skripsirepository.ub.ac.id/2902/1/raynaldi, ariel yufi.pdf · 2020. 9. 16. · perencanaan...
TRANSCRIPT
PERENCANAAN PERSEDIAAN OBAT TABLET DENGAN ANALISIS
ABC-VED DAN PENENTUAN PERSEDIAAN BERDASARKAN LOT
SIZING
SKRIPSI
TEKNIK INDUSTRI
Diajukan untuk memenuhi persyaratan
memperoleh gelar Sarjana Teknik
ARIEL YUFI RAYNALDI
NIM. 135060700111018
UNIVERSITAS BRAWIJAYA
FAKULTAS TEKNIK
MALANG
2017
Scanned by CamScanner
i
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur kepada Allah SWT yang sudah melimpahkan
rahmat serta hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir dengan judul
“Perencanaan Persediaan Obat Tablet dengan Analisis ABC-VED dan Penentuan
Persediaan berdasarkan Lot Sizing”. Tidak lupa shalawat serta salam kami ucapkan
kepada junjungan kami Rasulullah , Nabi Muhammad SAW.
Tugas akhir ini disusun untuk memperoleh gelar Sarjana Strata Satu (S-1) yang harus
ditempuh oleh mahasiswa pada Jurusan Teknik Industri, Fakultas Teknik, Universitas
Brawijaya Malang.
Penulis menyadari bahwa dalam penyusunan tugas akhir ini tidak lepas dari bantuan,
kerjasama maupun do’a dari berbagai pihak. Oleh karena itu penulis menyampaikan terima
kasih yang sebesar – besarnya kepada semua pihak yang telah membantu dalam
penyelesaian tugas akhir ini, terutama kepada :
1. Allah SWT yang telah memberikan rahmat-Nya sehingga penulis dapat menyelesaikan
tugas akhir ini.
2. Bapak Ishardita Pambudi Tama, ST., MT., Ph.D. selaku Ketua Jurusan Teknik
Industri, Fakultas Teknik, Universitas Brawijaya Malang.
3. Bapak Arif Rahman, ST., MT. selaku Sekretaris Jurusan Teknik Industri, Fakultas
Teknik, Universitas Brawijaya Malang.
4. Bapak Nasir Widha Setyanto, ST., MT. selaku Dosen Pembimbing I berkat kesabaran
dalam membimbing penulis, memberihkan arahan dan masukan, serta ilmu yang
sangat berharga bagi penulis sehingga dapat menyelesaikan tugas akhir ini.
5. Ibu Agustina Eunike, ST., MT., M.BA. selaku Dosen Pembimbing II dan pembimbing
akademik berkat kesabaran dalam membimbing penulis, memberihkan arahan dan
masukan, motivasi serta ilmu yang sangat berharga bagi penulis sehingga dapat
menyelesaikan tugas akhir ini.
6. Ibu Yeni Sumantri, S.Si., MT., Ph.D, Ibu Wifqi Azlia, ST., MT. dan Bapak Rio
Prasetyo, ST., MT. selaku dosen pengamat seminar proposal dan seminar hasil atas
saran, masukan serta bimbingan yang telah diberikan.
7. Ibu Ikasari Pudji Kurniawati, SSi.Apt selaku kepala Instalasi RSJ Dr Radjiman
Wediodiningrat Lawang dan juga sebagai pembimbing lapangan dan bapak Agus
Instalasi Diklit atas bantuan dan informasi yang telah diberikan kepada penulis.
ii
8. Orang Tuaku, Bapak Drs. Suyitno dan Ibu Dra.Eniati Zuhria atas doa – doa yang telah
diberikan serta pengorbanan, kesabaran, perhatian, pendidikan, dukungan materil serta
perjuangan demi memberikan yang terbaik kepada penulis.
9. Kakakku satu – satunya Nindya Amelia A.Md.Kep. atas doa, kasih sayang dan
motivasi agar penulis cepat menyelesaikan tugas akhir ini.
10. Bapak dan Ibu Dosen Pengajar di Jurusan Teknik Industri yang telah sabar dan ikhlas
memberikan ilmunya kepada penulis.
11. Sahabat – sahabatku semua atas doa, dukungan serta motivasi yang diberikan kepada
penulis.
12. Seluruh saudaraku Teknik Industri 2013 atas doa, bantuan kerjasama dan kebersamaan
yang telah diberikan kepada penulis.
Penulis menyadari bahwa laporan ini masih jauh sempurna mengingat kurangnya
pengetahuan dan pengalaman dari penulis. Oleh karena itu penulis menerima segala saran
dan kritik yang memberikan motivasi agar menjadi yang lebih baik. Semoga hasil
penelitian ini bermanfaat bagi semua pihak.
Malang ,10 Agusuts 2017
Penulis
iii
DAFTAR ISI
Halaman
PENGANTAR .................................................................................................................... i
DAFTAR ISI ...................................................................................................................... iii
DAFTAR TABEL .............................................................................................................. vii
DAFTAR GAMBAR ......................................................................................................... ix
DAFTAR LAMPIRAN ..................................................................................................... xi
RINGKASAN .................................................................................................................. xiii
SUMMARY ..................................................................................................................... xiv
BAB I PENDAHULUAN .................................................................................................. 1
1.1 Latar Belakang ...................................................................................................... 1
1.2 Identifikasi Masalah .............................................................................................. 4
1.3 Rumusan Masalah ................................................................................................. 4
1.4 Batasan Masalalah ................................................................................................. 5
1.5 Asumsi ................................................................................................................... 5
1.6 Tujuan Penelitian ................................................................................................... 5
1.7 Manfaat Penelitian ................................................................................................. 5
BAB II TINJAUAN PUSTAKA ....................................................................................... 7
2.1 Penelitian Terdahulu.............................................................................................. 7
2.2 Rumah Sakit .......................................................................................................... 9
2.3 Instalasi Farmasi Rumah Sakit .............................................................................. 9
2.4 Manajemen ............................................................................................................ 10
2.5 Persediaan .............................................................................................................. 10
2.5.1 Tujuan Persediaan ........................................................................................ 11
2.5.2 Biaya Persediaan .......................................................................................... 11
2.6 Analisis ABC ......................................................................................................... 12
2.6.1 Kriterian Analisis ABC ................................................................................ 13
2.6.2 Penggunaan Analisis ABC ........................................................................... 14
2.6.3 Prosedur Pengelompokkan Analisis ABC ................................................... 14
2.7 Analisis VED ......................................................................................................... 15
2.7.1 Kategori Obat Vital ...................................................................................... 15
2.7.2 Kategori Obat Essential ............................................................................... 16
iv
2.7.3 Kategori Obat Desirable .............................................................................. 17
2.8 Matriks Analisis ABC-VED .................................................................................. 17
2.9 Peramalan .............................................................................................................. 17
2.9.1 Macam – Macam Teknik Peramalan ........................................................... 18
2.9.2 Metode Time Series...................................................................................... 18
2.9.3 Metode Kausal ............................................................................................. 19
2.9.4 Metode Peramalan ....................................................................................... 20
2.9.5 Pengukuran Akurasi Hasil Peramalan ......................................................... 22
2.10 Lot Sizing ............................................................................................................ 23
2.10.1 Penentuan Nilai Koefisien Variabilitas ..................................................... 23
2.10.2 Economic Order Quantity ......................................................................... 24
2.10.3 Period Order Quantity .............................................................................. 24
2.10.4 Algoritma Silver Meal ............................................................................... 25
2.11 Reorder Point ...................................................................................................... 26
BAB III METODOLOGI PENELITIAN ........................................................................ 29
3.1 Jenis Penelitian ...................................................................................................... 29
3.2 Tempat dan Waktu Penelitian ............................................................................... 29
3.3 Langkah – langkah penelitian................................................................................ 29
3.3.1 Tahap Pendahuluan ...................................................................................... 29
3.3.2 Tahap Pengumpulan Data ........................................................................... 30
3.3.3 Tahap Pengolahan Data ............................................................................... 31
3.3.4 Tahap Analisa dan Kesimpulan ................................................................... 32
3.4 Diagram Alir Penelitian......................................................................................... 32
BAB IV HASIL DAN PEMBAHASAN ........................................................................... 35
4.1 Gambaran Umum Objek Penelitian ...................................................................... 35
4.1.1 Sejarah Perusahaan ...................................................................................... 35
4.1.2 Visi dan Misi ................................................................................................ 37
4.1.3 Struktur Organisasi ..................................................................................... 38
4.2 Pengumpulan Data ................................................................................................ 40
4.2.1 Permintaan Aktual Obat Tablet Tahun 2016 ............................................... 40
4.2.2 Lead Time..................................................................................................... 40
4.2.3 Biaya Pemesanan ......................................................................................... 40
4.2.4 Biaya Penyimpanan ..................................................................................... 41
v
4.3 Pengolahan Data .................................................................................................... 42
4.3.1 Pengelompokkan Obat dengan Analisis ABC ............................................. 42
4.3.2 Pengelompokkan Obat dengan Analisis VED ............................................. 43
4.3.3 Pengelompokkan Obat dengan Kombinasi Analisis ABC-VED ................. 44
4.3.4 Peramalan ..................................................................................................... 45
4.3.4.1 Kelompok Obat AV ....................................................................... 46
4.3.4.1.1 Cycozam 100 Mg .......................................................... 46
4.3.4.1.2 Cycozam 25 Mg ............................................................ 48
4.3.4.1.3 Nodiril 2 Mg .................................................................. 49
4.3.4.1.4 Seroquel 100 Mg ........................................................... 51
4.3.4.1.5 Sizoril 25 Mg ................................................................. 53
4.3.4.1.6 Sizoril 100 Mg ............................................................... 54
4.3.4.1.7 Seroquel 200 Mg ........................................................... 56
4.3.4.1.8 Ariski 10 Mg ................................................................. 57
4.3.4.2 Kelompok Obat BV ....................................................................... 59
4.3.4.2.1 Abilify 5 Mg .................................................................. 59
4.3.4.2.2 Zolpidem 10 Mg ............................................................ 60
4.3.4.3 Kelompok Obat AE ....................................................................... 62
4.3.4.3.1 Citicoline 500 Mg ......................................................... 62
4.3.4.3.2 Neugain Umum ............................................................. 64
4.3.4.3.3 Takelin 1000 Mg ........................................................... 65
4.3.5 Perhitungan Nilai Koefisien Variabilitas ..................................................... 68
4.3.6 Perhitungan Lot Sizing ................................................................................. 69
4.3.6.1 Metode Economic Order Quantity ................................................ 69
4.3.6.2 Metode Period Order Quantity ..................................................... 70
4.3.6.3 Metode Algoritma Silver Meal ...................................................... 71
4.3.6.3.1 Sizoril 100 Mg ............................................................... 71
4.3.6.3.2 Takelin 1000 Mg ........................................................... 73
4.3.6.4 Perbandingan Total Biaya Persediaan ........................................... 75
4.3.7 Perhitungan Reorder Point .......................................................................... 76
4.3.7.1 Cycozan 100 Mg ............................................................................ 77
4.3.7.2 Cycozam 25 Mg ............................................................................. 78
4.3.7.3 Nodiril 2 Mg .................................................................................. 78
4.3.7.4 Seroquel 100 Mg ............................................................................ 79
vi
4.3.7.5 Seroquel 200 Mg ............................................................................ 79
4.3.7.6 Abilify 5 Mg .................................................................................. 79
4.3.7.7 Sizoril 25 Mg ................................................................................. 80
4.3.7.8 Ariski 10 Mg .................................................................................. 80
4.3.7.9 Zolpidem 10 Mg ............................................................................ 80
4.3.7.10 Sizoril 100 Mg ............................................................................... 81
4.3.7.11 Citicoline 500 Mg .......................................................................... 81
4.3.7.12 Neugain Umum .............................................................................. 81
4.3.7.13 Takelin 1000 Mg ............................................................................ 82
4.4 Analisis dan Pembahasan ...................................................................................... 82
4.4.1 Pengelompokkan Obat ................................................................................. 82
4.4.1.1 Analisis ABC ................................................................................. 82
4.4.1.2 Analisis VED ................................................................................. 83
4.4.1.3 Analisis ABC-VED ....................................................................... 83
4.4.2 Analisis Peramalan....................................................................................... 84
4.4.3 Analisis Lot Sizing ....................................................................................... 85
4.4.3.1 Analisa Koefisien Variabilitas ....................................................... 85
4.4.3.2 Analisa Lot Sizing dengan EOQ .................................................... 86
4.4.3.3 Analisa Lot Sizing dengan POQ .................................................... 86
4.4.3.3 Analisa Lot Sizing dengan Algoritma Silver Meal ......................... 86
4.4.4 Analisa Reorder Point.................................................................................. 87
BAB V KESIMPULAN DAN SARAN ............................................................................ 89
5.1 Kesimpulan ............................................................................................................ 89
5.2 Saran ...................................................................................................................... 90
DAFTAR PUSTAKA ........................................................................................................ 91
LAMPIRAN ....................................................................................................................... 93
vii
DAFTAR TABEL
Tabel 2.1 Perbandingan Penelitian dengan Penelitian Terdahulu .................................... 8
Tabel 2.2 Contoh Keputusan Manajemen......................................................................... 15
Tabel 2.3 Matriks Analisis ABC-VED ............................................................................. 17
Tabel 4.1 Biaya Pemesanan .............................................................................................. 41
Tabel 4.2 Persentase Persediaan Berdasarkan Analisis ABC ........................................... 43
Tabel 4.3 Pengelompokkan Obat dengan Matriks Analisis ABC-VED ........................... 44
Tabel 4.4 Kelompok Obat Kelas I, II dan III .................................................................... 45
Tabel 4.5 Nilai Error Masing – Masing Peramalan ......................................................... 47
Tabel 4.6 Hasil Peramalan Obat Cycozam 100 Mg.......................................................... 47
Tabel 4.7 Nilai Error Masing – Masing Peramalan ......................................................... 48
Tabel 4.8 Hasil Peramalan Obat Cycozam 25 Mg............................................................ 49
Tabel 4.9 Nilai Error Masing – Masing Peramalan ......................................................... 50
Tabel 4.10 Hasil Peramalan Obat Nodiril 2 Mg ................................................................. 50
Tabel 4.11 Nilai Error Masing – Masing Peramalan ......................................................... 52
Tabel 4.12 Hasil Peramalan Obat Seroquel 100 Mg .......................................................... 52
Tabel 4.13 Nilai Error Masing – Masing Peramalan ......................................................... 53
Tabel 4.14 Hasil Peramalan Obat Sizoril 25 Mg ................................................................ 54
Tabel 4.15 Nilai Error Masing – Masing Peramalan ......................................................... 55
Tabel 4.16 Hasil Peramalan Obat Sizoril 100 Mg .............................................................. 55
Tabel 4.17 Nilai Error Masing – Masing Peramalan ......................................................... 56
Tabel 4.18 Hasil peramalan Obat Seroquel Ir 200 Mg ....................................................... 57
Tabel 4.19 Nilai Error Masing – Masing Peramalan ......................................................... 58
Tabel 4.20 Hasil Peramalan Obat Ariski 10 Mg ................................................................. 58
Tabel 4.21 Nilai Error Masing – Masing Peramalan ......................................................... 59
Tabel 4.22 Hasil Peramalan Obat Abilify 5 Mg ................................................................. 60
Tabel 4.23 Nilai Error Masing – Masing Peramalan ......................................................... 61
Tabel 4.24 Hasil Peramalan Obat Zolpidem 10 Mg ........................................................... 61
Tabel 4.25 Nilai Error Masing – Masing Peramalan ......................................................... 63
Tabel 4.26 Hasil Peramalan Obat Citicoline 500 Mg ......................................................... 63
Tabel 4.27 Nilai Error Masing – Masing Peramalan ......................................................... 64
Tabel 4.28 Hasil Peramalan Obat Neugain Umum............................................................. 65
viii
Tabel 4.29 Nilai Error Masing – Masing Peramalan ......................................................... 66
Tabel 4.30 Hasil Peramalan Obat Takelin 1000 Mg .......................................................... 66
Tabel 4.31 Metode Peramalan yang Terpilih...................................................................... 67
Tabel 4.32 Perbandingan Error Perencanaan di Rumah Sakit dengan Hasil Peramalan
Periode 2017 ..................................................................................................... 67
Tabel 4.33 Perhitungan Nilai Koefisien variabilitas Obat Cycozam 100 Mg .................... 68
Tabel 4.34 Daftar Koefisien Variabilitas Obat Tabelt Kelas I ........................................... 68
Tabel 4.35 Hasil Perhitungan EOQ dan Total Inventory Cost Tahun 2017 ....................... 70
Tabel 4.36 Hasil Perhitungan POQ dan TIC Tahun 2017 .................................................. 71
Tabel 4.37 Hasil Perhitungan Sizoril 100 Mg dengan Algoritma Silver Meal ................... 72
Tabel 4.38 Hasil Perhitungan Takelin 1000 Mg dengan Algoritma Silver Meal ............... 74
Tabel 4.35 Perbandingan Rincian Biaya Persediaan .......................................................... 75
Tabel 4.36 Perbandingan Toal Biaya Persediaan ............................................................... 75
Tabel 4.37 Permintaan Obat Cycozam 100 Mg Selama 12 Bulan ..................................... 77
Tabel 4.38 Hasil Perhitungan Reorder Point...................................................................... 82
ix
DAFTAR GAMBAR
Gambar 1.1 Presentase Penggunaan Obat Reguler di RSJ Dr Radjiman Wediodiningrat
Lawang Tahun 2016 .................................................................................... 2
Gambar 2.1 Kurva ABC .................................................................................................. 13
Gambar 2.2 Pola Random ................................................................................................ 18
Gambar 2.3 Pola Musiman .............................................................................................. 19
Gambar 2.4 Pola Siklus ................................................................................................... 19
Gambar 2.5 Pola trend ..................................................................................................... 19
Gambar 3.1 Diagram Alir Penelitian ............................................................................... 33
Gambar 4.1 Struktur Organisasi RSJ Dr Radjiman Wediodiningrat Lawang ................. 38
Gambar 4.2 Permintaan Aktual Obat Cycozam 100 Mg Tahun 2016 ............................. 47
Gambar 4.3 Grafik Peramalan Obat Cycozam 100 Mg Periode 2017 ............................. 48
Gambar 4.4 Permintaan Aktual Obat Cycozam 25 Mg Tahun 2016 ............................... 48
Gambar 4.5 Grafik Peramalan Obat Cycozam 25 Mg ..................................................... 49
Gambar 4.6 Permintaan Aktual Obat Nodiril 2 Mg Tahun 2016 .................................... 50
Gambar 4.7 Grafik Peramalan Obat Nodiril 2 Mg .......................................................... 51
Gambar 4.8 Permintaan Aktual Obat Seroquel 100 Mg Tahun 2016 .............................. 51
Gambar 4.9 Grafik Peramalan Obat Seroquel 100 Mg .................................................... 53
Gambar 4.10 Permintaan Aktual Obat Sizoril 25 Mg Tahun 2016 ................................... 53
Gambar 4.11 Grafik Peramalan Obat Sizoril 25 Mg ......................................................... 54
Gambar 4.12 Permintaan Aktual Obat Sizoril 100 Mg Tahun 2016 ................................. 54
Gambar 4.13 Grafik Peramalan Obat Sizoril 100 Mg Tahun 2017 ................................... 55
Gambar 4.14 Permintaan Aktual Obat Seroquel 200 Mg Tahun 2016 .............................. 56
Gambar 4.15 Grafik Peramalan Obat Seroquel 200 Mg Tahun 2017 ............................... 57
Gambar 4.16 Permintaan Aktual Obat Ariski 10 Mg Tahun 2016 .................................... 57
Gambar 4.17 Grafik Peramalan Obat Ariski 10 Mg Tahun 2017 ...................................... 58
Gambar 4.18 Permintaan Aktual Obat Abilify 5 Mg Tahn 2016 ...................................... 59
Gambar 4.19 Grafik Peramalan Oat Abilify 5 Mg Tahun 2017 ........................................ 60
Gambar 4.20 Permintaan Aktual Obat Zolpidem 10 Mg Tahun 2016 .............................. 61
Gambar 4.21 Grafik Peramalan Obat Zolpidem 10 Mg Tahun 2017 ................................ 62
Gambar 4.22 Permintaan Aktual Obat Citicoline 500 Mg Tahun 2016 ............................ 62
Gambar 4.23 Grafik Peramalan Obat Citicoline 500 Mg Tahun 2017 .............................. 63
x
Gambar 4.24 Permintaan Aktual Obat Neugain Umum 10 Mg Tahun 2016 .................... 64
Gambar 4.25 Grafik Peramalan Obat Neugain Umum Tahun 2017 .................................. 65
Gambar 4.26 Permintaan Aktual Obat Takelin 1000 Mg Tahun 2016 .............................. 65
Gambar 4.27 Grafik Peramalan Obat Takelin 1000 Mg Tahun 2017 ............................... 66
Gambar 4.28 Perbandingan Biaya Existing dengan Biaya Usulan .................................... 76
Gambar 4.29 Grafik hubungan EOQ dan ROP Obat Cycozam 100 Mg ........................... 78
xi
DAFTAR LAMPIRAN
Lampiran 1 Data Perencanaan dan Penggunaan Obat Tablet Tahun 2016 ..................... 93
Lampiran 2 Data Konsumsi Obat Tablet Tahun 2016 ..................................................... 95
Lampiran 3 Perhitungan Analisis ABC ........................................................................... 97
Lampiran 4 Hasil Pengelompokkan dengan Analisis ABC ......................................... 101
Lampiran 5 Hasil Kuisioner Obat VED ....................................................................... 102
Lampiran 6 Hasil Pengelompokkan dengan Analisis VED ......................................... 104
Lampiran 7 Peramalan Obat Cycozam 100 Mg dengan Moving Average n=7 ............ 106
Lampiran 8 Peramalan Obat Cycozam 25 Mg dengan Moving Average n=7 .............. 107
Lampiran 9 Peramalan Obat Nodiril 2 Mg dengan Line trend Analysis ...................... 108
Lampiran 10 Peramalan Obat Seroquel 100 Mg Ir dengan Exponential Smoothing With
Tren ........................................................................................................... 109
Lampiran 11 Peramalan Obat Sizoril 25 Mg dengan Moving Average.......................... 110
Lampiran 12 Peramalan Obat Sizoril 100 Mg dengan Moving Average n = 7 .............. 111
Lampiran 13 Peramalan Obat Seroquel Ir 200 Mg dengan Metode Weighted Moving
Average n = 5 ............................................................................................ 112
Lampiran 14 Peramalan Obat Ariski 10 Mg dengan Line Tren Analysis ....................... 113
Lampiran 15 Peramalan Obat Abilify 5 Mg dengan Exponential Smoothing With Tren
α=0,7 dan β=0,05 ...................................................................................... 114
Lampiran 16 Peramalan Obat Zolpidem 10 Mg dengan Exponential Smoothing With Tren
α=0,7 dan β=0,05 ...................................................................................... 115
Lampiran 17 Peramalan Obat Citicoline 500 Mg dengan Moving Average n = 7 ......... 116
Lampiran 18 Peramalan Obat Neugain dengan Moving Average n = 7 ......................... 117
Lampiran 19 Peramalan Obat Takelin 1000 Mg dengan Moving Average n = 7 ........... 118
xii
(Halaman ini sengaja dikosongkan)
xiii
RINGKASAN
ARIEL YUFI RAYNALDI, Jurusan Teknik Industri , Fakultas Teknik, Universitas
Brawijaya, 2017. Perencanaan Persediaan Obat Tablet dengan Analisis ABC-VED dan
Penentuan Persediaan Berdasarkan Lot Sizing, Nasir Widha Setyanto dan Agustina Eunike.
Instalasi Farmasi RSJ Dr Radjiman Wediodiningrat Lawang bertanggung jawab dalam
perencanaan dan pengadaan obat yang dibutuhkan oleh pasien. Pada tahun 2016 masih
terjadi ketidaksesuaian antara perencanaan dan konsumsi obat, sehingga menyebabkan
kelebihan maupun kekurangan persediaan obat. Kondisi tersebut mengakibatkan rumah
sakit mengalami kerugian. Tujuan dari penelitian ini adalah mengurangi ketidaksesuaian
antara perencanaan dan penggunaan obat tablet dan menentukan persediaan yang optimal
untuk meminimalisasi biaya persediaan.
Pada penelitian ini digunakan kombinasi antara analisis always better control (ABC)
dan analisis vital essential desirable (VED) untuk mengetahui tingkat prioritas masing -
masing obat. Klasifikasi tersebut menghasilkan tiga kelas obat. Selanjutnya untuk
memperkirakan kebutuhan periode selanjutnya, akan dilakukan peramalan untuk obat
tablet yang masuk dalam kelas I karena obat dalam kelas I adalah kelompok obat yang
membutuhkan tingkat pengawasan yang paling tinggi. Untuk menentukan ukuran
pemesanan yang optimal dilakukan perhitungan lot sizing dan kemudian membandingkan
total biaya persediaan yang dihasilkan dalam penelitian ini dengan kondisi existing. Dan
tahap terakhir adalah menentukan reorder point tiap obat untuk mengetahui titik
pemesanan kembali.
Hasil dari analisis ABC adalah 11 item masuk dalam kelompok A, kelompok B 17
item dan kelompok C 29 item. Untuk analisis VED menghasilkan 10 obat yang masuk
dalam kategori vital, 32 masuk dalam kategori essential dan 15 obat masuk dalam kategori
desirable. Kombinasi dari analisis ABC-VED membagi obat kedalam tiga kelas, yaitu
sebanyak 13 obat masuk dalam kelas I, 34 masuk dalam kelas II dan 10 obat masuk dalam
kelas III. Metode peramalan yang terpilih adalah moving average, weighted moving
average, exponential smoothing with tren dan trend line analysisi. Untuk menentukan
ukuran pemesanan yang optimal dilakukan perhitungan dengan economic order quantity
untuk obat yang bersifat statis dan obat yang bsersifat dinamis dihitung dengan period
order quantity dan algoritma silver meal. Berdasarkan perhitungan dengan metode tersebut
total biaya persediaan pada penelitian ini lebih kecil dibandingkan kondisi existing dengan
penghematan sebesar Rp 72.837.282. Dan tahap terakhir dalam penelitian ini adalah
menentukan titik pemesanan kembali masing – masing obat.
