Analisis dalam Perencanaan Kebutuhan Distribusi dengan Menggunakan Distribution Resource Planning (DRP) dan Algoritma Djikstra pada PT. Union Confectionery

(1)

(2)

Data Permintaan Produk Hard Candy Periode Juni 2014

–

Mei

2016

Periode P. Siantar T. Tinggi Rantauprapat Pekanbaru Medan Total (Kardus)

Jun ‘14 3.052 2.035 5.086 4.069 6.104 20.346

Jul ‘14 3.388 2.259 5.646 4.517 6.775 22.585

Ags ‘14 3.543 2.362 5.905 4.779 7.086 23.675

Sep ‘14 3.584 2.584 5.973 4.724 7.751 24.616

Okt ‘14 3.876 2.390 6.459 5.167 7.168 25.060

Nov ‘14 3.886 2.591 6.477 5.181 7.803 25.938

Des ‘14 3.902 2.601 7.042 5.202 7.772 26.519

Jan ‘15 4.225 2.850 6.502 5.700 8.450 27.727

Feb ‘15 4.275 2.817 7.125 5.634 8.550 28.401

Mar ‘15 4.735 3.157 7.891 6.313 10.096 32.192

Apr ‘15 4.739 3.159 8.414 6.318 9.469 32.099

Mei ‘15 5.048 3.366 8.939 6.731 9.477 33.561

Jun ‘15 5.363 3.576 7.898 7.437 10.726 35.000

Jul ‘15 5.578 3.739 9.296 7.477 11.156 37.246

Ags ‘15 5.608 3.719 9.346 7.614 11.570 37.857

Sep ‘15 5.710 3.807 9.642 7.151 11.215 37.525

Okt ‘15 5.785 3.857 9.517 7.714 11.420 38.293

Nov ‘15 6.038 4.025 10.062 8.050 12.075 40.250

Des ‘15 6.200 4.133 10.333 8.543 13.434 42.643

Jan ‘16 6.407 4.478 10.678 8.956 12.399 42.918

Feb ‘16 6.717 4.272 11.195 8.266 12.814 43.264

Mar ‘16 6.886 4.591 11.476 9.181 13.771 45.905

Apr ‘16 7.001 4.708 11.668 9.334 14.123 46.834

Mei ‘16 7.062 4.667 11.769 9.415 14.001 46.914

(3)

Perhitungan Parameter Peramalan Jumlah Permintaan dengan

Metode Eksponensial

X Y X2 lnY X lnY

1 20.346 1 9,9205 9,9205

2 22.585 4 10,025 20,05

3 23.675 9 10,0721 30,2163

4 24.616 16 10,1111 40,4444

5 25.060 25 10,1289 50,6445

6 25.938 36 10,1634 60,9804

7 26.519 49 10,1855 71,2985

8 27.727 64 10,2301 81,8408

9 28.401 81 10,2541 92,2869

10 32.192 100 10,3794 103,794 11 32.099 121 10,3765 114,1415 12 33.561 144 10,4211 125,0532 13 35.000 169 10,4631 136,0203 14 37.246 196 10,5252 147,3528 15 37.857 225 10,5415 158,1225 16 37.525 256 10,5327 168,5232

17 38.293 289 10,553 179,401

18 40.250 324 10,6028 190,8504 19 42.643 361 10,6606 202,5514

20 42.918 400 10,667 213,34

21 43.264 441 10,675 224,175

22 45.905 484 10,7342 236,1524 23 46.834 529 10,7543 247,3489

24 46.914 576 10,756 258,144

300 817.368 4.900 249,7331 3.162,653

(4)

Perhitungan Parameter Peramalan Jumlah Permintaan dengan

Metode Linear

X Y X2 X.Y

1 20.346 1 20.346

2 22.585 4 45.170

3 23.675 9 71.025

4 24.616 16 98.464

5 25.060 25 125.300

6 25.938 36 155.628

7 26.519 49 185.633

8 27.727 64 221.816

9 28.401 81 255.609

10 32.192 100 321.920

11 32.099 121 353.089

12 33.561 144 402.732

13 35.000 169 455.000

14 37.246 196 521.444

15 37.857 225 567.855

16 37.525 256 600.400

17 38.293 289 650.981

18 40.250 324 724.500

19 42.643 361 810.217

20 42.918 400 858.360

21 43.264 441 908.544

22 45.905 484 1.009.910

23 46.834 529 1.077.182

24 46.914 576 1.125.936

300 817.368 4.900 11.567.061

(5)

Perhitungan SEE pada Peramalan Jumlah Permintaan dengan

Metode Eksponensial

X Y Y' Y-Y' (Y-Y')²

1 20.346 21.932,77 -1.586,77 2.517.852,04 2 22.585 22.728,6 -143,60 20.621,30

3 23.675 23.553,3 121,70 14.809,72

4 24.616 24.407,93 208,07 43.292,04 5 25.060 25.293,57 -233,57 54.555,13 6 25.938 26.211,34 -273,34 74.716,61 7 26.519 27.162,42 -643,42 413.986,34

8 27.727 28.148 -421,00 177.242,26

9 28.401 29.169,35 -768,35 590.357,27 10 32.192 30.227,75 1.964,25 3.858.269,81 11 32.099 31.324,56 774,44 599.755,61 12 33.561 32.461,17 1.099,83 1.209.631,31 13 35.000 33.639,02 1.360,98 1.852.278,26 14 37.246 34.859,6 2.386,40 5.694.895,89 15 37.857 36.124,48 1.732,52 3.001.636,64

16 37.525 37.435,25 89,75 8.055,51

17 38.293 38.793,58 -500,58 250.579,54

18 40.250 40.201,2 48,80 2.381,64

19 42.643 41.659,89 983,11 966.501,93 20 42.918 43.171,51 -253,51 64.269,35 21 43.264 44.737,99 -1.473,99 2.172.632,66 22 45.905 46.361,3 -456,30 208.205,77 23 46.834 48.043,51 -1.209,51 1.462.908,88 24 46.914 49.786,76 -2.872,76 8.252.740,82

300 817.368 817.434,8 -66,85 33.512.176,35

(6)

Perhitungan SEE pada Peramalan Jumlah Permintaan dengan

Metode Linear

X Y Y' Y-Y' (Y-Y')²

1 20.346 20.557,39 -211,39 44.685,73 2 22.585 21.731,27 853,7309 728.856,4 3 23.675 22.905,15 769,8517 592.671,6 4 24.616 24.079,03 536,9726 288.339,6 5 25.060 25.252,91 -192,907 37.212,92 6 25.938 26.426,79 -488,786 238.911,5 7 26.519 27.600,66 -1.081,66 1.169.999 8 27.727 28.774,54 -1.047,54 1.097.348 9 28.401 29.948,42 -1.547,42 2.394.518 10 32.192 31.122,3 1.069,698 1.144.253 11 32.099 32.296,18 -197,181 38.880,47 12 33.561 33.470,06 90,9396 8.270,011 13 35.000 34.643,94 356,0604 126.779 14 37.246 35.817,82 1.428,181 2.039.702 15 37.857 36.991,7 865,3022 748.747,9 16 37.525 38.165,58 -640,577 410.338,9 17 38.293 39.339,46 -1.046,46 1.095.070 18 40.250 40.513,34 -263,335 69.345,43 19 42.643 41.687,21 955,7857 913.526,3 20 42.918 42.861,09 56,9065 3.238,35 21 43.264 44.034,97 -770,973 594.398,8 22 45.905 45.208,85 696,1483 484.622,5 23 46.834 46.382,73 451,2691 203.643,8 24 46.914 47.556,61 -642,61 412.947,6

300 817.368 817.368 0 14.886.307

(7)

Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan

X Y Y' Y-Y' MR

1 20.346 20.557,39 -211,39 -

2 22.585 21.731,27 853,7309 1.065,121

3 23.675 22.905,15 769,8517 83,8792

4 24.616 24.079,03 536,9726 232,8791

5 25.060 25.252,91 -192,907 729,8791

6 25.938 26.426,79 -488,786 295,8792

7 26.519 27.600,66 -1.081,66 592,8791

8 27.727 28.774,54 -1.047,54 34,1209

9 28.401 29.948,42 -1.547,42 499,8791

10 32.192 31.122,3 1.069,698 2.617,121

11 32.099 32.296,18 -197,181 1.266,879

12 33.561 33.470,06 90,9396 288,1209

13 35.000 34.643,94 356,0604 265,1208

14 37.246 35.817,82 1.428,181 1.072,121

15 37.857 36.991,7 865,3022 562,8791

16 37.525 38.165,58 -640,577 1.505,879

17 38.293 39.339,46 -1.046,46 405,8791

18 40.250 40.513,34 -263,335 783,1209

19 42.643 41.687,21 955,7857 1.219,121

20 42.918 42.861,09 56,9065 898,8792

21 43.264 44.034,97 -770,973 827,8791

22 45.905 45.208,85 696,1483 1.467,121

23 46.834 46.382,73 451,2691 244,8792

24 46.914 47.556,61 -642,61 1.093,879

300 817.368 817.368 0 18.053,4

(8)

Perhitungan Hasil Peramalan Jumlah Permintaan Distribution

Centre

Distribution Centre

Hasil Peramalan Jumlah Permintaan

(Kardus)

Pematang Siantar 99.593

Tebing Tinggi 66.303

Rantauprapat 165.564

Pekanbaru 132.381

Medan 198.399

(9)

Hasil Perhitungan Demand Setiap Periode

Periode Kota

Penjumlahan Planned Shipments – Ship Date

per Periode

Total

1

62.501 Tebing Tinggi 8.382

Rantauprapat 15.255

Pekanbaru 11.808

Medan 17.916

2

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

3

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

4

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

5

Rantauprapat 3.051

Pekanbaru 11.808

Medan 14.930

6

Rantauprapat 15.255

Pekanbaru 11.808

Medan 17.916

7

Rantauprapat 15.255

Pekanbaru 2.952

(10)

Hasil Perhitungan Demand Setiap Periode (Lanjutan)

Periode Kota

Penjumlahan Planned Shipments – Ship Date

per Periode

Total

8

Rantauprapat 12.204

Pekanbaru 11.808

Medan 26.874

9

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

10

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

11

Rantauprapat 15.255

Pekanbaru 11.808

Medan 14.930

12

Rantauprapat 15.255

Pekanbaru 11.808

Medan 17.916

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

DAFTAR PUSTAKA

Batubara, Sumiharni, Rahmi Maulidya dan Irma Kusumaningrum. 2011.

Perbaikan Sistem Distribusi dan Transportasi dengan Menggunakan

Distribution Requirement Planning (DRP) dan Algoritma Djikstra (Studi

Kasus: Depot Pertamina Tasikmalaya). Vol. 1. No. 1. ISSN 1411-6340.

Fogarty, Donald W., John H. Blackstone dan Thomas R. Hoffmann. 1991.

Production & Inventory Management. Ohio: South Western Publishing Co.

Gaspersz, Vincent. 2005. Production Planning adn Inventory Control Berdasarkan Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju

Manufakturing 21. Jakarta: PT. Gramedia Pustaka Utama.

Ginting, Rosnani. 2007. Sistem Produksi. Yogyakarta : Graha Ilmu.

Hidayat, Syarif, Nunung Nurhasanah, Anela Septieni Zulkifli. 2013. Perencanaan dan Penjadwalan Distribusi Pakaian Jadi dengan Metode Distribution

Resource Planning. Vol 12. No. 2. ISSN 2088-4842.

Kristanto, Titus dan Rachman Arief. 2013. Rancang Bangun Sistem Penjadwalan Aktivitas Distribusi dengan Metode DRP (Distribution Requirement

Planning). ISBN 978-979-98438-8-3.

Martin, Andre J. 1992. DRP Distribution Resource Planning Distribution

Management’s Most Powerful Tool. New York: Prentice Hall, Inc.

Paramitasari, Dewi dan Muhammad Yusuf. 2015. Analisis dalam Perencanaan

Kebutuhan Distribusi Produk Gula Menggunakan Distribution

(21)

2338-Pujawan, I Nyoman. 2010. Supply Chain Management. Surabaya: Guna Widya Sinulingga, Sukaria. 2013. Perencanaan dan Pengendalian Produksi.

Yogyakarta : Graha Ilmu.

Sinulingga, Sukaria. 2014. Metode Penelitian. Medan: USU Press. Sinulingga, Sukaria. 2015. Teori Jaringan. Medan: USU Press.

Surya, Steven Regina. 2013. Implementasi Metode Distribution Requirements

Plannning (DRP) pada CV Karya Mandiri Sejahtera di Surabaya. Vol. 2 .

No. 1.

(22)

BAB III

LANDASAN TEORI

3.1. Peramalan (Forecasting)

Menurut Rosnani Ginting (2007), peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.

3.2. Peramalan Kuantitatif

Pada metode ini, data historis masa lalu digunakan untuk meramalkan permintaan masa depan. Ada dua kelompok besar metode kuantitatif, yaitu:

1. Time Series

Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan. Untuk membuat suatu peramalan diperlukan data historis. Data inilah yang diakumulasikan dalam beberapa periode waktu. Metode time series mengasumsikan bahwa apa yang telah terjadi di masa lalu akan terus terjadi di masa yang akan datang. Time

series memakai teknik statistik yang menggunakan data historis.

Ada empat komponen utama yang mempengaruhi analisa ini, yaitu:

(23)

Trend merupakan sifat dari permintaan dimasa lalu terhadap waktu terjadinya bila ada pertambahan/kenaikan atau penurunan dari data observasi jangka panjang.

b. Siklus

Digunakan bila data dipengaruhi oleh fluktuasi jangka panjang atau memiliki siklus yang berulang secara periodik.

c. Musiman (Seasonal)

Pola ini digunakan bila suatu deret waktu dipengaruhi oleh faktor musim (seperti mingguan, bulanan, dan harian).

d. Horizontal

Pola ini dipakai bila nilai-nilai dari data observasi berfluktuasi di sekitar nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini sebagai

stationary pada rata-rata hitungannya. Misalnya, pola ini terdapat bila suatu produk mempunyai jumlah penjualan yang tidak menaik atau menurun selama beberapa periode waktu.

2. Causal Method

Metode yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya.

3.2.1. Metode Regresi

(24)

peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan, minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.

Bentuk fungsi dari metode ini dapat berupa: 1. Konstan, dengan fungsi peramalan (Yt):

Yt = a, dimana

N Y

a



1

Dimana: Yt = nilai tambah N = jumlah periode

Gambar 3.1. Grafik Metode Konstan

2. Linear, dengan fungsi peramalan:

Yt = a + bt

Dimana:

n bt Y

a 

   

 



  

    ₂ 2 t t n y t ty n b 0 2 4 6 8

1 2 3 4 5

(25)

Gambar 3.2. Grafik Metode Linear

3. Kuadratis, dengan fungsi peramalan:

Yt = a + bt + ct2 Dimana: n t c t b Y

a











2

   b

c ₂          b













 2 2 4

t n t

 





 t Y n tY



 





 t2 Y n t2Y



 





 2 3

t n t t 

 







 2 2

t n t  0 2 4 6 8 10 12

1 2 3 4 5

(26)

Gambar 3.3. Grafik Metode Kuadaratis

4. Eksponensial, dengan fungsi peramalan: Yt = aebt Dimana:

n t b Y

a



ln 



ln

 

2

2 ln ln



   t t n Y t Y t n b

Gambar 3.4. Grafik Metode Eksponensial

5. Siklis, dengan fungsi peramalan:

0 20 40 60 80 100 120

0 2 4 6

Series1 0 2 4 6 8 10 12

0 20 40 60 80

(27)

n t c n b a Yt   2 cos 2 sin ˆ _ _ _ Dimana: n t c n t b na

Y sin2



cos2



   n t n t c n b n t a n t

Ysin2



sin2 sin2 2



sin2 cos2



   n t n t b n c n t a n t

Ycos2



cos2



cos2 2



sin2 cos2



  

Gambar 3.5. Grafik Metode Siklis

3.3. Kriteria Pemilihan Metode Peramalan

Kriteria peramalan yang terbaik antara lain:

1. Mean Square Error (MSE)





m f f MSE t t m t 2 1 ˆ  



 Dimana: t

f : data aktual periode t 0 1 2 3 4 5

0 20 40 60

(28)

t

fˆ : nilai ramalan periode t m : banyaknya periode

2. Percentage Error (PEt)

% 100 ˆ            t t t t f f f PE

3. Standard Error of Estimate (SEE)





k m f f SEE m t t t   



1

2 ˆ

Dimana: k = derajat kebebasan

Untuk data konstan, k = 1 karena data konstan hanya memiliki satu parameter, yaitu a.

