Optimasi Persediaan Multi-itemFuzzy EOQ Di PT UWBM dengan ... · PENDAHULUAN TINJAUAN PUSTAKA METODELOGI PENELITIAN. HASIL DAN PEMBAHASAN KESIMPULAN. Batasan Masalah. Algoritma genetika

Disusun Oleh :Ainy Mahmudah – 1307 100 002

Pembimbing I : Dr. Irhamah, S.Si., M.SiPembimbing II : Dra. Sri Mumpuni R, M.Si

Optimasi Persediaan Multi-item FuzzyEOQ Di PT UWBM

dengan Algoritma Genetika

Seminar Hasil Statistika ITS 11 Juli 20111

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA

METODOLOGI PENELITIAN

HASIL DAN PEMBAHASAN

KESIMPULAN

2

INDUSTRI

PENDAHULUANTINJAUAN PUSTAKA

METODELOGI PENELITIAN

Latar BeLakang

Kompetisi

SCM/MRP

Manajemen Penyimpanan

Perencanaan Rantai Pasok

Perencanaan Produksi

Perencanaan Jaringan Logistics

Vehicle Routing

Peramalan Penjualan

Bullwhip Effect

3


KESIMPULAN

Latar BeLakang

ManajemanPersediaan

Produk

Model

Single-Item

Multi-Item

EOQ

EPQ

Multi-Item Fuzzy EOQ

Mondal dan Maiti (2002)

AlgoritmaGenetika

Kusumadewi (2010)

Mondal dan Maiti (2002)

4




KESIMPULAN

RumusanPermasalahan 1

• Bagaimana model persediaan multi-itemfuzzy EOQ pada data persediaan PT UWBM

2• Berapa besar biaya persediaan yang

optimum dengan menggunakan algoritmagenetika untuk model EOQ di PT UWBM

5




KESIMPULAN

Tujuan1

• Mengembangkan model persediaan multi-item fuzzy EOQ pada data persediaan PT UWBM

2

• Mencari biaya persediaan yang optimum dengan menggnakan algoritma genetika untukmodel EOQ di PT UWBM

6




KESIMPULAN

Manfaat

Perusahaan• memberikan masukan pada pihak perusahaan untuk

meminimumkan biaya persediaan dan jumlah barangyang dibutuhkan dalam satu periode produksi

Ilmu Pengetahuan• berkontribusi untuk penelitian mengenai

permasalahan persediaan

7




KESIMPULAN

Batasan MasalahAlgoritma genetika digunakan dalammenyelesaikan masalah persediaan denganmodel multi-item fuzzy EOQ

Data yang digunakan diperoleh dari data persediaan di PT UWBMsetiap minggu pada periode Januari 2010 sampai April 2011

Persediaan yang digunakan berdasarkan permintaan produksiproduk Square Puff dan menggunakan item tepung terigu, tepungtapioka, dan gula

Data permintaan yang digunakan untuk periode selanjutnyadiperoleh dari hasil meramalkan dengan metode ARIMA

