Magister Manajemen · FEB UNDIP

Manajemen Operasi dan Teknologi

Pertemuan 5: Manajemen Persediaan

Dari "berapa banyak barang di gudang" menjadi keputusan alokasi modal kerja dan risiko yang terukur.

RPS minggu 5 · 2x50 menit

Selamat siang, Bapak/Ibu. Minggu lalu kita membahas manajemen kualitas; hari ini kita masuk ke salah satu keputusan operasi paling berat konsekuensi finansialnya — manajemen persediaan. Karena Anda sudah berpengalaman kerja, saya tidak akan mengulang definisi dasar persediaan dari S1; kita langsung bicara persediaan sebagai keputusan alokasi modal kerja dan trade-off risiko yang harus dipertanggungjawabkan ke direksi. Kita akan memakai dua model kuantitatif inti — Economic Order Quantity (EOQ) untuk permintaan berulang dan model newsvendor untuk permintaan musiman tak pasti — lalu menutup dengan bagaimana teknologi seperti Vendor-Managed Inventory (VMI) dan RFID mengubah cara keputusan ini diambil. Contoh yang kita pakai mengacu pada praktik ritel modern dan distribusi FMCG Indonesia, sesuatu yang mungkin sangat dekat dengan pekerjaan sebagian dari Anda.

Tujuan Pembelajaran Hari Ini

Sub-CPMK A

Menilai persediaan sebagai keputusan alokasi modal kerja — trade-off antara biaya penyimpanan dan tingkat layanan (service level) — bukan sekadar isu gudang.

Sub-CPMK B

Menghitung dan menginterpretasikan Economic Order Quantity (EOQ), reorder point, dan safety stock untuk permintaan berulang (rutin).

Sub-CPMK C

Menerapkan model newsvendor dan rasio kritis untuk keputusan kuantitas pesanan pada produk musiman/permintaan tak pasti.

Sub-CPMK D

Mengevaluasi kelayakan adopsi teknologi visibilitas persediaan (VMI, RFID/IoT, integrasi ERP) sebagai keputusan investasi, bukan sekadar tren.

Bagian 1 dari 3

Persediaan sebagai Keputusan Strategis, Bukan Sekadar Gudang

Diskusi kelas: Di perusahaan Anda, siapa yang sebenarnya "memiliki" keputusan besaran persediaan — tim operasi, tim keuangan, atau keduanya berebut kendali?

Trade-off Fundamental: Modal Kerja vs Service Level

Persediaan adalah kas yang dibekukan di rak/gudang. Setiap unit tambahan menurunkan risiko stockout (kehabisan stok) tapi menaikkan biaya modal — inilah inventory-service trade-off (Cachon & Terwiesch, 2019).

Implikasi manajerial: keputusan besaran persediaan harus dilaporkan sebagai keputusan alokasi modal kerja ke direksi — lengkap dengan proyeksi dampak ke Days Inventory Outstanding (DIO, rata-rata hari persediaan mengendap sebelum terjual) dan cash conversion cycle, bukan cuma laporan stok fisik.

Untuk level manajerial, poin paling penting di slide ini adalah membingkai ulang persediaan sebagai keputusan finansial, bukan sekadar keputusan logistik. Ketika seorang direktur keuangan bertanya "kenapa modal kerja kita naik", jawaban yang matang bukan "karena kita menambah stok", melainkan penjelasan trade-off eksplisit — berapa penurunan risiko stockout yang kita beli dengan tambahan modal kerja tersebut, dan apakah itu sepadan dengan biaya modal perusahaan. Bayangkan Anda adalah manajer rantai pasok di sebuah distributor farmasi seperti Kimia Farma; menambah stok obat tertentu mungkin masuk akal karena risiko kehabisan stok obat esensial punya konsekuensi reputasi dan regulasi yang berat, sementara menambah stok kosmetik musiman punya trade-off yang jauh berbeda. Pertanyaan diskusi untuk Anda: bagaimana perusahaan Anda saat ini mengukur dan melaporkan trade-off ini ke manajemen puncak?

Anatomi Biaya Persediaan: Tiga Komponen yang Harus Dipisah

Keputusan persediaan yang baik memisahkan tiga jenis biaya secara eksplisit — sering tercampur dalam laporan akuntansi konvensional.

