OPTIMASI PERSEDIAAN MULTI ITEM DENGAN PENDEKATAN ALGORITMA GENETIKA (Studi Kasus di PT.Semen Baturaja (Persero)) Dian Arius1, Budi Santoso2, Renilaili2 1Mahasiswa Jurusan Teknik Industri, Fakultas Teknik Universitas Bina Darma 2Dosen Jurusan Teknik Industri, Fakultas Teknik Universitas Bina Darma Jl.Jendral Ahmad Yani No.3 Palembang 30264 ABSTRAK Setiap hari selalu terjadi proses produksi dengan demikian persediaan akan bahan baku yang di pesan atau dibeli harus selalu tersedia, untuk pemesanan baik secara kuantitas maupun waktu kedatangan bahan baku antara satu dengan yang lain selalu tidak sama, sehingga sering terjadi penumpukan dan kekurangan bahan baku untuk itu perusahaan harus mengatur persediaan agar jumlah permintaan untuk proses produksi sesuai dengan kebutuhan dengan menentukan waktu pemesanan bahan baku yang tepat agar proses produksi tidak ada hambatan dibutuhkan peramalan dengan menggunakan metode least square dan metode linier trend serta Algoritma Genetika dengan EOQ Multi Item diharapkan hasil perhitungan tersebut persediaan bahan baku dapat di optimasi untuk jumlah persediaan bijih besi, pasir silika dan gypsum dan jarak antar pemesanan bahan baku. Kata Kunci : Metode Peramalan, Algoritma Genetika, EOQ Multi Item. ABSTRAK Every day is always a process of production so that supply raw materials or bought in the message should always be available for bookings both in quantity and time of arrival of raw materials to one another is not always the same, so often the case buildup and lack of material standard for that company should arrange to supply the total demand for the production process as needed to determine the proper ordering of raw materials to the production process there are no barriers are needed forecasting by using least square method and the method of linear trend and the Genetic Algorithm with Multi-Item EOQ expected results the calculation of raw material inventory can be in the amount of inventory optimization for iron ore, silica sand and gypsum and the distance between the ordering of raw materials Keywords: Forecasting Method, Genetic Algorithms, Multi Item EOQ. 1. PENDAHULUAN Seiring dengan perkembangan dunia usaha yang semakin cepat menyebabkan persaingan yang terjadi antara perusahaan berlangsung semakin ketat. Di dalam melaksanakan proses produksi, perusahaan seringkali menghadapi permasalahan Persediaan bahan baku, bagi suatu perusahaan persediaan sangat penting karena berfungsi menghubungkan antara operasi yang berurutan dalam pembuatan suatu barang dan menyampaikan kepada konsumen (Rangkuti, 2007:4) Persediaan bahan baku harus dapat memenuhi kebutuhan rencana produksi, Masalah penentuan besarnya persediaan merupakan masalah yang penting bagi perusahaan, adanya persediaan bahan baku yang terlalu besar dibandingkan dengan kebutuhan perusahaan akan menambah beban bunga, biaya pemeliharaan dan penyimpanan dalam gudang, sehingga akan mengurangi keuntungan perusahaan. Demikian pula sebaliknya, persediaan bahan baku yang terlalu kecil dalam perusahaan akan mengakibatkan kemacetan dalam produksi (Sari, 2010 : 5) Penelitian ini mengambil Studi Kasus di PT.Semen Baturaja (Persero). adalah suatu perusahaan manufaktur yang memproduksi Semen. Dimana bahan baku utama semen yang berupa batu kapur dan tanah liat yang diperoleh dari pertambangan batu kapur dan tanah liat milik Semen Baturaja sendiri yang berlokasi hanya 1,2 Km dari pabrik Baturaja. Bahan baku lainnya seperti pasir silika diperoleh dari tambang rakyat sekitar baturaja dan pasir besi dibeli dari tambang miliki PT.Aneka Tambang Tbk. Diwilayah Cilacap sedangkan gypsum diimpor dari Thailand. Akibat permintaan semen yang setiap tahunnya selalu meningkat, setiap hari selalu terjadi proses produksi dengan demikian persediaan akan bahan baku yang di pesan atau dibeli harus selalu tersedia digudang, setiap kali pemesanan