Periode perencanaan produksi adalah tiga bulan




KESIMPULAN

8

ARIMA

Model ARIMA

TAHAPAN

Identifikasi model

Estimasi parameter

Pengujian model

9

PersediaanFungsi

Fungsi decoupling

Fungsi economic lot sizing

Fungsi antisipasi

KomponenBiaya

Biaya pembelian

Biaya pemesanan

Biaya penyimpanan

Biaya kekuranganpersediaan

9




KESIMPULAN

10




KESIMPULAN

Persediaan Model Persediaan Multi-item EOQ

i

Rpii C

QQ

** =

Total biaya persediaan

EOQ Optimum

Periode Pemesanan

11




KESIMPULAN

Persediaan Model Persediaan Multi-item Fuzzy EOQ

Fungsi Objektif

Fungsi Batasan

12




KESIMPULAN

Algoritma Genetika Simulasi proses evolusipada manusia

Langkah – Langkah

1. Representasi dan Inisialisasi Penyandian Gen dan Kromosom

Menentukan Ukuran Populasi Dan Inisialisasi

1 0 1 1 1 0

Kromosom

Gen

13




KESIMPULAN

Algoritma Genetika 2. Fungsi Tujuan Dan Nilai Fitnes

3. Seleksi

4. Pindah Silang

Roulette Wheel

Satu titikInduk 1 0 1 1 0 0 1 0 0 1 1

Induk 2 1 0 1 0 0 1 1 0 1 1

Anak1 0 1 1 0 0 1 1 0 1 1

Anak 2 0 1 1 0 0 1 0 0 1 1

5. Mutasi

6. Elitism

14




KESIMPULAN

PT UWBM Produksi Biskuit

Mende-dikasikan diri untuk menjamin kekuatan masadepan dengan mempertahankan kemampuan danprofesionalisme melalui permintaan konsumen

VISI

MISI1. Menyediakan produk yang diinginkan konsumen2. Menciptakan budaya untuk menghargai semua karyawan3. Mempertahankan hubungan dengan perusahaan dan organisasi

lain yang relevan4. Menyediakan produk-produk yang berkualitas dan memberikan

pelayanan yang memuaskan harapan konsumen5. Memberikan kontribusi yang signifikan terhadap pertumbuhan

ekonomi di Indonesia melalui perkembangan di sektor domestikmaupun ekspor.

Sumber Data danVariabel Penelitian

Variabel

Data mingguan persediaan bahanbaku (tepung terigu, tepung tapioka,dan gula) PT UWBM pada bulanJanuari 2010 sampai bulan April 2011

Sumber

1. Biaya pemesanan mayor (Co)2. Biaya pemesanan minor (Coi)3. Biaya Simpan (Ch) 4. Biaya pembelian yang dikeluarkan untuk satu unit barang item ke-i dalam

satu periode perencanaan produksi (dRpi) 5. Keseluruhan biaya pembelian yang dikeluarkan untuk satu unit barang

semua item dalam satu periode perencanaan produksi (DRp)6. Biaya total persediaan/Total Cost (TC) 7. Harga beli satu unit item (Cpi)8. Item 1 = tepung terigu, item 2 = tepung tapioka, dan item 3 = gula

15




KESIMPULAN

Metode AnalisisData

16




KESIMPULAN

Mulai FormulasiPermasalahanData

Meramalkanpermintaan Tiap item

Memodelkan Permasalahan PersediaanDengan Model Multi-ItemFuzzy EOQ

Mengoptimalkan Model Multi-Item Fuzzy EQP Dengan Metode Algoritma Genetik

Model OptimumSelesai Kesimpulan

dan Saran

17

Tidak

Ya

Identifikasi Model

Estimasi atau pendugaan parameter

Pemilihan model terbaik

Peramalan (Forecasting)

Pengujianasumsimodel

Data

Data Ramalan

Metode AnalisisData

Seleksi denganRoulette Wheel

Crossover

Mutasi

Selesai

Solusi Optimal

yatidak

Input : Npop, Pc, PmInisialisasi Populasi

Generasi = 0

Set Generasi =1

Evaluasikromosom berdasarkan fitness

Mulai

Mencapai stopping criteria?

Elitism

Ya

Generasi = Generasi +1

18

19




KESIMPULAN

Deskriptif Permintaan Bahan Baku

Variabel Rata-Rata Varians Minimum Maksimum

T.Tapioka 125 1.903,50 0,00 236,00

Gula 931 41.602,90 0,00 1.356,00

T.Terigu 5.568 1.489.568 0,00 8.136,00

20




KESIMPULAN

Peramalan Gula

454035302520151051

1400

1200

1000

800

600

400

200

0

Index

Gula

Plot Time Series Data Permintaan Gula

30282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

Plot ACF Data Permintaan Gula

21




KESIMPULAN

30282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

Peramalan Gula

Plot PACF Data Permintaan GulaARMA(1,1) dengan menggunakanvariabel dummy untuk minggu ke35, 36, dan 37

