Guys, pernah ngga kamu order barang dan bertanya-tanya, "kapan ya ini datangnya?"
— selamat, kamu sudah merasakan yang namanya ketidakpastian lead time.
Di dunia Inventory & Procurement, lead time jarang konsisten. Bulan ini vendor kirim dalam 28 hari, bulan depan bisa 45 hari. Ketidakpastian ini bukan sekadar gangguan —
ini adalah risiko nyata yang bisa menyebabkan stok habis, pekerjaan terhenti, dan kerugian operasional.
Pertanyaannya: apa yang sebenarnya harus kita ukur? Dan metode mana yang tepat dipakai sesuai dengan data yang kita punya?
Dalam artikel ini, contoh kasusnya kita pakai data 12 bulan terakhir sebagai acuan — cukup relevan, tidak terlalu jauh ke belakang, dan mencerminkan kondisi vendor saat ini.
Apa Saja yang Perlu Diukur?
1. Rata-rata Lead Time
Ini yang paling mudah — jumlahkan semua lead time lalu bagi dengan jumlah transaksi.
Dalam 12 bulan terakhir ada 5 penerimaan dengan lead time: 30, 28, 45, 32, dan 35 hari.
Rata-rata = (30+28+45+32+35) / 5 = 34 hari
Tapi rata-rata saja tidak cukup. Dua material bisa punya rata-rata yang sama tapi perilakunya sangat berbeda. Di sinilah kita butuh ukuran berikutnya.
2. Seberapa Sering Lead Time Meleset
Ini inti dari segalanya. Ada dua metode yang umum dipakai, dan pilihan metodenya tergantung dari berapa banyak data yang kita punya.
Berapa Data yang Cukup? Dan Metode Mana yang Tepat?
❌ Kondisi 1 — Penerimaan 1 sampai 3 kali dalam 12 bulan
Ini kondisi paling umum untuk material slow moving atau pengadaan tahunan. Dengan data sesedikit ini, satu kejadian ekstrem langsung mendistorsi semua angka.
Metode yang tepat: MAD (mean absolute deviation),
Gampangannya gini MAD = rata-rata "melesetnya" lead time dari ekspektasi.
Contoh paling mudah:
Kamu ekspektasi vendor kirim 30 hari.
Transaksi 1 → datang 28 hari → meleset 2 hari
Transaksi 2 → datang 45 hari → meleset 15 hari
Transaksi 3 → datang 33 hari → meleset 3 hari
MAD = (2 + 15 + 3) / 3 = 6.7 hari
Artinya: rata-rata vendor meleset sekitar 7 hari dari janjinya.
Makin besar MAD → makin tidak bisa diprediksi → makin besar stok cadangan yang perlu disiapkan. ✅
Rata-rata = (28 + 45 + 30) / 3 = 34.3 hari
MAD = (|28-34.3| + |45-34.3| + |30-34.3|) / 3
= (6.3 + 10.7 + 4.3) / 3
= 7.1 hari
Safety Stock = 1.25 × 7.1 = ~9 hari pemakaian
⚠️ Status: Low Confidence — keputusan akhir tetap di tangan planner, bukan semata angka.
🟡 Kondisi 2 — Penerimaan 4 sampai 10 kali dalam 12 bulan
Ini kondisi ideal untuk kebanyakan material pengadaan rutin. Data sudah cukup untuk dihitung, tapi potensi outlier masih ada.
Metode yang tepat: MAD — lebih tahan banting terhadap outlier dibanding Standar Deviasi.
Rata-rata = 33.2 hari
MAD = (3.2 + 5.2 + 11.8 + 1.2 + 1.8 + 4.2) / 6
= 4.6 hari
Safety Stock = 1.25 × 4.6 = ~6 hari pemakaian
🟡 Status: Medium Confidence — angka representatif, tetap dipantau setiap review periode.
✅ Kondisi 3 — Penerimaan 11 sampai 30 kali dalam 12 bulan
Material fast moving atau pengadaan frekuensi tinggi. Data sudah cukup banyak dan distribusinya mulai mendekati normal.
Metode yang tepat: Standar Deviasi — lebih akurat untuk sampel besar.
Rata-rata LT = 33 hari
Standar Deviasi = 5.2 hari
Safety Stock (service level 95%, Z = 1.65):
= 1.65 × 5.2 = ~9 hari pemakaian
✅ Status: High Confidence — angka bisa langsung dipakai sebagai acuan Min Max dan ROP.