Holding Cost

~15-25%

Biaya simpan per tahun (biaya modal + gudang + asuransi + obsolescence), biasanya dinyatakan sebagai persentase dari nilai unit per tahun.

Ordering / Setup Cost

Tetap

Biaya administrasi, pengiriman, dan setup produksi per pesanan/batch — tidak bergantung jumlah unit yang dipesan.

Shortage Cost

Tersembunyi

Kehilangan margin penjualan, biaya backorder, dan kerusakan reputasi/hubungan ritel akibat stockout — paling sering diabaikan dalam laporan akuntansi.

Kesalahan umum: manajer hanya mengoptimalkan holding cost yang tampak di laporan keuangan, sementara shortage cost yang tidak tercatat justru sering lebih besar nilainya.

ABC Analysis: Kebijakan Persediaan Tidak Boleh Seragam

Prinsip Pareto (80/20) diterapkan pada SKU (stock keeping unit, kode unit barang unik): sebagian kecil SKU menyumbang mayoritas nilai penggunaan tahunan — kebijakan kontrol harus berbeda per kelas, bukan seragam untuk semua item.

Kelas A

~20% SKU, ~70-80% nilai
Kontrol ketat, safety stock presisi, review mingguan

Kelas B

~30% SKU, ~15-20% nilai
Kontrol menengah, review bulanan

Kelas C

~50% SKU, ~5% nilai
Kebijakan longgar, order dalam batch besar/jarang

Keputusan manajerial: alokasikan waktu dan sistem analitik mahal (mis. peramalan canggih, RFID) ke SKU kelas A — bukan menyamaratakan investasi ke seluruh katalog produk.

Mini-Kasus: Kebijakan Persediaan Berjenjang di Ritel Modern

Sebuah jaringan minimarket nasional (ilustrasi, mengacu pola operasi ritel modern seperti Alfamart/Indomaret) mengelola ~5.000 SKU per gerai lintas ribuan gerai, dengan variasi permintaan ekstrem antar-SKU dan antar-lokasi.

Pertanyaan keputusan: Apakah kebijakan safety stock sebaiknya diseragamkan secara nasional untuk kesederhanaan operasi, atau dibedakan per klaster gerai berdasarkan variabilitas permintaan lokal — dengan konsekuensi kompleksitas sistem yang lebih tinggi?

Jawaban yang tepat menyeimbangkan presisi model (ABC + EOQ per klaster) dengan biaya kompleksitas operasional menjalankan kebijakan yang berbeda-beda di ribuan gerai.

Bagian 2 dari 3

Model Kuantitatif: Kapan dan Berapa Banyak Memesan

Diskusi kelas: Untuk produk dengan permintaan berulang setiap bulan versus produk musiman sekali jual (mis. parcel Lebaran), apakah model perhitungannya seharusnya sama?

Economic Order Quantity (EOQ): Logika di Balik Formula

EOQ menjawab: berapa jumlah pesanan optimal yang meminimalkan total biaya persediaan untuk item dengan permintaan berulang dan relatif stabil (Harris, 1913; standar dalam Cachon & Terwiesch)?

Q* = √(2DS / H)

D = permintaan tahunan · S = biaya per pesanan (ordering cost) · H = biaya simpan per unit per tahun (holding cost)

Wawasan manajerial kunci: pada Q* optimal, total ordering cost = total holding cost secara tahunan — titik ini bisa dipakai sebagai uji cepat (sanity check) apakah kebijakan pemesanan perusahaan sudah mendekati optimal.

Hitung dari Nol #1: EOQ Distributor Elektronik

Kasus: distributor aksesori elektronik nasional untuk satu SKU (kabel data) dengan permintaan tahunan D = 24.000 unit, biaya per pesanan S = Rp 500.000, dan biaya simpan H = Rp 4.000/unit/tahun.

Langkah	Perhitungan	Nilai
1. Hitung 2 x D x S	2 x 24.000 x 500.000	24.000.000.000
2. Bagi dengan biaya simpan (H)	24.000.000.000 / 4.000	6.000.000
3. Akar kuadrat (EOQ)	√6.000.000	≈2.449 unit
4. Frekuensi pesan per tahun	24.000 / 2.449	≈9,8 kali/tahun
5. Siklus antar-pesanan	365 / 9,8	≈37 hari

Hasil EOQ

≈2.449 unit

~9,8 kali pesan/tahun · siklus ~37 hari

Coba Sendiri: Geser D, S, dan H untuk Lihat Kurva EOQ

Ubah permintaan tahunan, biaya pesan, dan biaya simpan, lalu amati bagaimana titik EOQ bergeser di persimpangan kurva biaya pesan dan biaya simpan.