Peramalan

12.662

22




KESIMPULAN

Peramalan Tepung Terigu

454035302520151051

9000

8000

7000

6000

5000

4000

3000

2000

1000

0

Index

T. T

erig

u

Plot Time Series Data PermintaanTepungTerigu

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

Plot ACF Data PermintaanTepungTerigu

23




KESIMPULAN

Peramalan Tepung Terigu

30282624222018161412108642

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

Plot PACF Data PermintaanTepungTerigu Model ARMA(1,1) dengan dummy

minggu 35, 36 dan 37

75.775 karung tepungterigu

Peramalan

24




KESIMPULAN

Peramalan Tepung Tapioka

454035302520151051

250

200

150

100

50

0

Index

Tapi

oka

Plot Time Series Data PermintaanTepungTapioka

454035302520151051

100

50

0

-50

-100

-150

Index

Diff

Tap

ioka

Time Series Plot of Diff Tapioka

Plot Time Series Data DifferencingPermintaanT.Tapioka

25




KESIMPULAN

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Aut

ocor

rela

tion

Plot ACF Data Differencing PermintaanTepungTapioka

454035302520151051

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

Lag

Part

ial A

utoc

orre

lati

on

Plot PACF Data DifferencingPermintaanT.Tapioka

Model ARIMA(0,1,[2]) dengandummy variabel minggu ke-37

Peramalan 2271 karung

26




KESIMPULAN

Model Persediaan EOQ Untuk Bahan Baku

Item Mayor

Minor

Pencetak

an

Pengirim

an

Tepung Terigu

7.859,50

5 10

Tepung tapioka 5 10

Gula 5 50

Biaya Pembelian masing-masing item

27

Item

Permintaan 1

Periode

perencanaan

produksi

Harga 1 unit

item

Kebutuhan Periode

perencanaan produksi

Tepung Terigu 75774 95 7.198.625

Tepung tapioka 2272 77,5 176.080

Gula 12662 250 3.165.500

D 10.540.205

Biaya Yang Diperlukan Seluruh Item

Biayapenyimpanan

depresiasi gedung (2%)pajak gudang (1%) biaya pemeliharaan persediaan (1%)




KESIMPULAN

28




KESIMPULAN

ItemHarga 1 unit

item

Biaya Simpan

/Tahun

Biaya Simpan /3

Bulan

Tepung Terigu 95 3,8 0,95

Tepung tapioka 77,5 3,1 0,775

Gula 250 10 2,5

Biaya Simpan Masing-Masing Item/Unit

MODEL

29




KESIMPULAN

Optimasi Model PersediaanMulti-Item EOQ

QRp1 QRp2 QRp3

235.516,1 5.760,77 103.565,1

Q1 Q2 Q3

2479 74 414

t* = 0,03445 x 12 x 6= 2,355066 ≈ 3

30




KESIMPULAN

Multi-Item Fuzzy EOQ dengan Algoritma Genetika

Representasi dan Inisialisasi

225.051,86 3.678,49 98.718,44

Q1 Q2 Q3

KromosomQRp1 QRp2 QRp3

235.516,1 5.760,77 103.565,1

Inisialisasi

31




KESIMPULAN

Fungsi Objektif FitnessTC 1/TC

Pindah Silang (Crossover)