bahan baku baik secara kuantitas pemesanan bahan baku hingga waktu kedatangan bahan baku antara bahan baku yang satu dengan yang lain selalu tidak sama, sehingga sering terjadi penumpukan bahan baku dan kekurangan bahan baku 2. Peramalan Peramalan adalah suatu proses untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi kebuthuan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa, Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaan yang relatif kecil. Tetapi permintaan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat komplek dan dinamis. dalam kondisi pasar bebas, lebih banyak bersifat komplek dan dinamis karena permintaan tersebut akan bergantung dari keadaan social ekonomi, politik, aspek teknologi, produk pesaing, dan produk subsitusi. Oleh karena itu peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen (Nasution dan Prasetyawan, 2008 : 29). 2.1 Langkah-Langkah Peramalan Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif yaitu: (Santoso, 2010 : 4) 1. Definisikan tujuan peramalan. 2. Plot data (part family) masa lalu. 3. Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data. 4. Hitung parameter fungsi peramalan untuk masing-masing metode. 5. Hitung forecast error untuk semua metode yang dicoba 6. Pilih metode yang terbaik, yaitu metode yang memberikan error paling kecil 7. Ramalkan permintaan untuk priode mendatang. 8. Lakukan verifikasi peramalan 2.2 Persediaan Pengertian mengenai persediaan dalam hal in merupakan suatu aktiva yang meliputi barang – barang milik perusahaan dengan maksud untuk dijual dalam suatu priode untuk usaha terentu atau persediaan barang – barang yang masih dalam pengerjaan/proses produksi, ataupun persediaan bahan baku yang menunggu penggunaannya 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 jadi atau produk yang disediakan untuk memenuhui permintaan dari konsumen atau pelanggan setiap waktu, pada prinsipnya persediaan mempermudah atau memperlancar jalannya operasi perusahaan pabrik yang harus dilakukan secara berturut-turut untuk meproduksi barang- barang serta menyampaikannya kepada para pelanggan atau konsumen (Rangkuti,2007:1-2). 2.2.1 Metode Pengendalian Persediaan Tradisional Model perencanaan persediaan meliputi model dasar EOQ, ditambah pengembangan modelnya, baik yang ditetapkan untuk permintaan yang berifat deterministik, maupun probabilitas. Selama priode pembelian atau pembuatan suatu barang (produk), terdapat elemen-elemen biaya tertentu yang dipertimbangkan, sehingga tujuan dari perencanaan persediaan ini adalah minimasi elemen-elemen biaya tersebut secara keseluruhan berdasarkan kriteria berapa “jumlah” dan “periode” barang/produk yang harus dibeli/dibuat (Nasution dan Prasetyawan, 2008 : 133). 2.3 Model Statis EOQ Banyak Item Model ini merupakan model EOQ untuk pembelian bersama (joint purchass) beberapa jenis item Keterangan : K= biaya pemesanan yang tiak tergantung jumlah item (biasanya disebut mayor ordering cost). ki= biaya pemesanan tambahan karena adanya penambahan item –i ke dalam pesanan (termasuk biaya pencatatan, penerimaan dan pengiriman item–item tersebut). biaya-biaya ini juga disebut minor ordering cost. di= biaya selama periode tertentu untuk item-i D= Sdi = biaya yang diperlukan selama prioe tertentu untuk semua itu. QRP = S QRPi = EOQ untuk ukuran lot terpadu dalam “nilai” rupiah Q*RP= EOQ optimal untuk ukuran lot terpadu dalam “nilai” rupiah. h = biaya penyimpanan dan pemeliharaan gudang dalam persentase Rumus : Q*RPi= ………………………….(2.5) EOQ untuk masing-masing item dalam “nilai” rupiah diperoleh dari membagi di dengan D sebagai berkut: Q*RPi=Q*RPi …………………………….(2.6) EOQ untuk masing-masing item dalam “unit” sebanding dengan unit costnya Ci sehingga diperoleh: Q*i= ..………………………………..(2.7) Jarak antar pemesanan optimal (t*) diperoleh dengan cara membagi lamanya periode (misalnya : 1 tahun ) dengan frekuensi pemesanan yang terjadi periode tersebut sehingga (Nasution dan Prasetyawan, 2008 : 162) t*= …………………………………….