalu memerlukan persediaan. Pada prinsipnya manajemen persediaan membantu dalam mempermudah atau memperlancar jalannya operasi perusahaan yang harus dilakukan berturut-turut untuk memproduksi produk serta mendistribusikannya kepada pelanggan. 2.2.1. Definisi Persediaan Persediaan adalah istilah umum yang menunjukkan segala sesuatu atau sumber daya-sumber daya organisasi yang disimpan dalam antisipasinya terhadap pemenuhan permintaan. Permintaan akan sumber daya ini bisa internal ataupun eksternal yang meliputi persediaan bahan mentah, barang dalam proses, barang jadi atau produk akhir, bahan–bahan pembantu atau pelengkap, dan komponen–komponen lain yang menjadi bagian keluaran produk perusahaan. Persediaan pada umumnya merupakan salah satu jenis aktiva lancar yang jumlah nya cukup besar dalam suatu perusahaan. Hal ini mudah dipahami karena persediaan merupakan faktor penting dalam menentukan kelancaran operasi perusahaan. Persediaan merupakan bentuk investasi, dari mana keuntungan (laba) itu bisa diharapkan melalui penjualan dikemudian hari. Oleh sebab itu pada kebanyakan perusahaan sejumlah minimal persediaan harus dipertahankan untuk menjamin kontinuitas dan stabilitas penjualannya. Persediaan menurut Assauri, Sofian (1999:162) adalah: “Suatu aktiva lancar yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha normal atau persediaan barang-barang yang masih dalam pekerjaan proses produksi ataupun persediaan bahan baku yang menunggu penggunaanya dalam suatu proses produksi”. Jadi persediaan merupakan bahan-bahan, bagian yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi permintaan dari konsumen atau pelanggan setiap waktu. Persediaan merupakan unsur paling aktif dalam operasi perusahaan yang secara terus menerus diperoleh, diubah yang kemudian dijual kembali. 2.2. Material Requirement Planning (MRP) Material Requirement Planning (MRP) adalah suatu sistem perencanaan dan penjadwalan kebutuhan material untuk produksi yang memerlukan beberapa tahapan proses/fase atau dengan kata lain adalah suatu rencana produksi untuk sejumlah produk jadi yang diterjemahkan ke bahan mentah (komponen) yang dibutuhkan dengan menggunakan waktu tenggang sehingga dapat ditentukan kapan dan berapa banyak yang dipesan untuk masingmasing komponen suatu produk yang akan dibuat (Rangkuti, 2004). Teknik lot sizing adalah teknik yang seringkali digunakan untuk menentukan jumlah item yang harus diorder atau diproduksi, dengan kala lain teknik lot sizing ini seringkali digunakan dalam membangun MRP. Beberapa teknik lot sizing yang dapat digunakan dalam menentukan ukuran lot pada sistem MRP adalah: 1. Economic Order Quantity (EOQ) Economic Order Quantity (EOQ) merupakan salah satu model manajemen persediaan, model EOQ digunakan untuk menentukan kuantitas pesanan persediaan yang dapat meminimalkan biaya penyimpanan dan biaya pemesanan persediaan. Economic Order Quantity (EOQ) adalah jumlah kuantitas barang yang dapat diperoleh dengan biaya yang minimal, atau sering dikatakan sebagai jumlah pembelian yang optimal. Ada dua keputusan dasar dalam EOQ, yaitu: • Berapa jumlah bahan baku yang harus dipesan pada saat bahan baku tersebut perlu dibeli kembali (Replenisment Cyle) • Kapan perlu dilakukan pembeliaan kembali (Reorder point) Model EOQ dibuat dengan asumsi bahwa permintaan terhadap suatu item bersifat kontinyu dengan tingkat yang seragam atau bervariasi namun variasinya tidak terlalu besar. Model EOQ ini dapat dirumuskan sebagai berikut: = . .....................................................................................................