Induk 1 225.051,86 3.678,49 98.718,44

Induk 2 230.051,86 3.800 95.513

Anak 1 225.051,86 3.800 95.513

Anak 2 230.051,86 3.678,49 98.718,44

32




KESIMPULAN

Simulasi Algoritma Genetika

Item Coi Cpi ARpi P

Tepung terigu 15 951.898.787,5

097.300Tepung Tapioka 15 77,5

Gula 55 250

Co D Ch TC0 P0

7.944,50 10.540.205 1,41 485.652.4 48.565,24

33

TC =

Fungsi Batasan




KESIMPULAN

34




KESIMPULAN

α TIC QRp1 QRp2 QRp3

0.05 485939.684853 235449.413 5694.386375 103494.28

0.10 485939.684853 235448.294 5693.4645 103496.32

0.15 485939.684853 235447.381 5696.0895 103494.6

0.20 485939.684853 235434.225 5700.152 103503.69

0.25 485939.684853 235447.663 5699.777 103490.64

0.30 485939.684853 235447.35 5692.136375 103498.58

0.35 485939.684853 235451.538 5693.30825 103493.23

0.40 485939.684853 235445.85 5692.55825 103499.66

0.45 485939.684853 235451.038 5696.402 103490.63

0.50 485939.684853 235444.303 5697.652 103496.12

0.55 485939.684853 235442.85 5699.0895 103496.14

0.60 485939.684853 235444.663 5695.30825 103498.1

0.65 485939.684853 235448.538 5697.902 103491.63

0.70 485939.684853 235444.1 5693.49575 103500.48

0.75 485939.684853 235447.1 5695.652 103495.32

0.80 485939.684853 235451.694 5690.027 103496.35

0.85 485939.684853 235448.85 5698.527 103490.69

0.90 485939.684853 235446.1 5691.62075 103500.35

35




KESIMPULAN

t* = 0,03269747 x 12 x 6 = 2,354 ≈ 3

ItemMulti-Item EOQ

Multi-Item fuzzy EOQ dengan

Algoritma Genetika

Q* TIC Q TIC

Tepung Terigu 2479

485.652,4

2.478

485.939,684853Tepunt Tapioka 74 74

Gula 414 414

Perbandingan Multi-Item EOQ dengan Multi-Item Fuzzy EOQ denganAlgoritma Genetika

36




KESIMPULAN

PT UWBM Penelitian

Frekuensi pemesanan

(3 Bulan)3 24

Biaya pesanMayor 7859.50 7859.5

Minor 85 85

QRpi

QRp1 229.884,7 224.989,62

QRp2 3.635,056 3.692,74

QRp3 100.826,6 98.644,85

Cpi

Cp1 95 95

Cp2 77.5 77.5

Cp3 250 250

DRp

dRp1 6.812.640 7.198.625

dRp2 107.725 176.080

dRp3 2.988.000 3.165.500

H 1.4 1.4

TC 470.871.1 485.939,684

Perbandingan Biaya Persediaan PT UWBM dengan Penelitian

37




KESIMPULAN

1. Model pengembangan untuk persediaan multi-item fuzzyEOQ pada data persediaan PT UWBM adalah

38




KESIMPULAN

2. Dengan menggunakan model persediaan multi-item fuzzy EOQuntuk periode perencanaan selama tiga bulan, tiap kali melakukanpemesanan maka jumlah unit barang yang harus dipesan untukmasing-masing item adalah sebanyak 2478 karung tepung terigu,74 karung tepung tapioka dan 414 karung gula. Dengan totalbiaya persediaan sebesar Rp 185.939.684,853. Dimana waktuyang diperlukan untuk setiap kali pesan adalah setiap 3 hari kerja

DAFTAR PUSTAKAGerson. (2009), Optimasi BiayaTransportasi Dan Persediaan Banyak Barang Dari Satu Sumber Dengan Metode

Dekomposisi Lagrangian, Skripsi, Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya, Surabaya

Heizer, J, & Render, B. (2006). Operation Management Buku2. Edisi 7. Jakarta: Salemba Empat.Heizer, J, & Render, B. (2001). Prinsip-Prinsip Manajemen Operasi. Jakarta: Salemba EmpatKo, M, Tiwari, A., & Mehnen, J. (2010). A review Of Soft Computing Applications In Supply Chain

Management. Applied Soft Computing , 661-674.Mondal, S, & Maiti, M. (2002). Multi-item Fuzzy EOQ Models Using Genetic Algorithm. Computers & Industrial

Engineering , 105-117.Nasution, A. H., dan Prasetyawan, Y. (2008). Perencanaan Pengendalian Produksi. Yogyakarta : Graha Ilmu.Pandjaitan, LannyW. (2007). Dasar-dasar Komputasi cerdas. Yogyakarta: Penerbit AndiYogyakarta.Samanta, B, & Al-Arami, S. A. (2001). An Inventory Control Model Using Fuzzy Logic. Production Economic , 217-226.Wibisono,Ario. (2003), Aplikasi Metode Heuristik Persediaan Multi-item, Single Supplier Dengan PermintaanAcak, Skripsi, JurusanTeknik Industri Institut Teknologi Sepuluh Nopember Surabaya, Surabaya

39

40

Optimasi Persediaan Multi-itemFuzzy EOQ Di PT UWBM dengan ... · PENDAHULUAN TINJAUAN PUSTAKA METODELOGI PENELITIAN. HASIL DAN PEMBAHASAN KESIMPULAN. Batasan Masalah. Algoritma genetika

Documents