Reorder Point, Safety Stock & Diskon Kuantitas

EOQ menjawab "berapa banyak"; reorder point (ROP) menjawab "kapan memesan" dengan mempertimbangkan lead time (waktu tunggu pengiriman) dan ketidakpastian permintaan.

ROP = (d × L) + SS · SS = z × σ_d × √L

d = permintaan harian rata-rata · L = lead time (hari) · SS = safety stock (stok pengaman) · z = faktor service level · σ_d = deviasi standar permintaan harian

Keputusan diskon kuantitas: menerima diskon volume dari supplier hanya layak jika penghematan harga > kenaikan holding cost akibat memesan di atas EOQ optimal — bandingkan total biaya kedua opsi, jangan tergiur persentase diskon semata.

Semakin tinggi target service level (z lebih besar), semakin besar safety stock yang dibutuhkan — hubungan ini tidak linear, kenaikan service level dari 95% ke 99% jauh lebih mahal daripada dari 90% ke 95%.

Tiga konsep ini saling melengkapi EOQ dan sangat sering ditanyakan direksi dalam bentuk pertanyaan praktis: "kapan sebenarnya kita harus memesan ulang" dan "apakah tawaran diskon volume dari supplier ini layak diambil". Untuk ROP, poin pentingnya adalah safety stock naik dengan akar kuadrat dari lead time, bukan linear — artinya memperpendek lead time melalui negosiasi dengan supplier atau perbaikan logistik sering lebih efektif daripada menambah safety stock terus-menerus. Untuk diskon kuantitas, kesalahan umum manajer pembelian adalah tergoda persentase diskon besar tanpa membandingkan total biaya, padahal diskon 5% bisa jadi tidak sepadan jika holding cost tambahan akibat stok menumpuk lebih besar dari penghematannya. Pernahkah Anda melihat keputusan pembelian di kantor yang diambil hanya berdasarkan persentase diskon tanpa analisis total biaya semacam ini?

Model Newsvendor: Permintaan Musiman & Rasio Kritis

Untuk produk dengan satu kesempatan pesan per periode (fashion, produk segar, parcel Lebaran) — kelebihan stok berarti rugi (diskon/buang), kekurangan stok berarti kehilangan margin. EOQ tidak berlaku di sini.

CR = C_u / (C_u + C_o)

C_u = underage cost (kerugian per unit karena kurang stok = margin hilang) · C_o = overage cost (kerugian per unit karena kelebihan stok = biaya - nilai sisa)

CR (critical ratio, rasio kritis) menunjukkan persentil optimal dari distribusi permintaan yang harus dipenuhi — bukan sekadar "pesan rata-rata perkiraan permintaan". Semakin besar margin dibanding risiko kelebihan stok, semakin tinggi target persediaan yang optimal.

Hitung dari Nol #2: Newsvendor Parcel Kue Kering Lebaran

Harga jual p = Rp 150.000, biaya produksi c = Rp 90.000, nilai sisa pasca-Lebaran v = Rp 50.000. Permintaan diperkirakan normal dengan rata-rata μ = 800 unit, deviasi standar σ = 150 unit.

Langkah	Perhitungan	Nilai
1. Underage cost (C_u = harga - biaya produksi)	150.000 - 90.000	60.000
2. Overage cost (C_o = biaya produksi - nilai sisa)	90.000 - 50.000	40.000
3. Rasio kritis (CR = C_u / (C_u+C_o))	60.000 / 100.000	0,60 (60%)
4. Nilai-z persentil ke-60 (tabel normal baku)	Φ(z) = 0,60	z ≈ 0,25
5. Kuantitas produksi optimal (Q* = μ + z·σ)	800 + (0,25 x 150)	≈838 unit

Hasil Q* Newsvendor

≈838 unit

CR 60% → produksi di atas rata-rata permintaan (800 unit)

