Sistem Penunjang Keputusan Manajemen Logistik Pada Agroindustri Berbahan Baku Karet (Studi Kasus Di Pt. Agronesia Divisi Inkaba).

(1)

SISTEM PENUNJANG KEPUTUSAN MANAJEMEN

LOGISTIK PADA AGROINDUSTRI BERBAHAN BAKU

KARET (STUDI KASUS DI PT. AGRONESIA DIVISI INKABA)

KIKI AMELIA LUBIS

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Penunjang Keputusan Manajemen Logistik pada Agroindustri Berbahan Baku Karet (Studi Kasus di PT. Agronesia Divisi Inkaba) adalah benar karya saya dengan arahan dari dosen pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

(4)

ABSTRAK

KIKI AMELIA LUBIS. Sistem Penunjang Keputusan Manajemen Logistik pada Agroindustri Berbahan Baku Karet (Studi Kasus di PT. Agronesia Divisi Inkaba). Dibimbing oleh MARIMIN dan M. ARIF DARMAWAN.

Pertumbuhan sektor industri karet di Indonesia belum tumbuh secara maksimal karena adanya permasalahan dalam bidang logistik, yang dapat dilihat dari nilai Logistic Performance Index (LPI) Indonesia pada tahun 2012 berada pada peringkat ke-59 dari 183 negara. Untuk mengatasi permasalahan dalam bidang logistik, dibutuhkan kemampuan untuk mengambil keputusan secara cepat, efektif, dan efisien dalam manajemen logistik. Tujuan penelitian ini adalah mengembangkan sistem penunjang keputusan berbasis web yang dapat memberikan keluaran sebagai solusi atas permasalahan-permasalahan logistik yang ada. Pendekatan yang digunakan untuk proses dan analisis data yaitu analisis ABC, AHP, dan simulasi Monte Carlo. Model penyelesaian dan data tersebut dikemas dan diimplementasikan dalam perangkat lunak sistem pengambilan keputusan. Hasil perhitungan AHP menunjukkan bahwa Tunggal Abadi terpilih sebagai pemasok bahan baku SIR 50, PT. Tanggamus sebagai pemasok SIR 20, dan PT. Hosana mandiri sebagai distributor. Hasil simulasi Monte Carlo menunjukkan bahwa rata-rata permintaan SIR 50 adalah 6 600,23 kg/bulan dan SIR 20 sebesar 4 828,17 kg/bulan. Perangkat lunak sistem pengambilan keputusan ini telah diverifikasi dan divalidasi mampu memberikan rekomendasi pengambilan keputusan bagi manajemen logistik.

Kata kunci : AHP, manajemen logistik, simulasi Monte Carlo, sistem penunjang keputusan

ABSTRACT

KIKI AMELIA LUBIS. Decision Support System of Logistic Management for Rubber Industries (Case Study in PT. Agronesia Divisi Inkaba). Supervised by MARIMIN and M. ARIF DARMAWAN.

(5)

software was verified and validated to provide recommendations on decision-making for logistic management.

(6)

(7)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian

pada

Departemen Teknologi Industri Pertanian

SISTEM PENUNJANG KEPUTUSAN MANAJEMEN

LOGISTIK PADA AGROINDUSTRI BERBAHAN BAKU

KARET (STUDI KASUS DI PT. AGRONESIA DIVISI INKABA)

KIKI AMELIA LUBIS

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR BOGOR

(8)

(9)

(10)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia dan limpahan rahmat-Nya, sehingga penyusunan skripsi berjudul “Sistem Penunjang Keputusan Manajemen Logistik pada Agroindustri Berbahan Baku Karet (Studi Kasus di PT. Agronesia Divisi Inkaba)” berhasil diselesaikan. Tema yang diangkat dalam penelitian yang dilaksanakan selama Mei hingga Agustus 2014 ini adalah mengenai sistem penunjang keputusan manajemen logistik.

Penulis menyampaikan terima kasih dan penghargaan teristimewa kepada: 1. Prof. Dr. Ir. Marimin, MSc dan Muhammad Arif Darmawan, S.TP. MT,

selaku Pembimbing Akademik atas perhatian dan bimbingannya selama penelitian dan penyelesaian skripsi

2. Dedi Gumilar, Mayang, Hermawan, Dimas, dan Zainal F.A atas bantuan dan bimbingannya selama melakukan penelitian di PT. Agronesia Divisi Inkaba 3. Ibunda tercinta; Tiflatul Khairah, BA, yang selalu memberikan dukungan dan

semangat

4. Novandra Caniago, Febriani Purba, Gita Hapsari, Giovanni Dwi Atmaja, Hadiwijoyo, Yoga Prasetyo dan Yati Hardiyanti Haris atas bantuan, semangat, kebersamaan, tawa dan canda yang telah diberikan selama ini 5. Keluarga besar TIN 47 atas semua cerita suka dan duka selama perkuliahan 6. Seluruh responden yang telah membantu dalam melakukan pengumpulan

data, dan

7. Seluruh sanak dan kerabat yang tidak bisa disebutkan satu-persatu. Semoga karya ilmiah ini bermanfaat.

(11)