Untuk data linear, k = 2 karena data linear memiliki 2 parameter, yaitu a dan b. Untuk data kuadratis, k = 3 karena data kuadratis memiliki 3 parameter yang harus dicari, yaitu a, b, dan c.

Untuk data siklis, k = 3 karena data siklis memiliki 3 parameter, yaitu a, b, dan c.

4. Mean Absolute Percentage Error (MAPE)

(29)

3.4. Verifikasi dan Pengendalian Peramalan

Langkah penting setelah peramalan dibuat adalah melakukan verifikasi peramalan sedemikian rupa sehingga hasil peramalan tersebut benar-benar mencerminkan data masa lalu dan sistem sebab akibat yang mendasari permintaan tersebut. Sepanjang aktualitas peramalan tersebut dapat dipercaya, hasil peramalan akan terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode lainnya yang lebih cocok.

Banyak alat yang dapat digunakan untuk memverifikasi peramalan dan mendeteksi perubahan sistem sebab akibat yang melatarbelakangi perubahan pola permintaan. Bentuk yang paling sederhana adalah peta kontrol peramalan yang mirip dengan peta kontrol kualitas dengan nama Moving Range Chart (MRC). Peta kontrol ini dapat dibuat dengan dalama kondisi data yang tersedia minim. Dari peta ini dapat dilihat apakah sebaran masih dalam kontrol ataupun sudah berada di luar kontrol. Proses verifikasi dengan menggunakan Moving Range

Chart (MRC) dapat dilihat pada Gambar 3.6.

Gambar 3.6. Moving Range Chart Moving Range Chart

-4000 -3000 -2000 -1000 0 1000 2000 3000 4000

1 2 3 4 5 6 7 8 9 10

(30)

Harga MR diperoleh dari: 1 1 2  



  N MR R M N t t

Dimana:



 



1

1 

 

 _

t

t t F

T t

t Y Y Y Y

MR atau: MR_t e_t e_t_₁

Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut:

1. Aturan Satu Titik

Bila ada titik sebaran (Y-YF) berada di luar UCL dan LCL. 2. Aturan Tiga Titik

Bila ada tiga buah titik secara berurutan berada pada salah satu sisi, yang mana dua diantaranya jatuh pada daerah A.

3. Aturan Lima Titik

Bila ada lima buah titik secara berurutan berada pada salah satu sisi, yang mana empat diantaranya jatuh pada daerah B.

4. Aturan Delapan Titik

(31)

[image:31.595.174.485.384.718.2]

Gambar 3.7. Bagan Batas Kendali Out of Control

Proses verifikasi dari proses peramalan dapat dilihat pada Gambar 3.8.

MRC

Out of Control?

Fungsi Penyebab Diketahui?

Gunakan Fungsi yang diperoleh untuk meramalkan

Gejala tersebut bukan Bersifat random sehingga

Data menyimpang

Ganti dengan Fungsi baru

Menghitung kembali Parameter fungsi tersebut dengan menghilangkan

titik-titik out of control sehingga diperoleh fungsi yang baru

(data berkurang)

Ulangi Kembali

Tidak

Ya

Tidak

(32)

3.5. Pengujian Mengenai Ragam

3.5.1. Uji Ragam (Uji F)

Menurut Ronald E. Walpole (1995), masalah pengujian adalah kesamaaan dua ragam populasi � dan � . Artinya jika ingin menguji hipotesis nol Ho � =

� lawan salah satu dari alternatif � < � , � > � , atau � ≠ � . Bila contoh yang berukuran dan n itu bersifat bebas, maka nilai f bagi pengujian � = � adalah rasio:

f =

Sedangkan dalam hal ini dan s adalah ragam yang dihitung dari kedua contoh tersebut. Bila kedua populasi menghampiri sebaran normal dan hipotesis nolnya benar, maka menurut Dalil rasio f = / merupakan suatu nilai dari sebaran F dengan � = -1 dan � = -1 derajat bebas.

Langkah-langkah/ urutan menguji hipotesa dengan distribusi F: 1. Merumuskan hipotesa

2. Ho : β1= β2= β3= β4 = 0

Artinya secara bersama-sama tidak ada pengaruh variabel bebas terhadap

variabel terikat. Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0, berarti secara bersama-sama ada

pengaruh variabel bebas terhadap variabel terikat. 3. Menentukan taraf nyata / levelofsignificance= α

Taraf nyata/derajat keyakinan yang digunakan sebesar α = 1%, 5%, 10%.

Derajat bebas (df) dalam distribusi F ada dua, yaitu: df numerator = dfn = df1 = k – 1

(33)

Dimana:

df = degreeoffreedom/derajat kebebasan n = jumlah sampel

k = banyaknya koefisien regresi

4. Menentukan daerah keputusan, yaitu daerah dimana hipotesa nol diterima atau

tidak. Ho diterima apabila F hitung ≤ F tabel, artinya semua variabel bebas

secara bersama-sama bukan merupakan variabel penjelas yang signifikan terhadap variabel terikat. Ho ditolak apabila F hitung > F tabel, artinya semua variabel bebas secara bersama-sama merupakan penjelas yang signifikan terhadap variabel terikat.

5. Menentukan uji statistik nilai F

[image:33.595.221.408.442.513.2]

Bentuk distribusi F selalu bernilai positif

Gambar 3.9. Distribusi F

6. Mengambil keputusan

(34)

3.6. Distribusi

Menurut Donald Fogarty (1991), distribusi merupakan usaha perpindahan/pengiriman produk dari lini akhir produksi kepada konsumen dengan tujuan tepat sasaran, tepat waktu dan harga yang wajar. Menurut Weiss dan Gershon (2002), distribusi merupakan keseluruhan proses logistik yang melibatkan pengiriman produk akhir atau jasa ke tempat yang tepat, pada waktu yang tepat dan pada biaya yang terendah. Menurut Domschke and Schield (2011), distribusi adalah suatu sistem yang mentransfer produk jadi dari manufacturer

kepada konsumen. Kegiatan distribusi ini meliputi koordinasi perencanaan dari produk sesuai dengan spesifikasi, volume, waktu hingga produk sampai ke tangan konsumen, sehingga pemenuhan order atau estimasi permintaan dapat terealisasi secara efisien.

Menurut Vincent Gaspersz (2005), sistem distribusi diklasifikasikan atas: 1. Sistem tarik (pull system)

Sistem tarik adalah sistem pengisian persediaan dimana setiap distribution centre pada tingkat lebih rendah (lower levels of distribution centre) menghitung kebutuhannya dan memesan dari pusat distribusi pada tingkat lebih tinggi (higher levels of distribution centre).

