Penentuan Jumlah Kebutuhan Bahan Baku Berdasarkan Distribusi Barang Ideal di IKM Tepung Tapioka Kabupaten Bogor

Agung Prayudha Hidayat; Sesar Husen Santosa; Ridwan Siskandar

doi:10.30656/intech.v8i1.4400

Authors

Agung Prayudha Hidayat Program Studi Manajemen Industri, Sekolah Vokasi, Institut Pertanian Bogor
Sesar Husen Santosa Program Studi Manajemen Industri, Sekolah Vokasi, Institut Pertanian Bogor
Ridwan Siskandar Program Studi Teknik Komputer, Sekolah Vokasi, Institut Pertanian Bogor

DOI:

https://doi.org/10.30656/intech.v8i1.4400

Keywords:

Model Regresi, Simulasi Monte Carlo, Singkong, Tepung Tapioka

Abstract

Ketidakpastian waktu produksi tepung tapioka menjadi penghambat dalam memenuhi permintaan konsumen dikarenakan ketersediaan bahan baku singkong yang tidak memadai. Sistem integrasi dari hulu hingga akhir dengan memperhatikan aktivitas rantai pasok menjadi solusi untuk mengetahui kebutuhan konsumen. Penelitian ini bertujuan untuk mengoptimalkan aspek hulu rantai pasok dengan menentukan kapasitas kebutuhan singkong yang optimal berdasarkan jumlah distribusi tepung tapioka yang ideal sebagai dasar keputusan bagi pihak IKM tepung tapioka di dalam melakukan pemesanan bahan baku singkong dan proses produksi tepung tapioka. Pendekatan yang digunakan dengan pendekatan statistik berupa model persamaan regresi dan pendekatan simulasi dengan metode simulasi monte carlo. Hasil penelitian menunjukkan simulasi jumlah distribusi tepung tapioka yang optimal sebesar 1.581 Kg. Hasil ini di masukkan ke dalam model regresi untuk mendapatkan jumlah kebutuhan singkong yang optimal. Model kebutuhan bahan baku singkong yang optimal (Y) = -818+ 5,36X (1.581 Kg) = 7.656 Kg. Hal ini menjadi dasar pengambilan keputusan bagi pihak IKM tepung tapioka di dalam merencanakan kapasitas kebutuhan singkong serta pengelolaan sumberdaya perusahaan dalam melakukan proses produksi tepung tapioka.

References

Arif, M. (2018). Supply Chain Management. Deepublish. https://books.google.co.id/books?id=SMdiDwAAQBAJ

Darnis, R., Nurcahyo, G. W., & Yunus, Y. (2020). Simulasi Monte Carlo untuk Memprediksi Persediaan Darah. Jurnal Informasi Dan Teknologi, 2(2019), 4â€“9. https://doi.org/10.37034/jidt.v2i4.98

Dinesh, E. D., Arun, A. P., & Pranav, R. (2014). Material Requirement Planning for Automobile Service Plant. International Journal of Innovative Research in Science, Engineering and Technology, 3(3), 1171â€“1175. http://www.ijirset.com/upload/2014/iciet/mech/24_973.pdf

Hasanati, N., Permatasari, E., Nurhasanah, N., & Hidayat, S. (2019). Implementation of Material Requirement Planning (MRP) on Raw Material Order Planning System for Garment Industry. IOP Conference Series: Materials Science and Engineering, 528(1). https://doi.org/10.1088/1757-899X/528/1/012064

Herda, S., & Setyawan, A. (2017). Manajemen Rantai Pasok Kayu Gaharu Di Kalimantan Barat. Jurnal Manajemen Dayasaing, 18(2), 92â€“101. https://doi.org/10.23917/dayasaing.v18i2.4506

Hidayat, A. P., Santosa, S. H., Siskandar, R., & Baskoro, R. G. (2021). Evaluation of Chicken Eggs Supply With Fuzzy AHP Approach Through Development of Safea Software. Jurnal Logistik Indonesia, 5(2), 104â€“110. https://ojs.stiami.ac.id/index.php/logistik/article/view/1881