(2.8) Dimana: EOQ = Kuantitas pembelian optimal S = Biaya pemesanan setiap kali pesan D = Penggunaan bahan baku per tahun H = Biaya penyimpanan per unit 2. Period Order Quantity (POQ) Metode Period Order Quantity (POQ) adalah salah satu metode lot sizing dimana kebutuhan komponen-komponen dipenuhi dengan menentukan jumlah periode permintaan yang harus dipenuhi (tidak termasuk permintaan nol) untuk setiap kali pemesanan. Metode ini berhubungan dengan EOQ, yaitu bahwa banyaknya periode yang harus dipenuhi kebutuhan komponennya diperoleh berdasarkan perhitungan besarnya EOQ dibagi dengan permintaan (demand) rata-rata per periode sehingga akan diperoleh besarnya jumlah pesanan yang harus dilakukan dan interval periode pemesanannya adalah setahun. Rumus Period Order Quantity bisa dilihat di bawah ini: POQ = ........................................................................(2.9) 3. Metode Fixed Order Quantity (FOQ) Teknik fixed order quantity (FOQ) ini menggunakan kuantitas pemesanan yang tetap untuk suatu persediaan item tertentu dapat ditentukan secara sembarang atau berdasarkan pada faktor – faktor intuitif. 4. Metode Lot For Lot (LFL) Lot for lot (LFL) merupakan lot sizing yang mudah dan paling sederhana. Teknik ini selalu melakukan perhitungan kembali (bersifat dinamis) terutama apabila terjadi perubahan pada kebutuhan bersih. Pengguna teknik ini bertujuan untuk meminimumkan ongkos simpan, sehingga dengan teknik ini ongkos simpan menjadi nol. 5. Metode Fixer Period Requirement (FPR) Fixer period requirement merupakan teknik pemesanan bahan baku ini didasari pada intuisi perusahaan dalam melakukan pemesanan bahan baku 6. Metode Least Total Cost (LTC) Metode ini didasarkan pada pemikiran bahwa jumlah ongkos pengadaan dan ongkos simpan (total ongkos) setiap ukuran kuantitas pemesanan yang ada pada suatu horizon perencanaan dapat diminimasi jika besar ongkos – ongkos tersebut sama atau hampir sama. 7. Metode Part Period Balancing (PBB) Merupakan suatu pendekatan jumlah lot untuk menentukan jumlah pemesanan berdasarkan keseimbangan antara biaya pesan dan biaya simpan. 8. Metode Silver Meal Algorithm (SMA) Metode silver meal atau sering pula disebut metode SM yang dikembangkan oleh Edwar Silver dan Harian Meal berdasarkan pada periode biaya. Penentuan rata–rata biaya perperiode adalah jumlah periode dalam penambahan pesanan yang meningkat. Rumusan umum Silver Meal yang dapat digunakan adalah sebagai berikut: K(m) = (h+ 2h + ....+ (m-1)h ...........………….....………...…(2.10) Hitung K(m), m=1,2,3,…,m, dan hentikan hitungan jika K(m+1) > K(m). 9. Metode Algorithm Wagner Whittin (AWW) Untuk mendapatkan strategi pemesanan yang optimum untuk seluruh jadwal kebutuhan bersih dengan jalan meminimasi total ongkos pengadaan dan ongkos simpan, pada dasarnya teknik ini menguji semua cara pemesanan yang mungkin dala memenuhi kebutuhan bersih setiap periode yang ada pada horizon perencanaan sehingga senantiasa memberikan hasil yang optimal. 3. Flowchart Pemecahan Masalah Gambar 3.1. Flowchart Pemecahan Masalah 4. Hasil dan Pembahasan Pada analisis persediaan bahan baku pupuk NPK ini dimulai dengan melakukan peramalan kebutuhan bahan baku dengan menggunakan software WinQSB. Hasil peramalan yang terpilih yaitu menggunakan metode Single Exponential Smoothing dengan alpha Single Exponential With Trend dengan kriteria R-Square > 0,45, Trek. Signal diantara -4 sampai 4 dan nilai error MSE terkecil. Setelah diketahui kebutuhan untuk masing-masing bahan baku dilakukan perhitungan persediaan untuk