Kata Kunci : perencanaan persediaan, analisis ABC-VED, peramalan, EOQ, POQ,
algoritma silver meal, reorder point.
xiv
Halaman ini sengaja dikosongkan
xv
SUMMARY
ARIEL YUFI RAYNALDI, Department of Industrial Engineering, Faculty of
Engineering, University of Brawijaya, 2017. Tablet Drug Planning with ABC-VED
Analysis and Inventory Determination Based on Lot Sizing, Nasir Widha Setyanto and
Agustina Eunike.
Pharmacy Installation of RSJ Dr. Radjiman Wediodiningrat Lawang is responsible for
the planning and procurement of pharmaceutical drugs for medication of patient in the
hospital. In 2016, there were imbalance between number of planning and consumptions of
pharmaceutical drugs, which caused either over stock and stock out of drugs’ inventory.
These conditions resulted in hospital losses. The purpose of this research is to reduce the
imbalance between planning and use of tablet drugs and determine the optimal inventory to
minimize inventory costs.
This research combined Always Better Control (ABC) analysis and Vital Essential
Desirable (VED) analysis to determine the priority level of each drug. The classification
resulted three classes of drugs. This study generated demand planning only for drugs in
class I of ABC-VED classification which required highest level of supervision. The
demand planning included the demand estimation in 2017, the optimal lot sizing, the
reorder point of each drug, and comparison the total inventory cost between the proposed
lot size and existing policy of demand planning.
The results of the ABC analysis were 11 items entered in group A, group B 17 items
and group C 29 items. From the VED analysis, 10 drugs were included in the vital
category, 32 drugs were in the essential category and 15 drugs were categorized as
desirable. The combination of ABC-VED analysis divided the drugs into three classes,
which were 13 drugs included in class I, 34 drugs were in class II and 10 drugs were class
III. The selected forecasting method were moving average, weighted moving average,
exponential smoothing with trend and trend line analysis. The optimal order size was
calculated by economic order quantity for static drugs. On the other hand, period order
quantity and silver meal algorithm were used to determined number of lot size for dynamic
drugs type. Furthermore the reorder point of each drug were determined. Based on the
calculation by the method the total cost of inventory in this study was smaller than the
existing condition with savings of 72.837.282.
Keywords: inventory planning, ABC-VED analysis, forecasting, EOQ, POQ, silver meal
algorithm, reorder point.
xvi
Halaman ini sengaja dikosongkan
1
BAB I
PENDAHULUAN
Pada bab ini akan dijelaskan mengenai latar belakang dilakukanya penelitian ini,
pengidentifikasian masalah yang ada dalam penelitian, perumusan masalah, tujuan
penelitian, dan juga manfaat yang diharapkan dari penelitian ini.
1.1 Latar Belakang
Berdasarkan peraturan Menteri Kesehatan Republik Indonesia Nomor 58 Tahun 2014
tentang standar pelayanan kefarmasian di Rumah Sakit, Rumah Sakit adalah institusi
pelayanan kesehatan yang menyelenggarakan pelayanan kesehatan perorangan secara
paripurna yang menyediakan pelayanan rawat inap, rawat jalan, dan gawat darurat. Rumah
sakit harus memberikan pelayanan yang maksimal untuk mendapatkan hasil yang optimal
dengan cara mengelola organisasi yang ada di dalamnya dengan baik. Salah satunya adalah
Instalasi Farmasi. Berdasarkan peraturan Menteri Kesehatan Republik Indonesia Nomor 58
Tahun 2014 tentang standar pelayanan kefarmasian di Rumah Sakit, Pelayanan
Kefarmasian adalah suatu pelayanan langsung dan bertanggung jawab kepada pasien yang
berkaitan dengan sediaan farmasi dengan maksud mencapai hasil yang pasti untuk
meningkatkan mutu kehidupan pasien.
Aditama (2006) menyatakan bahwa untuk menunjang pelaksanaan kegiatan di RS
diperlukan bahan-bahan logistik, bahan logistik adalah bahan operasional yang sifatnya
habis pakai seperti obat-obatan, bahan farmasi lainnya, lauk pauk, ATK, kebersihan/rumah
tangga, dan perlengkapan lainya. Kegiatan logistisk secara umum memiliki 3 tujuan yaitu
tujuan operasional, tujuan keuangan dan tujuan pengamanan. Dalam memenuhi tujuan
kegiatan logistik Rumah Sakit diperlukan manajemen logistik sehingga barang-barang
logistik yang tersedia di Rumah Sakit dapat terus terjamin keberadaannya.
Rumah Sakit Jiwa Dr. Radjiman Wediodiningrat Lawang merupakan salah satu rumah
sakit yang membutuhkan pengelolaan persediaan logistik dengan baik. Instalasi farmasi
dalam Rumah Sakit tersebut bertanggung jawab penuh atas proses perencanaan dan
pengadaan, obat – obatan yang dibutuhkan oleh pasien. Untuk memberikan pelayanan
yang maksimal kepada para pasien dan efisiensi biaya dalam pengadaan obat dibutuhkan
proses perencanaan yang tepat. Sehingga tidak menimbulkan stock out yang berakibat pada
1
2
terganggunya proses pelayanan pada pasien. Selain itu juga tidak mengakibatkan kelebihan
stock yang juga berakibat pada biaya penyimpanan yang timbul cukup besar.
Berdasarkan satuan atau bentuknya ada 10 macam obat di RSJ Dr. Radjiman
Wediodiningrat Lawang, yaitu : tablet, kapsul, botol, tube, ampul, kaplet, pcs, sachet, pot,
dan vial. Jenis tablet adalah obat yang paling sering di konsumsi dibandingkan dengan
jenis lainya, yaitu sebesar 41 % sehingga penelitian lebih di fokuskan pada obat tablet.
Berikut ini adalah grafik dari tingkat konsumsi obat reguler di RSJ Dr. Radjiman
Wediodiningrat Lawang.
Gambar 1.1 Persentase Penggunaan Obat Reguler Di RSJ Dr. Radjiman Wediodiningrat Lawang
Tahun 2016
Menurut pegawai instalasi farmasi yang bertanggung jawab dalam perencanaan obat,
dalam memenuhi kebutuhan obat – obatan di RSJ Dr. Radjiman Wediodiningrat Lawang,
pihak Rumah Sakit sudah mempunyai perencanaan, yaitu menggunakan data permintaan
obat tahun sebelumnya dan menambahkan kelonggaran sekitar 1- 1,5% . Perencanaan
tersebut masih kurang efektif karena masih sering terjadi ketidak-seimbangan antara
perencanaan dan penggunaanya. Untuk tabel data perbandingan antara perencanaan dan
penggunaan obat tablet pada tahun 2016 bisa dilihat di lampiran 1.
Berdasarkan tabel pada lampiran 1 masih terdapat selisih antara perencanaan dan
penggunaan obat tablet pada tahun 2016 dengan rata-rata presentase selisih sebesar 42%.
Tabel pada lampiran 1 tersebut menunjukkan sebanyak 49 obat mengalami kelebihan stock
dan 8 obat yang mengalami kekurangan stock.. Perencanaan dan penggunaan yang masih
belum seimbang mengakibatkan terjadinya stock out yang mengaharuskan pihak rumah
sakit untuk melakukan pemesanan kembali agar kebutuhan obat bagi pasien segera
terpenuhi karena jika kebutuhan pasien tersebut tidak dapat terpenuhi pasien yang
membutuhkan obat tersebut harus menunggu obat datang atau membeli obat di tempat lain.
Kebutuhan pasien yang tidak terpenuhi akan mengakibatkan kerugian bagi pihak rumah
tablet 41%
kapsul 18%
tube 11%
amp 11%
SACHET 1%
KAPLET 3%
VIAL 4%
BTL 9%
PCS 1%
pot 1%
Presentase Penggunaan Obat Reguler
3
sakit karena mereka akan kehilangan kesempatan unutk memperoleh keuntungan yang
cukup besar jika terus terjadi. Selain terjadi stock out juga terjadi over stock yang bisa
menimbulkan biaya tambahan untuk penyimpanan obat yang tersisa maupun kerugian obat
yang harus terbuang karena kadaluarsa.
Berdasarkan kondisi tersebut Rumah Sakit ingin mengurangi ketidaksesuaian antara
perencanaan dengan realisasi obat untuk meminimalisasi biaya persediaan obat di Rumah
Sakit. Obat di rumah sakit mempunyai jenis dan jumlah yang banyak serta memiliki
tingkat kebutuhan yang berbeda, sehingga manajemen perlu melakukan perencanaan yang
optimal dengan dan mengendalikanya sesuai dengan tingkat kebutuhan masing – masing
obat. Obat tersebut diklasifikasikan terlebih dahulu berdasarkan tingkat investasi dan
tingkat konsumsi dari obat. Metode analisis ABC adalah metode yang digunakan untuk
mengklasifikasikan persediaan tingkat penggunaan dan tingkat investasi.(Gaspersz, 2002).
Namun analisi ABC hanya mengelompokkan obat berdasarkan tingkat investasinya saja.
Rumah sakit bukanlah profit oriented, keselamatan pasien dan kesehatan pasien
merupakan yang utama sehingga diperlukan pengelompokkan obat berdasarkan tingkat
kekritisan pemberian obat terhadap pasien untuk mengetahui kebutuhan obat yang paling
diperlukan oleh pasien. Analisis VED mengklasifikasikan obat berdasarkan tingkat tingkat
kekritisan pemberian obat terhadap pasien. Analisis VED mengelompokkan obat kedalam
3 kelompok, yaitu vital, essential, dan desirable. Kombinasi dari analisis ABC-VED
mengelompokkan obat lebih spesifik ke dalam tiga kelas, yaitu kelas I, kelas II dan kelas
III. Keuntungan dari pengelompokkan dengan analisis ABC-VED akan memudahkan
pihak rumah sakit dalam mengelola persediaan obat karena di RSJ Dr. Radjiman
Wediodiningrat Lawang masih belum ada parameter yang jelas untuk mengelompokkan
obat yang ada. Selain itu juga untuk membantu pihak rumah sakit dalam menentukan
prioritas persediaan.
Dalam menentukan kebutuhan pada periode selanjutnya pihak RSJ Dr. Radjiman
Wediodiningrat Lawang belum menggunakan metode yang tepat sehingga terjadi
perbedaan yang cukup signifikan antara hasil perencanaan dengan penggunaan. Kondisi
tersebut mengakibatkan terjadinya kekurangan persediaan sehingga pihak rumah sakit
harus melakukan pemesanan ulang dan kelebihan persediaan yang berakibat biaya yang
cukup besar. Untuk mengetahui jumlah kebutuhan persediaan tahun depan dilakukan
dengan peramalan. Metode peramalan yang digunakan bergantung pada pola historis
masing - masing obat. Setelah memperoleh hasil peramalan dilakukan perhitungan untuk
menentukan lot size masing – masing obat. Menurut Sipper & Bulfin, (1998:256) dalam
4
menentukan metode lot sizing yang digunakan harus menghitung nilai koefisien
variabilitas terlebih dahulu. Perhitungan koefisien variabilitas untuk mengetahui apakah
data bersifat statis atau dinamis. Metode yang digunaka jika data bersifat statis adalah
Economic Order Quantity, namun bila data bersifat dinamis metode yang digunakan
adalah POQ, Silver meal, PBB dan LUC. Metode yang dipilih adalah metode yang
menghasilkan total biaya persediaan yang minimum. Setelah menghitung lot size juga
dilakukan perhitungan reorder point (ROP) untuk mengetahui waktu pemesanan ulang
yang dilakukan untuk masing – masing obat untuk menghindari terjadinya kelebihan
maupun kekurangan stock.
Dengan dilakukannya penerapan metode untuk mengelompokkan obat, peramalan,
penentuan ukuran pemesanan dan penentuan waktu pemesanan ulang dalam pengendalian
persediaan di Instalasi Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang tersebut,
diharapkan pihak rumah sakit dapat mengelola persediaan obat dengan mengetahui
kelompok obat sesuai dengan dengan tingkat investasi dan penggunaan masing – masing
obat dan mengetahui jumlah permintaan pada masa yang akan datang. Selain itu juga untuk
mengetahui ukuran pemesanan yang optimal yang dapat meminimumkan biaya. Reorder
point juga berguna untuk mengetahui titik pemesanan kembali sehingga tidak terjadi
kekurangan maupun kelebihan stock obat.
1.2 Identifikasi Masalah
Berdasarkan latar belakang diatas, maka dapat diidentifikasikan beberapa masalahan
yang akan diteliti yaitu:
1. Terdapat perbedaan antara perencanaan dan penggunaan obat tablet pada tahun 2016
dengan rata – rata selisih sebesar 42%
2. Terjadi kekurangan stock yang mengakibatkan kerugian bagi rumah sakit maupun
pasien
3. Terjadi kelebihan stock yang berakibat pada bertambahnya biaya penyimpanan yang
besar dan kerugian akibat obat yang kadaluarsa.
4. Pihak rumah sakit masih kesulitan dalam mengklasifikasikan obat yang akan
direncanakan.
1.3 Rumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan masalah yang akan diteliti yaitu:
5
1. Bagaimana hasil pengelompokkan obat tablet berdasarkan analisis ABC-VED di
Instalasi Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang?
2. Apakah metode peramalan yang tepat digunakan untuk meramalkan jumlah obat tablet
di Instalasi Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang Tahun 2017 ?
3. Metode apakah yang digunakan agar lot size obat tablet optimum di Instalasi Farmasi
RSJ Dr. Radjiman Wediodiningrat agar total cost minimum ?
4. Kapan dilakukan titik pemesanan kembali untuk obat tablet ?
1.4 Batasan Penelitian
Batasan masalah digunakan agar ruang lingkup dalam penelitian lebih terfokus.
Berikut ini adalah batasan masalah dalam penelitian ini :
1. Obat yang dijadikan objek dalam penelitian ini adalah obat tablet
2. Perhitungan peramalan, ukuran pemesanan dan reorder point hanya untuk obat tablet
kelas I
1.5 Asumsi
Asumsi yang digunakan dalam penelitian ini adalah biaya penyimpanan yang dipakai
sebesar 26 % dari harga obat.
1.6 Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah :
1. Mengklasifikasikan obat tablet berdasarkan kombinasi analisis ABC-VED di Instalasi
Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang.
2. Mengetahui metode peramalan yang tepat untuk meramalkan obat tablet di Instalasi
Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang periode 2017.
3. Mengetahui jumlah lot size yang paling optimum untuk meminimumkan total cost di
Instalasi Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang.
4. Mengetahui titik pemesanan kembali agar permintaan terlayani dengan baik
1.7 Manfaat Penelitian
Manfaat penelitian ini adalah :
1. Dapat memudahkan pengelolaann obat tablet berdasarkan tingkat investasi dan tingkat
penggunaan dengan analisis ABC-VED
6
2. Dapat mengurangi ketidakseimbangan antar perencanaan dan penggunaan obat tablet
di Instalasi Farmasi RSJ Dr. Radjiman Wediodiningrat Lawang.
3. Dapat meminimalisasi biaya pemesanan dan mengetahui titik pemesanan kembali
untuk mengurangi terjadinya kelebihan maupun kekurangan stock.
7
BAB II
TINJAUAN PUSTAKA
Pada bab ini akan dijelaskan mengenai landasan teori yang berhubungan dan
mendukung untuk menganalisis dan mengolah data. Tinjauan pustaka bersumber dari
buku, jurnal ilmiah, penelitian lainya, internet dan sumber – sumber lainya.
2.1 Penelitian Terdahulu
Dalam penelitian ini penulis mengacu pada beberapa penelitian sebelumnya yang
pernah dilakukan sebagai referensi dalam melaksanakan penelitian ini. Berikut ini
merupakan penelitian terdahulu yang berkaitan dengan pengendaliaan persediaan obat :
1. Ariyanti (2011) pada penelitian yang berjudul Analisia pengendalian obat dengan
analisis ABC, EOQ, dan ROP pada Instalasi Farmasi Rumah Sakit X. Total investasi
yang dibutuhkan untuk pembelian obat antibiotik tahun 2011 sebesar Rp
1.866.502.206, selain itu juga terjadi kekosongan persediaan obat karena perencanaan
yang tidak tepat. Penelitian tersebut menggunakan analisis ABC untuk
mengklasifikasikan obat dan perhitungan EOQ dan ROP. Kelompok A terdapat 11
item obat dengan nilai investasi sebesar Rp 876.329.723 . Kelompok B 96 item obat
dengan nilai investasi sebesar Rp 785.005.348 dan kelompok C 1532 item obat dengan
nilai investasi Rp 205.166.955 . ROP kelompok A mulai dari 9 hingga 126 unit.
2. Hadiani (2011) melakukan penelitian dengan judul Klasifikasi Obat Gawat Darurat
Menggunakan Analisis ABC-VED di Instalasi Farmasi RSUD Dr Moewardi
Surakarta. Jumlah obat gawat darurat yang ada di RSUD Dr Moewardi Surakarta
sangat banyak sehingga pihak rumah sakit masih kesulitan dalam merencanakan
persediaan terhadap obat tersebut. Selain itu persediaan obat di RSUD Dr Moewardi
Surakarta juga membutuhkan kontrol yang lebih karena terdiri dari banyak jenisnya.
Obat gawat darurat merupakan sebagian obat yang mutlak harus tersedia di ruangan
karena obat tersebut bersifat life saving. Oleh karena itu pada penelitian ini dilakukan
analisis ABC-VED untuk mengelompokkan obat berdasarkan tingkat investasi dan
tingkat penggunaanya. Hasil dari penelitian tersebut adalah terdapat 49 jenis obat
gawat darurat di kelas I dan 95 jenis obat gawat darurat pada kelas II.
7
8
3. Kartika (2015) melakukan penelitian dengan judul Klasifikasi Obat Berdasarkan
Kombinasi Analisis ABC-VED Dan Perencanaan Persediaan Dengan
Mempertimbangkan Lot Sizing. Pada grafik perbandingan antara perencanaan dengan
penggunaan persediaan obat tablet reguler tahun 2014 diketahui bahwa 88% data
menunjukkan bahwa perencanaan yang dibuat dengan penggunaan cukup seimbang.
Sedangkan 12% data yang menunjukkan ketidakseimbangan antara perencanaan
dengan penggunaan yang sangat berpengaruh terhadap operasional rumah sakit. Pihak
rumah sakit masih menggunakan metode epidemiologi yang didasarkan dengan
konsumsi pada tahun sebelumnya sehingga tidak menggambarkan perencanaan yang
jelas. Selain itu belum ada parameter yang jelas untuk mengelompokkan obat yang
ada. Dalam penelitian ini menggunakan kombinasi analisis ABC-VED untuk
membantu manajemen dalam memprioritaskan persediaan obat. Selain itu juga
dilakukan perhitungan untuk menentukan ukuran pemesanan dan waktu pemesanan
kembali untuk menentukan jumlah pesanan yang optimal dan waktu pemesanan yang
optimal untuk meminimumkan total inventory cost dan menghindari terjadinya
kelebihan dan kekurangan persediaan. Hasil dari kombinasi analisi ABC-VED
menunjukkan kelas I dengan jumlah 14 item obat, kelas II 119 item obat dan kelas III
9 item obat. Reorder point obat kelas I bervariasi mulai dari 13 sampai 353 unit.
Berikut ini merupakan perbandingan antara penelitian sebelumnya yang telah
dilakukan.
Tabel 2.1
Perbandingan Penelitian dengan Penelitian Terdahulu
Penulis Tools Yang Digunakan Hasil
Ariyanti (2011) ABC – EOQ
Hasil dari penelitian ini adalah kelompok A
11 item obat dengan nilai investasi Rp
876.329.723 . Kelompok B 96 item obat
dengan nilai investasi sebesar Rp
785.005.348 dan kelompok C 1532 item
obat dengan nilai investasi Rp 205.166.955
. ROP kelompok A mulai dari 9 hingga 126
unit.
Hadiani (2011) ABC-VED
Penelitian ini memudahkan pihak rumah
sait dalam pengendalian persediaan obat
gawat darurat di RSUD Dr Moewardi
Surakarta. Analisi ABC-VED memudahkan
pihak rumah sakit dalam mengendalikan
persediaan obat gawat darurat di rumah
sakit yang sangat banyak. Hasil dari
penelitian ini adalah terdapat 49 jenis obat
gawat darurat di kelas I dan 95 jenis obat
gawat darurat pada kelas II.
9
Penulis Tools Yang Digunakan Hasil
Kartika (2015)
ABC - VED, Algoritma
Silver Meal, dan
Algoritma Wagner
Within
Penelitian ini bertujuan untuk
mengelompokkan obat berdasarkan tingkat
investasi dan tingkat kekritisanya dengan
kombinasi analisis ABC-VED. Penelitian
ini juga menghitung ukuran pemesan yang
optimal untuk mengatsi masalah yang
dihadapi pihak rumah sakit karena biaya
yang besar akibat ketidak sesuaian antara
perencanaan dengan penggunaan. Hasil dari
penelitian ini menunjukkan obat kelas I
(kelompok AV,BV,CV,AE) 14 item, kelas
II (kelompok BE,CE,BD) 119 item dan
kelas III (kelompok CD) 9 item.
Penelitian ini
ABC - VED
Lot Sizing
ROP
Penelitian ini bertujuan untuk
mengelompokkan obat berdasarkan tingkat
investasi dan tingkat kekritisanya dengan
kombinasi analisis ABC-VED karena setiap
item obat memilik tingkat penggunaan
maupun tingkat investasi yang bervariasi.
Penelitian ini juga menghitung ukuran
pemesan yang optimal untuk mengatsi
masalah yang dihadapi pihak rumah sakit
karena biaya yang besar akibat ketidak
sesuaian antara perencanaan dengan
penggunaan.
2.2 Rumah Sakit
Berdasarkan Peraturan Menteri Kesehatan Republik Indonesia Nomor 11 Pasal 1
Tahun 2016, rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan
pelayanan kesehatan perorangan secara paripurna yang menyediakan pelayanan rawat inap,
rawat jalan, dan gawat darurat. Pelayanan paripurna merupakan pelayanan kesehatan
secara promotif, preventif, kuratif (penyembuhan) dan pemulihan (rehabilitatif).
2.3 Instalasi Farmasi Rumah Sakit
Menurut Peraturan Menteri Kesehatan No.3 Tahun 2015 tentang Peredaran,
Penyimpanan, Permusnahan, dan Pelaporan Narkotika, Psikotropika, dan Prekursor
Farmasi, Instalasi Farmasi Rumah Sakit adalah unit pelaksanaan fungsional yang
menyelenggarakan kegiatan pelayanan kefarmasian di Rumah Sakit. Tujuan dari pelayanan
kefarmasian untuk mengidentifikasi, mencegah, dan menyelesaikan masalah terkait dengan
Obat. Tuntutan pasien dan masyarakat terhadap peningkatan mutu pelayanan kefarmasian,
mengakibatkan terjadinya perluasan dari paradigma lama yang hanya berorientasi kepada
10
produk (drug oriented) menjadi paradigma baru yang berorientasi kepada pasien (patient
oriented) dengan filosofi Pelayanan Kefarmasian (pharmaceutical care).
2.4 Manajemen
Manajemen adalah sebuah proses kegiatan yang berkaitan dengan pengkoordinasian
serta pengawasan suatu pekerjaan orang lain sehingga pekerjaan tersebut dapat
terselesaikan secara efektif dan efisien. Pekerjaan yang efektif adalah pekerjaan yang
ketika dilakukan dapat mencapai sasaran atau tujuan. Sedangkan pekerjaan dapat dikatakan
efisien ketika menghasilkan output sebanyak mungkin dengan input seminimal mungkin
(Robbins, 2010:7).
Manajemen memiliki empat fungsi dasar, yaitu:
1. Perencanaan (Planning), yaitu kegiatan untuk menyusun dan merencanakan tujuan
yang ingin dicapai perusahaan serta bagaimana cara untuk mencapai tujuan tersebut.
2. Penataan (Organizing), yaitu fungsi untuk menentukan pekerjaan apa yang harus
diselesaikan, siapa yang menyelesaikan, dan cara menyelesaikanya.
3. Kepemimpinan (Leading), yaitu fungsi untuk mengarahkan, memimpin dan
memotivasi sehingga karyawan dapat menjalankan tugas sesuai dengan yang
diinginkan.
4. Pengendalian (Controlling), yaitu fungsi untuk pengendalian terhadap aktivitas yang
dilakukan apakah sudah sesuai dengan target yang telah ditentukan dan melakukan
perbaikan jika diperlukan.
2.5 Persediaan
Menurut Assauri, (2004;169) Persediaan adalah bahan atau bagian yang disimpan dan
digunakan dalam proses proses produksi dari suatu perusahaan. Selain itu persediaan juga
berupa barang jadi yang disediakan untuk memenuhi kebutuhan setiap saat. Terdapat
empat jenis persediaan secara umum, yaitu :
1. Bahan baku (raw material) adalah barang mentah yang siap diolah menjadi produk
jadi.
2. Bahan setengah jadi (work in process) adalah bahan baku yang telah diolah dan siap
untuk dijual ataupun akan di olah kembali untuk menjadi barang jadi.
3. Barang jadi (finished good) yaitu barang yang telah selesai diolah dan siap untuk
disimpan maupun didistribusikan.
11
4. Bahan – bahan pembantu (supplies) yaitu barang yang digunakan dalam proses
produksi maupun jasa namun tidak menjadi bagian dari produk akhir.