2. Sistem dorong (push system)

Sistem dorong adalah sistem pengendaliaan dari jaringan distribusi. Data diperoleh dari semua field stocking points. Dalam hal ini, central distribution

(35)

3.7. Faktor-faktor yang Mempengaruhi Sistem Distribusi

Menurut Philip Kotler (2010), faktor-faktor yang mempengaruhi aktivitas distribusi meliputi:

1. Penjadwalan distribusi

Penjadwalan distribusi merupakan hal yang paling penting dalam suatu sistem distribusi karena jika penjadwalan distribusi tidak disusun dan diatur sedemikian rupa, maka penyaluran produk / barang dari produsen ke konsumen pasti akan terhambat dan menyebabkan bottleneck.

2. Penjadwalan produksi

Jumlah produksi sangat erat kaitannya dengan distribusi, jika penjadwalan produksi terhambat maka otomatis penjadwalan distribusi juga terhambat dan mengakibatkan barang tidak tepat waktu sampai ke tangan konsumen.

3. Stok

Persediaan produk yang tidak berlebihan pada distributor digunakan sebagai cadangan agar tidak terjadi keterlambatan distribusi, sehingga sistem distribusi tetap dapat berjalan normal tanpa adanya hambatan.

4. Komunikasi

Komunikasi yang baik sangat dibutuhkan dari hulu ke hilir dan dari hilir ke hulu sehingga terjalin hubungan yang baik dan menghindari terjadinya

miscommunication.

3.8. Input Distribution Requirement Planning (DRP)

(36)

1. Bill of Distribution

Bill of Distribution adalah informasi tentang hubungan antara supplier dan yang disuplainya yang dibentuk dari level per level. Informasi ini menunjukkan arah informasi material produk dari level yang lebih tinggi ke level yang lebih rendah.

2. Lead Time Distribusi

Lead time distribusi adalah waktu yang dibutuhkan dari pelepasan order

sampai order diterima di DC. Lead time distribusi disusun dari dari beberapa komponen yaitu pelepasan order, pemuatan barang, pengangkutan barang, pembongkaran muatan di DC.

3. Order Entry

Order entry merupakan proses penerimaan dan penerjemahan apa yang

diinginkan konsumen kepada bagian distribusi. Hal ini dapat merupakan sebuah proses yang sederhana seperti pembuatan dokumen penerimaan untuk

finished good, sampai kepada aktivitas usaha rumit yang meliputi usaha

engineering untuk produk make to order. 4. Forecasting

(37)

menggunakan teknik-teknik tertentu, peramalan menjadi lebih dari sekedar perkiraan. Peramalan dapat disebut sebagai perkiraan yang ilmiah (educated

guess). Dalam kegiatan produksi, peramalan dilakukan untuk menentukan

jumlah permintaan terhadap suatu produk dan juga merupakan langkah awal dari proses perencanaan dan pengendalian produksi.

5. Inventory Record

Inventory record adalah catatan keadaan persediaan pada masing-masing DC.

3.9. OutputDistribution Requirement Planning

Sistem DRP dengan nyata menghasilkan dua output yaitu jadwal distribusi untuk setiap DC, dan master schedule yang merupakan DRP display untuk CSF. Disamping itu terdapat pegging informasi yang dapat melacak kembali sumber dari permintaan kepada CSF dan Tranportation Planning Report.

DRP display (DRP Worksheet) memiliki 2 bagian penting yaitu:

1. Time Phased Information

Time phased information adalah informasi-informasi yang dikeluarkan

berdasarkan pada suatu time phased yang menunjukkan perkiraan keadaan pada time phased tersebut. Informasi time phased meliputi:

a. Gross Requirement

Gross requirement merupakan permintaan akan suatu item atau produk

(38)

Schedule receipt adalah jumlah item atau produk yang dijadwalkan untuk dimasukkan dalam stok. Schedule receipt produk tidak harus dalam perjalanan, tetapi dapat juga berupa order yang masih dalam pengemasan dan pemuatan.

c. Planned Order

Planned order adalah order yang belum dilepas dan masih dalam

perencanaan. Pada DC, planned order adalah jadwal untuk pengiriman produk pada masa yang akan datang dari CSF.

d. Project on –hand

Project on-hand balance adalah proyeksi jumlah persediaan yang ada pada

suatu time phased tertentu. Project on- hand balace merupakan suatu perencanaan jumlah persediaan pada DC dan CSF yang dijadikan gambaran persediaan yang ada pada masa yang akan datang. Sehingga dengan project on- hand balance ini, setiap komponen sistem distribusi dapat mengetahui masing-masing dapat mengetahui inventory level sistem tersebut.

2. Description Information

Description information adalah atribut-atribut masukan pada awal

perencanaan. Description information ini berupa pengolahan data awal untuk masukan sistem DRP. Description information meliputi:

a. On-hand balance

On-hand balance adalah jumlah persediaan produk yang terdapat dalam

(39)

yang berada dalam transit dan produk rusak. Jadi produk yang ada pada DC adalah jumlah produk yang tersedia untuk dikirimkan

b. Safety stock

Safety stock adalah persediaan pengaman yang digunakan untuk

memproteksi keadaan apabila penjualan melebihi apa yang diramalkan. Stok pengaman dalam DRP digunakan untuk mengantisipasi ketidakpastian permintaan relatif terhadap ramalan-ramalan yang dibuat. Ketidakpastian ini paling mungkin terjadi apabila permintaan benar-benar

independent pada pusat-pusat distribusi yang secar langsung melayani

pelanggan. Tingkat stok pengaman secara keseluruhan dalam sistem distribusi seharusnya menjadi lebih kecil untuk push system daripada pull system.

Salah satu cara untuk menyelesaikan masalah ketidakpastian permintaan dan penawaran adalah mengkombinasikan data yang menunjukkan rata-rata permintaan. Hal ini akan menghasilkan ukuran variasi yang lebih besar, namun dapat diterapkan sebagai perhitungan dalam keadaan normal untuk menentukan stok pengaman guna mencapai tingkat pelayanan yang diinginkan yaitu :

Safety Stock = s x Z

Dimana: s = Standar deviasi permintaan pada distribution centre

(40)

Lead time distribusi adalah waktu yang dibutuhkan untuk melepaskan order sampai order diterima. Lead time distribusi dimulai saat menentukan saat menentukan kebutuhan untuk sebuah penambahan(replenishment) sampai saat inventory yang dibutuhkan.

d. Order Quantity

Order quantity adalah jumlah produk yang ditentukan untuk dikirim.

Dalam model EOQ (Economic Order Quantity) digunakan asumsi-asumsi beikut untuk menyederhanakan sistem persediaan yang ada:

1. Permintaan (kebutuhan) diketahui dengan pasti dan konstan sepanjang waktu.

2. Pemesanan kembali dilakukan ketika persediaan mencapai titik nol, dan akan langsung diterima seketika, sesuai ukuran pemesanan yang dilakukan, sehingga tidak akan terjadi kekurangan persediaan.

Model EOQ ini mencari ukuran pemesanan yang ekonomis dengan meminimalkan total biaya. Ada dua macam biaya yang dipertimbangkan yaitu: 1. Biaya penyimpanan

Biaya penyimpanan per tahun merupakan perkalian antara rata-rata persediaan per tahun dengan biaya simpan per unit per tahun. Jika rata-rata persediaan per tahun =

2

Q

, dimana Q adalah ukuran pemesanan, dan biaya simpan per unit

per tahun adalah h, maka

Total biaya penyimpanan per tahun = 2

Q h

(41)

Biaya pembelian per tahun (annual purchase cost) merupakan total harga yang dikeluarkan untuk membeli suatu barang, yaitu perkalian antara barang per unit (C) dengan banyaknya barang yang dibeli sepanjang tahun yaitu sebesar demand (D).