DAFTAR ISI

DAFTAR TABEL xii

DAFTAR GAMBAR xii

DAFTAR LAMPIRAN xii

PENDAHULUAN 1

Latar Belakang 12

Tujuan Penelitian 2

Manfaat Penelitian 2

Ruang Lingkup Penelitian 3

METODE PENELITIAN 3

Kerangka Pemikiran 3

Tata Laksana Penelitian 4

Lokasi dan Waktu Penelitian 4

Jenis dan Sumber Data 4

Prosedur Penelitian 4

Metode Analisis Data 4

Analisis ABC 4

Metode AHP 5

Monte Carlo Simulation 5

Pemodelan Sistem 6

Pengguna Sistem Penunjang Keputusan (SPK) 6

Konfigurasi Sistem 6

Diagram Aliran Data 9

HASIL DAN PEMBAHASAN 10

Manajemen Logistik 10

Pengelompokan Bahan Baku 11

Pengadaan (Procurement) 12

Prakiraan Permintaan 14

Order Processing 15

(12)

Pengemasan (Packaging) 15

Distribusi dan Transportasi 16

Implementasi Perangkat Lunak Sistem Penunjang Keputusan 16 Spesifikasi Perangkat Keras dan Perangkat Lunak 17

Input Sistem 17

Output Sistem 20

Verifikasi dan Validasi Perangkat Lunak Sistem Penunjang Keputusan 22

Verifikasi 22

Validasi 22

Implikasi Manajerial 23

SIMPULAN DAN SARAN 24

Simpulan 24

Saran 24

DAFTAR PUSTAKA 25

LAMPIRAN 26

RIWAYAT HIDUP 63

DAFTAR TABEL

1 Pengelompokan bahan baku dengan analisis ABC 12

2 Rata-rata dan standar deviasi simulasi 15

DAFTAR GAMBAR

1 Diagram alir penelitian 3

2 Konfigurasi sistem 7

3 DFD level 0 9

4 DFD level 1 10

5 Perbedaan aktivitas logistik dan rantai pasok 11 6 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku

SIR 50 13

7 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku

SIR 20 13

(13)

9 Tampilan halaman daftar bahan baku 18 10 Tampilan halaman kuisioner struktur hierarki 18

11 Tampilan halaman pengelompokan bahan baku 19

12 Tampilan halaman prakiraan permintaan 19

13 Tampilan halaman hasil perhitungan pengelompokan bahan baku 20 14 Tampilan halaman hasil perhitungan prakiraan permintaan 21 15 Tampilan matrik hasil perbandingan berpasangan AHP 21

16 Tampilan halaman hasil perhitungan AHP 22

DAFTAR LAMPIRAN

1 Kuesioner AHP Pemilihan Pemasok SIR 50 27

2 Kuesioner AHP Pemilihan Pemasok SIR 20 35

3 Kuesioner AHP Pemilihan Distributor 47

4 Diagram Alir Model Pengelompokan Bahan Baku 62

5 Diagram Alir Model Pemilihan Pemasok Bahan Baku 62 6 Diagram Alir Model Prakiraan Permintaan Bahan Baku 63

7 Diagram Alir Model Pemilihan Distributor 63

8 Dokumentasi Sistem 51

(14)

PENDAHULUAN

Latar Belakang

Karet merupakan produk unggulan subsektor perkebunan di Indonesia. Menurut Direktorat Jenderal Industri Agro (2013), Indonesia menghasilkan karet alam dunia sebesar 2 982 000 ton pada tahun 2011, yang merupakan penghasil terbesar kedua setelah Thailand (3 393 800 ton pada tahun 2011). Hal ini menunjukkan bahwa karet merupakan salah satu hasil pertanian yang banyak menunjang perekonomian negara, terbukti dengan besarnya jumlah devisa yang dihasilkan dari perkebunan karet.

Salah satu cara untuk meningkatkan devisa yang dihasilkan dari sektor karet adalah dengan meningkatkan efisiensi dan efektivitas manajemen logistik karet di Indonesia. Manajemen logistik merupakan bagian dari proses supply chain yang bertujuan untuk merencanakan, melaksanakan, dan mengendalikan efisiensi dan efektivitas aktivitas penyimpanan dan aliran barang, pelayanan, dan informasi mulai dari titik asal (pemesanan) sampai dengan titik konsumsi (pemakaian). Manajemen logistik bertujuan untuk memenuhi kebutuhan para pelanggan secara tepat, yaitu tepat spesifikasi, kuantitas, kualitas dan waktu (Nuary 2014).

Berbagai persoalan sering muncul karena pengelolaan logistik yang kurang tepat. Berkaitan dengan persediaan, misalnya, pengelolaan yang kurang tepat akan mengakibatkan jumlah persediaan yang terlalu tinggi atau terlalu rendah yang akan berdampak terhadap biaya atau risiko tertentu. Jumlah persediaan yang tinggi memberikan beberapa keuntungan, seperti jaminan terpenuhinya pasokan untuk kegiatan produksi atau pemenuhan permintaan pelanggan. Namun, konsekuensi dari tingkat persediaan yang tinggi adalah biaya besar yang harus ditanggung, baik biaya modal maupun biaya risiko persediaan akibat kehilangan, kerusakan, dan keusangan. Dengan jumlah atau tingkat persediaan yang rendah, berarti biaya modal yang dikeluarkan juga rendah. Namun, jumlah atau tingkat persediaan yang rendah berdampak terhadap jaminan pasokan yang rendah untuk produksi dan pemenuhan permintaan pelanggan. Apabila produksi dan pemenuhan permintaan pelanggan terganggu, maka terjadi kehilangan peluang penjualan hingga kehilangan pelanggan.