2.5.1 Tujuan Persediaan
Menurut Nasution & Prasetyawan, (2008:29) persediaan adalah sumber daya
menganggur yang harus tetap dijaga oleh perusahaan agar dapat menjalankan kegiatan
operasional perusahaan secara efektif dan efisien. Jika dalam suatu perusahaan terjadi
kekurangan persediaan atau bahkan kehabisan persediaan, maka pelanggan akan beralih ke
perusahaan lain karena harus menunggu untuk mendapatkan pesanan.
Menurut Stevenson, (2004:181) tujuan persdiaan adalah :
1. Untuk memenuhi permintaan konsumen
2. Untuk melancarkan kebutuhan produksi
3. Menjaga keberlangsungan aktivitas produksi agar tidak terganggu ketika terjadi
kerusakan mesin atau tidak terduga lainya.
4. Untuk menghindari kekurangan persediaan (stock out) karena pengiriman yang
terlambat ataupun kenaikan permintaan dari pelanggan,
5. Untuk mengambil keuntungan dari siklus pembelian barang.
6. Untuk menghindari terjadinya kenaikan harga barang.
7. Untuk memungkinkan terjadinya proses produksi. Kegiatan produksi yang
membutuhkan waktu, sehingga akan terjadi persediaan barang setengah jadi dalam
produksi maupun di gudang.
2.5.2 Biaya Persediaan
Biaya persediaan adalah semua biaya yang timbul akibat dari pengeluaran maupun
kerugian dari adanya persediaan menurut Nasution & Prasetyawan (2008:121). Biaya –
biaya tersebut meliputi :
1. Biaya pembelian (purchasing cost) : Biaya yang dikeluarkan untuk membeli barang
yang besarnya tergantung ukuran pemesanan.
2. Biaya pengadaan (procurement cost) : Biaya untuk pengadaan dibagi menjadi 2 jenis,
yaitu:
(a) Biaya pemesanan (ordering cost) adalah biaya untuk mendatangkan barang dari
pemasok. Biaya tersebut berupa biaya menentukan supplier, pengangkutan, biaya
penerimaan dan seterusnya.
12
(b) Biaya pembuatan (setup cost) adalah biaya untuk mempersiapkan produksi
produksi seperti set up mesin.
3. Biaya penyimpanan (holding cost) : Biaya yang dikeluarkan untuk menyimpan barang,
misalkan biaya gudang, biaya memiliki persediaan, biaya kerusakan biaya penyusutan,
biaya administrasi dll.
4. Biaya penyiapan (manufacturing cost) atau set up cost : Biaya ini terjadi jika bahan –
bahan yang digunakan tidak dibeli tetapi dibuat sendiri yang dapat menimbulkan biaya
– biaya untuk memproduksi bahan tersebut. Biaya – biaya tersebut seperti biaya
mesin – mesin menganggur, biaya penjadwalan, biaya penyiapan tenaga kerja dan
biaya ekspedisi lainya.
5. Biaya kekurangan (shortage cost) : Biaya yang harus dikeluarkan karena terjadi
kekurangan persediaan. Biaya tersebut misalkan keterlambatan produksi, hilangnya
konsumen. Selain itu keadaan tersebut juga dapat mengurangi keuntungan karena
proses produksi yang terganggu. Biaya kekurangan diukur dari kuantitas yang tidak
dapat dipenuhi, waktu pemenuhan dan pengadaan darurat. Biaya persediaan
dirumuskan dalam :
Total Cost Inventory (TIC) = PR +
(2-1)
2.6 Analisis ABC
Persediaan terdiri dari berbagai jenis barang yang jumlahnya sangat banyak dan
memiliki tingkat prioritas yang tidak sama. Oleh karena itu dibutuhkan suatu analisis untuk
mengetahui tingkat prioritas dalam menentukan persediaan.
Analisis ABC (Always, Better, Control) merupakan teknik pengendalian persediaan
yang mengklasifikasikan material berdasarkan biaya penggunaan barang tersebut per
periode (harga per unit material dikali volume penggunaan selama periode tertentu)
Gaspersz, (2002;273). Klasifikasi tersebut mengadopsi prinsip pareto menyatakan bahwa
20% dari bagian tersebut memiliki dampak yang besar yaitu 80%. Sehinga prinsip tersebut
menekankan bahwa walaupun bahan yang terdapat dalam persediaan hanya sebagian kecil,
namun memiliki dampak yang sangat besar.
Metode ini berguna untuk meningkatkan perhatian manajemen dalam menetukan
prioritas persediaan. Menurut Gasperz, (2002;273) analisis ABC terbagi menjadi 3
kelompok, yaiatu kelompok A, B, dan C.
13
1. Kelompok A adalah kelompok barang yang mempunyai nilai persediaan paling
sedikit, yaitu 10%-20% unit dari total persediaan. Tetapi kelompok A memiliki nilai
investasi sebesar 30%-70% dari nilai total investasi.
2. Kelompok B adalah kelompok barang yang memilik jumlah persedian 20%-30% unit
dari total persediaan dan memiliki nilai investasi sebesar 20%-30% dari nilai total
investasi.
3. Kelompok C adalah kelompok dengan jumlah sebesar 30%-70% unit dari total
persediaan namun memiliki nilai investasi sebesar 10%-20% dari total nilai investasi.
100%
20%
40%
60%
80%
20% 40% 60% 80%
Kelompok A
Kelompok B
Kelompok C
Presentase Jumlah Persediaan
Presentase Nilai Investasi
Gambar 2.1 Kurva ABC
Sumber: Gasperz, (2002:275)
2.6.1 Kriteria Analisis ABC
Metode ABC berguna untuk mengendalikan persediaan dan memudahkan manajemen
dalam menetukan persediaan yang penting dan di prioritaskan. Karena penentuan
persediaan sangat berpengaruh terhadap keuangan organisasi. Berikut ini adalah kriteria
dari masing – masing item dalam analisis ABC (Nasution & Prasetyawan, 2008:236) :
1. Kelas A
a. Membutuhkan perhatian yang lebih besar dari manajemen dan evaluasi peramalan
dengan beberapa metode yang lebih sering.
b. Membutuhkan kontrol secara ketat dengan melakukan pencatatan persediaan yang
masuk dan keluar
c. Melakukan pemesanan dengan jumlah yang kecil tetapi sering, untuk menghindari
kekurangan persediaan.
d. Tindakan yang dilakukan haarus berhati – hati untuk mengurangi lead time
2. Kelas B
Perlakuan hampir sama dengan kelas A, namun dengan frekuensi yang lebih sedikit
14
3. Kelas C
a. Melakukan pencatatan secara sederhana dan pengamatan periodik
b. Melakukan pemesanan dengan jumlah besar dan tetap memperhatikan kebutuhan
safety stock
2.6.2 Penggunaan Analisis ABC
Menurut Gasperz, (2002:273) analisis ABC digunakan untuk menetapkan:
1. Frekuensi perhitungan inventori (cycle counting), bahan – bahan yang termasuk dalam
kelas A harus lebih sering diuji pencatatan inventorinya dari bahan kelas B dan kelas
C.
2. Prioritas rekayasa, melakukan rekayasa pada bahan – bahan kelas A dan B dalam
program untuk mengurangi biaya – biaya ketika mencari bahan yang perlu difokuskan.
3. Memprioritaskan pembelian kepada bahan baku yang mempunyai nilai tingggi (hight
cost) dan penggunaan dalam jumlah tinggi (high usage).
4. Keamanan, analisis ABC digunakan sebagai indikator dari bahan – bahan kelas A dan
B untuk disimpan kedalam ruang yang aman untuk mencegah kerusakan maupun
kehilangan .
5. Sistem pengisian kembali (replenishment systems), analisis ABC membantu
mengidentifikasi metode dalam pengendalian yang akan digunakan.
6. Keputusan investasi, bahan – bahan pada kelas A menunjukkan investasi yang lebih
besar, sehingga harus berhati – hati ketika menentukan kuantitas pemesanan dan stok
pengamanan terhadap bahan kelas A dibandingkan dengan kelas B dan C.
2.6.3 Prosedur Pengelompokkan Analisis ABC
Menurut Gasperz, (2002:274) dalam mengunakan analisis ABC terdapat beberapa
prosedur dalam mengelompokkanya, antara lain :
1. Menentukan volume penggunaan per periode terhadap barang yang diklasifikasikan
2. Mengalikan volume jumlah penggunaan per periode dengan biaya per unit untuk
memperoleh total biaya inventori per periode.
3. Menjumlahkan nilai total biaya dari semua material inventori untuk mendapatkan total
penggunaan biaya keseluruhan.
4. Membagi total biaya setiap barang per periode dengan jumlah total biaya keseluruhan
persediaan untuk mendapatkan presentase dari total penggunaan barang.
5. Mengurutkaan persediaan berdasarkan presentase penggunaan yang paling besar.
15
6. Mengelompokkan barang ke dalam kelas A, B, dan C berdasarkan kriteria yang telah
ditentukan.
Setelah bahan – bahan tersebut dikelompokkan, selanjutnya pihak manajemen perlu
menggunakan kebijakan JIT dalam mengelola persediaan kelas A.
Tabel 2.2
Contoh Keputusan Manajemen
Deskripsi Kelas A Kelas B Kelas C
Fokus perhatian Manajemen Utama Normal Cukup
Pengendalian Ketat Normal Longgar
Stok Pengaman Sedikit Normal Cukup
Akurasi Peramalan Tinggi Normal Cukup
Kebutuhan perhitungan Inventori (cycle counting) 1 – 3 bulan 3 – 6 bulan 6 – 12 bulan
Sumber: Gaspers, (2002:276)
2.7 Analisis VED
Menurut Thawani, et al (2003), analisis VED bertujuan untuk mengkelompokkan obat
dalam kaitanya dengan tingkat kekrtisan pemberian obat terhadap pasien. Sedangkan
kategori obat tersebut antara lain adalah :
1. Kategori V (Vital) yaitu obat yang sangat dibutuhkan oleh pasien untuk
menyelamatkan hidupnya dan harus ada setiap waktu dalam persediaan.
2. Kategori E (Essential) yaitu kategori obat yang berguna untuk mengurangi rasa sakit
namun memiliki waktu pemberian yang lebih rendah dari kategori vital.
3. Kategori D (Desirable) yaitu obat penunjang dengan waktu pemberian terhadap pasien
lebih rendah dari kategori vital dan essential
2.7.1 Kategori Obat Vital
Obat kategori vital harus tersedia setiap saat dalam persediaan meskipun dalam jumlah
sedikit. Obat dalam kategori ini harus tersedia minimal 20% dari total obat yang tersedia.
Obat dalam kategori vital antara lain :
1. Obat penyelamat (life saving drugs).
2. Obat pelayanan kesehatan pokok, contoh : serum dan vaksin
3. Obat untuk mengatasai penyakit dengan penyebab kematian yang besar, contoh :
stroke, penyakit jantung, kanker dan diabetes.
16
2.7.2 Kategori Obat Essential
Menurut Keputusan Menteri Kesehatan Republik Indonesia
No.312/MENKES/SK/IX/2013 obat essential adalah adalah obat terpilih yang paling
dibutuhkan yang mencakup upaya diagnosis, profilaksis (mencegah atau menjaga), terapi
dan rehabilitasi, yang diupayakan tersedia di fasilitas kesehatan sesuai fungsi dan
tingkatnya. Obat essential harus tersedia minimal 15% dari total persediaan yang tersedia.
Berikut ini adalah kriteria pemilihan obat essential.
1. Memiliki rasio manfaat-resiko (benefit-risk ratio) yang paling menguntungkan
penderita.
2. Mutu terjamin, termasuk stabilitas dan bioavailabilitas.
3. Praktis dalam penyimpanan dan pengangkutan.
4. Praktis dalam penggunaan dan penyerahan.
5. Menguntungkan dalam hal kepatuhan dan penerimaan oleh penderita.
6. Memiliki rasio manfaat-biaya (benefit-cost ratio) yang tertinggi berdasarkan biaya
langsung dan tidak langsung.
7. Bila terdapat lebih dari satu pilihan yang memiliki efek terapi yang serupa, pilihan
dijatuhkan pada:
a. Obat yang sifatnya paling banyak diketahui berdasarkan data ilmiah.
b. Obat dengan sifat farmakokinetik yang diketahui paling menguntungkan.
c. Obat yang stabilitasnya lebih baik.
d. Mudah diperoleh.
e. Obat yang telah dikenal
8. Obat jadi kombinasi tetap, harus memenuhi kriteria berikut:
a. Obat hanya bermanfaat bagi penderita dalam bentuk kombinasi tetap.
b. Kombinasi tetap harus menunjukkan khasiat dan keamanan yang lebih tinggi
daripada masing-masing komponen.
c. Perbandingan dosis komponen kombinasi tetap merupakan perbandingan yang tepat
untuk sebagian besar penderita yang memerlukan kombinasi tersebut.
d. Kombinasi tetap harus meningkatkan rasio manfaat-biaya (benefit-cost ratio).
e. Untuk antibiotik kombinasi tetap harus dapat mencegah atau mengurangi terjadinya
resistensi dan efek merugikan lainnya.
17
2.7.3 Kategori Obat Desirable
Obat dalam kategori ini merupakan obat yang paling sedikit tingkat penggunaanya bila
dibandingkan dengan kelas lainya. Kategori obat desirable termasuk dalam obat penunjang
seperti vitamin. Obat ini harus tersedia minimal 5% dari total persediaan. Kekosongan
persediaan kategori obat ini dapat ditolelir lebih dari 48 jam.
2.8 Matriks Analisis ABC-VED
Menurut Thawani, et al (2003) dalam menentukan prioritas persediaan obat dapat
dilakukan dengan menggabungkan analisis ABC-VED. Kombinasi tersebut terbagi dalam
tiga kelas.
Tabel 2.3
Matriks Analisis ABC-VED
Kategori ABC
A (Always) B (Better) C (Control)
Kategori VED
V (Vital) AV BV CV
E (Essential) AE BE CE
D (Desirable) AD BD CD
Sumber: Thawani, et al (2003)
1. Kelas I : AV, BV, CV, AE, AD
Kelompok I merupakan kelompok yang dikelola oleh manajemen puncak karena
membutuhkan pengawasan yang lebih tinggi untuk menjaga anggaran dan
ketersediaan obat
2. Kelas II : BE, CE, BD
Kelompok II adalah kelompok yang memiliki tingkat prioritas dan perhatian dari
manajemen lebih rendah dari kelas I
7. Kelas III: CD
Kelas III adalah kelompok obat yang memiliki tingkat prioritas yang paling rendah
dan perhatian yang paling rendah dari manajemen
2.9 Peramalan
Menurut Nasution & Prasetyawan (2008:29) peramalan merupakan cara untuk
menentukan atau memperkirakan kebutuhan di masa depan seperti penjualan, persediaan,
pengunaan produk berdasarkan data historis. Peramalan berfungsi sebagai alat pengambil
keputusan yang baik. Peramalan juga digunakan untuk alat bantu dalam perencanaan untuk
menentukan sumber daya di msasa depan secara efektif dan efisien. Namun peramalan
tidak terlalu diperlukan dalam kondisi permintaan yang stabil ketika permintaan relatif
kecil. Peramalan diperlukan ketika kondisi permintaan bersifat dinamis dan komplek.
18
2.9.1 Macam – macam Teknik Peramalan
Menurut Gaspersz (2002:85) terdapat dua pendekatan dalam teknik peramalan yaitu
kualitatif dan kuantitatif.
1. Teknik kualitatif merupakan teknik peramalan yang tidak menggunakan perhitungan
secara matematis, namun teknik ini lebih menggunakan pertimbangan akal sehat
maupun pengalaman dari seseorang yang subjektif, dipengaruhi oleh emosi, instuisi,
maupun pendidikan. Empat metode yang digunakan dalam teknik kuantitatif ini adalah
survey, delphi (perkiraan para ahli), keputusan manajer dan riset pasar.
2. Teknik kuantitatif marupakan teknik peramalan yang menggunakan perhitungan
secara matematis untuk meramalkan kondisi di masa yang akan datang. Teknik ini
dapat digunakan ketika informasi yang digunakan dapat dikuantifikasikan ke bentuk
data. Metode yang digunakan dalam teknik ini adalah metode deret berkala (time
series) dan metode kausal.
2.9.2 Metode Time Series
Metode time series adalah metode yang digunakan dalam menganalisi data
berdasarkan waktu untuk memperkirakan permintaan. Dalam menggunakan time series
perlu mempertimbangkan jenis pola data untuk memperoleh metode yang tepat untuk
dapat diuji. Dalam time series terdapat lima macam pola data, yaitu :
1. Pola Random
Pola data ini terjadi jika permintaan berfluktuasi diantara nilai rata – rata. Metode
peramalan yang tepat digunakan adalah metode moving average, weighted moving
average, dan exponential smoothing.
Gambar 2.2 Pola random Sumber: Matrikdakis, et al (1999:23)
2. Pola Musiman (Seasonal)
Pola musiman terjadi ketika permintaan dipengaruhi oleh musim yang memiliki pola
penjualan yang konstan dan berulang setiap periode seperti pada gambar 2.3. Metode
yang sesuai adalah winter’s exponential smoothing, moving average, dan weighted
moving average.
19
Gambar 2.3 Pola musiman
Sumber: Matrikdakis, et al (1999:23)
3. Pola Siklus
Pola ini terjadi ketika permintaan dipengaruhi oleh faktor yang ada dan interval yang
tidak pasti. Metode yang digunakan dalam pola ini adalah moving average, weight
moving average, dan exponential smoothing.
Gambar 2.4 Pola siklus
Sumber: Matrikdakis, et al (1999:23)
4. Pola Kecenderungan (trend)
Pola kecenderungan ini ditandai dengan kecenderungan pola data yang naik atau turun
seperti terlihat pada gambar 2.5 . Metode peramalan yang sesuai antara lain
exponential smoothing with tren dan tren line analysisi.
Gambar 2.5 Pola trend
Sumber: Matrikdakis, et al (1999:23)
2.9.3 Metode Kausal
Metode kasual atau yang sering disebut regresi ini menggunakan analisa antara
hubungan variabel yang diperkirakan (dependen) dengan variabel lain yang
mempengaruhinya (independen). Contoh dari metode ini misalkan tingkat permintaan
suatu barang yang dipengaruhi oleh jumlah populasi penduduk, daya beli, pendapatan dll.
20
2.9.4 Metode Peramalan
Dalam melakukan peramalan digunakan metode tertentu sesuai dengan pola data serta
tujuan yang akan dicapai. Berikut ini merupakan metode peramalan :
1. Moving Average
Metode ini menggunakan rata – rata dari permintaan berdasarkan data masa lalu.
Metode tersebut efektif digunakan ketika diasumsikan bahwa permintaan stabil
sepanjang waktu.
∑
(2-2)
Sumber: Gasperz (2002:97)
Keterangan:
Ŷt = peramalan permintaan periode t
Yt-i = permintaan aktual n periode terbaru
t = periode terbaru
n = jumlah periode moving average
2. Weighted Moving Average (WMA)
Metode ini menggunakan bobot yang berbeda pada setiap data permintaan aktual.
Metode ini disebut model rata – rata bergerak karena lebih responsif terhadap
perubahan karena biasanya data terbaru akan diberi bobot yang lebih besar karena
menggambarkan kondisi terakhir yang terjadi.
( ) ( )( )
( )
(2-3)
Sumber: Gasperz (2002:93)
3. Exponential Smoothing (ES)
Metode ini mengatasi kendala yang sering terjadi pada moving average yang cukup
banyak. Metode ini sesuai bila digunakan untuk data yang fluktuasinya relatif besar.
Ft = ( ) ) (2-4)
Sumber: Gaspersz (2002:97)
Keterangan:
= nilai peramalan periode t
= nilai peramalan satu periode waktu yang lalu, t–1
= nilai permintaan aktual satu periode waktu yang lalu, t–1
α = konstanta pemulusan antara 0 sampai 1
21
Menurut Gasperz, (2002:97) nilai α adalah 0 sampai 1. Jika pola historis data sangat
tidak stabil maka pilh yang mendekati 1namun, jika tidak berfluktuatif atau cukup
stabil maka pilihlah α mendekati 0.
4. Exponential Smoothing With Tren
Metode ini biasanya digunakan untuk meramalkan model exponential yang mengalami
tren.
Xt = α Yt-1 + (1- α)( Xt-1 + Tt-1) (2-5)
Tt = (1-β) Tt-1 + β (Ft - Ft-1) (2-6)
Yt = Xt + Tt (2-7)
Sumber: Gaspersz (2002:108)
Keterangan:
Xt = peramalan untuk periode t
Xt-1 = peramalan untuk periode t-1
α, β = Konstanta dengan nilai antar 0 dan 1
Tt = hasil perkiraan trend pada periode t
Tt-1 = hasil perkiraan trend pada periode t-1
5. Trend Line Analysis
Model trend line analysis ini digunakan jika pola historis data aktual mempunyai
kecenderungan naik dari waktu ke waktu. Model yang paling sederhana adalah
persamaan garis lurus (straight line equation):
Ft = a + bt (2 - 8)
tbAa (2 - 9)
22 )(tnt
tAntAb
(2-10)
Sumber: Gasperz (2002:102)
Keterangan:
Ft = nilai ramalan pada periode t
a = intersep dari persamaan garis lurus
b = slope garis kecenderungan, menunjukkan tingkat perubahan pada permintaan
22
2.9.5 Pengukuran Akurasi Hasil Peramalan
Ukuran akurasi hasil peramalan adalah tingkat perbedaan antara hasil peramalan
dengan data aktual atau data yang sebenarnya terjadi. Menurut Nasution & Prasetyawan
(2008:34) terdapat empat ukuran yang digunakan, yaitu:
1. Mean Absolute Deviation (MAD)
MAD adalah rata-rata absolute error selama periode yang tidak memperhatikan hasil
peramalan apakah lebih besar atau lebih kecil dibandingkan kenyataannya. MAD
dapat dihitung menggunakan rumus:
∑( )
(2-11)
Sumber: Nasution & Prasetyawan, (2008:34)
2. Mean Square Error (MSE)
MSE dihitung dengan cara menjumlahkan kuadrat semua error peramalan setiap
periode dan dibagi dengan jumlah periode peramalan. MSE dapat dihitung dengan
rumus:
MSE = ∑( )
(2-12)
Sumber: Nasution & Prasetyawan, (2008:34)
Keterangan:
At = Permintaan aktual periode t
Ft = Peramalan pada periode t
n = Jumlah periode peramalan yang terlibat
3. Mean Forecast Error
MFE efektif digunakan untuk mengetahui hasi peramalan selama periode tertentu
apakah terlalu tinggi atau terlalu rendah. jika hasil peramalan tidak bias, maka nilai
MFE akan mendekatin nol. MFE dapat dihitung menggunakan rumus:
∑( )
(2-13)
Sumber: Nasution & Prasetyawan, (2008:34)
Keterangan:
At = Permintaan aktual periode t
Ft = Peramalan pada periode t
n = Jumlah periode peramalanyang terlibat
23
4. Mean Absolute Precentage Error
MAPE adalah ukuran kesalahan relatif yang ditampilkan dalam bentuk persentase.
MAPE memberikan indikasi berapa besar kesalahan peramalan dibandingkan dengann
nilai aktualnya. MAPE dapat dihitung menggunakan rumus:
(
)∑|
|
(2-14)
Sumber: Nasution dan Prasetyawan (2008:35)
Keterangan:
At = Permintaan Aktual pada periode t
Yt = Peramalan Permintaan (Forecast) pada periode t
n = Jumlah periode
2.10 Lot Sizing
Lot sizing adalah cara yang digunakan untuk menetukan ukuran jumlah pemesanan
yang optimal. Menurut Sipper & Bulfin, (1998) ada dua model lot sizing, yaitu model statis
dan dinamis. Model statis digunakan ketika permintaan cenderung seragam dan konstan.
Sedangkan model dinamis digunakan ketika permintaan cenderung tidak seragam dan
fluktuatif. Model lot sizing tersebut dapat diketahui dengan melakukan perhitungan nilai
koefisien variabilitas.
Menurut Sipper & Bulfin, (1998) jika model lot sizing bersifat statis, maka metode
yang digunakan adalah Economic Order Quantity, Economic Production Quantity, dan Fix
Order Quantity. Sedangkan untuk model dinamis metode yang digunakan adalah Fix
Period, Period Order Quantity, Lot for Lot, Silver-Meal, Least Unit Cost, Part Period
Balancing, Wagner Within.
2.10.1 Penentuan Nilai Koefisien Variabilitas
Menurut Sipper & Bulfin, (1998) data dapat dikatakan statis jika nilai V < 0,25 dan
data yang bersifat dinamis jika nilai V ≥ 0,25. Nilai koefisien variabilitas dapat dihitung
dengan rumus sebagai berikut.
