Abstract:
Pada zaman dengan perkembangan ekonomi yang pesat ini membuat persaingan yang terjadi antar perusahaan semakin ketat, perusahaan berlomba-lomba untuk saling meningkatkan profit yang didapat dengan menggunakan berbagai macam cara. Salah satu cara yang dapat digunakan adalah dengan memperbaiki sistem persediaan, metode yang bisa digunakan adalah vendor managed inventory. VMI
merupakan sebuah metode yang mampu meminimasi biaya persediaan. Namun di sam ping manfaat yang dirasakan yaitu mampu meminimasi biaya, terdapat hal-hal yang harus diperhatikan. Salah satu hal yang perlu diperhatikan adalah ketidakpastian leadtime, dari ketidakpastian leadtime terse but dapat mempengaruhi tingkat pelayanan (service level) yang diberikan oleh pemasok kepada retailer. Tujuan
dari penelitian ini adalah untuk mengembangkan model VMI (Vendor Managed Inventory) yang memaksimasi tingkat pelayanan (service level) dengan mempertimbangkan ketidakpastian leadtime.
Model terse but nantinya akan diuji dengan menggunakan solver untuk model matematis. Model matematis pertama yang dikembangkan belum mampu diselesaikan dengan sempurna sehingga dibuatlah model approksimasi yang dapat diselesaikan dengan menggunakan linear programming. Perhitungan service level akan dilakukan secara terpisah dengan menggunakan Microsoft Excel. Setelah membuat model yang sesuai kemudian langkah selanjutnya adalah menerjemahkan model tersebut ke dalam bahasa AMPL yang kemudian akan diselesaikan menggunakan solver untuk model matematis. Hasil dari model ini adalah jadwal pemesanan yang dilakukan baik oleh supplier maupun oleh retailer yang akan
menghasilkan service level paling optimal tanpa melebihi biaya yang dimiliki. Setelah dilakukan uji terhadap studi kasus yang telah dibuat dapat ditarik kesimpulan bahwa semakin besar biaya yang dimiliki maka service level yang mampu diberikan oleh pemasok kepada retailer juga akan semakin besar. Selain itu semakin besar variansi leadtime akan menyebabkan kecilnya service level yang diberikan pemasok kepada retailer.