(15)

2

sedangkan pada tahun 2009 peringkat Indonesia merosot ke peringkat 75 dari 155 negara. LPI Indonesia kemudian menunjukkan peningkatan dari posisi tersebut menjadi posisi 59 di tahun 2012 (Setijadi 2013). Namun dibandingkan dengan negara-negara di ASEAN, biaya logistik di Indonesia adalah yang termahal. Peringkat Indonesia tersebut masih di bawah negara-negara ASEAN lainnya, seperti: Singapore, Malaysia, Thailand, Philippines, dan Vietnam (Yun dan Kurniawan 2014). Posisi ini mencerminkan masih lemahnya kinerja sektor logistik Indonesia di dunia global, bahkan di antara negara-negara ASEAN tersebut.

Agar komoditas karet dapat tetap bersaing di pasar domestik maupun internasional, dibutuhkan efisiensi dan efektivitas dalam pengelolaan manajemen logistik karet di Indonesia. Salah satu solusi yang diharapkan dapat membantu industri atau perusahaan untuk menyelesaikan permasalahan logistik tersebut adalah dengan membuat sistem penunjang keputusan yang dapat membantu pengambil keputusan memilih berbagai alternatif keputusan berupa hasil pengolahan informasi yang diperoleh. Penelitian ini merupakan pengembangan dalam bentuk perangkat lunak dari penelitian Marimin et al. (2013a) mengenai peningkatan produktivitas budidaya karet alam dengan pendekatan Green Productivity, Marimin et al. (2014a) mengenai analisis rantai nilai untuk peningkatan produktivitas hijau pada rantai pasok karet alam, serta Marimin et al. (2013b), Marimin et al. (2014b) dan Hendra et al. (2014) mengenai sistem penunjang keputusan yang menerapkan pendekatan produktivitas hijau dalam agroindustri karet alam menggunakan analisis pemetaan aliran nilai (VSM) dalam pengembangan rantai pasok karet alam. Oleh karena itu dilakukan penelitian yang bertujuan untuk mengkaji permasalahan manajemen logistik pada agroindustri karet alam serta merancang perangkat lunak sistem pendukung keputusan yang terdiri dari subsistem-subsistem untuk membantu menyelesaikan permasalahan logistik yang terdapat pada perusahaan secara cepat.

Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Mengidentifikasi mekanisme manajemen logistik di PT. Agronesia Divisi Inkaba, (2) Merancang model pengelompokan bahan baku, model pemilihan pemasok, model prakiraan permintaan, dan model pemilihan distributor, (3) Menggunakan model pengelompokan bahan baku, model pemilihan pemasok, model prakiraan permintaan, dan model pemilihan distributor tersebut untuk mengembangkan sistem penunjang keputusan berbasis web yang dapat memberikan keluaran sebagai solusi atas permasalahan-permasalahan logistik yang ada.

Manfaat Penelitian

(16)

3

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah perancangan dan pengembangan sistem sebagai fasilitas yang diperuntukkan bagi perusahaan dalam menunjang pengambilan keputusan mengenai aspek-aspek yang menjadi kendala dalam manajemen logistik, mencakup pengelompokan bahan baku, pemilihan pemasok, prakiraan permintaan, dan pemilihan distributor. Sistem penunjang keputusan berbasis web yang disajikan dapat digunakan pengguna untuk memberikan nilai inputan saja dan tidak dapat menambah, mengurangi, dan mengedit kriteria dan alternatif yang tersedia dalam sistem.

METODE PENELITIAN

Kerangka Pemikiran

Proses pembuatan sistem penunjang keputusan ini dimulai dengan pengumpulan data. Selanjutnya dilanjutkan dengan analisis data, identifikasi sistem dan pemodelan sistem. Untuk menunjang proses pengambilan keputusan dalam manajemen logistik, sistem ini akan dilengkapi oleh empat model, yaitu model pengelompokan bahan baku, model pemilihan pemasok, model prakiraan permintaan, dan model pemilihan distributor. Model pengelompokan bahan baku dibuat dengan menggunakan metode analisis ABC. Model pemilihan pemasok dibuat dengan menggunakan metode AHP. Model prakiraan permintaan dibuat dengan mengunakan simulasi Monte Carlo. Model pemilihan distributor dibuat dengan metode AHP. Diagram alir penelitian disajikan pada Gambar 1.

(17)

4

Tata Laksana Penelitian

Lokasi dan Waktu Penelitian

Kegiatan pengumpulan data dilakukan di PT. Agronesia Divisi Inkaba, Bandung, Jawa Barat. Adapun tempat pengolahan data dan pengembangan sistem berlangsung di lingkungan kampus Institut Pertanian Bogor. Pelaksanaan penelitian dilakukan mulai tanggal 21 Mei sampai dengan bulan Agustus tahun 2014.

Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh melalui wawancara kepada pakar dengan menggunakan kuesioner (Lampiran 1, 2, dan 3). Pakar yang digunakan berasal dari PT. Agronesia Divisi Inkaba, yaitu Bapak Hermawan (Kepala Divisi Supply Chain Management), Bapak Diman (Staf Pembelian Divisi Supply Chain), Bapak Zainal A.F (Staf Distribusi), dan Bapak Yayat Supriyatna (Staf Distribusi). Data sekunder diperoleh dari studi literatur yang berhubungan dengan materi penelitian. Studi literatur dilakukan pada perpustakaan, data perusahaan (gambaran umum perusahaan dan dokumen perusahaan), jurnal, buku penelitian, dan buku referensi yang berhubungan dengan materi penelitian yang dicantumkan dalam daftar pustaka.