∑
(∑ ) )
(2-16)
Sumber: Sipper & Bulfin (1998:256)
Keterangan:
V = nilai koefisien variabilitas
n = jumlah periode data permintaan
24
Dt = jumlah permintaan pada periode n
2.10.2 Economic Order Quantitiy
Econmic Order Quantity digunakan untuk menentukan jumlah pemesanan setiap kali
pemesanan untuk meminimalisasi biaya persediaan. Biaya yang dipertimbangkan dalam
model EOQ adalah biaya pembelian (ordering cost) dan biaya penyimpanan. Menurut
Heizer dan Render (2010) dalam menggunakan model ini terdapat beberapa asumsi, yaitu:
1. Jumlah permintaan diketahui
2. Persediaan dari sebuah pesanan datang pada satu kelompok dalam satu waktu
3. Tidak ada diskon kuantitas
4. Hanya ada dua variabel biaya, yaitu biaya pemesanan dan biaya persediaan.
5. Pemesanan yang tepat waktu dapat menghindari kehabisan persediaan.
Berikut ini adalah rumus untuk menentukan umlah pemesanan yang optimal:
Q = HDS /2
(2-17)
Sumber: Tersine, (1994:94)
Keterangan:
Q = jumlah pemesanan optimum per pesan
D = jumlah pesanan suatu periode
S = biaya pemesanan setiap pesan
H = biaya simpan per unit per tahun
2.10.3 Period Order Quantitiy
Period Order Quantity menggunakan perhitungan yang sama dengan EOQ, namun
dalam POQ dihasilkan jumlah periode dalam s setiap kali pemesanan bukan jumlah unit
yang harus dipesan sehingga memberikan siklus yang tetap. Berikut ini adalah rumus
Period Order Quantity:
POQ = DH
S2
(2-18)
Sumber: Tersine, (1994:994)
Keterangan:
D = rata – rata pesanan suatu periode
S = biaya pemesanan setiap pesan
H = biaya simpan per unit per tahun
25
2.10.4 Algoritma Silver Meal
Algoritma Silver Meal merupakan metode heuristik yang digunakan untuk
menyelesaikan masalah dengan model permintaan dinamis. Menurut Sipper & Bulfin,
(1998:249), metode ini mudah digunakan dan mempunyai hasil yang paling baik
dibandingkan dengan metode heuristik yang lainya. Menurut Tersine, (1994:186) total
biaya per periode yang relevan adalah
( )
(2-19)
T
K 1( )
(2-20)
Keterangan:
C = biaya pesan per periode
H = presentase biaya pesan per periode
P = biaya pembelian per unit
Ph= biaya simpan per periode
TRC(T) =total biaya relevan periode T
T = waktu penambahan dalam periode
Rk = rata – rata permintaan dalam periode k
Metode ini digunakan untuk menentukan T dengan tujuan meminimumkan total biaya
relevan per periode.
( )
( )
(2-21)
Nilai jumlah pemesanan yang harus dipesan adalah sebagai berikut:
Q =
t
k kR1
(2-22)
Menurut Tersine, (1994:1987) ada dua kondisi saat metode heuristik tidak bisa
digunakan, yaitu ketika:
1. Demand rata –rata menurun cepat saat periode tertentu
2. Terdapat zero demand di sebagian besar periode
2.11 Reorder Point
Menurut Rangkuti (2004), Reorder Point adalah titik atau batas pemesanan kembali
atau juga bisa digunakan untuk mengetahui kapan dilakukan pemesananan kembali. ROP
terjadi apabila persediaan yang ada telah menipis sehingga perlu dilakukan pemesanan
kembali untuk menghindari terjadinya kekurangan persediaan.
26
Reorder point dipengaruhi oleh beberapa faktor menurut Gasperz, (2008:292) yaitu
tingkat permintaan, lead time ( waktu yang dibutuhkan mulai dari barang dipesan sampai
barang diterima), ketidakpastian tingkat permintaan dan waktu pengisian kembali,
kebijakan manajemen terkait dengan tingkat pelayanan pelanggan yang dapat diterima.
Menurut Stevenson & Chuong, (2014:201) model ROP dibagi empat, yaitu ketika:
1. Jumlah permintaan dan lead time konstan
Karena jumlah permintaan dan lead time bersifat konstan maka tidak ada penambahan
persediaan.
ROP = d x LT (2-23)
Keterangan:
d = tingkat permintaan (unit per periode)
2. Jumlah permintaan tidak tetap dan lead time konstan
Besarnya permintaan dalam model ini tidak konstan sehingga terdapat penambahan
persediaan.
ROP = ( d x LT ) + z d LT (2-24)
Keterangan:
d = rata- rata permintaan
Z = service level
LT = masa tenggang
d = standard deviasi permintaan
3. Jumlah permintaan konstan dan Lead Time tidak tetap
Besarnya lead time dalam model ini tidak konstan sehingga terdapat penambahan
persediaan.
ROP = (d x
LT ) + z d LT
(2-25)
Keterangan:
d = permintaan
LT = rata –rata lead time
z = service level
LT = standar deviasi dari lead time
4. Jumlah permintaan dan lead time tidak tetap
ROP = ( d x
LT ) + z LTd dLT 222
(2-26)
Keterangan:
27
d = rata- rata permintaan
LT = rata –rata lead time
z = service level
d2
= standar deviasi dari rata –rata permintaan
LT2 = standar deviasi dari lead time
29
BAB III
METODOLOGI PENELITIAN
Pada Bab ini akan dijelaskan mengenai prosedur dalam mengumpulkan dan mengolah
data. Selain itu juga akan dijelakan jenis penelitian, tempat dan waktu penelitian, data yang
dibutuhkan serta langkah – langkah penelitian
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian deskriptif.
Penelitian deskriptif adalah penelitian yang bertujuan untuk memberikan solusi pemecahan
masalah berdasarkan data. Pada penelitian deskriptif ini, pengumpulan data didapatkan
dari penelitian kepustakaan dan penelitian lapangan yang berupa wawancara ataupun
pengamatan langsung terhadapat keadaan yang sebenarnya terjadi pada perusahaan.
Penelitian ini memberikan penjelasan dengan objektif dengan menyajikan, menganalisis,
dan mengintepretasikan data. (Narbuko & Achmadi, 1997)
3.2 Tempat Dan Waktu Penelitian
Penelitian ini akan dilakukan Rumah Sakit Jiwa Dr.Radjiman Wediodiningrat Lawang
yang terletak di Jl. Jend A Yani, Lawang, Kab. Malang, Lawang, Jawa Timur. Waktu
pelaksanaan penelitian adalah mulai Bulan Mei – November 2017.
3.3 Langkah – Langkah Penelitian
Langkah-langkah penelitian merupakan suatu tahapan kegiatan yang dilakukan dalam
penelitian yang tersusun secara berurutan dan sistematis. Langkah-langkah dalam
penelitian ini dibagi menjadi 4 tahap, yaitu tahap pendahuluan, tahap pengumpulan dan
pengolahan data, tahap analisa dan pembahasan, serta tahap kesimpulan dan saran. Berikut
ini adalah tahapan penelitian yang dilakukan pada penelitian ini.
3.3.1 Tahap Pendahuluan
Pada tahap ini langkah – langkah yang dilakukan adalah sebagai berikut.
1. Studi Lapangan
29
30
Studi lapangan berupa studi pendahuluan untuk mengetahui kondisi sebenarnya
pada RSJ Dr.Radjiman Wediodiningrat Lawang dan mendapatkan informasi yang
berkaitan masalah – masalah yang terjadi. Studi lapangan dilakukan dengan
wawancara dan pengamatan secara langsung. Wawancara dilakukan dengan Kepala
Instalasi Farmasi RSJ Dr.Radjiman Wediodiningrat Lawang dan pekerja bagian
gudang obat RSJ Dr.Radjiman Wediodiningrat Lawang.
2. Identifikasi Masalah
Identifikasi masalah digunakan untuk mengetahui permasalahan dan penyebab
timbulnya permasalahan tersebut. Masalah yang ada adalah masih terjadi perbedaan
yang signifikan antar perencanaan dan penggunaan obat sehingga masih sering terjadi
kondisi kelebihan maupun kekurangan stock . Selain itu pihak rumah sakit juga masih
kesulitan untuk mengklasifikasikan obat yang akan direncanakan.
3. Studi Literatur
Studi literatur merupakan langkah dalam mempelajari teori dan ilmu
pengetahuan yang berhubungan dengan permasalahan yang ada di lapangan. Pada
tahap ini dilakukan perumusan kerangka teori yang dapat menunjang penelitian baik
dari dari artikel, buku, modul, jurnal, internet, dan studi penelitian terdahulu.
4. Perumusan Masalah
Perumusan masalah digunakan untuk menentukan rinci dari permasalahan dan
tujuan dari penelitian. Rumusan masalah yang ada adalah bagaimana hasil
pengelompokkan obat tablet berdasarkan analisis ABC-VED di Instalasi Farmasi RSJ
Dr. Radjiman Wediodiningrat Lawan, metode peramalan apa yang digunakan untuk
mengetahui permintaan, berapakah besarnya pemesanan agar optimal dan kapan waktu
pemesanan kembali.
5. Penentuan Tujuan Penelitian
Tujuan penelitian ditentukan berdasarkan rumusan masalah yang ada. Penentuan
tujuan penelitian digunakan untuk memudahkan dalam mengetahui metode untuk
pengolahan dan analisis data. Tujuan penelitian ini adalah untuk mengklasifikasikan
obat berdasarkan tingkat investasi dan tingkat kekritisan obat, mengetahui metode
peramalan yang tepat, mengetahui ukuran pemesanan dan waktu pemesanan kembali.
3.3.2 Tahap Pengumpulan Data
Dalam tahap ini, pengumpulan data adalah sebagai kegiatan untuk mendapatkan
informasi mengenai hal-hal yang diperlukan dalam penelitian ini. Pengumpulan data dapat
31
dilakukan dengan studi pustaka, observasi, melakukan wawancara, dan lainnya. Data yang
dibutuhkan dalam penelitian ini adalah data primer dan data sekunder. Data primer
diperoleh dengan observasi dan wawancara dengan pihak rumah sakit, seperti :
1. Kelompok obat Vital
2. Kelompok obat Essential
3. Kelompok obat desirable
Sedangkan data sekunder didapatkan dari data – data yang tersedia di lapangan seperti:
1. Profil RSJ Dr.Radjiman Wediodiningrat Lawang
2. Struktur organisasi RSJ Dr.Radjiman Wediodiningrat Lawang
3. Daftar obat di RSJ Dr.Radjiman Wediodiningrat Lawang
4. Daftar harga obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang
5. Data perencanaan obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang periode
2016
6. Data permintaan obat obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang
periode 2016
7. Data biaya penyimpanan obat
8. Data biaya pemesanan obat
9. Data lead time obat
3.3.3 Tahap Pengolahan Data
Dalam tahap ini, dilakukan pengolahan data terhadap data yang telah diperoleh
sebelumnya. Tahapan pengolahan data yang dilakukan adalah sebagai berikut:
a. Mengklasifikasikan obat tablet berdasarkan dengan analisis Always Better Control
(ABC) untuk mengetahui kelompok obat berdasarkan tingkat investasi.
Pengelompokkan dilakukan dengan menjumlahkan penggunaan tiap obat per tahun
dan mengalikan total penggunaan masing – masing obat per tahun dengan harga tiap
obat. Setelah itu membagi nilai total penggunaan biaya masing – masing obat per
tahun dengan total penggunaan keseluruhan obat untuk mengetahui presentase
penggunaan masing – masing obat. Selanjutnya mengurutkan mulai dari presentase
terbesar ke sampai terkecil dan mengelompokkan obat berdasarkan kriteria yang telah
ditentukan.
b. Mengklasifikasikan obat tablet berdasarkan dengan analisis Vital Essential Desirable
(VED) untuk mengetahui kelompok obat berdasarkan tingkat kekritisan waktu
32
pemberian obat terhadap pasien. Pengelompokkan dilakukan dengan cara memberikan
kuisioner berupa check list kepada pihak yang berkompeten.
c. Mengelompokkan obat tablet dengan kombinasi analisis ABC dan VED dengan
matriks ABC-VED yang berguna untuk mengetahui tingkat prioritas persediaan.
Kombinasi tersebut menghasilkan tiga kelas yang mempunyai tingkat prioritas yang
berbeda. Kelas I merupakan kelas obat yang mempunyai tingkat prioritas paling
tinggi. Kelas II adalah obat dengan tingkat prioritas yang lebih rendah dibanding kelas
I. Sedangkan kelas III merupakan kelompok obat yang mempunyai tingkat prioritas
paling tinggi.
d. Melakukan peramalan permintaan masing –masing obat dengan data historis pada
periode Januari 2016 – Desember 2016 untuk mengetahui permintaan pada tahun
2017. Teknik peramalan yang diginakan adalah kuantitatif dengan metode time series.
Metode peramalan yang dipilih adalah peramalan yang memiliki nilai error terkecil
e. Menghitung koefisien variabilitas masing – masing obat berdasarkan data historis.
Perhitungan tersebut untuk mengetaui sifat dari data apakah bersifat dinamis atau
statis. Jika V < 0,25 data bersifat statis dan data bersifat dinamis ketika V > 0,25. Sifat
data tersebut nantu digunaka untuk mengetahui metode yang akan digunakan dalam
menghitung lot sizing.
f. Menghitung ukuran pemesanan masing – masing obat untuk mengetahui ukuran
pemesanan yang optimal dan menghasilkan total inventory cost yang minimal dengan
metode yang telah ditentukan.
g. Menghitung ROP (reorder point) masing – masing obat untuk mengetahui titik
pemesanan kembali agar tidak terjadi kekurangan ataupun kelebihan obat.
3.3.4 Tahap Analisa Dan Kesimpulan
Pada tahap ini dilakukan analisa terhadap hasil pengolahan data yang telah dilakukan
untuk mengetahui dan memberikan rekomendasi dalam mengatasi permaslahan tersebut.
Kemudian tahap kesimpulan digunakan untuk mengetahui hasil penelitian dengan
menjawab rumusan masalah yang telah ditentukan sebelumnya dan memberikan saran
untuk pelaksanaan selanjutnya.
3.4 Diagram Alir Penelitian
33
Pada diagram alir penelitian terdapat tiga tahap, yaitu tahap pendahuluan, tahap
pengumpulan dan pengolahan data. Berikut ini adalah diagram alir penelitian pada
penelitian ini.
34
Mulai
Studi Lapangan
Identifikasi Masalah
Studi Literatur
Rumusan Masalah
Penentuan Tujuan Penelitian
Pengumpulan Data
Data Primer :
1. Kelompok obat vital
2. Kelompok obat essential
3. Kelompok obat desirable
Data Sekunder
1. Profil RSJ Dr.Radjiman Wediodiningrat Lawang
2. Struktur organisasi RSJ Dr.Radjiman Wediodiningrat Lawang
3. Daftar obat di RSJ Dr.Radjiman Wediodiningrat Lawang
4. Daftar harga obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang
5. Data perencanaan obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang
periode 2016
6. Data permintaan obat di Instalasi RSJ Dr.Radjiman Wediodiningrat Lawang
periode 2016
7. Data biaya penyimpanan obat
8. Data biaya pemesanan obat
9. Data lead time obat
Pengolahan Data
1. Melakukan pengelompokkan obat tablet dengan analisis ABC
2. Melakukan pengelompokkan obat tablet dengan analisis VED
3. Melakukan pengelompokkan obat tablet berdasarkan analisis ABC-VED
4. Melakukan peramalan tiap item obat tablet untuk tahun 2017
5. Menghitung koefisien variablitas tiap item obat tablet
6. Menghitung ukuran pemesanan yang paling optimal tiap item obat
7. Menghitung Reorder Point
Analisa dan Pembahasan
Menganalisa hasil pengelompokkan obat tablet berdasarkan
analisis ABC-VED, hasil peramalan, penentuan lot sizing, dan
waktu pemesanan kembali
Kesimpulan dan Saran
Selesai
Tahap Analisa dan Kesimpulan
Tahap Pendahuluan
Tahap Pengumpulan
dan Pengolahan Data
Gambar 3.1 Diagram Alir Penelitian
35
BAB IV
HASIL DAN PEMBAHASAN
Pada bab hasil dan pembahasan ini akan dijelaskan mengenai pengumpulan data yang
dilakukan, pengolahan data yang telah dilakukan dan di analisis. Kemudian
mengintrepertasikan data untuk mendapatkan usulan perbaikan
4.1 Gambaran Umum Objek Penelitian
Berikut ini merupakan penjelasan mengenai gambaran secara umum dari objek
penelitian di Rumah Sakit Jiwa Dr.Radjiman Wediodiningrat Lawang.
4.1.1 Sejarah Perusahaan
Rumah Sakit Jiwa Lawang dibuka secara resmi pada tanggal 23 Juni 1902. Pengerjaan
mendirikan rumah sakit ini dimulai tahun 1884 berdasarkan Surat Keputusan Kerajaan
Belanda tertanggal 20 Desember 1865 No.100. Sebelum Rumah Sakit Jiwa Lawang
dibuka, perawatan pasien mental diserahkan kepada Dinas kesehatan Tentara (Militaire
Gezondheids Dienst).
Dalam kurun waktu 1942 - 1945, Rumah Sakit Jiwa Lawang mengalami penurunan
pelayanan, karena kurangnya sarana perawatan dan adanya penyakit menular, jumlah
pasien menurun sampai 800 orang. Tahun 1947 jumlah pasien : 1.200 orang, gabungan
antara anex Suko dan Rumah Sakit Jiwa Lawang. Pada tahun 1950-1966 Rumah Sakit Jiwa
Lawang menerima pengungsian pasien dari RSJ Pulau Laut (Kalimantan Selatan) sebanyak
120 pasien dan 40 orang pegawai.
Dalam kurun waktu 1966 sampai dengan sekarang, mulai terjadi beberapa
pengembangan pengobatan dan perawatan pasien gangguan jiwa baik pada Unit Rawat
Inap, maupun Rawat Jalan dan Keswamas. Pengembangan unit penunjang medik berupa
pemeriksaan laboratorium(drug monitoring), radio diagnostik, elektromedik. Sejak tahun
1978, susunan organisasi dan tata kerja Rumah Sakit Jiwa Pusat Lawang diatur oleh SK.
Menkes RI. No. 135/Men.Kes/SK/IV/1978.
Pada tahun 1998 – 2005 telah dibangun 3 gedung utama berlantai tiga untuk
mendukung terwujudnya sistem pelayanan terpadu.Dengan tersedianya fasilitas tersebut
35
36
diatas, maka kebutuhan pasien dan masyarakat terhadap pelayanan serta akses informasi
dapat lebih cepat dan efisien.
Disamping peningkatan sarana fisik tersebut juga diikuti dengan peningkatan kualitas
SDM melalui program pendidikan berkelanjutan dan penyelenggaraan berbagai training,
termasuk penyelenggaraan penelitian pelayanan kesehatan jiwa.
Dalam perkembangannya pelayanan kesehatan tidak hanya menangani gangguan
mental, tetapi juga melayani kasus umum sederhana, kasus narkoba, pemeriksaan
psikologi, gigi, laboratorium, radiologi, dan lain-lain.
Dengan beberapa upaya peningkatan pelayanan yang telah dilakukan, pada usianya
yang ke 100 (satu abad) beberapa kendala masih dihadapi seperti kondisi bangunan yang
sudah tua, sistem pendukung seperti saluran pipa air, salasar antar ruangan yang kurang
berfungsi optimal. Namun demikian kondisi lingkungan, halaman antar ruangan yang luas,
sisa lahan yang masih luas merupakan aset yang dapat dikembangkan serta mendukung
pelayanan perawatan gangguan mental yang profesional sesuai dengan tuntutan
masyarakat.
Pada bulan Januari 2005 RSJ. dr. Radjiman Wediodiningrat Lawang berhasil
memperoleh Sertifikat ISO 9001 : 2000 dalam bidang Manajemen, Pelayanan RSJ dan
Keswamas untuk jangka waktu 3 Tahun sampai dengan Desember 2007, untuk Tahun
2008 telah dilakukan sertifikasi ulang, dan pada tanggal 8 April 2008 telah diterima
sertifikat ISO 9001 – 2000 dari Badan Sertifikasi SGS untuk periode 3 tahun kedua.
Tanggal 21 Juni 2007 RSJ dr. Radjiman Wediodiningrat Lawang telah ditetapkan
sebagai PPK–BLU penuh sesuai dengan Keputusan Menteri Keuangan Nomor :
284/KMK.05/2007 dan SK Menteri Kesehatan No. 756/Men.Kes/SK/VI/2007 tanggal 26
Juni 2007 tentang Penetapan 15 Rumah Sakit Unit Pelaksana Teknis (UPT) Departemen
Kesehatan dengan menerapkan PPK–BLU, kemudian pada tanggal 11 Maret 2008 sesuai
dengan SK Menkes 254/Menkes/Per/III/2008 bahwa RSJ. dr. Radjiman Wediodiningrat
Lawang telah ditetapkan Struktur Organisasi dan Tata Kelola yang baru untuk mendukung
kinerja sebagai Rumah Sakit dengan Pelayanan Badan Layanan Umum. Tanggal 26
Nopember 2008 RSJ ditetapkan sebagai Rumah Sakit telah memenuhi Standart RS dengan
status Akreditasi Penuh dengan sertifikat No : ym.01.01/III/4292/08 oleh Menteri
Kesehatan RI.
37
4.1.2 Visi dan Misi Perusahaan
1. Visi:
Menjadi Rumah Sakit pusat rujukan nasional psikogreriatri pada tahun 2019.
Uraian atrinut visi:
a. Rumah Sakit Jiwa: Institusi Pelayanan kesehatan yang menyelenggarakan pelayanan
kesehatan jiwa secara paripurna yang menyediakan pelayanan rawat inap, rawat jalan,
dan gawat darurat dengan fungsi:
Menyelenggarakan pelayanan medis yang meliputi rawat jalan,rawat inap, rawat
darurat, perawatan intensif, dan kegiatan pelayanan medis lain.
Pelayanan penunjang medis dan non-medis yang meliputi radiologi, farmasi, gizi,
rehabilitasi, pemulasaraan jenasah, pemeliharaan sarana rumah sakit, dan
penunjang medis lainnya.
Menyelenggarakan pelayanan dan asuhan keperawatan.
Menyelenggarakan pelayanan rujukan.
Menyelenggarakan pendidikan dan pelatihan.
Menyelenggarakan penelitian dan pengembangan.
Menyelenggarakan administrasi umum dan keuangan
b. Paripurna: Pelayanan kesehatan yang meliputi promotif, preventif, kuratif, dan
rehabilitatif.
c. Standar Pelayanan Kelas Dunia: Standar Seluruh Pelayanan sebagaimana tercantum
dalam uraian misi RSJ dr. Radjiman Wediodiningrat Lawang, diberikan sesuai dengan
ketentuan Komite Akreditasi Rumah Sakit (KARS) yang terintegrasi pada sistem
sertifikasi JCI (Joint Commission Accredited International).
d. Masyarakat sehat yang mandiri dan berkeadilan:
Masyarakat mampu dan memperoleh kesempatan untuk kehidupan yang sejahtera
dari badan, jiwa dan sosialnya yang memungkinkan untuk hidup produktif secara
sosial dan ekonomi.
Masyarakat memperoleh kesempatan dan mampu mengembangkan kondisi
mental yang sejahtera yang memungkinkan hidup harmonis dan produktif sebagai
bagian yang utuh dari kualitas hidup seseorang , dengan memperhatikan semua
segi kehidupan.
38
Masyarakat memperoleh pelayanan kesehatan sesuai dengan target nasional yang
tercantum dalam Rencana Pembangunan Jangka Menengah Nasional dan target
global yaitu millenium development goals (MDG’s).
Pelayanan kesehatan yang diberikan berpihak kepada masyarakat, yang diberikan
secara cepat dan tepat oleh team tenaga kesehatan yang profesional yang bersifat
transparan dan akuntabel.
2. Misi:
a. Mengembangkan Rumah Sakit pusat rujukan nasional dalam pelayanan kesehatan jiwa
yang prima dengan unggulan usia lanjut
b. Mewujudkan sistem manajemen Rumah Sakit yang menjamin kepastian hukum secara
efektif, efesien, transparan, akuntabel, dan responsif menjawab tuntunan masyarakat.
c. Mengembangkan pendidikan, pelatihan dan penelitian yang terintegrasi untuk
meningkatkan kualitas pelayanan
d. Meningkatkan upaya penanggulan masalah psikosial di masyarakat dan
mengembangkan jejaring kesehatan jiwa
4.1.3 Struktur Organisasi
Berikut ini merupakan struktur organisasi dari Rumah Sakit Dr Radjiman
Wdediodiningrat Lawang.
39
Komite Medik
Staf Medik Fungsional
Komite Etik dan Hukum
Direktur Medik dan
Keperawatan
Direktur Sumber Daya Manusia dan Pendidika
Direktur Keuangan dan Administrasi
Umum
Satuan Pemeriksaan
Internal
Dewan Pengawas
Bidang Keperawatan
Seksi Pelayanan Keperawatan Rawat Jalan
Seksi Pelayanan Keperawatan Rawat Inap
Bidang Medik
Seksi Pelayanan Medik
Seksi Penunjang Medik
Instalasi
Kelompok Jabatan
Fungsional
Bagian Sumber Daya Manusia
Sub Bagian Administrasi Kepegawaian
Sub Bagian Pengembangan
Sumber Daya
Bagian Pendidikan dan
Penelitian
Sub bagian Pendidikan dan
Penelitian Tenaga Medis
Sub bagian Pendidikan dan
Penelitian Tenaga Keperawatan dan Non
Medis
Instalasi
Kelompok Jabatan
Fungsional
Bagian Keuangan
Sub Bagian Program Anggaran
Sub Bagian PerbendaharaanDan Akuntansi
Sub Bagian Mobilisasi Dana
Bagian Administrasi
Umum
Sub Bagian Tata Usaha dan Pelaporan
Sub Bagian Rumah Tangga
dan Perlengkapan
Sub Bagian Hukum Organisasi dan
Hubungan Masyarakat
Instalasi
Kelompok Jabatan
Fungsional
Direktur Utama
Gambar 4.1 Struktur Organisasi RSJ Dr Radjiman Wediodiningrat Lawang
40
4.2 Pengumpulan Data
Pada bagian ini akan dijelaskan mengenai pengumpulan data yang akan dilakukan
dalam penelitian ini.
4.2.1 Permintaan Aktual Obat Tablet Tahun 2016
Persediaan obat di RSJ Dr Radjiman Wediodiningrat lawang terdiri dari beberapa
macam / bentuk. Obat tablet adalah obat dengan jumlah konsumsi paling banyak jika
dibandingkan dengan obat lainya. Untuk data data konsumsi obat tablet pada tahun 2016
bisa dilihat di lampiran 2.
4.2.2 Lead Time
Lead time adalah waktu tunggu atau waktu yamg dibutuhkan mulai dari dilakukanya
pemesanan suatu barang sampai barang tersebut siap digunakan. Lead time di RSJ Dr
Radjiman Wediodiningrat Lawang adalah sebesar 4 hari untuk semua obat tablet.