masing-masing bahan baku. Hari hasil perhitungan persediaan untuk bahan baku KCL, Rock Phospat dan Clay dengan menggunakan metode EOQ, POQ dan Silver Meal Algorithm terpilih metode Silver Meal Algoritm yang menghasilkan total biaya persediaan terkecil. Dapat dilihat pada tabel dibawah ini: Tabel 1.1. Perbandingan Hasil Total Biaya Inventory Biaya Metode EOQ Metode POQ KCL Rock P Clay KCL Rock P Clay Biaya Pemesanan 2664468 1998351 2420429 2664468 1332234 1332234 Biaya Penyimpanan 2839570,00 1656725,00 3091620,00 0 1298579 1947837 Total Inventory Cost 5504038,00 3655075,00 5512049,00 2664468 2630813 3280071 Selisih Total Cost -399443 -1366806 183113 -2664468 -2698123 -2048865 Persentase Selisih TIC 3,29 -31,41 3,44 -50,00 -50,63 -38,45 Tabel 1.2. Lanj. Perbandingan Hasil Total Biaya Inventory Biaya Silver Meal KCL Rock P Clay Biaya Pemesanan 2664468 1998351 2664468 Biaya Penyimpanan 0 575877,8 0 Total Inventory Cost 2664468 2574228,8 2664468 Selisih Total Cost -2664468 -2754707 -2664468 Persentase Selisih TIC -50,00 -51,69 -50,00 5. Kesimpulan Berdasarkan perbandingan Total Inventory Cost antara metode Economic Order Quantity (EOQ), Period Order Quantity, dan Silver Meal Algorithma dengan metode perusahaan adalah sebagai berikut: a. EOQ Pada bahan baku KCL dan Rock Phospat, Total Inventory Cost mengalami penghematan masing-masing sebesar 7,5% dan 25,65%. Pada bahan baku clay, Total Inventory Cost mengalami kenaikan sebesar 3,44% dari biaya perusahaaan. b. POQ Pada bahan baku KCL, Rock Phospat, dan Clay, Total Inventory Cost mengalami penghematan masing-masing sebesar 50%, 50,63% dan 38,45%. c. Silver Meal Algorithma Pada bahan baku KCL, Rock Phospat, dan Clay, Total Inventory Cost mengalami penghematan masing-masing sebesar 50%, 51,69% dan 50%. Kesimpulan secara keseluruhan adalah bahwa besarnya tingkat kebutuhan bahan baku per periode (bulan) dengan persentase biaya simpan untuk ketiga bahan baku untuk pupuk NPK, berpengaruh besar pada biaya-biaya persediaan. Pada penelitian ini metode Silver Meal Algorithma dapat digunakan untuk perencanaan kebutuhan bahan baku KCL, Rock Phospat dan Clay karena berada pada tingkat kebutuhan dengan persentase penurunan biaya persediaan yang besar dari metode perusahaan. Untuk bahan baku KCL, metode POQ juga mengalami penghematan sebesar 50% sama dengan metode silver meal algorithm. 6. Daftar Pustaka 1. Andriana, Iyan. 2009. Win-QSB, Bandung. 2. Assauri, Sofjan. 1999. Manajemen Produksi dan Operasi. FEUI, Jakarta. 3. Ath, Harry Fuad. 2011. Perencanaan Persediaan Bahan Baku Kayu Gelondongan Dengan Metode Silver Meal. Tugas Akhir, 61-65. Universitas Hasanuddin, Makassar. 4. Kujang, Cikampek. Profil. Retrieved May 16, 2013, from http//www.pupukkujang. co.id/profil. 5. Panduan Praktikum Sistem Produksi. 2012. Program Studi Teknik Industri, Fakultas Teknik dan Ilmu Komputer. Unikom, Bandung. 6. Pujihastuti, Eny. 2008. Analisis Kebijakan Perusahaan dalam Pengendalian Persediaan Bahan Baku di PT X. Tugas Akhir. IPB, Bogor. 7. Oden, Howard W and Gerry A, Raymond A. 1993. Hand Book of Material and Capacity Requiremenets Planning. Mcgraw-Hill Profesional Pubhlising. 8. Said, Sukama Bin. 2009. Analisis Sistem Pengendalian Persediaan Bahan Baku Karet Brown Creep Menggunakan Metode POQ di PT Agronesia Inkaba. Tugas Akhir Teknik Industri Unikom, Bandung. 9. Telkom. 2011. Tarif Layanan dan Biaya Interkoneksi. Retrieved May 17, 2013, from http://www.telkom.co.id/UHI/UHI2011/ID/0607_tarif.html 10. Wikipedia. 2013. Pupuk. Retrieved May 16, from http//id.wikipedia.org/pupuk.