✅✅ Kondisi 4 — Penerimaan lebih dari 30 kali dalam 12 bulan
Material konsumsi harian atau mingguan. Ini kondisi terbaik untuk inventory planning otomatis.
Metode yang tepat: Standar Deviasi penuh, dengan service level yang bisa disesuaikan lebih presisi (95%, 97%, 99%).
✅ Status: Very High Confidence — siap untuk sistem inventory otomatis.
Persentase Ketidakpastian — Untuk Apa?
Setelah tahu angka melesetnya, kita perlu tahu: besar atau kecilkah itu dibanding rata-ratanya? Caranya: bagi angka meleset dengan rata-rata lead time.
Vendor A: rata-rata kirim 30 hari, paling meleset 3 hari → CV = 0.10 = 10% → "vendor ini bisa dipercaya" Vendor B: rata-rata kirim 30 hari, paling meleset 25 hari → CV = 0.83 = 83% → "vendor ini tidak bisa diprediksi"
Material A: Avg LT = 30 hari, MAD = 3 hari → CV = 0.10 → konsisten ✅
Material B: Avg LT = 30 hari, MAD = 18 hari → CV = 0.60 → tidak bisa diprediksi ⚠️
Meski rata-rata LT-nya sama, Material B butuh stok cadangan jauh lebih besar. CV membantu kita memprioritaskan mana material yang perlu perhatian lebih.
< 0.2 → Lead time sangat konsisten, stok cadangan bisa minimal
0.2 – 0.5 → Cukup stabil, stok cadangan moderat
> 0.5 → Tidak bisa diprediksi, stok cadangan harus lebih besar
Ringkasan Panduan Memilih Metode
| Penerimaan dalam 12 Bulan | Metode | Status |
|---|---|---|
| 1 – 3 kali | MAD + review manual | ❌ Low Confidence |
| 4 – 10 kali | MAD | 🟡 Medium Confidence |
| 11 – 30 kali | Standar Deviasi | ✅ High Confidence |
| > 30 kali | Standar Deviasi | ✅ Very High Confidence |
Kesimpulan
Mengukur lead time bukan hanya soal rata-rata. Yang lebih penting adalah seberapa sering lead time meleset dari ekspektasi. Dari sana kita bisa menghitung stok cadangan yang tepat — tidak terlalu banyak sehingga modal tidak terbuang, dan tidak terlalu sedikit sehingga operasional tidak terganggu.
Jumlah data yang kita punya menentukan metode mana yang paling tepat. Semakin banyak data, semakin akurat hasilnya. Tapi bahkan dengan data sedikit pun, kita tetap bisa membuat keputusan yang lebih baik dibanding sekadar mengandalkan intuisi.
tapi ini baru perjalanan awal, masih banyak variabel lain yang harus kita perhitungkan, seperti fluktuasi demand/ permintaan, Readiness Vendor, dan faktor faktor lain yg harus juga dipertimbangkan.
bocoran dikit nih, misal pake MAD yah, sebelum kita hitung Safety Stock, maka ada beberapa Step Berikut,
1. Klasifikasi ABC-XYZ dulu
→ tahu mana material prioritas
2. Hitung CV per material
→ tahu mana yang konsisten vs fluktuatif
3. Dari CV → tentukan metode:
CV < 0.5 → pakai Std Dev
CV ≥ 0.5 → pakai MAD
4. Hitung SS per material dengan metode yang tepat
Perlu Bantuan Menghitung Safety Stock & Inventory Planning?
Kami menyediakan jasa konsultasi dan perhitungan inventory planning berbasis data — mulai dari analisis lead time, perhitungan Safety Stock, Min Max, hingga visualisasi dashboard di Power BI yang langsung bisa dipakai tim operasional dan manajemen.
Cocok untuk Pekerja profesional/UMKM/perusahaan yang ingin data-driven tapi belum tahu harus mulai dari mana.
💬 Hubungi via WhatsAppKlik tombol di atas atau langsung chat ke 0822-5008-6830
Referensi
- Simchi-Levi, D., Kaminsky, P., & Simchi-Levi, E. Designing and Managing the Supply Chain. McGraw-Hill.
- Chopra, S., & Meindl, P. Supply Chain Management: Strategy, Planning, and Operation. Pearson.
- Silver, E.A., Pyke, D.F., & Peterson, R. Inventory Management and Production Planning and Scheduling. Wiley.
- APICS Dictionary. Association for Supply Chain Management (ASCM).