Prosedur Penelitian

Tahap pertama adalah mengumpulkan data mengenai manajemen logistik yang terdiri dari kegiatan prakiraan permintaan, rencana produksi, order processing, pembelian, penanganan bahan, pengemasan, serta distribusi dan transportasi. Tahap ini diikuti dengan formulasi permasalahan dan identifikasi sistem. Tahap kedua adalah tahap pemodelan sistem. Desain sistem berorientasi objek ini dilakukan dengan menggunakan Power Designer 16.5. Tahap ketiga adalah implementasi model-model tersebut dalam sistem penunjang keputusan. Pembuatan paket program menggunakan AppServ v2.5.10 dan Adobe Dreamweaver CS6.

Metode Analisis Data

Analisis ABC

Analisis ABC adalah metode yang digunakan untuk menentukan persediaan jenis barang mana yang penting untuk dikendalikan berdasarkan kriteria tertentu yang dianggap penting bagi perusahaan. Menurut Gaspersz (2002), analisis ABC terdiri dari beberapa tahapan, yaitu :

1. Penentuan volume penggunaan dari material-material inventori (bahan baku yang ingin dikelompokkan per periode waktu yang umumnya per tahun). 2. Hitung nilai total penggunaan biaya per periode waktu untuk setiap material

inventori dengan cara mengalikan volume penggunaan per periode waktu (per tahun) dari setiap material inventori dengan biaya per unitnya.

(18)

5 4. Tentukan persentase nilai total penggunaan biaya dari setiap material inventori dengan cara nilai total penggunaan biaya dari setiap material inventori di bagi dengan nilai total penggunaan biaya agregat.

5. Buat rank persentase nilai total penggunaan biaya dari material-material tersebut dengan urutan menurun yaitu dari nilai tertinggi sampai terendah.

6. Klasifikasikan material-material inventori tersebut ke dalam tiga kelompok, yaitu kelompok A (20% dari jenis material), kelompok B (30% dari jenis material), dan kelompok C (50% dari jenis material).

Metode AHP

Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak terstruktur, strategik, dan dinamik menjadi sebuah bagian-bagian dan tertata dalam suatu hirarki (Marimin and Maghfiroh 2010). Menurut Saaty (2008), dalam AHP, untuk membuat suatu keputusan dengan cara yang terorganisir dalam menghasilkan prioritas perlu menguraikan keputusan menjadi langkah-langkah berikut :

1. Definisikan masalah dan tentukan jenis pengetahuan yang dicari.

2. Struktur hirarki keputusan dari level atas dengan tujuan keputusan tersebut, tujuan dari perspektif yang luas, melalui level menengah (kriteria yang tergantung pada elemen berikutnya) ke level terendah (yang biasanya adalah satu set alternatif). 3. Buatlah sebuah set matrik perbandingan berpasangan. Setiap elemen di level atas

digunakan untuk membandingkan unsur-unsur langsung di level bawahnya.

4. Gunakan prioritas yang diperoleh dari perbandingan untuk mempertimbangkan prioritas di level bawah. Lakukan ini untuk setiap elemen. Lalu untuk setiap elemen pada level di bawahnya, tambahkan nilai-nilai bobot dan dapatkan prioritas keseluruhan atau prioritas global. Lanjutkan proses pembobotan dengan menambahkan sampai prioritas terakhir dari alternatif di level paling bawah.

Monte Carlo Simulation

Monte Carlo Simulation merupakan simulasi probabilistik (stokastik) yang menggunakan distribusi peluang dengan penarikan contoh secara acak. Penggunaan bilangan acak membantu dalam membangkitkan nilai yang memiliki sebuah distribusi probabilitas yang dapat mewakili data secara nyata. Simulasi ini cocok digunakan untuk jenis berbagai distribusi peluang diantaranya yaitu distribusi normal, eksponensial, poisson, binomial, dan sebagainya. Teknik simulasi ini terdiri dari beberapa tahapan, yaitu :

1. Uji distribusi normal, berfungsi untuk mengetahui apakah data yang diujikan terdistribusi secara normal atau tidak. Analisis uji ini menggunakan program aplikasi Minitab 16.0.

2. Pembangkitan bilangan acak, dilakukan dengan menggunakan fungsi standar randomize yang menghasilkan bilangan acak dengan nilai yang lebih besar atau sama dengan nol dan lebih kecil dari satu.

3. Pembangkitan variabel acak, dilakukan apabila data terdistribusi secara normal. Pada pembangkitan variabel acak, prosesnya dilakukan hingga jumlah periode simulasi yang ditentukan tercapai. Jika pembangkitan variabel acak tersebut jumlahnya sama dengan jumlah periode simulasi maka proses akan terhenti. Menurut Gottfried (1984), untuk menguji kecukupan simulasi digunakan perhitungan dengan menggunakan rumus sebagai berikut :

(19)

6

Di mana :

N = panjang hari simulasi n = jumlah data pengamatan σ = standar deviasi pengamatan σ*

= standar deviasi pada tingkat kepercayaan tertentu

Hasil dari pembangkitan variabel acak ini digunakan sebagai masukan atau input bagi model prakiraan permintaan. Menurut Walpole (1992), rumus yang digunakan pada proses pembangkitan variabel acak adalah :

...(2) Di mana :

X = variabel acak

µ = rata-rata sampel pengamatan σ = standar deviasi sampel pengamatan

Nilai Z dapat dihitung dengan menggunakan rumus sebagai berikut :

...(3) Di mana :

N = jumlah hasil simulasi Ui = bilangan acak

Pemodelan Sistem

Pengguna Sistem Penunjang Keputusan (SPK)

Sistem penunjang keputusan ini dibuat untuk membantu direktur atau kepala bagian PT. Agronesia Divisi Inkaba dalam proses pengambilan keputusan di dalam manajemen logistik. Sistem ini mengintegrasikan pendapat pakar dan formulasi matematika sehingga proses pengambilan keputusan dapat dilakukan dengan terstruktur, cepat, dan hemat sumber daya.