Perhatikan bahwa hasilnya, sekitar 838 unit, lebih tinggi dari perkiraan rata-rata permintaan 800 unit — ini masuk akal karena margin dari penjualan (Rp 60.000) lebih besar daripada kerugian kelebihan stok (Rp 40.000), sehingga secara ekonomi lebih baik memproduksi sedikit berlebih daripada kekurangan. Ini adalah wawasan kunci newsvendor: keputusan kuantitas optimal tidak sama dengan ramalan permintaan rata-rata, ia bergeser ke arah yang lebih menguntungkan berdasarkan rasio kerugian. Jika perusahaan bisa menurunkan biaya produksi atau menaikkan nilai sisa lewat kanal diskon pasca-Lebaran yang lebih baik, rasio kritis dan kuantitas optimal juga akan bergeser. Ini praktik nyata yang dipakai produsen barang musiman, termasuk industri fesyen dan makanan kering menjelang hari besar di Indonesia.

Coba Sendiri: Geser Rasio Kritis Newsvendor

Ubah harga jual, biaya produksi, atau nilai sisa, lalu amati bagaimana rasio kritis dan kuantitas produksi optimal bergeser relatif terhadap rata-rata permintaan.

Risk Pooling & Efek Bullwhip: Implikasi Desain Rantai Pasok

Risk pooling (penggabungan risiko): mengonsolidasikan safety stock dari banyak lokasi ke satu gudang sentral menurunkan total safety stock dibutuhkan — variabilitas gabungan naik lebih lambat daripada jumlah lokasi (aturan akar-n).

Langkah Analisis	Logika	Implikasi
1. Bandingkan variabilitas permintaan per gerai vs gabungan	Permintaan antar-gerai saling meng-offset fluktuasi acak	Safety stock gabungan < jumlah safety stock individual
2. Identifikasi sumber distorsi sinyal permintaan naik rantai pasok	Pembaruan ramalan berlebihan, pemesanan dalam batch, fluktuasi harga/promosi	Efek bullwhip (Lee, Padmanabhan & Whang, 1997): variabilitas order membesar drastis di hulu
3. Nilai trade-off sentralisasi vs kecepatan layanan lokal	Gudang sentral hemat stok, tapi lead time ke gerai lebih panjang	Model hybrid: SKU kelas A tetap lokal, kelas C bisa disentralisasi
4. Rancang mekanisme berbagi data permintaan real-time	Visibilitas data POS (point-of-sale) langsung ke pemasok mengurangi distorsi	Dasar kebutuhan VMI & integrasi teknologi (Bagian 3)

Konsep risk pooling ini menjelaskan mengapa jaringan ritel besar sering memilih model distribusi regional dibanding menyimpan stok penuh di tiap gerai — menggabungkan permintaan dari banyak gerai membuat fluktuasi acak saling meng-offset, sehingga total stok pengaman yang dibutuhkan lebih kecil dibanding menjumlahkan stok pengaman tiap gerai secara terpisah. Efek bullwhip di baris kedua adalah fenomena klasik dan sangat nyata: distorsi kecil di permintaan konsumen bisa membesar drastis saat naik ke distributor, lalu ke pabrik, karena tiap pihak melakukan pembaruan ramalan dan pemesanan batch secara independen. Pertanyaan diskusi untuk Anda: di rantai pasok tempat Anda bekerja, apakah Anda pernah melihat gejala order yang jauh lebih berfluktuasi di level pabrik/distributor dibanding fluktuasi penjualan riil ke konsumen akhir? Itu tanda klasik efek bullwhip sedang terjadi.

Bagian 3 dari 3

Teknologi dalam Manajemen Persediaan Modern

Diskusi kelas: Jika perusahaan Anda hanya punya anggaran untuk satu inisiatif teknologi persediaan tahun ini — VMI, RFID/IoT, atau integrasi ERP real-time — mana yang Anda pilih dan mengapa?

Teknologi Visibilitas: Kerangka Keputusan Adopsi

Vendor-Managed Inventory (VMI), RFID/IoT, dan digital twin rantai pasok bukan investasi otomatis — kelayakannya harus dinilai sebagai keputusan ROI, sama seperti investasi modal lainnya.