4.2.3 Biaya Pemesanan
Biaya pemesanan dalam penelitian ini tidak dihitung berdasarkan kuantitas barang
yang dipesan, melainkan biaya – biaya yang harus dikeluarkan dalam setiap kali
melakukan pemesanan. Berikut ini merupakan rincian biaya pemesanan obat.
1. Biaya Kertas
Kertas yang digunakan adalah kertas A4 70 gram. Dalam Satu kali pemesanan
membutuhkan rata – rata 36 lembar kertas yang digunakan untuk membuat surat
pemesanan. Harga satu rim kertas Rp 30.000. Berikut ini adalah perhitunganya.
Harga / lembar
Rp 30.000 : 500 = Rp 60 / lembar
Biaya kertas / pesan
Rp 60 x 36 lembar = Rp 2.160 / pesan
2. Biaya Tinta Print
Harga satu botol tinta 100 ml adalah Rp 68.000 yang mampu mencetak sekitar
2000 lembar. Berikut ini adalah perhitunganya.
Rp 68.000 : 2000 = Rp 34 / lembar
Rp 34 x 36 lembar = Rp 1.224 / pesan
41
3. Biaya Listrik
Besar daya dari komputer yang digunakan sekitar 250 watt dan printer sebesar 8
watt. Waktu yang dibutuhkan dalam melakukan pemesanan adalah ± 10 menit.
Menurut Permen ESDM No. 28 Tahun 2016 Tentang Tarif Tenaga Listrik Yang
Disediakan Oleh PT. PLN (Persero), tarif dasar listrik untuk keperluan sosial Rp
900/kWh. Berikut ini adalah perhitunganya.
Biaya listrik/pesan = jamkW60
10
1000
258Rp 900 kWh = Rp 38,7 / pesan
4. Biaya Telekomunikasi
Pemesanan dilakukan melalui telepon umum ke distributor yang berada dalam
satu wilayah. Waktu yang dibutuhkan dalam ± 5 menit. Menurut website resmi
telekomunikasi Indonesia , tarif untuk penggunaan sambungan lokal telepon kabel
tidak bergerak adalah Rp 250 / 2 menit di luar jam sibuk dan Rp 250 /1,5 menit di jam
sibuk. Berikut ini adalah perhitunganya
Tarif telepon / pesan = menitRp
55,1
250 = Rp 833 / pesan
Tabel 4.1 adalah biaya yang dibutuhkan oleh rumah sakit dalam setiap kali melakukan
pemesanan
Tabel 4.1
Biaya Pemesanan
NO RINCIAN BIAYA
1 Biaya Kertas Rp 2.160 / pesan
2 Biaya Tinta Print Rp 1.244 / pesan
3 Biaya Listrik Rp 38,7 / pesan
4 Biaya Telekomunikasi Rp 833 / pesan
Total Rp 4.256 / pesan
4.2.4 Biaya Penyimpanan
Karena di dalam Rumah Sakit Jiwa Dr Radjiman Wediodiningrat belum ada data
secara terperinci mengenai biaya yang dibutuhkan dalam penyimpanan, maka perhitungan
biaya penyimpanan pada penelitian ini menggunakan biaya yang dikemukan oleh Heizer
dan Reider. Menurut Heizer dan Reider, (2010:518) biaya penyimpanan terdiri dari
housing cost sebesar 6%, material-handling cost sebesar 3%, labor cost sebesar 3%,
investment cost sebesar 11%, pillferage and scrap sebesar 3%. Sehingga total dari biaya
persediaan adalah 26% dari harga per item masing – masing obat.
42
4.3 Pengolahan Data
Pada bagian ini akan dijelaskan mengenai pengolahan data yang akan dilakukan dalam
penelitian ini.
4.3.1 Pengelompokkan Obat dengan Analisis ABC (Always Better Control)
Jumlah obat tablet yang ada di RSJ Dr Radjiman Wediodiningrat Lawang adalah 57
obat. Obat tersebut memiliki tingkat investasi yang berbeda – beda. Oleh karena itu obat
perlu dikelompokkan berdasarkan tingkat investasi untuk mengetahui obat yang akan
diprioritaskan dalam persediaan. Analisis ABC adalah analisis yang digunakan
mengelompokkan persediaan berdasarkan tingkat investasinya. Analisis ABC digunakan
dalam penelitian ini untuk menentukan prioritas persediaan dengan melihat nilai investasi
dan penggunaan obat. Perhitungan analisis ABC dapat dilihat di lampiran 3. Berikut ini
adalah prosedur pengelompokkan obat dengan analisis ABC :
1. Menjumlahkan total penggunaan tiap obat dalam 1 tahun (tahun 2016).
2. Mengalikan penggunaan masing – masing obat dalam satu tahun dengan biaya per unit
tiap obat untuk mengetahui nilai total penggunaan biaya per tahun masing – masing
obat.
Contoh : Penggunaan obat Sizoril 100 Mg adalah 900 unit per tahun dengan harga Rp
15.675 per unit. Biaya total penggunaan per tahun adalah 900 unit per tahun x Rp
15.675 per unit = Rp 14.107.500 per tahun. Untuk keseluruhan obat juga dihitung
total biaya penggunaan per tahun dengan cara seperti di atas.
3. Jumlahkan total biaya penggunaan per tahun dari semua obat untuk mendapatkan nilai
biaya penggunaan keseluruhan obat pada tahun 2016. Hasil dari biaya penggunaan
keseluruhan obat pada tahun 2016 adalah sebesar Rp 223.690.184
4. Menenentukan presentase total penggunaan biaya dari masing – masing obat dengan
cara membagi nilai total penggunaan tiap obat dengan nilai total penggunaan biaya
seluruh obat.
Contoh : Penggunaan obat Sizoril 100 Mg dibagi dengan total biaya keseluruhan obat
dan dikalikan 100%
%31,6%1008223.690.01
14.107.500
Untuk keseluruhan obat juga dihitung presentase penggunaan masing – masing obat
dengan cara diatas.
5. Mengurutkan masing – masing obat dimulai dari presentase terbesar sampai terkecil.
43
6. Mengklasifikasikan masing – masing obat dalam kelas A,B, dan C sesuai dengan
kriteria masing – masing. Menurut Gaspersz (2008:274) obat yang masuk dalam kelas
A sebanyak 20%, kelas B sebanyak 30% dan kelas C sebanyak 50% dari total obat.
Berikut ini merupakan tabel presentase pengelompokkan berdasarkan analisis ABC
dan penjelasan tentang pengelompokkan obat tablet dengan analisis ABC.
Tabel 4.2
Persentase Persediaan Berdasarkan Analisis ABC Kelompok Jumlah (item) Jumlah (%) Nilai Investasi (Rp) Nilai Investasi (%)
A 11 20% Rp 192.064.185,59 85,86%
B 17 30% Rp 27.918.887,66 12,48%
C 29 50% Rp 3.706.944,89 1,66%
TOTAL 57 100% Rp 223.690.018,14 100%
1. Obat tablet yang terdapat dalam kelompok A berjumlah 11 item. Obat dalam
kelompok A adalah obat dengan jumlah unit 20 % dari total persediaan dengan nilai
investasi sebesar 85,86 %.
2. Obat tablet yang terdapat dalam kelompok B berjumlah 17 item. Obat dalam
kelompok A adalah obat dengan jumlah unit 30 % dari total persediaan dengan nilai
investasi sebesar 12,48 %
3. Obat tablet yang terdapat dalam kelompok C berjumlah 29 item. Obat dalam
kelompok A adalah obat dengan jumlah unit 50% dari total persediaan dengan nilai
investasi sebesar 1,66 %.
Untuk hasil pengelompokkan obat berdasarkan berdasarkan analisis ABC bisa dilihat
di lampiran 4.
4.3.2 Pengelompokkan Obat dengan Analisis VED (Vital Essential Desirable)
Setelah mengelompokkan obat dengan analisis ABC, kemudian obat dikelompokkan
dengan analisis VED. Obat tersebut dikelompokkan berdasarkan tingkat kekritisan waktu
pemberian obat terhadap pasien. Pengelompokkan ini dilakukan melalui pengisian
kuisioner berupa check list yang bisa dilihat di lampiran 5. Hasil kuisioner tersebut adalah
10 obat masuk kategori vital atau kategori obat yang paling dibutuhkan oleh pasien dalam
kaitanya untuk menyelamatkan hidup pasien. Sebanyak 32 masuk dalam kategori essential,
yaitu kategori obat yang digunakan untuk terapi, diagnosis dan rehabilitasi. Dan 15 obat
masuk dalam kategori desirable atau obat yang berfungsi sebagai penunjang. Untuk hasil
pengelompokkan obat dengan analisis VED bisa dilihat di lampiran 6.
44
4.3.3 Pengelompokkan dengan Kombinasi Analisis ABC dan Analisis VED
Klasifikasi dengan kombinasi analisis ABC dan analisis VED berguna untuk
membantu manajemen dalam menentukan tingkat persediaan persediaan obat. Kombinasi
ini menghasilkan matrik analisis ABC-VED. Kombinasi tersebut membagi persediaan
kedalam tiga kelas. Berikut ini adalah hasil pengelompokkan obat tablet dengan matrik
analisis ABC-VED.
Tabel 4.3
Pengelompokkan Obat dengan Matrik Analisis ABC-VED
Kategori ABC
A Jumlah B Jumlah C Jumlah
Kategori
VED
V AV 8 BV 2 CV -
E AE 3 BE 9 CE 19
D AD - BD 6 CD 10
1. Kelas I: AV, AE, AD, BV dan CV
Dalam penelitian ini obat yang termasuk dalam kelas I berjumlah 13 item yang
terdiri dari kombinasi antara AV,AE, dan BV. Obat dalam kelas I adalah kelompok
obat yang membutuhkan pengawasan yang paling besar untuk menjaga ketersediaan
obat dan anggaran karena obat dalam kelas I tersebut merupakan obat yang berasal
dari kombinasi obat yang mempunyai tingkat investasi serta penggunaan yang tingg
dan juga merupakan obat yang cukup banyak di butuhkan oleh pasien. Obat dalam
kelas I ini adalah obat yang digunakan dalam penelitian ini karena membutuhkan
tingkat pengawasan yang tinggi dari manajemen.
2. Kelas II: BE, BD, dan CE
Dalam penelititan ini obat yang termasuk dalam kelas II berjumlah 34 item yang
terdiri dari kombinasi antara BE (kombinasi obat yang mempunyai tingkat investasi
sedang dan tingkat kekritisan yang sedang), BD (obat dengan investasi sedang namun
tidak terlalu dibutuhkan oleh pasien) dan CE (obat yang memiliki tingkat investasi
rendah dan tingkat cukup dibutuhkan oleh pasien). Obat dalam kelas II adalah
kelompok obat prioritas sedang dan membutuhkan tingkat prioritas dan tingkat
perhatian yang lebih rendah dari obat Kelas I
3. Kelas III: CD
Dalam penelititan ini obat yang termasuk dalam kelas III berjumlah 9 item yang
terdiri dari kombinasi antara CD . Obat dalam kelas ini membutuhkan tingkat prioritas
dan tingkat perhatian yang paling rendah dari manajemen karena obat tersebut adalah
45
kombinasi dari obat yang memiliki tingkat investasi maupun tingkat kekritisan yang
palig rendah.
Berikut ini adalah tabel kelompok obat yang termasuk dalam kelas I, II, dan III
Tabel 4.4
Kelompok Obat Kelas I, II dan III
Kelas Kelompok Nama Obat
Kelas I
AV
Ariski 10 Mg Umum, Cycozam 100 Mg Umum , Cycozam 25 Mg
Umum, Nodiril 2 Mg Umum, Seroquel 100 Mg Ir Umum, Seroquel Ir
200 Mg Umum , Sizoril 25 Mg Tab Umum, Sizoril 100 Mg Umum
AE Citicoline 500 Mg Umum, Neugain Umum, Takelin 1000 Mg Umum
AD -
BV Abilify 5 Mg Umum, Zolpidem 10 Mg Umum
CV -
Kelas II
BE
Alpara Umum Blu (Pseudoefedrin Komb, Brainact Odis 500 Mg,
Takelin 500 Mg Umum Blu , Degrium 5 Mg Umum, Demacolin
Umum, Fg Troches UmumTablet Hisap Box'300 Meiji, Interhistin 50
Mg Umum, Meloksikam 15 Mg Umum Indo, Myores 2 Mg Umum
(Tizanidin Hcl) Box'100 Tab Relaksan Otot Mepro
BD
Ardium 500 Umum, Curcuma 200 Mg Umum , Curcuma Tab 200
Mg, Mersibion 5000, Mersibion Tab Umum Blu (Vit B1 100 Mg, B6
200 Mg, B12 200 Mcg) box 50, Rebal Plus Blu Umum (Vitamin
B1+Mecobalamin) Box'100 Tab
CE
Analsik Umum, Co Amoxiclav 625 Mg Umum, Demacolin Rm
Umum (Kombinasi Obat Flu Pseudoefedrin, Dextamine Box'300 Tab
Umum, Diklovit Umum, Estalin 1 Mg Umum, Estalin 2 Mg Umum,
Gliseril Guaiakolat 100 Mg Ciubros, Heptasan 4 Mg Umum, Kalium
Diklofenak 25 Mg Umum Blu Ogb Dexa Box'50 Tab, Kalium
Diklofenak 50 Mg Umum, Permyo 50 Mg (Eperison Hcl) Umum,
Piracetam 400 Mg Rm Umum Ogb Hexpharm Box'50 Tab, Prolepsi
300 Mg Umum, Box'100 Tab Novell, pasminal Blu Umum (Antalgin,
Papaverin, Ekstr Belladon) Box'100 Tab Hexpharm, Spasminal
Umum Rm , Tramadol 50 Mg Umum Blu, Bisolvon 8 Mg Tab
Umum Blu, Braxidin Umum
Kelas III CD
Asthin B-Ond Umum, Fucohelix 100 Mg, Glucosamine 250 Mg,
Mersibion 5000 Umum (Komb Vit B1, B6, B12), Mersibion tab rm
Umum (Komb Vit B1, B6, B12) mersi box 30, Moloco B12 Umum
(Vit B12+Ekstr Plasenta) Box'60 Tab Darya, Neurodex Umum Blu,
Nocid Umum, Prorenal Umum (Asam Amino Ggn Faal Ginjal),
Seloxy Aa Umum
4.3.4 Peramalan
Peramalan adalah cara yang digunakan untuk memperkirakan kebutuhan yang akan
datang seperti persediaan, penjualan atau sumber daya berdasarkan data historis.
Peramalan berfungsi untuk mengurangi kondisi ketidakpastian akan kondisi yang akan
datang yang masih bersifat estimasi sehingga peramalan masih mengandung kesalahan.
Pada penelitian ini peramalan dilakukan berdasarkan historis penggunaan obat tablet
46
periode Januari 2016 – Desember 2016. Peramalan dilakukan untuk 13 obat tablet yang
termasuk dalam kelas I.
Dalam penelitian ini terdapat dua pola data yang digunakan, yaitu fluktuatif dan tren.
Untuk obat yang memiliki pola permintaan fluktuatif akan dilakukan peramalan dengan
metode moving average, weighted moving average dan exponential smoothing. Sedangkan
obat yang memiliki pola permintaan tren dihitung dengan metode moving average,
weighted moving average, exponential smoothing with tren dan tren line analysis. Metode
peramalan yang terpilih adalah metode yang menghasilkan nilai error yang paling kecil.
Ukuran akurasi hasil peramalan yang umum digunakan ada 4, yaitu Mean Absolute
Deviation (MAD), Mean Square Error (MSE), Mean forecast Error (MFE), Mean
Absolute Precentage Error (MAPE). Pada penelitian ini metode peramalan yang
digunakan adalah peramalan ynag menghasilkan nilai error paling kecil.
4.3.4.1 Kelompok Obat AV
Obat dalam kelompok AV adalah obat yang memilki tingkat pengawasan yang paling
tinggi untuk menjaga anggaran dan ketersediaan. Karena obat ini memiliki tingkat
investasi yang tinggi dan tergolong vital (dibutuhkan dengan segera untuk menyelamatkan
hidup pasien). Dalam penelitian ini obat yang masuk dalam kategori AV sebanyak 8 obat,
yaitu Ariski 10 Mg, Cycozam 100 Mg Umum, Cycozam 25 Mg Umum, Nodiril 2 Mg
Umum, Seroquel 100 Mg, Seroquel 200 Mg, Sizoril 25 Mg dan Sizoril 100 Mg. Berikut ini
adalah peramalan untuk masing – masing obat A.
4.3.4.1.1 Obat Cycozam 100 Mg
Obat Cycozam 100 Mg Umum adalah obat yang digunakan untuk perawatan
gangguan psikotik, pengobatan skizofrenia tahan dan pengurangan risiko perilaku bunuh
diri berulang pada pasien. Gambar 4.2 adalah grafik permintaan aktual obat cycozam 100
Mg pada tahun 2016 per dua minggu sekali.
47
Gambar 4.2 Permintaan Aktual Obat Cycozam 100 Mg Tahun 2016
Berdasarkan gambar 4.2 dapat dilihat data historis permintaan aktual obat cycozam
100 Mg selama 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode
moving average, weighted moving average dan exponential smoothing. Metode yang
dipilih adalah metode yang menghasilkan error paling kecil. Tabel 4.5 merupakan nilai
error dari masing – masing peramalan pada tahun 2017.
Tabel 4.5
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES (α = 0,1) 45,63 2957,16 0,01 0,00
MA ( n = 7) 31,21 1927,46 0,01 -5,96
WMA ( n =5) 37,75 2541,67 0,01 1,00
Berdasarkan tabel 4.5 metode yang terpilh adalah moving average dengan nilai n = 7
karena mempunyai nilai MAD, MSE, dan MAPE erkecil dari metode lainya. Berikut ini
merupakan contoh perhitungan dengan moving average pada periode 24
17 18 19 20 21 22 23
= 193
Untuk hasil perhitungan peramalan periode 2017 secara keseluruhan dapat dilihat di
lampiran 7. Tabel 4.6 adalah hasil peramalan dengan metode moving average dengan n= 7.
Tabel 4.6
Hasil Peramalan Periode 2017 Obat Cycozam 100 Mg.
Periode Hasil Peramalan Periode Hasil Peramalan
25 193 31 187
26 187 32 192
27 187 33 191
28 194 34 191
29 201 35 192
30 187 36 192
0
100
200
300
400
1 3 5 7 9 11 13 15 17 19 21 23
ITEM
Permintaan Aktual Cycozam 100
Mg Tahun 2016
Aktual
48
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
cycozam 100 mg pada periode 2017.
Gambar 4.3 Grafik Peramalan Obat Cycozam 100 Mg Periode 2017
4.3.4.1.2 Obat Cycozam 25 Mg
Obat cycozam 25 mg adalah obat yang digunakan untuk perawatan gangguan psikotik,
pengobatan skizofrenia tahan dan pengurangan risiko perilaku bunuh diri berulang pada
pasien. Gambar 4.4 adalah grafik permintaan aktual obat cycozam 25 Mg selama 2016.
Gambar 4.4 Permintaan Aktual Obat Cycozam 25 Mg Tahun 2016
Berdasarkan gambar 4.4 dapat dilihat data historis permintaan aktual obat cycozam 25
Mg pada 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode moving
average, weighted moving average dan exponential smoothing. Metode yang dipilih adalah
metode yang menghasilkan error paling kecil. Tabel 4.7 merupakan nilai error dari masing
– masing peramalan.
Tabel 4.7
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES (α = 0,32) 157,04 37083,88 0,00 9,54
MA (n = 7) 103,21 21434,63 0,00 29,79
WMA (n = 5) 116,63 25568,54 0,00 7,21
0
50
100
150
200
250
300
350
1 4 7 10 13 16 19 22 25 28 31 34
ite
m
Cycozam 100 Mg
Aktual
Peramalan
0
500
1000
1500
1 3 5 7 9 11 13 15 17 19 21 23
item
Permintaan Aktual Cycozam 25 Mg Tahun
2016
Aktual
49
Berdasarkan tabel 4.7 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai MAD, MSE, dan MAPE yang paling kecil dibandingkan metode
lainya. Berikut ini merupakan contoh perhitungan dengan moving average pada periode
24.
17 18 19 20 21 22 23
= 1091
Untuk hasil perhitungan peramalan secara keseluruhan dapat dilihat di lampiran 8.
Tabel 4.8 adalah hasil peramalan tahun 2017 dengan metode moving average dengan n=7.
Tabel 4.8
Hasil Peramalan Obat Cycozam 25 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 1102 31 1061
26 1076 32 1075
27 1065 33 1071
28 1043 34 1067
29 1062 35 1066
30 1082 36 1066
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
cycozam 25 mg pada periode 2017
Gambar 4.5 Grafik Peramalan Obat Cycozam 25 Mg Tahun 2017
4.3.4.1.3 Nodiril 2 Mg
Obat nodiril 2 mg adalah obat yang digunakan untuk terapi skizofrenia akut dan
kronik & kondisi psikosis lain yang bertujuan untuk meringankan gejala afektif yang
berhubungan dengan skizofrenia.. Gambar 4.6 adalah grafik permintaan aktual obat nodiril
2 mg tahun 2016.
0
500
1000
1500
1 4 7 10 13 16 19 22 25 28 31 34
item
Cycozam 25 Mg
Aktual
Peramalan
50
Gambar 4.6 Permintaan Aktual Obat Nodiril 2 Mg Tahun 2016
Berdasarkan gambar 4.6 dapat dilihat data historis permintaan aktual obat nodiril 2 Mg
tahun 2016 memiliki kecenderungan naik atau memiliki tren sehingga dilakukan peramalan
dengan metode moving average, weighted moving average, exponential smoothing with
tren dan trend line analysis. Metode yang dipilih adalah metode yang menghasilkan error
paling kecil. Tabel 4.9 merupakan nilai error dari masing – masing peramalan.
Tabel 4.9
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
EST (α=0,23) (β=0,76) 59,42 5316,08 0,00 8,92
Trend 42,58 3282,67 0,00 -0,50
MA ( n = 7) 92,00 12421,17 0,00 83,17
WMA (n = 5) 81,29 9991,04 0,00 69,29
Berdasarkan tabel 4.9 metode yang terpilh adalah trend line analysis karena
mempunyai nilai error terkecil dari metode lainya. Berikut ini merupakan contoh
perhitungan dengan trend line analysis pada periode 24
22 )(tnt
tAntAb =
2)5,12(244900
3,1381)5,12(24470349
= 48,65
tbAa = 1381,3 - (48,65) (12,5) = 773,19
F24 = a + bt = 773,19+ (48,65) (24) = 1941
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 9. Tabel 4.10 adalah hasil peramalan pada tahun 2017 dengan metode trend line
analysis.
Tabel 4.10
Hasil Peramalan Obat Nodiril 2 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 1941 31 2233
26 1990 32 2282
0
500
1000
1500
2000
2500
1 3 5 7 9 11 13 15 17 19 21 23
item
Permintaan Aktual Nodiril 2 Mg Tahun 2016
Aktual
51
Periode Hasil Peramalan Periode Hasil Peramalan
27 2039 33 2331
28 2087 34 2379
29 2136 35 2428
30 2185 36 2476
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
nodiril 2 mg tahun 2017.
Gambar 4.7 Grafik Peramalan Obat Nodiril 2 mg Tahun 2017
4.3.4.1.4 Seroquel 100 Mg Ir
Obat seroquel 100 mg Ir adalah obat yang digunakan untuk terapi skizofrenia &
episode manik yang berhubungan dengan gangguan bipolar yang diberikan dalam empat
hari pertama. Gambar 4.8 adalah grafik permintaan aktual obat seroquel 100 mg Ir selama
tahun 2016.
Gambar 4.8 Permintaan Aktual Obat Seroquel 100 Mg Ir Tahun 2016
Berdasarkan gambar 4.8 dapat dilihat data historis permintaan aktual selama 2016 obat
seroquel 100 mg Ir memiliki kecenderungan naik atau memiliki tren sehingga dilakukan
peramalan dengan metode moving average, weighted moving average, exponential
smoothing with tren dan tren linear analysis. Metode yang dipilih adalah metode yang
menghasilkan error paling kecil. Tabel 4.11 merupakan nilai error dari masing – masing
peramalan.
0
500
1000
1500
2000
2500
3000
1 3 5 7 9 11131517192123252729313335
item
Nodiril 2 Mg
Aktual
Peramalan
0
20
40
60
80
100
1 3 5 7 9 11 13 15 17 19 21 23
item
Data Aktual Seroquel 100 Mg Tahun 2016
Aktual
52
Tabel 4.11
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
EST (α=0,59) (β=0,4) 2,46 11,71 0,00 0,46
Trend 2,71 12,96 0,00 -0,46
MA ( n = 7) 5,00 40,08 0,01 5,00
WMA ( n = 5) 4,08 29,25 0,01 4,08
Berdasarkan tabel 4.11 metode yang terpilh adalah exponential smoothing with tren
karena mempunyai nilai error terkecil dari metode lainya. Berikut ini merupakan contoh
perhitungan dengan exponential smoothing with tren pada periode 24
X24 = α Yt-1 + (1- α)( Xt-1 + Tt-1)
= 0,59 x 69 + (1-0,59) (69,57+5,41) = 71,40
T24 = β (Xt - Xt-1) + (1-β) Tt-1
= 0,4 (71,40-69,57) + (1-0,4) 5,41 = 3,98
Ŷ24 = X24 + T24
= 71,40+ 3,98 = 76
Untuk hasil perhitungan peramalan secara keseluruhan dapat dilihat di lampiran 10.
Tabel 4.12 adalah hasil peramalan tahun 2017 dengan metode exponential smoothing with
tren.