Konfigurasi Sistem

(20)

7

Gambar 2 Konfigurasi sistem

Sistem Pengolahan Terpusat merupakan bagian dari sistem yang mengelola dan mengatur seluruh komponen, serta memungkinkan sistem berinteraksi secara timbal balik dengan sistem lainnya. Sistem Pengolahan Terpusat berfungsi sebagai koordinator dan pengendalian dari operasi Rubberlog.

Sistem Manajemen Dialog merupakan bagian sistem yang memungkinkan pengguna dengan mudah berinteraksi dengan sistem. Sistem Manajemen Dialog dalam Rubberlog menyediakan fasilitas interaktif antara model dengan pengguna dalam proses pengambilan keputusan. Sistem Manajemen Dialog merupakan fasilitas yang diberikan untuk berkomunikasi antara model dengan pengguna dalam proses pengambilan keputusan. Sistem ini akan mempermudah pengguna dalam pemakaian program karena sistem yang dibuat bersifat user friendly. Sistem Manajemen Dialog perlu dirancang dengan tampilan menarik agar pengguna mudah mengerti dengan alur kerja penggunaan program serta membuat pengguna tidak merasa bosan.

(21)

8

dengan menggunakan HTML (Hyper Text Markup Language) dan dibuka oleh web browser yang diintegrasikan pada program utama. Manajemen Basis Data Dinamis dirancang dengan menggunakan MySQL dan bahasa pemrograman PHP. Sistem Manajemen Dialog dirancang dengan menggunakan Adobe Dreamweaver CS6.

Sistem Manajemen Basis Model merupakan bagian yang memberikan fasilitas pengelolaan model untuk perhitungan dalam proses pengambilan keputusan. Sistem Manajemen Basis Model merupakan bagian dari sistem dalam Sistem Penunjang Keputusan Rantai Pasok Karet Alam yang memberikan fasilitas pengelolaan model untuk mengkomputasikan pengambilan keputusan dan meliputi semua aktivitas yang tergabung dalam pemodelan. Sistem ini meliputi berbagai formulasi matematika sebagai penunjang dalam pengambilan keputusan (decision making). Sistem Manajemen Basis Model yang dikembangkan terdiri dari :

1. Model Pengelompokan Bahan Baku

Model pengelompokan bahan baku merupakan model yang digunakan untuk menentukan jenis bahan baku yang paling penting dikendalikan persediaannya. Metode yang digunakan adalah metode Analisis ABC. Output dari model ini adalah bahan baku yang telah dikelompokkan dalam tiga kelompok, yaitu kelompok A, kelompok B, dan Kelompok C. Diagram alir model pengelompokan bahan baku dapat dilihat pada Lampiran 4.

2. Model Pemilihan Pemasok Bahan Baku

Model pemilihan pemasok bahan baku digunakan untuk menentukan pemasok bahan baku. Metode yang digunakan adalah metode AHP. Model pemilihan pemasok bahan baku digunakan untuk menganalisis alternatif-alternatif pemilihan pemasok berdasarkan kriteria yang diinginkan oleh perusahaan. Output dari model ini adalah urutan alternatif pemilihan pemasok. Diagram alir model pemilihan pemasok bahan baku dapat dilihat pada Lampiran 5.

3. Model Prakiraan Bahan Baku

Model prakiraan bahan baku merupakan model yang digunakan untuk memperkirakan tingkat permintaan terhadap suatu bahan baku yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang. Metode yang digunakan adalah metode Monte Carlo Simulation. Diagram alir model prakiraan permintaan bahan baku dapat dilihat pada Lampiran 6.

4. Model Pemilihan Distributor

(22)

9

Diagram Aliran Data

Tahapan pemodelan sistem dalam perancangan sistem penunjang keputusan berguna untuk memberikan gambaran jelas dalam membangun dan menerapkan sistem secara fisik kepada pengguna. Pemodelan RubberLog dilakukan dengan pendekatan berarah fungsi yang terdiri atas pembuatan diagram aliran data atau data flow diagram (DFD). DFD memperlihatkan hubungan fungsional dari nilai yang dihitung oleh sistem termasuk nilai masukan, nilai keluaran, serta tempat penyimpanan internal. Diagram aliran data adalah gambaran grafis yang memperlihatkan aliran data dari sumbernya dalam objek kemudian melewati suatu proses yang mentransformasinya ke tujuan lain (Nugroho 2002). Diagram ini akan membantu melihat sistem secara menyeluruh dan dijadikan suatu objek utuk penyusunan sistem.

Menurut Nugroho (2002) diagram aliran data terdiri atas empat unsur, yaitu proses, aliran data, entitas, dan data store. Proses adalah sesuatu yang melakukan transformasi terhadap data. Setiap proses harus memiliki sedikitnya satu masukan dan satu keluaran aliran data. Menurut Whitten et al. (2004), sebuah aliran data juga digunakan untuk menunjukkan pembuatan, pembacaan, penghapusan, serta pemutakhiran data pada sebuah berkas atau basis data. Aliran data berguna untuk menghubungkan keluaran dari suatu objek atau proses yang terjadi pada suatu masukan. Entitas adalah objek aktif yang mengendalikan aliran data dengan memproduksi atau mengkonsumsi data. Data store adalah objek pasif dalam diagram aliran data yang menyimpan data untuk penggunaan lebih lanjut.