Total biaya per tahun = DC

Sedangkan total biaya pemesanan per tahun =

Q D A

Sehingga:

Total biaya per tahun (TC) = biaya pembelian per tahun + biaya pemesanan per tahun + biaya penyimpanan per tahun

TC = DC+ Q D A + 2 Q h

Dengan perhitungan kalkulus melalui pengambilan turunan pertama dari persamaan total biaya akan diperoleh rumusan ukuran pemesanan yang optimum (Q*), yaitu :

TC = DC+ Q D

A +

2

Q

h Q* =

Dimana:

D = tingkat permintaan, unit per tahun A = biaya per pemesanan

h = biaya penyimpanan per unit per tahun Q* = ukuran pesanan ekonomis

(42)

ketika persediaan mencapai titik pemesanan ulang (reorder point). Titik pemesanan ulang dihitung dengan mengalikan tenggang waktu L dengan permintaan per hari. Jika kita mengasumsikan bahwa satu tahun terdiri dari 365 hari, maka permintaan per hari adalah:

Jumlah pesanan ekonomis (Economic Order Quantity)

365

D

. Jadi, rumus

untuk titik pemesanan ulang, R, adalah: R =

365

D L

Asumsi-asumsi yang digunakan dalam model EOQ klasik adalah: a. Rata-rata kebutuhan diketahui dan konstan.

b. Lamanya leadtime diketahui dan konstan.

c. Pesanan tiba sekaligus dan pada satu waktu sesuai ukuran pesanan. d. Tidak terjadi kekurangan persediaan.

e. Strukur biaya tetap.

f. Terdapat tempat penyimpanan, kapasitas, dan biaya yang cukup untuk mendatangkan sejumlah kuantitas pemesanan yang diinginkan.

3.10. Algoritma Djikstra

Menurut Sukaria Sinulingga (2015), Algoritma Djikstra memberikan basis untuk penyelesaian shortest path problem dengan cara yang paling efisien. Algoritma ini dikenal sebagai label setting karena menggunakan bantuan atau penggunaan label pada tahapan-tahapan prosesnya. Setiap node dengan arc

(43)

Node dan arc yang termasuk dalam lintasan (path) diberi warna sedangkan yang lainnya tidak berwarna.

Misalkan dari node y ada m buah node yang dapat dipilih untuk menjadi bagian lintasan terpendek dari node y. karena ada m node di depan nodey maka berarti ada m buah path dari y. Misalkan node x adalah salah satu node dari m

node tersebut dan juga merupakan path terpendek dari nodey. Beri warna nodey

dan arc (y,x). Node x yang telah terpilih kemudian disebut sebagai node y untuk proses pemilihan berikutnya. Identifikasi kembali node-node apa saja yang dapat dijangkau dari node y yang baru ini. Kemudian pilih lagi, node mana yang merupakan node terdekat dari nodey dan seterusnya.

Sistematika dari proses di atas adalah sebagai berikut: 1. Pada awalnya semua node dan arc tidak berwarna.

Beri tanda d(x) pada setiap node x untuk menunjukkan panjang dari path yang terpendek dari s (node sumber) ke node x. Pada langkah awal ini, beri d(s) = 0 dan d(x) = ∞ untuk semua x≠ s.

Misalkan y = s, karena s adalah node awal dan node s direpresentasikan oleh

node variabel y maka node y adalah node pertama yang akan diberi warna.

Beri warna pada semua node y = s.

2. Untuk setiap node x yang belum berwarna, tentukan d(x) dengan cara berikut

d(x) = Min { d(x), d(y) + a(x,y)}

(44)

belum berwarna tersebut. Jika d(x)≠ ∞, beri warna node x yang masih belum

berwarna dengan ketentuan node tersebut memiliki nilai d(x) yang terkecil. Juga beri warna pada pada arc yang langsung menuju node x dari node berwarna dimana harga d(x) yang minimum tadi ditemukan. Selanjutnya, dimisalkan node y yang baru adalah node x yang terpilih tersebut. Jadi y = x. 3. Periksa apakah node t sudah berwarna. Jika sudah berwarna, iterasi dihentikan

(45)

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Penelitian ini dilakukan di PT Union Confectionery yang terletak di Jalan Medan-Belawan Km 10,5 Kawasan Industri Medan. Waktu penelitian dilakukan dari Mei 2016 hingga bulan Juli 2016.

4.2. Jenis Penelitian

Jenis penelitian ini termasuk dalam penelitian descriptive research.

Menurut Sukaria Sinulingga (2014), yang dimaksud dengan penelitian descriptive

research adalah jenis penelitian yang bertujuan untuk mendeskripsikan secara

sistematik, faktual, dan akurat tentang fakta-fakta dan sifat-sifat dari objek tanpa membuat prediksi atau atau mencari pemecahan atas masalah yang ada dalam objek tersebut.

4.3. Objek Penelitian

(46)

4.4. Variabel Penelitian

Variabel-variabel yang terdapat dalam penelitian ini adalah:

1. Jumlah permintaan produk yang mempengaruhi perubahan pada lead time.

2. Lead time, merupakan waktu yang dibutuhkan untuk mendistribusikan produk

dari Central Supply Facility ke setiap Distribution Centre.

3. Jumlah stok pada Central Supply Facility yang mempengaruhi perubahan pada project on hand

4. Project on hand, merupakan jumlah stok yang tersedia pada periode

sebelumnya dan mampu menpengaruhi jumlah produksi perusahaan untuk periode selanjutnya.

5. Forecasting, merupakan hasil peramalan permintaan produk masing

Distribution Centre yang langsung berhubungan dengan konsumen dari data

historis.

6. Proyeksi permintaan, merupakan peramalan atau proyeksi permintaan untuk satu periode ke depan.

7. Biaya pemesanan merupakan biaya yang dikeluarkan setiap Distribution

Centre untuk memenuhi permintaan konsumen seperti biaya administrasi dan

biaya bongkar muat.

(47)

4.5. Kerangka Berpikir

Suatu penelitian dapat dilaksanakan jika perancangan kerangka berpikir yang baik telah tersedia sehingga langkah-langkah penelitian lebih sistematis. Kerangka berpikir inilah yang merupakan landasan awal dalam melaksanakan penelitian. Kerangka berpikir dapat dilihat pada Gambar 4.1.

Lead Time

Project on Hand

Perencanaan Jadwal Distribusi Produk

Forecasting Proyeksi

Permintaan Jumlah Permintaan

Jumlah stok pada

Central Supply Facility

Biaya Pemesanan Biaya Administrasi

dan Biaya Bongkar Muat

Rute Terpendek Lokasi, Kapasitas

[image:47.595.115.511.241.544.2]

Pengangkutan, Jarak

Gambar 4.1. Kerangka Berpikir

(48)

4.6. Pengumpulan Data

4.6.1. Sumber Data

Berdasarkan cara pengumpulannya, data yang digunakan dalam penelitian ini adalah:

1. Data primer diperoleh dengan cara pengamatan atau pengukuran langsung. Data yang termasuk kategori ini adalah:

a. Pengamatan proses produksi

2. Data sekunder diperoleh berdasarkan data dokumentasi perusahaan. Data yang termasuk kategori ini adalah:

a. Data lead time pengiriman b. Data persediaan

c. Data jumlah persediaan d. Biaya distribusi

e. Data project on hand

f. Data jarak lokasi distribution centre

4.6.2. Pengumpulan Data

Pengumpulan data dalam penelitian ini adalah:

(49)

2. Data data historis, data frekuensi pemesanan, data lead time, biaya distribusi dan data jarak lokasi antara distribution centre didapat dari hasil wawancara dengan pihak perusahaan.

4.7. Pengolahan Data

Langkah-langkah dalam proses pengolahan data adalah:

1. Tahapan pertama adalah menentukan variabel penyebab ketidaknormalan pada sistem distribusi rantai pasok.

2. Tahapan kedua yang dilakukan adalah melakukan peramalan terhadap jumlah permintaan produk untuk periode berikutnya yaitu dari data permintaan Juli 2016 – Juni 2017. Peramalan ini digunakan untuk menentukan lot size atau jumlah produksi dari lantai produksi pada 12 periode ke depan.