Tabel 4.12
Hasil Peramalan Obat Seroquel 100 Mg Ir Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 76 31 92
26 85 32 95
27 83 33 95
28 89 34 97
29 88 35 98
30 92 36 99
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
seroquel 100 mg Ir tahun 2017.
Gambar 4.9 Grafik Peramalan Obat Seroquel 100 Mg Ir Tahun 2017
0
50
100
150
1 3 5 7 9 11131517192123252729313335
item
Seroquel 100 Mg
Aktual
Y bar t
53
4.3.4.1.5 Sizoril 25 Mg
Obat sizoril 25 mg adalah obat yang digunakan untuk perawatan gangguan psikotik,
pengobatan skizofrenia tahan, pengurangan risiko perilaku bunuh diri berulang pada pasien
skizofrenia dan kondisi lainnya yang tidak responsif atau intoleransi terhadap obat
neuroleptik klasik yang diberikan di hari ke 2. Gambar 4.10 adalah grafik permintaan
aktual obat sizoril 25 selama 2016.
Gambar 4.10 Permintaan Aktual Obat Sizoril 25 Mg Tahun 2016
Berdasarkan gambar 4.10 dapat dilihat data historis permintaan aktual obat sizoril 25
mg selama 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode moving
average, weighted moving average dan exponential smoothing. Metode yang dipilih adalah
metode yang menghasilkan error paling kecil. Tabel 4.13 merupakan nilai error dari
masing – masing peramalan
Tabel 4.13
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES (α = 0) 12,21 270,63 0,00 -0,38
MA (n = 7) 10,92 260,17 0,00 -2,33
WMA (n = 5) 17,00 512,17 0,01 -0,08
Berdasarkan tabel 4.13 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai MAD, MSE, MAPE yang lebih kecil dibandingkan dengan
metode lainya. Berikut ini merupakan contoh perhitungan dengan moving average pada
periode 24.
17 18 19 20 21 22 23
= 187
Untuk hasil perhitungan peramalan secara keseluruhan dapat dilihat di lampiran 10.
Tabel 4.14 adalah hasil peramalan tahun 2017 dengan metode moving average dengan n=7.
0
50
100
150
200
250
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Sizoril 25 Mg Tahun 2016
Aktual
54
Tabel 4.14
Hasil Peramalan Obat Sizoril 25 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 187 31 180
26 187 32 185
27 185 33 184
28 183 34 184
29 180 35 183
30 184 36 183
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
Sizoril 25 mg tahun 2017
Gambar 4.11 Grafik Peramalan Obat Sizoril 25 Mg Tahun 2017
4.3.4.1.6 Sizoril 100 Mg
Obat sizoril 100 mg adalah obat yang digunakan untuk perawatan gangguan psikotik,
pengobatan skizofrenia tahan, pengurangan risiko perilaku bunuh diri berulang pada pasien
skizofrenia dan kondisi lainnya yang tidak responsif atau intoleransi terhadap obat
neuroleptik klasik.. Gambar 4.12 adalah grafik permintaan aktual obat sizoril 100 selama
tahun 2016.
Gambar 4.12 Permintaan Aktual Obat Sizoril 100 Mg Tahun 2016
Berdasarkan gambar 4.12 dapat dilihat data historis permintaan aktual obat sizoril 100
mg selama 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode moving
0
50
100
150
200
250
1 4 7 10 13 16 19 22 25 28 31 34
ITEM
Sizoril 25 Mg
Aktual
Peramalan
0
20
40
60
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Sizoril 100 mg Tahun
2016
Aktual
55
average, weighted moving average dan exponential smoothing. Metode yang dipilih adalah
metode yang menghasilkan error paling kecil. Tabel 4.15 merupakan nilai error dari
masing – masing peramalan
Tabel 4.15
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES (α = 0) 6,92 64,25 0,01 -0,50
MA ( n = 7) 5,25 58,50 0,01 0,00
WMA (n = 5) 6,46 76,21 0,01 -0,96
Berdasarkan tabel 4.15 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai error terkecil dari metode lainya. Berikut ini merupakan contoh
perhitungan dengan moving average pada periode 24.
17 18 19 20 21 22 23
= 38
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 12. Tabel 4.16 adalah hasil peramalan tahun 2017 dengan metode moving
average dengan n = 7.
Tabel 4.16
Hasil Peramalan Obat Sizoril 100 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 38 31 39
26 39 32 38
27 39 33 39
28 39 34 39
29 40 35 39
30 38 36 39
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
Sizoril 100 mg tahun 2017.
Gambar 4.13 Grafik Peramalan Obat Sizoril 100 Mg Tahun 2017
0
10
20
30
40
50
60
1 3 5 7 9 11131517192123252729313335
ite
m
Sizoril 100 Mg
Aktual
Peramalan
56
4.3.4.1.7 Seroquel Ir 200 mg
Obat Seroquel Ir 200 mg adalah obat yang digunakan untuk terapi skizofrenia &
episode manik yang berhubungan dengan gangguan bipolar yang diberikan di hari ke tiga.
Gambar 4.14 adalah grafik permintaan aktual obat Seroquel Ir 200 mg selama tahun 2016.
Gambar 4.14 Permintaan Aktual Obat Seroquel Ir 200 Mg Tahun 2016
Berdasarkan gambar 4.14 dapat dilihat data historis permintaan aktual obat Seroquel Ir
200 mg selama 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode
moving average, weighted moving average dan exponential smoothing. Metode yang
dipilih adalah metode yang menghasilkan error paling kecil. Tabel 4.17 merupakan nilai
error dari masing – masing peramalan.
Tabel 4.17
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES ES (α=0) 2,25 8,58 0,02 -0,58
MA (n =7) 2,04 9,29 0,01 -0,63
WMA (n = 5) 2,08 8,43 0,01 -0,62
Berdasarkan tabel 4.17 metode yang terpilh adalah weighted moving average dengan
nilai n=5 karena mempunyai nilai MAD, MAPE dan MSE yang paling kecil dibandingkan
metode lainya. Berikut ini merupakan contoh perhitungan dengan weighted moving
average pada periode 24.
( )( )
( )
( ) ( ) ( ) ( ) ( )
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 13. Tabel 4.18 adalah hasil peramalan 2017 dengan metode weighted moving
average dengan n = 5.
0
2
4
6
8
10
12
14
16
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Seroquel 200 Mg Tahun 2016
Aktual
57
Tabel 4.18
Hasil Peramalan Obat Seroquel Ir 200 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 6 31 6
26 6 32 6 27 6 33 6 28 6 34 6 29 6 35 6 30 6 36 6
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan
Seroquel Ir 200 mg tahun 2017
Gambar 4.15 Grafik Peramalan Obat Seroquel Ir 200 Mg Tahun 2017
4.3.4.1.8 Ariski 10 Mg
Obat ariski 10 mg adalah obat skizofrenia, gangguan bipolar, depresi, dan iritabilitas
yang berhubungan dengan autisme. Gambar 4.16 adalah grafik permintaan aktual obat
ariski 10 mg selama 2016.
Gambar 4.16 Permintaan Aktual Obat Ariski 10 Mg Tahun 2016
Berdasarkan gambar 4.16 dapat dilihat data historis permintaan aktual obat ariski 10
mg selama 2016 mempunyai kecenderungan meningkat sehingga dilakukan peramalan
dengan metode moving average, weighted moving average, exponential smoothing with
tren dan tren linear analysis. Metode yang dipilih adalah metode yang menghasilkan error
paling kecil. Tabel 4.19 merupakan nilai error dari masing – masing peramalan.
0
2
4
6
8
10
12
14
16
1 3 5 7 9 11131517192123252729313335
Aktual
Peramalan
0
5
10
15
20
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Ariski 10 Mg Tahun 2016
Aktual
58
Tabel 4.19
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
EST (α=0,37) (β=0,04) 0,83 1,17 0,00 0,08
Trend 0,83 1,33 0,00 -0,50
MA (n = 7) 0,92 1,42 0,00 0,58
WMA (n = 5) 0,85 1,13 0,00 0,59
Berdasarkan tabel 4.19 metode yang terpilh adalah trend line analysis dengan nilai
karena mempunyai nilai error terkecil dari metode lainya. Berikut ini merupakan contoh
perhitungan dengan tren line analysis pada periode 24.
22 )(tnt
tAntAb =
2)5,12(244900
45,168)5,12(244043
=0,435
tbAa = 11,79 - (0,435) (12,5) = 6,29
F24 = a + bt = 6,29 + (0,435) (24) = 17
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 14. Tabel 4.20 adalah hasil peramalan tahun 2017 dengan metode trend line
analysis.
Tabel 4.20
Hasil Peramalan Obat Ariski 10 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 17 31 20
26 18 32 20
27 19 33 21
28 19 34 21
29 19 35 22
30 20 36 22
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
ariski 10 mg tahun 2017.
Gambar 4.17 Grafik Peramalan Obat Ariski 10 Mg Tahun 2017
0
5
10
15
20
25
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
ite
m
Ariski 10 Mg
A
F
59
4.3.4.2 Kelompok Obat BV
Obat BV adalah kelompok obat yang memiliki tingkat investasi sedang namun
tergolong vital atau sangat dibutuhkan pasien dengan segera untuk menyelamatkan hidup
pasien. Berdasarkan hasil analisis ABC-VED terdapat dua obat BV yaitu obat Abilify 5
Mg dan Zolpidem 10 Mg . Berikut ini adalah peramalan untuk masing – masing obat BV.
4.3.4.2.1 Abilify 5 Mg
Obat abilify mg adalah obat yang digunakan untuk pengobatan skizofrenia akut pada
orang dewasa dan remaja dan juga sebagai terapi tambahan untuk gangguan depresi.
Gambar 4.18 adalah grafik permintaan aktual obat abilify 5 mg selama 2016.
Gambar 4.18 Permintaan Aktual Obat Abilify 5 Mg
Berdasarkan gambar 4.18 dapat dilihat data historis permintaan aktual obat abilify 5
mg selama 2016 mempunyai kecenderungan meningkat sehingga dilakukan peramalan
dengan metode moving average, weighted moving average, exponential smoothing with
tren dan tren linear analysis. Metode yang dipilih adalah metode yang menghasilkan error
paling kecil. Tabel 4.21 merupakan nilai error dari masing – masing peramalan.
Tabel 4.21
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
EST (α=0,70) (β=0,05) 0,67 0,92 0,00 -0,08
Trend 0,96 1,38 0,00 -0,46
MA ( n = 7) 1,00 1,83 0,01 0,42
WMA (n = 5) 0,79 1,21 0,01 0,63
Berdasarkan tabel 4.21 metode yang terpilh adalah exponential smoothing with tren
dengan nilai α=0,70 dan β=0,05 karena mempunyai nilai error yang paling kecil
dibandingkan metode lainya. Berikut ini merupakan contoh perhitungan dengan moving
average pada periode 24.
X24 = α Yt-1 + (1- α)( Xt-1 + Tt-1)
0
5
10
15
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Abilify 5 Mg Tahun 2016
Aktual
60
= 0,70 x 11 + (1-0,70) (9,78+0,29) = 10,72
T24 = β (Xt - Xt-1) + (1-β) Tt-1
= 0,05 (10,72-9,78) + (1-0,05) 0,29 = 0,33
Y24 = X24 + T24
= 10,72 + 0,33 = 12
Untuk hasil perhitungan peramalan secara keseluruhan dapat dilihat di lampiran 15.
Tabel 4.22 adalah hasil peramalan tahun 2017 dengan metode exponential smoothing with
tren.
Tabel 4.22
Hasil Peramalan Obat Abilify 5 Mg Tahun 2017
Periode Hasil Peramalan Periode Hasil Peramalan
25 12 31 15
26 13 32 16
27 13 33 16
28 14 34 17
29 14 35 17
30 15 36 18
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
abilify 5 mg tahun 2017.
Gambar 4.19 Grafik Peramalan Obat Abilify 5 Mg Tahun 2017
4.3.4.2.2 Zolpidem 10 Mg
Obat zolpidem 10 mg adalah obat yang berfungsi menangani gangguan tidur atau
insomnia pada orang dewasa. Gambar 4.20 adalah grafik permintaan aktual obat zolpidem
10 mg selama 2016.
0
5
10
15
20
1 4 7 10 13 16 19 22 25 28 31 34
ite
m
Abilify 5 Mg
Aktual
Peramalan
61
Gambar 4.20 Permintaan Aktual Obat Zolpidem 10 Mg Tahun 2016
Berdasarkan gambar 4.20 dapat dilihat data historis permintaan aktual obat zolpidem
10 mg selama 2016 bersifat fluktuatif sehingga dilakukan peramalan dengan metode
moving average, weighted moving average dan exponential smoothing. Metode yang
dipilih adalah metode yang menghasilkan error paling kecil. Tabel 4.23 merupakan nilai
error dari masing – masing peramalan.
Tabel 4.23
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES (α=0,33) 3,42 15,50 0,01 0,08
MA (n = 7) 2,54 12,54 0,04 0,04
WMA (n = 5) 2,96 14,63 0,01 -0,13
Berdasarkan tabel 4.23 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai error terkecil dari metode lainya. Berikut ini merupakan contoh
perhitungan dengan moving average pada periode 24.
17 18 19 20 21 22 23
= 13
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 16. Tabel 4.24 adalah hasil peramalan tahun 2017 dengan metode moving
average dengan n = 7.
Tabel 4.24
Hasil Peramalan Obat Zolpidem 10 Mg Tahun 2017 Periode Hasil Peramalan Periode Hasil Peramalan
25 13 31 15
26 14 32 15
27 14 33 15
28 15 34 15
29 14 35 15
30 14 36 15
0
5
10
15
20
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Permintaan Aktual Zolpidem 10 Mg Tahun 2106
Aktual
62
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
zolpidem 10 mg tahun 2017.
Gambar 4.21 Grafik Peramalan Obat Zolpidem 10 Mg Tahun 2017
4.3.4.3 Kelompok Obat AE
Obat dalam kelompok AE adalah obat yang memilki tingkat investasi yang paling
tinggi dan tergolong essential (diprioritaskan). Dalam penelitian ini obat yang masuk
dalam kategori AE ada 3 obat, yaitu citicoline 500 Mg, neugain umum dan takelin 1000
Mg. Berikut ini adalah peramalan untuk masing – masing obat AE
4.3.4.3.1 Citicoline 500 Mg.
Obat citicoline 500 mg adalah obat yang berfungsi untuk mengobati penyakit
alzheimer dan jenis demensia lainnya, luka di kepala, penyakit otak seperti stroke, hilang
ingatan karena faktor usia, penyakit Parkinson, ADHD (attention deficit-hyperactive
disorder), dan glaukoma. Gambar 4.22 adalah grafik permintaan aktual obat citicoline 500
mg selama 2016.
Gambar 4.22 Permintaan Aktual Obat Citicoline 500 Mg
Berdasarkan gambar 4.22 dapat dilihat data historis permintaan aktual obat citicoline
500 mg selama 2016 adalah fluktuatif sehingga dilakukan peramalan dengan metode
0
5
10
15
20
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
ite
m
zolpidem 10 mg
Aktual
Peramalan
0
20
40
60
80
1 3 5 7 9 11 13 15 17 19 21 23
Ite
m
Citicoline 500 Mg
Aktual
63
moving average, weighted moving average, exponential smoothing. Metode yang dipilih
adalah metode yang menghasilkan error paling kecil. Tabel 4.25 merupakan nilai error
dari masing – masing peramalan.
Tabel 4.25
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES ES (α=0,25) 9,24 122,60 0,00 -0,55
MA (n =7) 6,54 93,79 0,00 -0,63
WMA (n = 5) 8,04 119,04 0,00 -1,63
Berdasarkan tabel 4.25 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai MAD, MSE, dan MAPE yang paling kecil dibandingkan metode
lainya. Berikut ini merupakan contoh perhitungan dengan moving average pada periode
24.
17 18 19 20 21 22 23
= 53
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 17. Tabel 4.26 adalah hasil peramalan tahun 2017 dengan metode moving
average dengan n = 7.
Tabel 4.26
Hasil Peramalan Obat Citicoline 500 Mg Tahun 2017 Periode Hasil Peramalan Periode Hasil Peramalan
25 53 31 51
26 52 32 52
27 52 33 52
28 51 34 52
29 49 35 52
30 52 36 52
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
citicoline 500 mg tahun 2017.
Gambar 4.23 Grafik Peramalan Obat Citicoline 500 Mg Tahun 2017
0
20
40
60
80
1 4 7 10 13 16 19 22 25 28 31 34
ite
m
Citicoline 500 Mg
Aktual
Peramalan
64
4.3.4.3.2 Neugain Umum
Obat neugain umum adalah obat yang digunakan untuk memelihara kesehatan dengan
meningkatkan daya ingat dan fungsi otak. Gambar 4.24 adalah grafik permintaan aktual
obat neugain umum selama 2016
Gambar 4.24 Permintaan Aktual Obat Neugain Umum
Berdasarkan gambar 4.24 dapat dilihat data historis permintaan aktual obat neugain
umum selama 2016 adalah fluktuatif sehingga dilakukan peramalan dengan metode moving
average, weighted moving average, exponential smoothing. Metode yang dipilih adalah
metode yang menghasilkan error paling kecil. Tabel 4.27 merupakan nilai error dari
masing – masing peramalan.
Tabel 4.27
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES ES (α=0,10) 6,38 53,89 0,00 -0,20
MA (n =7) 4,33 41,00 0,00 -1,00
WMA (n = 5) 5,46 56,46 0,00 -0,63
Berdasarkan tabel 4.27 metode yang terpilh adalah moving average dengan nilai
n=7 karena mempunyai nilai MAD, MSE, dan MAPE yang paling kecil dibandingkan
metode lainya. Berikut ini merupakan contoh perhitungan dengan moving average pada
periode 24
17 18 19 20 21 22 23
= 36
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 18. Tabel 4.28 adalah hasil peramalan tahun 2017 dengan metode moving
average dengan n = 7.
0
10
20
30
40
50
60
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Neugain Umum
Aktual
65
Tabel 4.28
Hasil Peramalan Obat Neugain Umum Tahun 2017 Periode Hasil Peramalan Periode Hasil Peramalan
25 36 31 37
26 36 32 37
27 38 33 37
28 38 34 38
29 37 35 38
30 37 36 38
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
neugain umum tahun 2017.
Gambar 4.25 Grafik Peramalan Obat Neugain Umum Tahun 2017
4.3.4.3.3 Takelin 1000 Mg
Obat takelin 1000 Mg adalah obat yang digunakan untuk gangguan kesadaran akibat
trauma selebral, kecelakaan dan operasi otak.. Gambar 4.26 adalah grafik permintaan
aktual obat neugain umum selama 2016
Gambar 4.26 Permintaan Aktual Obat takelin 1000 Mg
Berdasarkan gambar 4.26 dapat dilihat data historis permintaan aktual obat takelin
1000 Mg selama 2016 adalah fluktuatif sehingga dilakukan peramalan dengan metode
moving average, weighted moving average, exponential smoothing. Metode yang dipilih
0
10
20
30
40
50
60
1 4 7 10 13 16 19 22 25 28 31 34
ite
m
Neugain Umum
Aktual
Peramalan
0
20
40
60
80
1 3 5 7 9 11 13 15 17 19 21 23
ite
m
Takelin 100 Mg
Aktual
66
adalah metode yang menghasilkan error paling kecil. Tabel 4.29 merupakan nilai error
dari masing – masing peramalan.
Tabel 4.29
Nilai Error Masing – Masing Peramalan Tahun 2017
MAD MSE MAPE MFE
ES ES (α=0,10) 15,62 332,82 0,02 -0,31
MA (n =7) 9,29 189,96 0,02 0,29
WMA (n = 5) 11,38 244,88 0,02 -0,13
Berdasarkan tabel 4.29 metode yang terpilh adalah moving average dengan nilai n=7
karena mempunyai nilai MAD, MSE, dan MAPE yang paling kecil dibandingkan metode
lainya. Berikut ini merupakan contoh perhitungan dengan moving average pada periode 24
17 18 19 20 21 22 23
= 30
Untuk hasil perhitungan peramalan tahun 2017 secara keseluruhan dapat dilihat di
lampiran 19. Tabel 4.30 adalah hasil peramalan tahun 2017 dengan metode moving
average dengan n = 7.
Tabel 4.30
Hasil Peramalan Obat Takelin 1000 Mg Tahun 2017 Periode Hasil Peramalan Periode Hasil Peramalan
25 30 31 29
26 28 32 28
27 30 33 30
28 30 34 29
29 30 35 30
30 27 36 29
Berikut ini adalah grafik perbandingan data aktual 2016 dengan hasil peramalan obat
takelin 1000 mg tahun 2017.
Gambar 4.27 Grafik Peramalan Obat Takelin 1000 Mg Tahun 2017
0
10
20
30
40
50
60
70
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Aktual
Peramalan
67
Berikut ini merupakan tabel daftar hasil metode peramalan untuk tahun 2017 yang
terpilih untuk obat tablet kelas I.
Tabel 4.31
Metode Peramalan Yang Terpilih
No Metode Obat
1 Moving Average Cycozam 100 mg, cycozam 25 mg, sizoril 25 mg, sizoril
100 mg, Zolpidem 10 mg, citicoline 500 mg, neugain umum
dan takelin 1000 mg
2 Weighted Moving Average Seroquel Ir 200 mg,
3 Trend Line Analysis Nodiril 2 mg, Ariski 10 mg
4 Exponential Smoothing
With Tren
Abilify 5 mg, Seroquel 100 mg
Berikut ini merupakan perbandingan antara error peramalan terpilih dalam penelitian
ini dan perencanaan di rumah sakit pada tahun 2017
Tabel 4.32
Perbandingan Error Perencanaan di Rumah Sakit dengan Hasil Peramalan Periode 2017
No Obat Perencanaan di Rumah Sakit Peramalan
MAD MSE MAPE MFE MAD MSE MAPE MFE
1 Cycozam
100 Mg 25,58 2754,4 -1% -2,8433 31,21 1927,46 0,01 -5,96
2 Cycozam 25
Mg 199,13 67340 0% -3,57621 103,21 21434,63 0,00 29,79
3 Nodiril 100
Mg 664,46
26132
32,71 1%
-0,747
42,58 3282,67 0,00 -0,50
4 Seroquel 100
Mg 12,58 230,75 -1% -1,112 2,46 11,71 0,00 0,46
5 Seroquel 200
Mg 2,58 10,00 -3% -1,5483 2,08 8,83 0,01 -0,67
6 Abilfy 5
Mg 2,17 8,00 -1% 0,92307
0,67 0,92 0,00 -0,08
7 Sizoril 25
Mg 21,25 1358,5 0% -3,2 10,92 260,17 0,00 -2,33
8 Ariski 10
Mg 4,42 30,00 0% -0,9056 0,83 1,33 0,00 -0,50
9 Zolpidem
10 Mg 2,67 11,67 1% -1,5 2,54 12,54 0,04 0,04
10 Sizoril 100 5,33 57,83 0% -2,625 5,25 58,50 0,01 0,00
11 Citicoline
500 Mg 16,33 354,92 0% -1,2244 6,54 93,79 0,00 -0,63
12 Neugain
Umum 21,04 575,96 -2% -0,6178 4,33 41,00 0,00 -1,00
13 Takelin
1000 Mg 7,54 119,21 1% 9,67958 9,29 189,96 0,02 0,29
Berdasarkan tabel diatas akurasi hasil peramalan untuk tahun 2017 dengan metode
terpilih dalam penelitian ini menunjukkan hasil yang lebih baik dibandingkan dengan
68
perencanaan yang dilakukan di rumah sakit sehingga metode peramalan yang terpilih bisa
dilanjutkan untuk langkah selanjutnya.
4.3.5 Perhitungan Nilai Koefisien Variabilitas
Perhitungan koefisien variabilitas pada penelitian ini digunakan untuk mengetahui
sifat dari data tersebut. Apakah bersifat statis atau dinamis. Jika v < 0,25 data bersifat statis
jika v > 0,25 ,maka data bersifat dinamis. Hasil dari perhitungan tersebut digunakan untuk
menentukan metode dalam menghitung lot sizing. Berikut ini merupakan contoh
perhitungan koefisien variabilitas obat cycozam 100 mg.
Tabel 4.33
Perhitungan Koefisien Variabilitas Obat Cycozam 100 Mg Tahun 2016
No Permintaan (Dt) Dt2
No Permintaan (Dt) Dt2
1 312 97344 13 156 24336
2 192 36864 14 241 58081
3 251 63001 15 131 17161
4 201 40401 16 192 36864
5 114 12996 17 152 23104
6 281 78961 18 231 53361
7 251 63001 19 194 37636
8 231 53361 20 136 18496
9 192 36864 21 141 19881
10 153 23409 22 291 84681
11 252 63504 23 201 40401
12 142 20164 24 152 23104
Keterangan :
∑ Dt = 4790
(∑ Dt)2 = 22944100
∑ Dt2 = 1026976
∑
(∑ ) )
=
( )
Koefisien dari obat cycozam 100 mg sebesar 0,03 < 0,25 yang berarti obat tersebut
bersifat statis. Berikut ini merupakan tabel daftar koefisien variabilitas obat tablet kelas I.
Tabel 4.34
Daftar Koefisien Variabilitas Obat Tablet Kelas I
NO Nama Obat V Sifat NO Nama Obat V Sifat
1 Cycozam 100 Mg 0,0742 Statis 8 Abilify 5 Mg 0,2002 Statis
2 Cycozam 25 Mg 0,0358 Statis 9 Ariski 10 Mg 0,0743 Statis
3 Nodiril 2 Mg 0,0611 Statis 10 Zolpidem 10 Mg 0,1261 Statis
4 Seroquel 100 Mg 0,2344 Statis 11 Citicoline 500 Mg 0,0360 Statis
69
NO Nama Obat V Sifat NO Nama Obat V Sifat
5 Sizoril 25 Mg 0,0455 Statis 12 Neugain Umum 0,0358 Statis
6 Seroquel 200 Mg 0,0076 Statis 13 Takelin 1000 Mg 0,2547 Dinamis
7 Sizoril 100 Mg 0,2955 Dinamis
Berdasarkan tabel diatas, sebesar 11 obat mempunyai nilai v < 0,25 . Untuk 2 obat
lainya mempunyai nilai v > 0,25.