Hutahaean, H. D. (2018). Analisa Simulasi Monte Carlo Untuk Memprediksi Tingkat Kehadiran Mahasiswa dalam Perkuliahan. Journal of Informatic Pelita Nusantara, 3(1), 41â€“45. https://e-jurnal.pelitanusantara.ac.id/index.php/JIPN/article/view/285

Pongoh, M. (2016). Analisis Penerapan Manajemen Rantai Pasokan Pabrik Gula Aren Masarang. Jurnal Riset Ekonomi, Manajemen, Bisnis Dan Akuntansi, 4(3), 695â€“704. https://ejournal.unsrat.ac.id/index.php/emba/article/view/14368

Prajawantoro, P., & Monicha, R. (2015). Analisis Faktor-Faktor Yang Mempengaruhi Nilai Penjualan Tepung Tapioka Pada CV. Srikandi Di Gaya Baru Lampung Selatan. Jurnal Manajemen Dan Bisnis Universitas Bandar Lampung, 5(2), 172â€“192. http://jurnal.ubl.ac.id/index.php/jmb/article/view/792

Pratomo, D. S., & Astuti, E. Z. (2015). Analisis regresi dan korelasi antara pengunjung dan pembeli terhadap nominal pembelian di Indomaret Kedungmundu Semarang dengan metode kuadrat terkecil. Jurnal Statistika, 1(1), 1â€“12. http://eprints.dinus.ac.id/16877/

Rahman, A. Y., Setyawan, B., Setiawan, F. W., & Hananto, A. L. (2020). Model Supply Chain Management (SCM) Pada Pupuk Organik Berbahan Cacing. JOINTECS (Journal of Information Technology and Computer Science), 5(1), 33. https://doi.org/10.31328/jointecs.v5i1.1198

Santosa, S. H., & Hidayat, A. P. (2019). Model Penentuan Jumlah Pesanan Pada Aktifitas Supply Chain Telur Ayam Menggunakan Fuzzy Logic. Jurnal Ilmiah Teknik Industri. https://doi.org/10.23917/jiti.v18i2.8486

Santosa, S. H., Hidayat, A. P., & Siskandar, R. (2021). Safea application design on determining the optimal order quantity of chicken eggs based on fuzzy logic. IAES International Journal of Artificial Intelligence, 10(4), 858â€“871. https://doi.org/10.11591/ijai.v10.i4.pp858-871

Santosa, S. H., Hidayat, A. P., Siskandar, R., & Rizkiriani, A. (2021). Pengaruh Harga Jual Terhadap Permintaan Telur Ayam Menggunakan Pendekatan Regresi Studi Kasus: Agen Telur ABC. Jurnal Sains Indonesia, 2(3), 106â€“112. http://jurnal.pusatsains.com/index.php/jsi/article/view/60

Sucahyowati, H. (2011). Manajemen Rantai Pasokan (Supply Chain Management). Majalah Ilmiah Gema Maritim, 13(1), 20â€“28. https://doi.org/10.37612/gema-maritim.v13i1.19

Sulistyono, S., & Sulistiyowati, W. (2018). Peramalan Produksi dengan Metode Regresi Linier Berganda. PROZIMA (Productivity, Optimization and Manufacturing System Engineering), 1(2), 82. https://doi.org/10.21070/prozima.v1i2.1350

Syilfi, S., Ispriyanti, D., & Safitri, D. (2012). Analisis Regresi Linier Piecewise Dua Segmen. Jurnal Gaussian, 1(1), 219-228. https://doi.org/10.14710/j.Gauss.V1i1.915, 1(1), 219â€“228.

Wiedenmann, S., & Geldermann, J. (2015). Supply planning for processors of agricultural raw materials. European Journal of Operational Research, 242(2), 606â€“619. https://doi.org/10.1016/j.ejor.2014.10.021