3. Selanjutnya adalah penentuan order quantity dengan menggunakan model EOQ (Economic Order Quantity) untuk meminimasi biaya persediaan dengan menggunakan jumlah permintaan dari data historis 12 periode sebelumnya. 4. Melakukan perhitungan frekuensi pemesanan pada distribution center pada PT

Union Confectionery.

5. Melakukan perhitungan Safety Stock dengan cara memperhitungkan standar deviasi permintaan.

6. Penentuan aplikasi perencanaan produksi dan distribusi dengan menggunakan metode Distribution Resources Planning yang ditampilkan pada Distribution

(50)

7. Pembuatan network diagram dengan Algoritma Djikstra menggunakan data jarak antara distribution centre.

(51)

Peramalan terhadap jumlah permintaan periode berikutnya

untuk menentukan jumlah produksi pada lantai pabrik

Menghitung order quantity

Menentukan aktivitas produksi dan distribusi yang ditampilkan dalam Distribution Requirement

Planning Worksheet Menghitung safety stock Menghitung frekuensi pemesanan

Mulai

Penentuan variabel penyebab ketidaknormalan pada sistem

distribusi rantai pasok

Selesai

[image:51.595.243.380.95.706.2]

Pembuatan network diagram dengan Algoritma Djikstra

(52)

4.8. Analisis Pemecahan Masalah

Analisis dilakukan terhadap hasil pengolahan data metode DRP dengan mempertimbangkan setiap safety stock, order quantity dan pengoptimuman biaya distribusi dan produksi perusahaan, dan penentuan shortest path antara

distribution centre dengan Algoritma Djikstra.

4.9. Rancangan Penelitian

Rancangan penelitian dapat dilihat pada Gambar 4.3.

(53)

Studi Pendahuluan

1. Kondisi dan Masalah pada Pabrik 2. Proses Produksi

3. Informasi pendukung

Studi Literatur

1. Teori dan Literatur Distribusi 2. Jurnal Internet

3. Metode Pemecahan Masalah

Kesimpulan dan Saran

Mulai

Pengumpulan Data

Data Primer :

- Pengamatan Proses Produksi Data Sekunder

- Data Lead Time Pengiriman - Data Persediaan

- Data Jumlah Permintaan - Biaya Distribusi

- Data Project on Hand

- Data Jarak Lokasi Distribution

Centre

Pengolahan Data

- Menentukan variabel-variabel penyebab ketidaknormalan sistem distribusi

- Langkah-langkah DRP:

Melakukan Peramalan Permintaan untuk menentukan Jumlah Produksi Menghitung Order Quantity Menghitung Frekuensi Permintaan Menghitung Jumlah Permintaan Menghitung Safety Stock

DRP Worksheet

- Pembuatan Network Diagram dengan Algoritma Djikstra

Analisis Pemecahan Masalah

[image:53.595.113.486.106.705.2]

Selesai

(54)

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

Jaringan distribusi PT Union Confectionery dapat dilihat pada Gambar 5.1.

PT Union Confectionery

Pematang Siantar

Tebing Tinggi

Rantauprapat

Pekanbaru

Distribution Centre

[image:54.595.153.427.287.513.2]

Medan

Gambar 5.1. Jaringan Distribusi PT Union Confectionery

Tahapan-tahapan aktivitas distribusi dari PT Union Confectionery adalah sebagai berikut:

1. Masing-masing distribution centre mengajukan permintaan ke pihak pembelian (purchasing).

(55)

3. Bagian lantai produksi melakukan proses produksi sesuai dengan jumlah permintaan dari masing-masing distribution centre.

4. Bagian produksi memberi produk jadi ke bagian gudang barang jadi untuk didistribusikan ke masing-masing distribution centre.

5.1.1. Data Permintaan Produk Hard Candy Periode Juni 2014 – Mei 2016

Data permintaan produk hard candy digunakan untuk menjadi dasar atau data historis untuk peramalan permintaan 12 periode ke depan. Setelah meramalkan jumlah permintaan, maka jumlah permintaan akan digunakan sebagai landasan awal penjadwalan produksi dan penjadwalan aktivitas produksi menggunakan DRP Worksheet. Rincian data permintaan selama 2 tahun terakhir dapat dilihat pada Tabel Lampiran 1. Grafik jumlah permintaan dari distribution

centre Pematang Siantar ditunjukkan pada Gambar 5.2.

Gambar 5.2. Grafik Jumlah Permintaan Produk Hard Candy pada

Distribution Centre Pematang Siantar

2000 3000 4000 5000 6000 7000 8000

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324

Ju m lah P er m in taan Periode

Jumlah Permintaan Produk Hard Candy di Pematang Siantar

(56)

[image:56.595.117.509.146.381.2]

Grafik jumlah permintaan dari distribution centre Tebing Tinggi ditunjukkan pada Gambar 5.3.

Distribution Centre Tebing Tinggi

Grafik jumlah permintaan dari distribution centre Rantauprapat ditunjukkan pada Gambar 5.4.

Gambar 5.4. Grafik Jumlah Permintaan Produk Hard Candy pada

Distribution Centre Rantauprapat

1000 1500 2000 2500 3000 3500 4000 4500 5000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Ju m lah P er m in taan Periode

Jumlah Permintaan Produk Hard Candy di Tebing Tinggi

Jumlah Permintaan di Tebing Tinggi 2000 4000 6000 8000 10000 12000 14000

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324

Jumlah Permintaan Produk Hard Candy di Rantauprapat

[image:56.595.110.522.487.695.2]

(57)

[image:57.595.121.507.161.370.2]

Grafik jumlah permintaan dari distribution centre Pekanbaru ditunjukkan pada Gambar 5.5.

Gambar 5.5. Grafik Jumlah Permintaan Produk Hard Candy pada

Distribution Centre Pekanbaru

Grafik jumlah permintaan dari distribution centre Medan ditunjukkan pada Gambar 5.6.

Distribution Centre Medan

2000 3000 4000 5000 6000 7000 8000 9000 10000

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324

Jumlah Permintaan Produk Hard Candy di Pekanbaru

Jumlah Permintaan di Pekanbaru 2000 4000 6000 8000 10000 12000 14000 16000

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324

Ju m lah P er m in taan Periode

Jumlah Permintaan Produk Hard Candy di Medan

(58)

5.1.2. Biaya Pemesanan

Biaya pemesanan merupakan biaya yang dikeluarkan perusahaan untuk menunjang kegiatan pengiriman produk. Biaya pemesanan meliputi biaya administrasi, biaya telepon dan biaya bongkar muat. Biaya pemesanan digunakan dalam perhitungan jumlah unit hard candy yang dipesan setiap satu kali pemesanan menggunakan metode Economic Order Quantity. Rincian biaya pemesanan pada masing-masing distributioncentre dapat dilihat pada Tabel 5.1.

Tabel 5.1. Data Biaya Pemesanan

Distribution Centre

Biaya Administrasi

(Rp/ Order)

Biaya Telepon (Rp/Order)

Biaya Bongkar Muat (Rp/Kirim)

Total Biaya (Rp)

Pematang Siantar 4.500 2.500 255.000 262.000

Tebing Tinggi 4.500 2.500 140.000 147.000

Rantauprapat 4.500 2.500 274.000 281.000

Pekanbaru 4.500 2.500 322.000 329.000

Medan 4.500 2.500 215.000 222.000

Sumber : PT Union Confectionery

5.1.3. Biaya Penyimpanan Persediaan

Biaya penyimpanan persediaan adalah biaya yang dikeluarkan oleh perusahaan dikarenakan terdapat persediaan produk di gudang. Biaya tersebut meliputi biaya yang diperkirakan akibat adanya modal yang tertanam di dalam persediaan (capital cost), biaya yang digunakan untuk pemeliharaan barang, pemindahan produk, catatan-catatan dan sebagainya.