(2.8) Holding Cos t= .………...………(2.9) 2.4 Algoritma Genetika Sejak algoritma genetika (AG) pertama kali dirintis oleh Jhon Holland dari Universitas Michigan pada tahun 1960-an, AG telah diaplikasikan secara luas pada berbagai bidang. AG banyak digunakan untuk memecahkan masalah optimasi, walaupun pada kenyataannya juga memiliki kemampuan yang baik untuk masalah – masalah selain optimsi. Jhon Holland bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan dalam termologi genetika. Algoritma genetika adalah simulasi dari proses Darwin atau operasi genetika atas kromosom (Sanjoyo, 2006 : 4). Beberapa tahun kemudian, tepatnya pada tahun 1989, David Goldberg, meluncurkan buku berjudul Genetic Algorithm in Search, Optimization, and Machine Learning setelah berhasil mengaplikasikan algoritma genetika untukperancangan sistem perpipaan distribusi gas alam. Berdasarkan hasil risetnya, ia berhasil membuktikan bahwa algoritma genetika menghasilkan solusi untuk menyelesaikan permasalahan perancangan sistem perpipaan distribusi gas alam berdasarkan parameter- parameter kesuksesan sistem perancangan pipa. Algorima genetika diaplikasikan pada berbagai bidang antara lain, seperti pada desain mesin jet pesawat terbang, prediksi tingkat suku bunga, pengendalian persediaan (inventory), perencanaan dan penjadwalan produksi, dan otomatisasi sistem produksi (Gunawan, 2003). Algoritma genetika adalah algoritma komputasi yang diinspirasi teori evolusi yang kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”. Salah satu aplikasi algoritma genetika adalah pada permasalahan optimasi kombinasi, yaitu mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang mempunyai banyak kemungkinan solusi (Hermawanto Denny 2007 : 1). 3. METODOLOGI PENELITIAN Dalam perencanaan Persediaan Multi Item Dengan Pendekatan Algoritma Genetika dan waktu serta tempat penelitian. Pemilihan tersebut dimaksudkan untuk mendapatkan sasaran yang tepat guna. 3.1 Waktu dan Tempat Penelitian ini dilakukan di Bagian Persediaan Bahan Baku PT.Semen Baturaja dan pengambilan data dilakukan selama 1 (bulan) 3.2 Ruang Lingkup Penelitian 1. Penelitian ini akan dimulai dari bagian persediaan di PT.Semen Baturaja (Persero). 2. Mengetahui bagaimana cara persediaan dan pemesanan bahan baku di PT.Semen Baturaja (Persero). 3. Kemudian menghitung jumlah persediaan yang sesuai di di PT.Semen Baturaja (Persero), Serta mengoptimasi jumlah pemesanan bahan baku dengan menggunakan EOQ Multi Item dengan Algoritma Genetika Setelah data primer dan sekunder diperoleh, proses selanjutnya adalah mengolah data tersebut dengan menggunakan metode-metode analisis yang dipilih. dalam pengolahan data hasil dari peramalan untuk kebutuhan priode kedepan dapat dilanjutkan kelangkah berikutnya yaitu mencari jumlah pemesanan bahan baku yang sesuai untuk persediaan. Adapun langkah-langkah pengolahan data, sebagai berikut: 1. Melakukan peramalan jumlah permintaan bahan baku yang dibutuhkan oleh proses produksi sesuai dengan plot data, dengan menggunakan metode linier trend dan metode least square untuk mendapatkan hasil priode berikutnya. 2. Setelah mendapatkan hasil peramalan dengan menggunakan metode linier trend dan metode least square lalu menghitung EOQ multi item untuk perbandingan dengan metode algoritma genetika dengan EOQ multi item. 3. Menghitung masing-masing bahan baku di PT.Semen Baturaja (Persero) lalu menggunakan metode algortima genetika dengan EOQ multi item untuk mendapatkan mengoptimasi jumlah pemesanan serta menentukan jarak antar pemesanan yang optimal. 