Sistem penunjang keputusan ini terdiri atas suatu proses global dan proses-proses yang lebih detail yang menyusun proses-proses global tersebut. Penggambaran dari proses global sistem akan menghasilkan diagram konteks atau DFD level 0, sedangkan analisis dari proses lebih detail yang menyusun diagram konteks tersebut akan menghasilkan DFD level 1 dan seterusnya.

Diagram konteks atau diagram alir data level 0 menggambarkan keseluruhan sistem dengan satu proses berikut sumber dan tujuan data secara jelas. Gambaran DFD level 0 dapat disajikan pada Gambar 3.

Gambar 3 DFD level 0

(23)

10

Gambar 4 DFD level 1

HASIL DAN PEMBAHASAN

Manajemen Logistik

Logistik merupakan salah satu bagian dari rantai pasok dimana bagian tersebut memiliki peran penting dalam merencanakan, mengadakan, menyimpan, mendistribusi, hingga mengontrol bahan baku menjadi barang jadi sesuai dengan keinginan konsumen secara aman, efektif dan efisien, mulai dari titik asal (point of origin) sampai dengan titik tujuan (point of destination). Aktivitas pokok logistik meliputi pengadaan, produksi, pergudangan, distribusi, transportasi, dan pengantaran barang yang dilakukan oleh setiap pelaku bisnis dan industri baik pada sektor primer, sekunder maupun tersier dalam rangka menunjang kegiatan operasionalnya. Manajemen logistik dapat didefinisikan sebagai mendesain dan mengurus suatu sistem untuk mengawasi arus dan penyimpanan yang strategis bagi material, suku cadang dan barang jadi agar dapat diperoleh manfaat maksimum bagi organisasi (Bowersox et al. 2002).

(24)

11 beberapa perusahaan (meliputi pemasok, pabrikan, distributor dan retailer) yang bekerjasama dan terlibat baik secara langsung maupun tidak langsung dalam memenuhi permintaan pelanggan, dimana perusahaan tersebut melakukan fungsi pengadaan material, proses transformasi material menjadi produk setengah jadi dan produk jadi, serta distribusi produk jadi tersebut hingga ke konsumen/pengguna akhir (Chopra and Meindl 2007). Perbedaan aktivitas yang dilakukan antara logistik dan rantai pasok menurut Ballou (2004) ditunjukkan pada Gambar 5.

Gambar 5 Perbedaan aktivitas logistik dan rantai pasok

Pengelompokan Bahan Baku

Umumnya persediaan terdiri dari berbagai jenis barang dengan jumlah yang banyak. Masing-masing jenis barang membutuhkan analisis tersendiri untuk mengetahui besarnya order size dan order point. Berbagai jenis barang tersebut tidak seluruhnya memiliki tingkat prioritas yang sama. Untuk mengetahui jenis-jenis barang yang perlu mendapat prioritas maka dapat digunakan analisis ABC (Rangkuti 2002).

Analisis ABC merupakan metode persediaan yang menggunakan prinsip Pareto, yaitu the ctitical few and the trivial many. Idenya adalah memfokuskan pengendalian persediaan kepada jenis persediaan yang bernilai tinggi (critical) daripada yang bernilai rendah (trivial).

(25)

12

beberapa kelompok, yaitu karet alam, karet sintetis, bahan pengisi, bahan homogenitas, bahan pencepat, bahan penggiat, bahan pelunak, dan bahan pelarut. Karena banyaknya bahan baku yang digunakan, maka perlu dilakukan identifikasi terhadap bahan baku untuk mengetahui bahan baku mana yang tergolong ke dalam bahan baku yang paling penting untuk dikendalikan. Hasil analisis ABC terhadap bahan baku yang digunakan oleh PT. Agronesia Divisi Inkaba dapat dilihat pada Tabel 1.

Tabel 1 Pengelompokan bahan baku dengan analisis ABC

Kelompok

Jenis Bahan Baku Nilai Pemakaian

N % Rp / Tahun %

A 1 23.48 1 734 173 100 23.84

B 2 33.82 2 430 145 880 33.40

C 100 42.70 3 111 497 109 42.76

Berdasarkan Tabel 1, jenis bahan baku yang termasuk ke dalam kelompok A adalah SIR 50, yang termasuk ke dalam kelompok B adalah SIR 20 dan Carbon Black HAF-N 330 China sedangkan 100 jenis bahan baku lainnya tergolong ke dalam kelompok C. berdasarkan hasil perhitungan tersebut, PT. Agronesia Divisi Inkaba harus melakukan pengendalian persediaan yang lebih ketat terhadap jenis bahan baku yang termasuk dalam kelompok A, pengendalian yang ketat terhadap jenis bahan baku yang termasuk dalam kelompok B, dan pengendalian yang kurang ketat terhadap jenis bahan baku yang termasuk dalam kelompok C.Setelah melakukan analisis ABC, maka untuk seluruh bahasan dan perhitungan pada penelitian ini difokuskan terhadap bahan baku karet alam yang tergolong dalam kelompok A dan B, yaitu SIR 50 dan SIR 20.

Pengadaan (Procurement)

Pengadaan logistik merupakan fungsi operasional pertama dalam manajemen logistik. Fungsi ini pada hakikatnya merupakan serangkaian kegiatan untuk menyediakan logistik sesuai dengan kebutuhan, baik berkaitan dengan jenis dan spesifikasi, jumlah, waktu, maupun tempat, dengan harga dan sumber yang dapat dipertanggungjawabkan. Dalam pengadaan logistik, pembelian merupakan cara pengadaan logistik yang paling sering dilakukan oleh suatu perusahaan.