Biaya penyimpanan juga digunakan dalam perhitungan Economic Order

quantity. Besarnya biaya penyimpanan persediaan telah ditetapkan perusahaan

(59)

5.1.4. Lead Time Distribusi

Leadtime distribusi merupakan waktu yang dibutuhkan untuk pelepasan

order sampai dengan order diterima pada stock room distribution centre. Lead

time digunakan dalam penjadwalan aktivitas distribusi pada DRP worksheet. Lead

time pada setiap distributioncentre dapat dilihat pada Tabel 5.2.

Tabel 5.2. Data Lead Time Distribusi

Distribution Centre Lead Time (Hari)

Pematang Siantar 3

Tebing Tinggi 2

Rantauprapat 4

Pekanbaru 3

Medan 1

5.1.5. Status Persediaan Awal (On Hand Balance)

Status persediaan awal (on hand balance) merupakan persediaan awal yang tersedia pada setiap distribution centre pada awal perencanaan. Status persediaan awal digunakan untuk penjadwalan minggu pertama distribusi, sehingga stok awal dapat dialokasikan ke konsumen terlebih dahulu sebelum dilakukan pemesanan ulang untuk mencegah penumpukan produk pada

distribution centre. Status persediaan pada masing-masing distribution centre

dapat dilihat pada Tabel 5.3.

Tabel 5.3. Data Status Persediaan Awal (On Hand Balance)

Distribution Centre Jumlah Persediaan (Kardus)

Pematang Siantar 536

Tebing Tinggi 106

Rantauprapat 659

Pekanbaru 562

Medan 602

(60)

5.1.6. Kapasitas Pabrik dan Kapasitas Pengangkutan

Kapasitas adalah tingkat kemampuan untuk berproduksi secara optimum dari sebuah fasilitas dan biasanya dinyatakan dalam jumlah volume output per periode waktu.

Kapasitas pabrik pada PT Union Confectionery adalah 40 ton permen per hari atau sama dengan 1.200 ton permen per bulan. Berikut merupakan data kapasitas jumlah produksi permen maksimum yang diizinkan.

Tabel 5.4. Kapasitas Jumlah Produksi Permen Maksimum

Jenis Produk Persentase Jumlah Permintaan

Kapasitas Jumlah Produksi Maksimum (Kardus/Bulan)

Bubble gum 25% 50.000

Hard candy 35% 70.000

Soft candy 15% 30.000

Deposited candy 5% 10.000

Tablet type candy 20% 40.000

Total 100% 200.000

Untuk pendistribusian produk, digunakan alat transportasi berupa truk untuk mengangkut produk jadi dari pabrik ke masing-masing distribution centre.

Kapasitas truk pengangkutan adalah 2.500 kardus per distribusi. Berikut merupakan data kapasitas truk pengangkutan hard candy ke masing-masing

distribution centre.

Tabel 5.5. Kapasitas Truk Pengangkutan Hard Candy pada Distribution Centre

Distribution Centre Kapasitas Truk (Kardus/Distribusi)

Pematang Siantar 500

Tebing Tinggi 400

Rantauprapat 550

Pekanbaru 500

Medan 450

(61)

5.1.7. Jarak Perpindahan

Lokasi perusahaan PT Union Confectionery berada di kota Medan.

Distribution centre PT Union Confectionery berada di kota Pematang Siantar,

Tebing Tinggi, Rantauprapat dan Pekanbaru. Perusahaan menerapkan sistem distribusi produk hard candy langsung dari perusahaan (CSF) ke seluruh

distribution centre.

Berikut merupakan data jarak antara perusahaan dan distribution centre

dalam satuan kilometer.

Tabel 5.6. Data Jarak Antara Perusahaan dan Distribution Centre

Pematang Siantar

Tebing Tinggi

Rantau prapat

Pekan

baru Medan

Pematang Siantar X 47 238 653 128

Tebing Tinggi 47 X 207 713 81

Rantauprapat 238 207 X 516 282

Pekanbaru 653 713 516 X 798

Medan 128 81 282 798 X

5.2. Pengolahan Data

5.2.1. Penentuan Variabel Penyebab Ketidaknormalan Sistem Distribusi

pada Distribution Centre

DistributionCentre merupakan distributor PT Union Confectionery yang

berlokasi di kota Pematang Siantar, Tebing Tinggi, Rantauprapat, Pekanbaru dan Medan. Distributor ini berfungsi untuk menerima produk dari perusahaan PT Union Confectionery yang kemudian akan disalurkan kepada konsumen-konsumen di kota masing-masing.

(62)

1. Jumlah permintaan

Jumlah permintaan yang fluktuatif dari masing-masing konsumen pada umumnya menyebabkan kekurangan produk atau penumpukan produk pada

distribution centre.

2. Jadwal distribusi

Jadwal distribusi yang tidak tetap menyebabkan konsumen tidak menerima pesanan tepat waktu dan kondisi ini akan menyebabkan penurunan kepuasan konsumen.

3. Sistem transportasi

Sistem transportasi mempunyai peran penting dalam aktivitas distribusi sebuah perusahaan. Terhambatnya sistem transportasi dalam suatu aktivitas menyebabkan terhambatnya pada bagian lain.

4. Sistem komunikasi

Perusahaan dan distribution centre terkadang sering mengalami

miscommunication sehingga pesanan dan produk yang didistribusikan tidak

sinkron dan menyebabkan tidak normalnya suatu aktivitas distribusi.

5.2.2. Peramalan Permintaan Produk

(63)

1. Menetapkan tujuan peramalan

Tujuan peramalan adalah untuk menentukan lot size atau jumlah produk yang akan diproduksi di lantai produksi untuk 12 periode yang akan datang.

2. Membuat scatter diagram

Gambar 5.7. Scatter Diagram Jumlah Permintaan Produk Hard Candy

3. Memilih metode yang mendekati pola yang dianggap sesuai Metode peramalan yang digunakan adalah sebagai berikut : a. Metode Eksponensial

b. Metode Linear

4. Menghitung parameter-parameter fungsi peramalan

Untuk memudahakan perhitungan, maka dimisalkan X sebagai variabel tahun dan Y adalah variabel jumlah permintaan konsumen.

a. Metode Eksponensial Fungsi peramalan : Y = aebx

10000 15000 20000 25000 30000 35000 40000 45000 50000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

(64)

Rincian tabel perhitungan variabel dari parameter peramalan jumlah permintaan dengan Metode Eksponensial dapat dilihat pada Tabel Lampiran 2. Perhitungan parameternya dapat dilihat di bawah ini.

b=n∑(X lnY) -_n_∑ _{X² - (}∑_∑X_X)²∑lnY

b= _{24 4900 -(300 x 300)}. , -(300)( , )=0,0356 ln a=∑ lnY - b _n ∑X

ln a= , -(0,0356)(300)₂₄ =9,96 a =21.164,81

Fungsi peramalannya adalah :

Y’ = 21.164,81e0,0356x b. Metode Linear

Fungsi peramalan : Y’ = ax + b

Rincian tabel perhitungan variabel dari parameter peramalan jumlah permintaan dengan metode linear dapat dilihat pada Tabel Lampiran 3. Perhitungan parameternya dapat dilihat di bawah ini.

b=_n_∑∑ x_xy-∑ y- ∑

− ∑x

b= 24 _{24 4.900 -(300 x 300)}. . -(817.368)(300)

b= 1.173,879

a=∑y-b_n∑x

(65)

a=19.383,

Fungsi peramalannya adalah:

Y'= 19.383,51 + 1.173,879 x 5. Menghitung setiap kesalahan setiap metode

Perhitungan kesalahan menggunakan metode SEE (Standard Error of

Estimation) dengan menggunakan rumus sebagai berikut :







1

2 ˆ

Dimana :

t

f = Data aktual periode t

t

fˆ = Nilai ramalan periode t m = Banyak periode

k = Derajat kebebasan

a. Metode Ekponensial ( k = 2 )

Rincian perhitungan Y-Y’ metode ekponensial dapat dilihat pada Tabel Lampiran 4. Adapun perhitungan SEE untuk metode Ekponensial adalah:







1

2 ˆ

SEE =

√

. . , SEE = 1.234,213 b. Metode Linear ( k = 2 )

(66)







1

2 ˆ

SEE =

√

. .