Langkah	Pertanyaan Kunci	Output
1. Identifikasi SKU prioritas	SKU kelas A dengan variabilitas tinggi mana yang paling merugi akibat visibilitas rendah?	Daftar SKU target pilot
2. Nilai kesiapan infrastruktur data	Apakah sistem ERP/POS sudah bisa mengalirkan data real-time ke mitra?	Gap kesiapan teknis
3. Hitung ROI vs biaya shortage/holding saat ini	Apakah penghematan (stockout & holding cost turun) > biaya implementasi + lisensi?	Estimasi payback period
4. Jalankan pilot terbatas	Bisakah diuji pada 1-2 mitra/gudang sebelum skala penuh?	Bukti konsep terukur
5. Skala dengan integrasi ERP penuh	Apakah hasil pilot cukup kuat untuk investasi skala nasional?	Keputusan investasi go/no-go

KPI & Dashboard Keputusan Persediaan

Tiga metrik inti yang harus tampil bersama di dashboard direksi — melihat satu metrik saja tanpa yang lain menyesatkan pengambilan keputusan.

Inventory Turnover

COGS (harga pokok penjualan) ÷ rata-rata nilai persediaan. Semakin tinggi = persediaan berputar lebih cepat.

Days Inventory Outstanding

365 ÷ Inventory Turnover. Rata-rata hari persediaan mengendap sebelum terjual — komponen cash conversion cycle.

Fill Rate

Proporsi pesanan pelanggan terpenuhi langsung dari stok tersedia — indikator service level aktual.

Turnover tinggi + fill rate rendah = sinyal bahaya: perusahaan mungkin sedang "mengorbankan" service level demi metrik efisiensi modal kerja yang terlihat bagus di laporan.

Mini-Kasus: Investasi Visibilitas Persediaan di Distribusi FMCG

Sebuah distributor FMCG nasional (ilustrasi, mengacu pola distribusi merek konsumen besar di Indonesia) mempertimbangkan investasi integrasi data real-time dengan jaringan minimarket mitra senilai ~Rp 8 miliar, diproyeksikan menurunkan stockout ~35% dan holding cost ~12%.

Pertanyaan keputusan: Dengan estimasi penghematan tahunan yang belum melampaui biaya investasi di tahun pertama, apakah proyek ini tetap layak dijalankan berdasarkan argumen strategis (hubungan mitra ritel, data untuk peramalan) di luar ROI finansial murni?

Ini melatih Anda membedakan kelayakan finansial jangka pendek dari nilai strategis jangka panjang — keduanya sah sebagai dasar keputusan, tapi harus disampaikan secara eksplisit dan terpisah ke direksi.

Latihan Kelompok: Rekomendasi Kebijakan Persediaan

Dalam kelompok 3-4 orang, ambil satu produk dari organisasi tempat Anda bekerja (atau gunakan data ilustrasi yang diberikan) dan susun rekomendasi tertulis singkat (1 halaman) mencakup:

Yang Wajib Dihitung

Klasifikasikan produk: permintaan berulang (pakai EOQ + ROP) atau musiman (pakai newsvendor)?
Hitung kuantitas optimal dan tunjukkan langkah perhitungannya secara eksplisit

Yang Wajib Didiskusikan

Apakah ada peluang risk pooling atau kebutuhan teknologi visibilitas untuk SKU ini?
Bagaimana Anda menyampaikan trade-off ini ke direksi dalam satu paragraf argumen?

Waktu pengerjaan: 15 menit kelompok + 10 menit presentasi singkat perwakilan 2 kelompok. Siapkan angka Anda dalam format tabel seperti contoh "Hitung dari Nol" tadi.

Ringkasan & Jembatan ke Pertemuan 6

Yang Dikuasai Hari Ini

Persediaan sebagai keputusan modal kerja, bukan sekadar isu gudang
EOQ, reorder point & safety stock untuk permintaan berulang
Model newsvendor & rasio kritis untuk permintaan musiman
Risk pooling, efek bullwhip, dan kerangka adopsi teknologi visibilitas

Menuju Pertemuan 6: Manajemen Penerimaan

Dari "berapa banyak stok" ke "berapa harga optimal per segmen" — revenue/yield management
Persediaan & harga saling terkait: kapasitas terbatas + permintaan tak pasti adalah benang merah yang sama
Bawa perhitungan critical ratio Anda hari ini — logikanya akan muncul kembali dalam bentuk berbeda

Sebelum pertemuan berikutnya: selesaikan latihan kelompok jika belum tuntas, dan baca ringkas bab persediaan Cachon & Terwiesch untuk memperdalam intuisi trade-off yang kita bangun hari ini.