4. HASIL DAN PEMBAHASAN 4.1 Hasil Hasil Peramalan 3 Jenis Bahan Baku 4.2 Pembahasan 4.2.1 Analisis Hasil Peramalan (forecasting) 1. Peramalan Proses untuk memperkirakan beberapa kebutuhan dimasa datang terhadap kebutuhan bahan baku bijih besi, pasir silika dan gypsum untuk memproduksi semen digunakan metode peramalan berdasarkan plot data masa lalu yang menunjukan pola data berbentuk trend maka metode yang dipakai linier trend dan least square setelah perhitungan dilakukan maka dipilih metode terbaik berdasarkan MAD yaitu Gambar 1 :Hasil Peramalan Biijih Besi Gambar 2 : Hasil Peramalan Pasir Silika Gambar 3 : Hasil Peramalan Gypsum Berdasarkan 3 grafik hasil peramalan diatas, dapat diketahui semua hasil dari peramalan mengunakan persamaan garis lurus untuk bijih besi Y= 903,2075 + 0,0606x , Pasir silika Y= 857,4575 + 0,7144x dan Gypsum Y=966,27 + 0,3463x setiap minggu di pengaruhi variabel x dari ketiga persamaan ini merupakan metode terbaik yang terpilih 2. Analisis Hasil Perbandingan 2 Metode EOQ Multi Item dan EOQ Multi Item Dengan Algortima Genetika Hasil yang diperoleh adalah nilai – nilai EOQ untuk setiap item yang meminimukan jumlah pemesanan untuk persediaan dapat dilihat dari kedua perbandingan metode EOQ multi item tanpa algoritma genetika dan EOQ multi item dengan algoritma genetika yaitu : 5.1 SIMPULAN DAN SARAN Berdasarkan hasil analisa dan penelitian dari uraian-uraian yang telah dikemukakan di dalam bab-bab sebelumnya tentang Optimasi Persediaan Multi Item Dengan Pendekatan Algoritma Genetika, maka pada bab ini akan dikemukakan simpulan dan saran sebagai berikut. 5.1 Simpulan Dari pengolahan data dan pembahasan dapat di simpulkan bahwa : 1. Dalam mengoptimasi persediaan agar tidak terjadinya penumpukan dan kekurangan bahan baku maka metode EOQ multi item dengan algoritma genetika digunakan untuk dapat mengoptimasi faktor-faktor terjadinya mesin rusak dan faktor alam sehingga didapat dari perthitungan untuk jumlah kebutuhan yang akan dipesan untuk persediaan yaitu : bijih besi 921 ton, pasir silika 2878 ton dan gypsum 2181 ton. 2. Dalam perhitungan EOQ multi item dengan algoritma genetika didapat Jarak antar pemesanan untuk satu siklus pemesanan 17 hari 5.2 Saran Jumlah pemesanan bahan baku harus sesuai dengan permintaan proses produksi, untuk mendapatkan hasil yang optimal pencatatan yang lebih teliti perlu dilakukan untuk dapat mengetahui nilai dari kebutuhan bahan baku yang baik untuk menentukan jumlah kebutuhan bahan baku pada periode tertentu, Supaya proses lebih efisien, maka penelitian harus dilakukan selama 1 tahun sesuai dengan rencana kerja perusahaan serta dapat melihat langsung keadaan dilapangan agar hasil yang didapat lebih optimal. DAFTAR RUJUKAN Berlianty, Intan. dan Arifin, Miftahol. 2010. Teknik-Teknik Optimasi Heuristik. Yogyakarta. Cetakan Pertama : Graha Ilmu. Hermawanto Deni. Algoritma Genetika dan Contoh Aplikasinya 2007 http://www.ilmukomputer.com diakses 3 – April -2012 pukul 11.30 wib Nasution, A. H., dan Prasetyawan, Y. 2008. Perencanaan Pengendalian Produksi. Yogyakarta : Graha Ilmu. PT. Semen Baturaja (persero). Proses Produksi. 2012. http://www.semenbaturaja.co.id/prosesproduksi.phpdiunduh diakses 12 maret 2012 pukul 20.30 wib. Rustieny, Kalgasi dan Gemilang. 2009. Tugas Metode Peramalan, Bandung. UNIVERSITAS WIDYATAMA Rangkuti Freddy. 2007. Manajemen Persediaan Aplikasi dibidang Bisnis. Jakarta : PT RajaGrafindo Persada. Santoso, Budi. 2010 Porduction And Planning Control. Palembang : Universitas Bina Darma. Satrio Bayu Ayip. 2007.”Optimasi Masalah Penjadwalam Job-Shop Untuk Industri Peralatan Pengolahan Hasil Pertanian Dengan Menggunakan Algoritma Genetika”, Tugas Akhir IPB Sanjoyo. 2006. Aplikasi Algoritma Genetika. http://sanjoyo55.files.wordpress.com/2008/11/non-linier-gen-algol.pdf diakses 11 Maret 2012 pukul 21.00 wib. Suyanto. 2005. Algoritma Genetika Dalam Matlab. Yogyakarta : Andi offset. Sinulingga Sukaria. 2009. Perencanaan & pengendalian produksi. Edisi Pertama. Yogyakarta, Graha Ilmu. Suryabrata sumandi. 2005. Metodologi Penelitian. Edisi kedua, Jakarta : PT RajaGrafindo Persada.