Pengadaan logistik dengan cara pembelian dilakukan melalui serangkaian kegiatan. Salah satu kegiatan tersebut adalah pemilihan pemasok (supplier). Pemilihan pemasok dalam penelitian ini dilakukan dengan menggunakan metode Analytical Hierarchy Process (AHP), dimana metode tersebut digunakan untuk menganalisis alternatif-alternatif pemilihan pemasok bahan baku berdasarkan : 1. Level kriteria : biaya, reliabilitas, dan fleksibilitas

2. Level subkriteria :

(26)

13 b. Reliabilitas : ketepatan waktu pengiriman dan ketepatan mutu

c. Fleksibilitas : pemenuhan perubahan jumlah pesanan dan pemenuhan perubahan waktu pengiriman.

3. Level alternatif : pemasok yang memenuhi kriteria dan subkriteria yang ditentukan.

Penyelesaian AHP menggunakan alat bantu berupa aplikasi Expert Choice 2000. Hasil pembobotan alternatif untuk bahan baku SIR 50 dan SIR 20 dapat dilihat pada Gambar 6 dan Gambar 7.

Gambar 6 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku SIR 50

Gambar 7 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku SIR 20

(27)

14

Prakiraan Permintaan

Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan tingkat permintaan terhadap suatu produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang.

Karena PT. Agronesia Divisi Inkaba beroperasi dengan sistem job order, maka kebutuhan bahan baku di PT. Agronesia Divisi Inkaba berbeda-beda setiap periodenya (per bulan). Sifat permintaan bahan baku di PT. Agronesia Divisi Inkaba adalah stokastik atau probabilistik, yaitu tingkat permintaan untuk satu periode perencanaan atau untuk beberapa periode perencanaan tidak diketahui dengan pasti, akan tetapi mengikuti suatu fungsi sebaran peluang tertentu yang berdasarkan pengalaman masa lalu nilai tengah dan keragaman tingkat permintaannya dapat dicari atau diketahui.

Untuk prakiraan permintaan terhadap bahan baku yang bersifat probabilistik, perlu dilakukan melalui suatu proses simulasi. Salah satu simulasi yang dapat digunakan adalah Monte Carlo Simulation. Simulasi Monte Carlo merupakan simulasi probabilistik (stokastik) yang menggunakan distribusi peluang dengan penarikan contoh secara acak. Penggunaan bilangan acak membantu dalam membangkitkan nilai yang memiliki sebuah distribusi probabilitas yang dapat mewakili data secara nyata. Simulasi ini cocok digunakan untuk jenis berbagai distribusi peluang diantaranya yaitu distribusi normal, eksponensial, poisson, binomial, dan sebagainya.

Tahapan pertama dalam simulasi Monte Carlo adalah uji sebaran normal terhadap data permintaan bahan baku yang ada dengan menggunakan uji sebaran normal Kolmogorov-Smirnov. Konsep dasar uji Kolmogorov-Smirnov yaitu membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi data normal baku. Distribusi data normal baku adalah data yang telah ditransformasikan dalam bentuk Z-score dan diasumsikan normal. Uji Kolmogorov-Smirnov dilakukan dengan menggunakan aplikasi Minitab 16 dengan selang kepercayaan sebesar 95% (α = 0.05). Hasil uji distribusi normal dapat dilihat pada Lampiran 6.

Hasil sebaran data dengan menggunakan Kolmogorov-Smirnov yang terdapat pada aplikasi Minitab 16 memperlihatkan nilai Value. Jika nilai P-Value melebihi α, maka tidak terdapat perbedaan yang signifikan antara data yang diuji dengan data normal baku, yang berarti bahwa sebaran data yang diuji mengikuti sebaran normal. Jika nilai P-Value kurang dari α, maka data yang diuji memiliki perbedaan yang signifikan dengan data normal baku, yang berarti bahwa sebaran data yang diuji tidak mengikuti sebaran normal. Hasil uji yang dilakukan tehadap data tingkat permintaan SIR 50 dan SIR 20 menunjukkan nilai P-value kedua bahan tersebut >0.15. Nilai P-value tersebut melebihi nilai α, sehingga dapat disimpulkan bahwa data tingkat permintaan terhadap bahan baku SIR 50 dan SIR 20 mengikuti pola sebaran normal.

(28)

15 dilihat pada Lampiran 7. Standar deviasi hasil simulasi dan rata-rata hasil simulasi dapat dilihat pada Tabel 2.

Tabel 2 Rata-rata dan standar deviasi simulasi

Bahan Baku Rata-Rata

Permintaan (kg)

1. Elemen operasional, meliputi order entry atau perubahan pesanan, scheduling, persiapan pengiriman pesanan, dan pemfakturan.

2. Elemen komunikasi, meliputi modifikasi pesanan, penyelidikan status pesanan, tracing, koreksi kesalahan, dan permintaan informasi produk.

3. Kredit dan elemen pengumpulan, meliputi pemeriksaan kredit dan proses penerimaan atau pengumpulan rekening.

Tahapan order processing di PT. Agronesia Divisi Inkaba diawali dengan pemesanan produk oleh konsumen, dilanjutkan dengan negosiasi harga. Setelah tercapai kesepakatan harga, pihak marketing akan melakukan purchase order dan menerbitkan perintah kerja (PK) kepada bagian produksi (PPIC). Bagian PPIC kemudian melakukan perhitungan jumlah bahan baku dan bahan penolong, dimana hasil perhitungan tersebut selanjutnya diserahkan ke bagian logistik untuk kegiatan pembelian bahan.