4.3.6 Perhitungan Lot Sizing
Perhitungan lot sizing digunakan untuk menentukan besarnya ukuran pemesanan yang
paling optimal untuk meminimalisasi biaya persediaan. Dalam penelitian ini terdapat 11
obat yang bersifat statis dan 2 obat bersifat dinamis. Metode yang digunakan untuk obat
yang bersifat statis adalah EOQ. Untuk obat yang bersifat dinamis akan dilakukan
perhitungan lot sizing menggunakan algoritma silver meal dan period order quantity
(POQ). Metode yang menghasilkan biaya persediaan yang paling minimum akan dipilih.
4.3.6.1 Metode Economic Order Quantity
Dalam penelitian ini terdapat 10 obat yang akan dilakukan perhitungan dengan metode
ini. Model EOQ ini digunakan untuk menentukan ukuran pemesanan yang optimal dala
satu kali pemesanan. Berikut ini adalah contoh perhitungan obat cycozam 100 mg dengan
EOQ.
Q = H
DS2
Q = 105
03,425622952 xx = 432
Keterangan:
D = Jumlah permintaan selama satu tahun
S = Biaya pemesanan setiap kali pesan
H = Biaya penyimpanan per unit per tahun sebesar 26% dari harga obat
Berdasarkan perhitungan diatas Q bernilai 432, yang berarti jumlah obat cycozam 100
mg yang harus dipesan setiap kali melakukan pemesanan adalah sebesar 432 item. Setelah
mengetahui besarnya EOQ akan dilakukan perhitungan total inventory cost. Berikut ini
adalah contoh perhitungan total inventory cost cycozam 100 mg.
TIC = purchasing cost + ordering cost + holding cost
70
TIC = Rp 11.107.800 + 432
229503,4256 x
2
432105x= Rp 11.153.061
Berikut ini adalah hasil perhitungan EOQ dan total inventory cost untuk ke sembilan
obat yang bersifat statis.
Tabel 4.35
Hasil Perhitungan EOQ dan Total Inventory Cost Tahun 2017
NO Obat Biaya
pesan
Biaya
simpan Demand EOQ
Total Inventory Cost
Biaya
pesan
Biaya
simpan
Biaya
Pembelian Total
1 Cycozam
100
Rp
4.256,03 Rp105 2295 432
Rp
22.610
Rp
22.651 Rp11.107.800
Rp
11.153.061
2 Cycozam
25
Rp
4.256,03 Rp32 12861 1843 Rp
29.700
Rp
29.709 Rp19.137.168
Rp
19.196.577
3 Nodiril 100
mg
Rp
4.256,03 Rp 20 3402 3402 Rp
33.161
Rp
33.170 Rp23.856.300
Rp
23.922.631
4 Seroquel
100
Rp
4.256,03 Rp 727 1089 113 Rp
41.016
Rp
41.090 Rp36.553.374
Rp
36.635.480
5 Seroquel
200
Rp
4.256,03 Rp 582 72 33 Rp
9.286
Rp
9.600 Rp1.933.416
Rp
1.952.302
6 Abilfy 5
mg
Rp
4.256,03 Rp 481 180 57 Rp
13.440
Rp
13.696 Rp3.992.220
Rp
4.019.356
7 Sizoril 25 Rp
4.256,03 Rp 91 2205 456 Rp
20.580
Rp
20.649 Rp9.216.900
Rp
9.258.129
8 Ariski 10
mg
Rp
4.256,03 Rp 654 237 56 Rp
18.012
Rp
18.312 Rp7.153.845
Rp
7.190.169
9 Zolpidem
10 mg
Rp
4.256,03 Rp 114 174 114 Rp
6.496
Rp
6.521 Rp918.720
Rp
931.737
10 Citicoline
500 Mg
Rp
4.256,03 Rp
1.201 620 67
Rp
39.384
Rp
40.240 Rp2.864.400
Rp
2.944.024
11 Neugain
Umum
Rp
4.256,03 Rp
2.853 447 37
Rp
51.417
Rp
52.778 Rp4.904.708
Rp
5.008.903
4.3.6.2 Metode Period Order Quantity
POQ digunakan unutk mengetahui jumlah periode dalam setiap kali pemesanan yang
optimal sehingga memberikan siklus yang tetap. Perhitungan dengan metode ini akan
dilakukan untuk obat sizoril 100 mg dan takelin 1000 mg. Berikut ini adalah contoh
perhitungan obat sizoril 100 mg dengan POQ.
POQ = DH
S2
POQ =
134039
42562
x
x
Keterangan:
D = rata – rata pesanan suatu periode
S = biaya pemesanan setiap pesan
H = biaya simpan per unit per periode
Berdasarkan perhitungan tersebut nilai POQ adalah satu, yang berarti pemesanan yang
optimal jika dilakukan selama satu kali dalam satu periode. Setelah mengetahui besarnya
71
POQ akan dilakukan perhitungan total inventory cost. Berikut ini contoh perhitungan total
inventory cost sizoril 100 mg.
Total Biaya Persediaan = Biaya pembelian + Biaya Penyimpanan + Biaya Pemesanan
= (466 x Rp 15.675) + (232 x Rp 340) + (6 x Rp 4.256)
= Rp 7.408.966
Tabel berikut ini adalah hasil perhitungan POQ untuk obat sizoril 100 mg dan
takelin 1000 mg.
Tabel 4.36
Hasil Perhitungan POQ dan Total Inventory Cost Tahun 2017
NO Obat S H D POQ
Total Inventory Cost
Biaya
pesan
Biaya
simpan
Biaya
Pembelian Total
1
Sizoril
100 Mg
Rp
4.256
Rp
340 39 1
Rp
25.536
Rp
78.803 Rp 7.304.550
Rp
7.408.966
2
Takelin
1000 Mg
Rp
4.256
Rp
352 30 1
Rp
25.536
Rp
774.185
Rp
5.858.405
Rp
6.658.126
4.3.6.3 Metode Alogoritma Silver Meal
Obat yang akan dihitung dengan metode algoritma silver meal dalam penelitian ini
adalah sizoril 100 mg dan takelin 1000 mg. Algoritma silver meal adalah salah satu metode
heuristik yang digunakan untuk permintaan yang bersifat dinamis. Berikut ini adalah
perhitunganya.
4.3.6.3.1 Sizoril 100 Mg
Berikut ini adalah langkah – langkah pengerjaan obat sizoril 100 mg menggunakan
algoritma silver meal:
1. Menghitung ukuran pemesanan yang pertama. Ukuran pemesanan atau kebutuhan
bersih pada periode T, selanjutnya menghitung ordering cost dan holding cost pada
periode tersebut dan dijumlahkan. Setelah itu cumulative cost dibagi dengan urutan
periode tersebut. Jika ukuran lot pertama maka dibagi dengan satu, apabila ukuran lot
kedua maka dibagi dengan dua.
2. Menghitung ukuran pemesanan yang kedua dengan menjumlahkan ukuran pemesanan
yang pertama dengan berikutnya. Setelah itu menghitung biaya pemesanan dan
penyimpanan dan membagi total cost dengan dua karena merupakan ukuran
pemesanan kedua.
72
3. Membandingkan total biaya per periode sekarang dengan sebelumnya, jika TRC(L) ≤
TRC(L-1) maka kembali lagi ke langkah kedua, jika TRC(L) ≥ TRC(L-1) maka
kembali ke langkah pertama.
4. Jika akhir dari horizon sudah tercapai maka algoritma bisa dihentikan.
Berikut ini adalah perhitungan obat sizoril 100 mg berdasarkan langkah – langkah
diatas:
Biaya pembelian = Rp 7.304.550
Biaya pesan = Rp 4.256 / pesan
Biaya Simpan = Rp 4.076 per unit / per tahun
= Rp 340 / bulan
Kebutuhan bersih pada periode 1 adalah 38 obat, karena tidak ada sisa stock pada
periode sebelumnya maka perhitungan lot pertama dimulai dari periode 1. Berikut ini
adalah perhitunganya :
Kombinasi periode 1 (ukuran lot pertama)
Lot size = 38 item
Biaya pesan = Rp 4.256
Biaya simpan = Rp 0
Total biaya = Rp 4.256
Nilai silver meal = total biaya / periode = 4.256 / 1 = Rp 4.256
Kombinasi periode 1 dan 2 ( ukuran lot kedua )
Lot size = 38 + 39 = 77 item
Biaya pesan = Rp 4.256
Biaya simpan = (0 x 340 x 38) +( 1 x 340 x 39) = Rp 13.247
Total biaya = Rp 17.503
Nilai silver meal = total biaya / periode = Rp 17.503 / 2 = Rp 8.752
Setelah menghitung ukuran lot yang pertama dan kedua dilakukan perbandingan
antara total biaya per periode dari setiap ukuran lot. Ukuran lot kedua > dari ukuran lot
pertama, maka kembali lagi ke langkah pertama yang dimulai dari periode ke dua. Tabel
4.37 berikut ini adalah hasil perhitungan dengan algoritma silver meal.
Tabel 4.37
Hasil Perhitungan Lot Size Sizoril 100 Mg Tahun 2017 dengan Algoritma Silver Meal
Kombinasi
Periode lot size order cost
holding
cost
cummulative
cost
Cost /
periode
1 38 Rp4.256 Rp0 Rp4.256 Rp4.256
1,2 77 Rp4.256 Rp13.247 Rp17.503 Rp8.752
2 39 Rp4.256 Rp0 Rp4.256 Rp4.256
73
Kombinasi
Periode lot size order cost
holding
cost
cummulative
cost
Cost /
periode
2,3 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
3 39 Rp4.256 Rp0 Rp4.256 Rp4.256
3,4 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
4 39 Rp4.256 Rp0 Rp4.256 Rp4.256
4,5 79 Rp4.256 Rp13.247 Rp17.503 Rp8.752
5 40 Rp4.256 Rp0 Rp4.256 Rp4.256
5,6 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
6 38 Rp4.256 Rp0 Rp4.256 Rp4.256
6,7 77 Rp4.256 Rp13.247 Rp17.503 Rp8.752
7 39 Rp4.256 Rp0 Rp4.256 Rp4.256
7,8 77 Rp4.256 Rp13.247 Rp17.503 Rp8.752
8 38 Rp4.256 Rp0 Rp4.256 Rp4.256
8,9 77 Rp4.256 Rp13.247 Rp17.503 Rp8.752
9 39 Rp4.256 Rp0 Rp4.256 Rp4.256
9, 10 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
10 39 Rp4.256 Rp0 Rp4.256 Rp4.256
10,11 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
11 39 Rp4.256 Rp0 Rp4.256 Rp4.256
11,12 78 Rp4.256 Rp13.247 Rp17.503 Rp8.752
Berdasarkan tabel diatas dapat dilakukan pemesanan obat sizoril 100 mg sebanyak
11 kali pada periode 1,2,3,4,5,6,7,8,9,10 dan 11. Untuk total biaya persediaan dari obat
sizoril 100 mg terdiri dari biaya pesan dan biaya simpan.
Biaya pesan = 11 x Rp 4.256 = Rp 46.816
Biaya simpan = 0
Biaya Pembelian = Rp 7.304.550
Total biaya persediaan = Rp 7.351.366
Berdasarkan perhitungan lot sizing obat sizoril 100 mg yang bersifat dinamis
menggunakan metode period order quantity dengan total biaya persediaan sebesar. Rp
7.408.966. Sedangkan unutk algoritma silver meal dengan total biaya persediaan sebesar
Rp 7.351.366. Berdasarkan perhitungan tersebut metode yang terpilih adalah algoritma
silver meal karena menghasilkan total biaya persediaan yang paling minimum.
4.3.6.3.2 Takelin 1000 Mg
Berikut ini adalah hasil perhitungan lot sizing obat takelin 100 mg dengan metode
algoritma silver meal.
74
Tabel 4.38
Hasil Perhitungan Lot Size Sizoril 100 Mg Tahun 2017 dengan Algoritma Silver Meal
Kombinasi
Periode lot size order cost
holding
cost
cummulative
cost
cost /
periode
1 30 Rp4.256 Rp0 Rp4.256 Rp4.256
1,2 58 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
2 28 Rp4.256 Rp0 Rp4.256 Rp4.256
2,3 58 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
3 30 Rp4.256 Rp0 Rp4.256 Rp4.256
3,4 60 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
4 30 Rp4.256 Rp0 Rp4.256 Rp4.256
4,5 60 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
5 30 Rp4.256 Rp0 Rp4.256 Rp4.256
5,6 57 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
6 27 Rp4.256 Rp0 Rp4.256 Rp4.256
6,7 56 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
7 29 Rp4.256 Rp0 Rp4.256 Rp4.256
7,8 57 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
8 28 Rp4.256 Rp0 Rp4.256 Rp4.256
8,9 58 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
9 30 Rp4.256 Rp0 Rp4.256 Rp4.256
9, 10 59 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
10 29 Rp4.256 Rp0 Rp4.256 Rp4.256
10,11 59 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
11 30 Rp4.256 Rp0 Rp4.256 Rp4.256
11,12 59 Rp4.256 Rp121.855 Rp126.111 Rp63. 055
Berdasarkan tabel diatas dapat dilakukan pemesanan obat takelin 1000 mg sebanyak
11 kali pada periode 1,2,3,4,5,6,7,8,9,10 dan 11. Untuk total biaya persediaan dari obat
takelin 1000 mg terdiri dari biaya pesan dan biaya simpan.
Biaya pesan = 11 x Rp 4.256 = Rp 46.816
Biaya simpan = 0
Biaya Pembelian = Rp 5.858.405
Total biaya persediaan = Rp 5.905.221
Berdasarkan perhitungan lot sizing obat takelin 1000 mg yang bersifat dinamis
menggunakan metode period order quantity dengan total biaya persediaan sebesar Rp
6.658.126. Sedangkan unutk algoritma silver meal dengan total biaya persediaan sebesar
Rp 5.905.221. Berdasarkan perhitungan tersebut metode yang terpilih adalah algoritma
silver meal karena menghasilkan total biaya persediaan yang paling minimum.
75
4.3.6.4 Perbandingan Total Biaya
Setelah mengetahui total biaya persediaan dari masing – masing obat kemudian
dilakukan perbandingan antara kondisi existing pada periode 2017 dengan kondisi usulan
periode 2017 yang telah dihitung. Untuk biaya persediaan pada kondisi existing terdiri dari
biaya pembelian, biaya persediaan dan biaya pemesanan. Berikut ini adalah perbandingan
biaya persediaan yang dibutuhkan pada kondisi existing dan usulan pada tahun 2017.
Tabel 4.35
Perbandingan Rincian Biaya Persediaan Tahun 2017
NO Obat
Existing Usulan
Biaya
Pembelian
Biaya
Pemesanan
Biaya
Penyimpanan
Biaya
Pembelian
Biaya
Pemesanan
Biaya
Penyimpanan
1 Cycozam
100 mg
Rp11.107.8
00 Rp 102.145 Rp 254.931
Rp11.107.80
0
Rp
22.610
Rp
22.651
2 Cycozam
25 mg
Rp19.137.1
68
Rp 102.145 Rp 377.401
Rp19.137.16
8
Rp
29.700
Rp
29.709
3 Nodiril 2
mg
Rp23.856.3
00
Rp 102.145 Rp 328.078
Rp23.856.30
0
Rp
33.161
Rp
33.170
4 Seroquel
100
Rp36.553.3
74
Rp 102.145 Rp 348.723
Rp36.553.37
4
Rp
41.016
Rp
41.090
5 Sizoril 25
mg
Rp9.216.90
0
Rp 102.145 Rp 208.577 Rp9.216.900
Rp
20.580
Rp
20.649
6 Seroquel
200 mg
Rp1.933.41
6
Rp 102.145 Rp 45.963 Rp1.933.416
Rp
9.286
Rp
9.600
7 Sizoril 100
mg
Rp7.304.55
0
Rp 102.145 Rp 155.209 Rp7.304.550 Rp 46.816 -
8 Abilify 5
mg
Rp3.992.22
0
Rp 102.145 Rp 33.638 Rp3.992.220
Rp
13.440
Rp
13.696
9 Ariski 10
mg
Rp7.153.84
5
Rp 102.145 Rp 93.850 Rp7.153.845
Rp
18.012
Rp
18.312
10 Zolpidem
10 mg Rp918.720
Rp 102.145 Rp 15.444 Rp918.720
Rp
6.496
Rp
6.521
11 Citicoline
500 mg
Rp2.864.40
0
Rp 102.145 Rp 1.603.602 Rp2.864.400
Rp
39.384
Rp
40.240
12 Neugain
umum
Rp4.904.70
8
Rp 102.145 Rp 2.587.535 Rp4.904.708
Rp
51.417
Rp
52.778
13 Takelim
1000 mg
Rp5.858.40
5
Rp 102.145 Rp1.658.096 Rp5.858.405 Rp 46.816 -
Berikut ini adalah tabel perbandingan antara total biaya persediaan yang dihasilkan
pada kondisi existing dengan usulan pada tahun 2017.
Tabel 4.36
Perbandingan Total Biaya Persediaan Tahun 2017
No Obat Existing Usulan Penghematan %
Penghematan
1 Cycozam 100
mg Rp23.889.156 Rp11.153.061 Rp12.736.094 17%
2 Cycozam 25 mg Rp35.316.602 Rp19.196.577 Rp16.120.025 22%
76
No Obat Existing Usulan Penghematan %
Penghematan
3 Nodiril 2 mg Rp30.714.323 Rp23.922.631 Rp6.791.692 9%
4 Seroquel 100 Rp32.640.662 Rp36.635.480 -
5 Sizoril 25 mg Rp19.517.322 Rp9.258.129 Rp10.259.192 14%
6 Seroquel 200 mg Rp4.390.882 Rp1.952.302 Rp2.438.580 3%
7 Sizoril 100 mg Rp14.584.303 Rp7.351.366 Rp7.232.937 10%
8 Abilify 5 mg Rp3.240.843 Rp4.019.356 -
9 Ariski 10 mg Rp8.859.090 Rp7.190.169 Rp1.668.921 2%
10 Zolpidem 10 mg Rp1.543.189 Rp931.737 Rp611.452 1%
11 Citicoline 500
mg Rp7.873.447 Rp2.864.400 Rp5.009.047 7%
12 Neugain Umum Rp12.641.737 Rp4.904.708 Rp7.737.030 11%
13 Takelin 1000 mg Rp8.137.533 Rp5.905.221 Rp2.232.312 3%
Total Rp 203.394.088 Rp 135.285.138 Rp72.837.282 100%
Berdasarkan tabel diatas terdapat perbedaan total biaya persediaan antara kondisi
exisiting dengan usulan pada tahun 2017, dimana total biaya persediaan pada kondisi
existing lebih besar dari pada kondisi usulan. Pada kondisi usulan total biaya persediaan
untuk semua obat tablet kelas I sebesar Rp 135.285.138 sedangkan total biaya persediaan
untuk kondisi existing sebesar Rp 203.394.088. Untuk keseluruhan total biaya persediaan
obat tablet kelas I pada kondisi usulan dapat menghemat sebesar Rp 72.837.282 atau
sekitar 36%. Berikut ini adalah grafik perbandingan total biaya persediaan existing dan
usulan.
Gambar 4.28 Perbandingan Biaya Existing Dengan Biaya Usulan Tahun 2017
4.3.7 Perhitungan Reorder Point
Menurut Rangkuti, (2004:93) reorder point adalah titik atau batas pemesanan
kembali saat persediaan yang ada sudah menipis. Reorder point juga digunakan untuk
mengetahui waktu yang tepat untuk melakukan pemesanan kembali agar tidak terjadi
EXISTING USULAN
Total Biaya Persediaan Rp203.349.088 Rp135.285.138
Rp-
Rp50.000.000
Rp100.000.000
Rp150.000.000
Rp200.000.000
Rp250.000.000
Total Biaya Persediaan
77
kelebihan maupun kekurangan. Menurut Stevenson & Chuong, (2014:201) model ROP
dibagi menjadi empat model. Dalam penelitian ini model ROP yang digunakan ada dua,
yaitu ROP untuk jumlah permintaan dan lead time konstan pada obat seroquel 100 mg dan
ROP untuk jumlah permintaan tidak tetap dan lead time konstan pada 12 obat lainya.
Berikut ini adalah perhitunganya.
4.3.7.1 Cycozam 100 Mg
Permintaan untuk obat cycozam 100 mg berdasarkan peramalan tidak tetap selama
12 bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah tabel
jumlah permintaan obat cycozam 100 mg selama 12 bulan.
Tabel 4.37
Permintaan Obat Cycozam 100 Mg Tahun 2017
Periode Demand
(item / bulan) Periode
Demand
(item / bulan) Periode
Demand
(item / bulan)
1 152 5 194 9 192
2 193 6 201 10 191
3 187 7 187 11 191
4 187 8 187 12 192
Rata – rata permintaan 191,25
Perhitungan ROP untuk obat cycozam 100 mg :
ROP = ( d x LT ) + (z d LT )
= (191,25 x 0,133) + (1,64 x 4,07 x√0,133)
= 28 item
Untuk nilai d diperoleh dari :
d = 112
)25,191187()25,191187()25,191193( 222
= 4,07
Keterangan:
d = rata – rata demand
LT = lead time sebesar 4 hari = 0,133 bulan
Z = service level 95% = 1,64 (tabel z)
d = standar deviasi permintaan
Hasil perhitungan ROP sebesar 28 item berarti jika persediaan mencapai titik
tersebut, sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut
diperkirakan masih dapat memenuhi kebutuhan selama waktu tunggu. Berikut ini adalah
contoh grafik hubungan antara EOQ dengan ROP pada obat cycozam 100 mg.
78
Q = 432 item
ROP = 28 item
WaktuLT = 4 hari
Gambar 4.23 Grafik hubungan EOQ dan ROP Obat Cycozam 100 Mg
4.3.7.2 Cycozam 25 Mg
Permintaan untuk obat cycozam 25 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat cycozam 100 mg.
ROP = ( d x LT ) + (z d LT )
= (1071,75 x 0,133) + (1,64 x 15,25 x√0,133)
= 153 item
Hasil perhitungan ROP sebesar 153 item berarti jika persediaan mencapai titik
tersebut, sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut
diperkirakan masih dapat memenuhi kebutuhan selama waktu tunggu.
4.3.7.3 Nodiril 2 Mg
Permintaan untuk obat nodiril 2 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat nodiril 100 mg.
ROP = ( d x LT ) + (z d LT )
= (26507 x 0,133) + (1,64 x 175,4 x√0,133)
= 3640 item
Hasil perhitungan ROP sebesar 3640 item berarti jika persediaan mencapai titik
tersebut, sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut
diperkirakan masih dapat memenuhi kebutuhan selama waktu tunggu
79
4.3.7.4 Seoquel 100 Mg
Permintaan untuk obat seroquel 100 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat seroquel 100 mg.
ROP = ( d x LT ) + (z d LT )
= (90,75 x 0,133) + (1,64 x 6,88 x√0,133)
= 17 item
Hasil perhitungan ROP sebesar 17 item berarti jika persediaan mencapai titik
tersebut, sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut
diperkirakan masih dapat memenuhi kebutuhan selama waktu tunggu
4.3.7.5 Seroquel 200 Mg
Permintaan untuk obat seroquel 200 mg berdasarkan peramalan adalah konstan
selama 12 bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah
perhitungan ROP obat seroquel 200 mg dengan model ROP jumlah demand dan lead time
konstan.
ROP = d x LT
= 6 x 0,133
= 1 item
Hasil perhitungan ROP sebesar 1 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
4.3.7.6 Ablify 5 Mg
Permintaan untuk obat abilify 5 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat abilify 5 mg.
ROP = ( d x LT ) + (z d LT )
= (15 x 0,133) + (1,64 x 1,86 x√0,133)
= 4 item
Hasil perhitungan ROP sebesar 4 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
80
4.3.7.7 Sizoril 25 Mg
Permintaan untuk obat sizoril 25 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat sizoril 25 mg.
ROP = ( d x LT ) + (z d LT )
= (183,75 x 0,133) + (2,2 x 1,98 x√0,133)
= 26 item
Hasil perhitungan ROP sebesar 26 item berarti jika persediaan mencapai titik
tersebut, sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut
diperkirakan masih dapat memenuhi kebutuhan selama waktu tunggu.
4.3.7.8 Ariski 10 Mg
Permintaan untuk obat ariski 10 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat ariski 10 mg.
ROP = ( d x LT ) + (z d LT )
= (19,75 x 0,133) + (1,60 x 1,60 x√0,133)
= 4 item
Hasil perhitungan ROP sebesar 4 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
4.3.7.9 Zolpidem 10 Mg
Permintaan untuk obat zolpidem 10 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat zolpidem 10 mg.
ROP = ( d x LT ) + (z d LT )
= (14,50 x 0,133) + (1,64 x 0,67 x√0,133)
= 3 item
Hasil perhitungan ROP sebesar 3 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
81
4.3.7.10 Sizoril 100 Mg
Permintaan untuk obat sizoril 100 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat sizoril 100 mg.
ROP = ( d x LT ) + (z d LT )
= (38,83 x 0,133) + (1,64 x 0,58 x√0,133)
= 6 item
Hasil perhitungan ROP sebesar 6 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
4.3.7.11 Citicoline 500 Mg
Permintaan untuk obat citicoline 500 mg berdasarkan peramalan tidak tetap selama
12 bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah
perhitungan ROP obat citicoline 100 mg.
ROP = ( d x LT ) + (z d LT )
= (51,67 x 0,133) + (1,64 x 0,98 x√0,133)
= 8 item
Hasil perhitungan ROP sebesar 8 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu. Berikut ini adalah contoh grafik.
