Analisis Peramalan dan Optimalisasi Persediaan Maklon Skincare dengan Metode EOQ, ROP, dan Safety Stock
Artikel Sidebar
-
EOQ, Maklon, Safety Stock, Skincare, Peramalan
Abstrak
Penelitian ini bertujuan untuk menganalisis peramalan permintaan dan mengoptimalkan pengendalian persediaan produk day cream 12.5g pada perusahaan maklon skincare PT. KSM. Metode yang digunakan meliputi peramalan permintaan dengan pendekatan Moving Average, Exponential Smoothing, dan Linear Trend, serta optimasi persediaan menggunakan Economic Order Quantity (EOQ), Reorder Point (ROP), dan Safety Stock. Data yang digunakan berupa data permintaan selama dua tahun, biaya pemesanan, biaya penyimpanan, dan lead time. Hasil penelitian menunjukkan bahwa metode Linear Trend memiliki tingkat akurasi terbaik dengan nilai MAD sebesar 590,894, MSE sebesar 485888,3, dan MAPE sebesar 41,48%. Berdasarkan hasil peramalan tersebut, diperoleh nilai EOQ sebesar 1.160 unit dengan frekuensi pemesanan optimal sebanyak 11 hingga 12 kali per tahun, Safety Stock sebesar 15 unit, dan ROP sebesar 202 unit. Penerapan metode ini menghasilkan total biaya persediaan tahunan sebesar Rp 11.748.012, yang lebih efisien dibandingkan sistem sebelumnya. Selain itu, frekuensi pemesanan menurun dan risiko stockout maupun overstock dapat diminimalkan. Dengan demikian, integrasi metode peramalan dan pengendalian persediaan terbukti mampu meningkatkan efisiensi operasional serta mendukung pengambilan keputusan yang lebih tepat dalam manajemen persediaan pada industri maklon skincare.
Artikel teks lengkap
Referensi
[1] Peraturan Pemerintah Republik Indonesia, Rencana Induk Pembangunan Industri Nasional (RIPIN) 2015–2035, No. 14, 2015.
[2] Badan Pusat Statistik, Data Industri Kosmetik Indonesia 2021–2023, Jakarta, Indonesia, 2023.
[3] Direktorat Jenderal Pajak, Peraturan Dirjen Pajak No. PER-70/PJ/2007 tentang Jasa Maklon, 2007.
[4] E. S. Hyndman and G. Athanasopoulos, Forecasting: Principles and Practice, 2nd ed. Melbourne, Australia: OTexts, 2018.
[5] A. Hanke and D. Wichern, Business Forecasting, 9th ed. New Jersey, USA: Pearson, 2015.
[6] D. Wichern, R. Johnson, and G. Wichern, Applied Multivariate Statistical Analysis, 6th ed. Pearson, 2023.
[7] E. A. Silver, D. F. Pyke, and R. Peterson, Inventory Management and Production Planning and Scheduling, 3rd ed. New York, USA: Wiley, 2016.
[8] S. Chopra and P. Meindl, Supply Chain Management: Strategy, Planning, and Operation, 7th ed. Pearson, 2022.
[9] A. Thomé, L. Scavarda, F. Fernandez, and A. Scavarda, “Sales and operations planning: A research synthesis,” International Journal of Production Economics, vol. 138, no. 1, pp. 1–13, 2018.
[10] D. Kristiani and A. Andrian, “Penerapan Exponential Smoothing dan EOQ dalam Pengendalian Persediaan Produk,” Jurnal Riset Industri, vol. x, no. x, pp. xx–xx, 2023. J. Manuf. Ind. Eng. Technol., vol. 2, no. 2, pp. 20–33, 2023.
[11] M. M. Firdaus, Metodologi Penelitian Kuantitatif; Dilengkapi Analisis Regresi Ibm Spss Statistics Version 26.0. CV. Dotplus Publisher, 2021.
Penulis
Hak Cipta (c) 2026 Hastawati Chrisna Suroso
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.