SEE = 822,587

6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f H0 = SEE Eksponensial ≤ SEE Linear

H1 = SEE Eksponensial > SEE Linear

α = 0,05

Uji Statistik

=

� � ��

� ��

=

. ,

, = 2,251

F tabel = 0,05 (24-2, 24-2) = 2,12

Oleh karena Fhitung (2,251) > Ftabel (2,12), maka H0 ditolak. Jadi hasil

pengujian menyatakan bahwa metode linear lebih baik daripada metode eksponensial. Adapun fungsi linear adalah :

Y'= 19.383,51 + 1.173,879 x 7. Verifikasi peramalan

Tabel hasil perhitungan verifikasi peramalan dapat dilihat pada Tabel Lampiran 6. Tujuan verifikasi adalah untuk mengetahui fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Gambar 5.8. moving

range chart dari hasil verifikasi peramalan jumlah permintaan.

784,9303 1

24 18.053,4

1   

 



n MR MR

(67)

2/3 BKA = 2/3 x 2.087,915 = 1.391,943

BKB = -2,66 x MR = 2,66 x 784,9303= -2.087,915 1/3 BKB = 1/3 x -2.087,915 = -695,9715

2/3 BKB = 2/3 x -2.087,915 = -1.391,943

Gambar 5.8. Moving Range Chart Hasil Peramalan Permintaan

Gambar Moving Range Chart di atas menunjukkan bahwa titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode linear telah memenuhi persyaratan dengan fungsi peramalan :

Y'= 19.383,51 + 1.173,879 x

Perhitungan hasil peramalan permintaan untuk masing-masing distribution

centre pada periode Juni 2016 adalah Y’ = 19.383,51 + 1.173,879 (25) =

48.731.

Hasil peramalan permintaan untuk 12 periode ke depan dan penjadwalan produksi untuk 12 bulan ke depan dapat dilihat pada Tabel 5.7.

-2500 -2000 -1500 -1000 -500 0 500 1000 1500 2000 2500

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Moving Range Chart Hasil Peramalan Permintaan

(68)

[image:68.595.197.433.123.335.2]

Tabel 5.7. Hasil Peramalan 12 Periode ke Depan Periode Hasil Peramalan (Kardus)

Juni 2016 48.731

Juli 2016 49.905

Agustus 2016 51.079

September 2016 52.253

Oktober 2016 53.427

November 2016 54.600

Desember 2016 55.774

Januari 2017 56.948

Februari 2017 58.122

Maret 2017 59.296

April 2017 60.470

Mei 2017 61.644

Sumber: Pengolahan Data

Berikut merupakan perbandingan antara data permintaan dan hasil peramalan permintaan.

Gambar 5.9. Perbandingan Data Permintaan dan Hasil Peramalan

Permintaan

5.2.3. Perhitungan Order Quantity Setiap Distribution Centre

Perhitungan order quantity untuk setiap distribution centre adalah dengan menggunakan metode economic order quantity. Perhitungan order

10000 30000 50000 70000 90000 110000 130000

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324

Ju m lah P rod u k ( K ar d u s) Periode

[image:68.595.112.528.379.606.2]

(69)

quantity juga digunakan untuk menjadwalkan aktivitas distribusi. Jumlah pemesanan yang optimal dapat melancarkan aktivitas distribusi sehingga pesanan dapat sampai ke tangan konsumen tepat waktu. Perhitungan EOQ dilakukan dengan menggunakan rumus sebagai berikut :

Q optimal =

√

ℎ

Keterangan : D = Jumlah Kebutuhan Barang selama satu periode (tahun) k = Ordering cost setiap kali pesan

h = Holding cost setiap 100 unit selama satu periode

Berikut adalah perhitungan order quantity dengan menggunakan metode EOQ pada masing-masing distribution centre :

a. Distribution Centre Pematang Siantar

D = 99.593 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 262.000/ pesan

h = Rp. 10.000/ tahun

Q optimal =

√

. .

.

= 2.285 kardus

b. Distribution Centre Tebing Tinggi

h = Rp. 10.000/ tahun

Q optimal =

√

. .

(70)

= 1.397 kardus

c. Distribution Centre Rantauprapat

h = Rp. 10.000/tahun

Q optimal =

√

. .

.

= 3.051 kardus

d. Distribution Centre Pekanbaru

D = 132.381 kardus (dapat dilihat pada Tabel Lampiran 7) k = Rp. 329.000 / pesan

h = Rp. 10.000 / tahun

Q optimal =

√

. .

.

= 2.952 unit

e. Distribution Centre Medan

h = Rp. 10.000/ tahun

Q optimal =

√

. .

.

= 2.986 kardus

(71)

Tabel 5.8. Rekapitulasi Perhitungan Order Quantity

No Distribution Centre Order Quantity (Kardus/Pesan)

1 Pematang Siantar 2.285

2 Tebing Tinggi 1.397

3 Rantauprapat 3.051

4 Pekanbaru 2.952

5 Medan 2.986

Sumber :Pengolahan Data

5.2.4. Perhitungan Frekuensi Pemesanan

Frekuensi pemesanan dihitung untuk mengetahui tingkat frekuensi dan mengetahui kapan harus dilakukan pemesanan ulang. Frekuensi pemesanan untuk setiap distribution centre dapat diperoleh dengan menggunakan rumus :

� � � � = � �ℎ _{� �}� ��

Perhitungan frekuensi pemesanan untuk setiap distribution centre adalah sebagai berikut :

a. Distribution Centre Pematang Siantar

Frekuensi Pemesanan = .

.

= 44 pemesanan

.

= 48 pemesanan

.

= 55 pemesanan

.

= 45 pemesanan

(72)

.

= 67 pemesanan

Berikut adalah tabel rekapitulasi perhitungan frekuensi pemesananpada tiap DC.

Tabel 5.9. Rekapitulasi Perhitungan Frekuensi Pemesanan No Distribution Centre Frekuensi Pemesanan

1 Pematang Siantar 44

2 Tebing Tinggi 48

3 Rantauprapat 55

4 Pekanbaru 45

5 Medan 67

Sumber : Pengolahan Data

5.2.5. Perhitungan Safety Stock

Safety stock dalam sistem merupakan suatu acuan untuk melakukan

pemesanan kembali guna memenuhi hasil peramalan. Dalam perencanaan system

Distribution Resources Planning ini perkiraan safety stock dilakukan dengan cara

sederhana dengan menganggap permintaan normal selama lead time distribusi dan tingkat pelayanan yang diinginkan perusahaan adalah 95%. Sebagaimana pada bagian landasan teori maka perhitungan safety stock yang dipakai adalah sebagai berikut :

Safety Stock = s x Z

Dimana: s = Standar deviasi permintaan pada distribution centre

Z = Nilai di bawah kurva normal yang ditentukan oleh tingkat pelayanan perusahaan terhadap konsumen yang sebesar 95% dan nilai Z diperoleh ialah sebesar 1,65. Nilai ini diperoleh dari tabel distribusi normal.

(73)

Safety Stock = s x Z = 639 x 1,65 = 1.054 kardus

Safety Stock = s x Z = 425 x 1,65 = 701 kardus

Safety Stock = s x Z = 1.058 x 1,65 = 1.746 kardus

Safety Stock = s x Z = 845 x 1,65 = 1.394 kardus

e. Distribution Centre Medan

Safety Stock = s x Z = 1.265 x 1,65 = 2.087 kardus

[image:73.595.108.523.421.737.2]

Berikut adalah tabel rekapitulasi perhitungan safety stock pada tiap DC.

Tabel 5.10. Rekapitulasi Perhitungan Safety StockDistribution Centre

Periode Pematang Siantar (Kardus) Tebing Tinggi (Kardus) Rantau Prapat (Kardus) Pekanbaru (Kardus) Medan (Kardus)