4.3.7.12 Neugain Umum
Permintaan untuk obat neugain umum berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat neugain umum.
ROP = ( d x LT ) + (z d LT )
= (37,25 x 0,133) + (1,64 x 0,75 x√0,133)
= 6 item
Hasil perhitungan ROP sebesar 6 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu.
82
4.3.7.13 Takelin 1000 Mg
Permintaan untuk obat takelin 1000 mg berdasarkan peramalan tidak tetap selama 12
bulan dan lead time konstan sebesar 4 hari = 0,133 bulan. Berikut ini adalah perhitungan
ROP obat takelin 1000 mg.
ROP = ( d x LT ) + (z d LT )
= (29,17 x 0,133) + (1,64 x 1,03 x√0,133)
= 5 item
Hasil perhitungan ROP sebesar 5 item berarti jika persediaan mencapai titik tersebut,
sebaiknya dilakukan pemesanan kembali, dan jumlah persediaan tersebut diperkirakan
masih dapat memenuhi kebutuhan selama waktu tunggu. Berikut ini adalah tabel hasil
perhitungan reordder point untuk semua obat
Tabel 4.38
Hasil Perhitungan Reorder Point
No Obat ROP No Obat ROP
1 Cycozam 100 Mg 28 8 Ariski 10 Mg 4
2 Cycozam 25 Mg 153 9 Zolpidem 10 Mg 3
3 Nodiril 100 Mg 3640 10 Sizoril 100 6
4 Seroquel 100 Mg 17 11 Citicolin 500 mg 8
5 Seroquel 200 Mg 1 12 Neugain umum 6
6 Abilfy 5 Mg 4 13 Takelin 1000 mg 5
7 Sizoril 25 Mg 26
4.4 Analisis dan Pembahasan
Pada tahap ini akan dilakukan pembahasan mengenai hasil yang telah didapatkan
dari semua tahapan yang telah dilakukan. Analisis dan pembahasan dilakukan pada
tahapan pengelompokkan obat, analisis ABC-VED, peramalan, perhitungan koefisien
variabilitas, perhitungan lot sizing dan perhitungan reorder point.
4.4.1 Pengelompokkan Obat
Pada sub bab kali ini akan dijelaskan tentang pengelompokkan obat yang telah
dilakukan dengan analisis ABC, analisis VED dan kombinasi dari analisis ABC-VED.
4.4.1.1 Analisis ABC (Always Better Control)
Jumlah obat tablet di RSJ Dr Radjiman Wediodiningrat Lawang sebesar 57 obat.
Masing – masing obat tersebut memiliki tingkat investasi yang berbeda. Analisis ABC
disini digunakan untuk mengetahui tingkat investasi dari masing – masing obat. Analisis
83
ABC membagi persediaan obat kedalam tiga kelompok ( kelompok A,B dan C). Hasil dari
analisis ABC yang telah dilakukan dalam penelitian ini adalah jumlah obat kelompok A
sebanyak 11 item atau 20% dari total persediaan namun memiliki nilai investasi yang
tinggi, yaitu sebesar Rp 192.064.185,59 atau 85,86%. Untuk jumlah obat yang masuk
dalam kelompok B sebanyak 17 item dengan presentase 30% dari total persediaan dan
memiliki tingkat investasi sebesar 12,48%. Sedangkan obat kelas C jumlah unitnya
sebanyak 29 item dengan presentase 50% dan nilai investasi sebesar Rp 3.706.944,89 atau
1,64% dari total investasi tahun 2016. Pengelompokkan dengan analisis ABC ini
diharapkan dapat membantu pihak RSJ Lawang dalam mengelola persediaan dengan
memfokuskan obat yang memiliki tingkat investasi yang tinggi seperti obat yang ada di
kelompok A. Obat dalam kelompok A ini memiliki tingkat penggunaan dan investasi yang
cukup besar sehingga memiliki tingkat perhatian yang lebih dari kelompok lain. Untuk
kelompok B dan C juga harus membutuhkan pengawasan namun tidak seketat dari
kelompok A.
4.4.1.2 Analisis VED (Vital Essential Desirable)
Pengelompokkan obat tidak hanya berdasarkan tingkat investasi dan penggunaanya
saja. Karena pihak rumah sakit juga harus memperhatikan obat berdasarkan tingkat
kekritisan waktu pemberian obat terhadap pasien. Analisis VED disini berguna untuk
megelompokkan obat berdasarkan tingkat kekritisan waktu pemberian obat terhadap
pasien. Berdasrkan kuisioner obat yang termasuk dalam kategori vital (V) sebanyak 10
obat. Obat dalam kategori vital disin yang tersedia cukup sedikit karena biasanya obat
dalam kategori ini banyak tersediandalam bentuk cairan ataupun larutan. Untuk obat yang
masuk dalam kategori Essential (E) sebanyak 32 obat. Obat kategori ini termasuk obat
yang paling banyak dibandingkan obat lainya karena. Sedangkan 15 obat termasuk dalam
kategori desirable (D). Obat dalam kategori desirable ini berfungsi sebagai penunjang
dalam pengobatan. Obat dalam kategori vital di RSJ Lawang memang mempunyai jumlah
yang sedikit, namun sebaiknya obat dalam kategori ini harus tetap tersedia setiap saat
karena fungsinya sebagai obat penyelamat. Untuk obat kategori lainya juga tetap harus
dikendalikan dengan baik agar dapat memenuhi kebutuhan pasien.
4.4.1.3 Analisis ABC-VED
Hasil dari analisis ABC dan VED kemudian di kombinasikan untuk mengetahui
kelompok obat berdasarkan tingkat investasi dan tingkat kekritisan yang berbeda – beda.
84
Kombinasi tersebut membagi obat kedalam tiga kelas, yaitu kelas I,II dan III. Berdasarkan
penelitian ini obat yang termasuk dalam kelas I adalah kombinasi dari obat AV, BV, CV,
AE dan AD sebanyak 13 obat. Obat yang termasuk dalam kelas II adalah kombinasi dari
BE, BD dan CE sebanyak 34 obat. Sedangkan obat yang termasuk dalam kelas III adalah
obat CD sebanyak 10 obat. Dalam penelitian ini hanya difokuskan pada obat kelas I karena
kelompok obat ini adalah kelompok obat yang perlu mendapaatkan pengawasan yang
paling tinggi untuk menjaga ketersediaan obat. Misalkan pada obat AV adalah obat dengan
nilai investasi yang tinggi dan vital untuk pasien. Obat BV adalah obat dengan tingkat
investasi yang sedang namun vital bagi pasien. Obat CV obat yang tergolong investasi
yang rendah namun vital bagi pasien. Obat AE memiliki tingkat investasi tinggi dan cukup
dibutuhkan oleh pasien. Sedangkan obat AD adalah obat yang tidak terlalu dibutuhkan
oleh pasien namun memiliki tingkat investasi yang paling tinggi. Karena itulah mengapa
obat dalam kelas I memiliki tingkat perhatian yang lebih dari pihak rumah sakit dalam
mengelola persediaan. Dalam penelitian obat yang termasuk dalam kelas I adalah Cycozam
100 Mg, Cycozam 25 Mg, Nodiril 2 Mg, Seroquel 100 Mg, Sizoril 25 Mg, Sizoril 100 Mg,
Ariski 10 Mg, Seroquel Ir 200 Mg, Abilify 5 Mg, Zolpidem 10 Mg, Citicolin 500 Mg, Neugain
Umum dan Takelin 1000 Mg.
4.4.2 Analisis Peramalan
Pada penelitian ini peramalan dilakukan pada obat tablet yang termasuk dalam kelas
I. Peramalan dilakukan berdasarkan data aktual periode Januari 2016 hingga Desember
2016 untuk mengetahui permintaan periode Januari 2017 hingga Desember 2017. Pada
penelitian ini ke-sepuluh obat tersebut memiliki pola data fluktuatif dan tren. Untuk obat
yang memiliki pola data fluktuatif dihitung dengan metode moving average, weighted
moving average, dan exponential smoothing. Sedangkan obat dengan pola data tren akan
dihitung dengan metode moving average, weighted moving average, exponential
smoothing dan trend line analysis. Metode peramalan yang terpilih adalah metode yang
menghasilkan error terkecil.
Semua perhitungan peramalan dilakukan dengan microsoft excel. Pada obat cycozam
100 mg metode yang terplih adalah moving average dengan MAD = 31,21 ; MSE =
1927,46 ; MAPE = 0,01 dan MFE = -5,96. Untuk obat cycozam 25 mg metode yang
terpilih adalah moving average dengan MAD = 103,21 ; MSE = 21432,63 ; MAPE = 0 dan
MFE = 29,76. Untuk obat nodiril 2 mg metode yang terpilih adalah trend line analysis
dengan MAD = 45,28 ; MSE = 3282,67 ; MAPE = 0 dan MFE = -0,5. Untuk obat seroquel
85
100 mg metode yang terplih adalah exponential smoothing with tren dengan MAD = 2,46 ;
MSE = 11,71 ; MAPE = 0 dan MFE = 0,46. Obat sizoril 25 mg metode yang terplih adalah
moving average dengan MAD = 10,29 ; MSE = 260,17 ; MAPE = 0 dan MFE = -2,33.
Obat sizoril 100 mg metode yang terplih adalah moving average dengan MAD = 5,25 ;
MSE = 58,50 ; MAPE = 0,01 dan MFE = 0. Obat seroquel 200 mg metode yang terplih
adalah weighted moving average dengan MAD = 2,08 ; MSE = 8,83 ; MAPE = 0,01 dan
MFE = -0,67. Obat ariski 10 mg metode yang terplih adalah trend line analysis dengan
MAD = 0,83 ; MSE = 1,13 ; MAPE = 0 dan MFE = -0,5. Obat abilify metode yang terplih
adalah exponential smoothing with tren dengan MAD = 0,67 ; MSE = 0,92 ; MAPE = 0
dan MFE = -0,08. Obat zolpidem metode yang terplih adalah moving average dengan
MAD = 2,54 ; MSE = 12,54 ; MAPE = 0,04 dan MFE = 0,04. Obat citicoline metode yang
terplih adalah moving average dengan MAD = 6,54 ; MSE = 93,79 ; MAPE = 0 dan MFE
= -0,63 Obat neugain metode yang terplih adalah moving average dengan MAD = 4,33 ;
MSE = 41 ; MAPE = 0 dan MFE = -1. Obat takelin metode yang terplih adalah moving
average dengan MAD = 9,29 ; MSE = 189,96 ; MAPE = 0,02 dan MFE = 0,29.
4.4.3 Analisis Lot Sizing
Lot sizing digunakan untuk menentukan ukuran pemesanan dari masing –masing
obat. Metode yang digunakan dalam menentukan lot sizing tergantung sifat dari demand
masing – masing obat. Untuk menentukan sifat dari masing – masing obat dilakukan
dengan cara menghitung nilai koefisien variabilitas masing - masing obat.
4.4.3.1 Analisis Koefisien Variabilitas
Nilai koefisien variabilitas dari tiap – tiap obat akan dihitung dengan persamaan 2-
14. Dari hasil perhitungan koefisien variabilitas yang telah dilakukan, sebanyak sebelas
mempunyai sifat statis karena nilai v < 0,25 sedangkan dua obat lainya bersifat dinamis
karena nilai v > 0,25. Untuk nilai koefisien variabilitas dari masing – masing obat bisa
dilihat di tabel 4.29. Lot sizing dari obat dengan sifat statis akan dihitung dengan economic
order quantity (EOQ). Sedangkan oat yang bersifat dinamis akan dihitung dengan POQ
dan algoritma silver meal. Metode yang menghasilkan total persediaan yang minimum
akan dipilih untuk direkomendasikan kepada rumah sakit.
86
4.4.3.2 Analisis Lot Sizing dengan EOQ
Obat yang dihitung dengan metode EOQ ini adalah obat yang mempunyai sifat statis
sebanyak sembilan obat. Hasil dari perhitungan EOQ in adalah obat cycozam 100 mg
dengan Q = 432 dan total biaya persediaan sebesar Rp 11.153.061. Obat cycozam 25 mg
dengan Q = 1843 dan total biaya persediaan sebesar Rp 19.196.577. Obat nodiril dengan Q
= 3402 dan total biaya persediaan sebesar Rp 23.922.631. Obat seroquel 100 mg dengan Q
= 113 dan total biaya persediaan sebesar Rp 36.635.480. Obat seroquel 200 mg dengan Q
= 33 dan total biaya persediaan sebesar Rp 1.952.302. Obat abilify 5 mg dengan Q = 57
dan total biaya persediaan sebesar Rp 4.019.356. Obat sizoril 25 mg dengan Q = 456 dan
total biaya persediaan sebesar Rp 9.258.129. Obat ariski 10 mg dengan Q = 56 dan total
biaya persediaan sebesar Rp 7.190.169. Obat zolpidem 10 mg dengan Q = 114 dan total
biaya persediaan sebesar Rp 931.737. Obat citicoline 500 mg dengan Q = 67 dan total
biaya persediaan sebesar Rp 2.944.024. Obat neugain dengan Q = 37 dan total biaya
persediaan sebesar Rp 5.008.903. Hasil tersebut berarti bahwa pihak rumah sakit harus
melakukan pemesanan misalnya pada obat cycozam 100 mg sebesar 432 setiap kali pesan
dan total biaya persediaan yang harus dikeluarkan mencapai Rp 11.153.061.
4.4.3.3 Analisis Lot Sizing dengan POQ
Obat yang dihitung menggunakan POQ adalah obat sizoril 100 mg dan takelin 1000
mg. POQ digunakan untuk menentukan interval pemesanan. Hasil dari perhitungan dengan
POQ sebesar satu. Hal tersebut berarti bahwa interval pemesanan yang harus dilakukan
oleh pihak rumah sakit akan optimal jika dilakukan dalam satu periode sekali dengan
frekuensi pemesanan sebanyak 6 kali dalam satu tahun. Total biaya persediaan yang harus
dikeluarkan dengan model POQ sebesar Rp 7.408.966 untuk obat sizoril 100 mg dan Rp
6.658.126 untuk obat takelin 1000 mg.
4.4.3.4 Analisis Lot Sizing dengan Algoritma Silver Meal
Perhitungan dengan algoritma silver meal ini dilakukan pada obat sizoril 100 mg dan
takelin 1000 mg. Algoritma silver meal menggunakan kombinasi dari beberapa periode
untuk menentukan total biaya yang optimum. Total biaya dalam algoritma silver meal ini
dipengaruhi oleh biaya pemesanan, biaya penyimpanan dan biaya per periode yang harus
dikeluarkan. Perhitungan dengan metode ini tidak dapat dikatakan optimal saat terjadi
kenaikan biaya per periode jika dibandingkan dengan periode selanjutnya sehingga
kombinasi periode yang terpilih adalah periode sebelum biaya per periode mengalami
87
kenaikan. Menurut perhitungan dengan metode algoritma silver meal pada penelititan ini
pihak rumah sakit dapat melakukan pemesanan sebanyak 11 kali dengan biaya yang
dibututhkan dalam persediaan sebesar Rp 7.351.366 pada obat sizoril 100 mg dan Rp
5.905.221 pada obat takelin 1000 mg. Jika dibandingkan dengan metode POQ, total biaya
persediaan pada metode algoritma silver meal menghasilkan biaya yang paling kecil
sehingga metode ini yang terpilih.
4.4.4 Analisa Reorder Point
Perhitungan reorder point digunakan untuk mengantisipasi terjadi kekosongan obat
saat masa tunggu pemesanan,sehingga permintaan terlayani dengan baik. Berdasarkan
hasil peramalan yang telah dilakukan ada dua model ROP yang digunakan, yaitu ROP
dengan jumlah lead time & permintaaan konstan pada obat seroquel 200 mg. Sedangkan
sembilan obat lainya menggunakan ROP dengan lead time konstan & permintaan tidak
tetap. Hasil dari perhitungan ROP untuk obat cycozam 100 mg, cycozam 25 mg, nodiril
100 mg, seroquel 100 mg, seroquel 200 mg, abilfy 5 mg, sizoril 25 mg, ariski 10 mg,
zolpidem 10 mg dan sizoril 100, citicoline 500 mg, neugain umum dan takelin 1000 mg
adalah 28, 152, 3718, 16, 1, 4, 26, 4, 3, 6, 8, 6 dan 5. Hasil tersebut berarti bahwa
sebaiknya pihak rumah sakit melakukan pemesanan kembali pada saat persediaan obat
mencapai nilai tersebut untuk mencegah terjadinya kekurangan maupun kekosongan obat
sehingga kebutuhan para pasien dapat terpenuhi.
88
Halaman ini sengaja dikosongkan
89
BAB V
PENUTUP
Setelah melakukan analisis dan pembahasan selanjutnya pada bab ini akan diambil
kesimpulan dari penelitian ini. Selain itu juga diberikan saran yang diharapkan berguna
untuk perusahaan maupun penelitian selanjutnya.
5.1 Kesimpulan
Berdasarkan hasil dari analisis dan pembahasan yang telah dilakukan, maka berikut
ini adalah kesimpulan dari hasil penelitian yang diperoleh.
1. Hasil dari pengelompokkan obat tablet berdasarkan nilai investasi dan penggunaan
dengan analisis ABC adalah obat yang masuk dalam kelompok A sebanyak 11 obat,
kelompok B 17 obat dan kelompok C 29 obat. Sedangkan pengelompokkan obat
dengan analisis VED adalah sebanyak 10 obat yang masuk dalam kelompok V,
kelompok E 32 obat dan kelompok D 15 obat. Dan hasil dari kombinasi analisis
ABC-VED didapatkan tiga kelas. Kelas I adalah kombinasi obat AV, AE, AD, BV
dan CV sebanyak 13 obat. Obat kelas II adalah kombinasi dari obat BE, BD, dan CE
sebanyak 34 obat. Sedangkan obat pada kelas III adalah kombinasi dari oba CD
sebanyak 9 obat.
2. Metode peramalan yang terpilih ada empat. Metode tersebut terpilih karena
menghasilkan nilai error yang paling kecil bila dibandingkan dengan metode lainya.
Metode peramalan yang pertama adalah metode moving average untuk obat
Cycozam 100 mg, cycozam 25 mg, sizoril 25 mg, sizoril 100 mg ,zolpidem 10 mg,
citicoline 500 mg, neugain umum dan takelin 1000 mg. Yang kedua adalah weighted
moving average untuk obat seroquel 200 mg. Yang ketiga adalah trend line analysis
untuk obat nodiril 2 mg dan ariski 10 mg. Dan metode peramalan yang keempat
adalah exponential smoothing with tren untuk obat abilify 5 mg dan seroquel 100
mg.
3. Metode yang digunakan untuk menentukan ukuran pemesanan adalah EOQ untuk
obat yang bersifat statis dan algoritma silver meal dan POQ untuk obat yang bersifat
dinamis. Obat yang dihitung dengan EOQ adalah obat obat cycozam 100 mg dengan
Q = 432, obat cycozam 25 mg dengan Q = 1843, obat nodiril dengan Q = 3402, obat
seroquel 100 mg dengan Q = 113, obat seroquel 200 mg dengan Q = 33, obat abilify
89
90
5 mg dengan Q = 57, obat sizoril 25 mg dengan Q = 456, obat ariski 10 mg dengan Q
= 56, obat zolpidem 10 mg dengan Q = 114, obat citicoline 500 mg dengan Q = 67
dan obat neugain dengan Q = 37. Sedangkan obat yang bersifat dinamis adalah
sizoril 100 mg dan takelin 1000 mg yang dihitung dengan POQ dan algoritma silver
meal. Metode yang terpilih adalah algoritma silver meal karena menghasilkan total
biaya persediaan sebesar Rp 7.351.366 pada sizoril 100 mg dan 5.905.221 pada obat
takelin 1000 mg. Hasil tersebut sedikit lebih kecil dibandingkan dengan metode POQ
yang menghasilkan total biaya persediaan sebesar Rp 7.408.889 dan Rp 6.628.126
4. Reorder point dari obat cycozam 100 mg, cycozam 25 mg, nodiril 2 mg, seroquel
100 mg, sizoril 25 mg, sizoril 100 mg, ariski 10 mg, seroquel ir 200 mg, abilify 5 mg,
zolpidem 10 mg , citicoline 500 mg, neugain dan takelin 1000 mg masing – masing
adalah 28, 152, 3718, 16, 26, 6, 4, 1, 4, 3, 8, 6 dan 5. Pemesanan kembali sebaiknya
dilakukan pada saat masing – masing obat mencapai titik tersebut untuk
mengantisipasi terjadinya kekosongan saat menunggu pemesanan sehingga
permintaan dapat terlayani dengan baik.
5.2 Saran
Berikut ini adalah saran yang dapat diberikan pada penelitian ini :
1. Pihak rumah sakit memerlukan sistem informasi untuk mengetahui pemakaian tiap
obat baik per hari, per bulan, maupun tahunan yang terientegrasi ke setiap unit untuk
memudahkan pengawasan maupun pengendalian persediaan obat.
2. Pihak rumah sakit dapat menggunakan analisis ABC-VED yang digunakan dalam
penelitian ini untuk mengetahui tingkat prioritas dari masing – masing obat yang
berbeda – beda.
3. Pihak rumah sakit dapat mempertimbangkan penggunaan metode pengendalian
persediaan dalam penelitiaan ini untuk perencanaan masa yang akan datang.
4. Untuk biaya pemesanan dan persediaan tiap tahunya berubah – ubah karena
tergantung kuantitas barang yang ada sehingga pihak rumah sakit harus
mempertimbangkan kuantitas obat yang disimpan dan frekuensi pemesanan.
91
DAFTAR PUSTAKA
Ahmadi, Abu dan Cholid Narbuko. 1997. Metodologi Penelitian. Jakarta : Bumi Aksara
Aditama, Y Tjandra. 2006. Manajemen Administrasi Rumah Sakit . Jakarta :Penerbit
Universitas Indonesia.
Ariyanti, Benecdita Dwi. 2011. “Analisis Pengendalian Persediaan Obat dengan Analisis
ABC, EOQ, dan ROP pada Instalasi Farmasi Rumah Sakit X Perode Januari –
Desember 2011”, Skripsi Dipublikasikan. Depok : Universitas Indonesia
Assauri, Sofjan. 2004. Manajemen Operasi dan Produksi. Edisi Revisi. Jakarta: Fakultas
Ekonomi Indinesia
Freddy Rangkuti. 2004, The Power of Brand. Jakarta: PT Gramedia Pustaka Utama.
Gasperz, V 2002, Production Planning and Inventory Control Berdasarkan Pendekatan
Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21, Jakarta:PT Gramedia
Pustaka Utama
Nasution, AH., & Prasetyawan, Y., 2008, Perencanaan dan Pengendalian Produksi.
Yogyakarta: Graha Ilmu
Hadiani, M.A, 2011.”Klasifikasi Obat Gawat Darurat Menggunakan Analisis ABC-VED di
Instalasi Farmasi RSUD Dr Moewardi Surakarta”,Jurnal Teknik Waktu, Vol 9 No
2, hlm:63-71.
Heizer, Jay dan Render, Barry. 2010. Manajemen Operasi. Jakarta : Salemba empat
Jacobs, F, R., Berry, W.L., Whybark, D.C., & Vollman, T.E., 2011, Manufacturing
Planning & Control for Supply Chain Management, Edisi Keenam, Ney York:
McGraw-Hill
Kartika, W.A., Sumantri Y., dan Eunike A. 2015. Klasifikasi Obat Berdasarkan Analisis
ABC-VED dan Perencanaan Persediaan Dengan Mempertimbangkan Lot Sizing.
Skripsi Dipublikasikan. Malang :Universitas Brawijaya
Kementerian Kesehatan, 2014. Peraturan Menteri Kesehatan Republik Indonesia Nomor
58 Tahun 2014 Tentang Standar Pelayanan Kefarmasian Di Rumah Sakit., Jakarta:
Kementerian Kesehatan RI
Makridakis, S., Wheelright, S.C., McGee,V.E., Metode dan Aplikasi Peramalan, Jilid 1,
Edisi Kedua, Jakarta : Binarupa Aksara. 1999
Menteri Kesehatan RI, 2013, Daftar Obat Essential Nasional (DOEN) Tahun 2013, Jakarta
: Kementerian Kesehatan RI
Robbins, P.S., & Coutler, M., 2010. Manajemen, Jilid 1, Edisi kesepuluh, Jakarta:
Erlangga
Sipper, D., & Bulfin, L.R., 1998, Production:Planning and Integration, Singapore:
McGraw-Hill
91
92
Stevenson, W.J., Chuong S.C., 2004, Manajemen Operasi Perspektif Asia. Edisi
Kesembilan, Singapore:Mc Graw-Hill Education
Suci, Suciati., Adisasmito, Wiku B.B., 2006.”Analisis Perencanaan Obat berdasarkan
ABC Indeks Kritis di Instalasi Farmasi”, Jurnal Manajemen Pelayanan Kesehatan,
Vol 9 No 1, hlm: 19-26.
Tersine J.R., 1994, Principle of Inventory and Material Management, Edisi keempat, The
University of Oklahoma : Prentice-hall International,Inc.
Thawami, V.R., Turankar, A.V., Sontakke, S.D., Pimpalkhute, S.V., Dakhale, G.N.,
Jaiswal, K.S., Garpure, K.J & Dharmadhikari, S.D., 2003, “Economic Analysisof
Drug Expenditure In Gouverment Medical Collage Hospital” The Indian Journalo of
Pharmocology,Vol 36 hlmn:15-16, India : Departemen of Pharmacology
Tristiyana N., 2012 Analisis Manajemen Logistik dan Penerapan Pengendalian
Perencanaan Vital Essential Non-essential Sistem Gudang Obat Departemen Gigi
dan Mulut RSPAD Gatot Soebroto DITKESA, Skripsi Dipublikasikan, Depok :
Universitas Indonesia