Penanganan Bahan (Material Handling)

Penanganan bahan merupakan seni pergerakan atau pemindahan bahan baku, barang setengah jadi atau barang jadi dari tempat asal ke tempat tujuan yang telah ditetapkan secara ekonomis dan aman. Adapun peralatan penanganan bahan yang digunakan oleh PT. Agronesia Divisi Inkaba yaitu truk industri dengan cagak di depan (forklift) serta derek dan kait.

Pengemasan (Packaging)

Pengemasan memiliki peran ganda, yaitu melindungi produk dari kerusakan ketika akan disimpan atau diangkut serta mempermudah penyimpanan dan pemindahan produk, sehingga mengurangi biaya penanganan material. Pengemasan memiliki beberapa fungsi spesifik, yaitu npenahanan (containment), proteksi (protection), pembagian (appoinment), pengunitan (unitization), kenyamanan (convenience), dan komunikasi (communication) (Hastuti 2014).

(29)

16

Distribusi dan Transportasi

Distribusi produk dari produsen ke konsumen dapat dilakukan secara langsung maupun tidak langsung. Sebuah perusahaan dapat mendistribusikan barangnya secara langsung kepada konsumen, selain itu bisa juga mendistribusikan produknya melalui perantara. Kegiatan distribusi di PT. Agronesia Divisi Inkaba melibatkan perusahaan ekspedisi untuk mengirimkan produknya kepada konsumen. Pola jaringan distribusi PT. Agronesia Divisi Inkaba antara lain :

1. Distributor storage with package carrier delivery, yaitu produk dikirim ke konsumen akhir melalui jasa kurir / perusahaan ekspedisi. Persediaan disimpan di gudang distributor atau ritel sebagai perantara (Chopra dan Meindl 2007). 2. Distributor storage with last mile delivery, pola distribusi dimana produk

dikirim ke konsumen akhir dengan melalui jasa perusahaan ekspedisi/ kurir dimana pihak ekspedisi memilki tempat penyimpanan yang berdekatan dengan lokasi konsumen (Chopra dan Meindl 2007).

3. Manufacturer / distributor storage with customer pickup, yaitu produk dikirim ke lokasi penjemputan sesuai dengan keinginan konsumen (Chopra dan Meindl 2007).

Pemilihan jasa ekspedisi yang digunakan untuk pendistribusian produk kepada konsumen dilakukan dengan menggunakan metode AHP. Penyelesaian AHP menggunakan alat bantu berupa aplikasi Expert Choice 2000. Hasil pembobotan alternatif pemilihan distributor dapat dilihat pada Gambar 8.

Gambar 8 Hasil pembobotan alternatif pemilihan distributor

Penilaian perbandingan dikatakan konsisten jika consistency ratio (CR) tidak lebih dari 0.1. Penilaian perbandingan distributor tersebut memiliki CR sebesar 0.05, sehingga dapat disimpulkan bahwa penilaian perbandingan distributor sudah konsisten dan tidak memerlukan revisi penilaian. Berdasarkan perhitungan dengan menggunakan Expert Choice 2000, PT. Hosana Mandiri merupakan jasa ekspedisi yang memenuhi kriteria pemilihan distributor yang telah ditentukan.

Implementasi Perangkat Lunak Sistem Penunjang Keputusan

(30)

17 rekomendasi keputusan beserta penjelasan dampaknya (Phillips-Wren et al. 2009).

Dalam proses implementasi, sistem penunjang keputusan dirancang dalam sebuah paket program komputer yang diberi nama RubberLog. Program ini merupakan desain antarmuka sebagai suatu manajemen dialog antara sistem dengan pengguna. Kebutuhan fungsional untuk menjalankan sistem penunjang keputusan ini meliputi kebutuhan perangkat keras, perangkat lunak, serta kebutuhan tenaga. Kemampuan dasar yang harus dimiliki tenaga pengguna adalah kemampuan mengoperasikan sistem secara baik serta memiliki pemahaman mengenai pengoperasian komputer secara umum. Kebutuhan perangkat keras, perangkat lunak, serta prosedur instalasi dan pengoperasian program RubberLog disajikan pada Lampiran 8.

Spesifikasi Perangkat Keras dan Perangkat Lunak

Perangkat keras dan perangkat lunak diperlukan untuk membangun sistem meliputi berbagai macam aspek aplikasi, seperti aspek basis data, web server, proses editing, dan aspek lainnya. Perangkat keras dan perangkat lunak yang digunakan untuk membangun sistem berbeda dengan perangkat keras dan perangkat lunak yang diperlukan oleh pengguna sistem. Berikut adalah daftar spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk membangun sistem.

1. Spesifikasi perangkat keras :

a. Processor : Intel(R) Pentium(R) CPU B960 @ 2.20GHz b. Memory : 2 GB

c. System Type : 32-bit Operating System 2. Spesifikasi perangkat lunak :

a. AppServ v2.5.10

b. PHP Script Language v5.2.6 c. MySQL Database v5.0.51b d. Adobe Dreamweaver CS6 e. Expert Choice 2000 f. Minitab 16

Input Sistem

Sistem penunjang keputusan ini dirancang memiliki empat macam input, yaitu data jenis bahan baku, data permintaan bahan baku, data harga bahan baku, dan penilaian pakar.

1. Halaman daftar bahan baku

(31)

18

Gambar 9 Tampilan halaman daftar bahan baku

2. Halaman penilaian pakar struktur hierarki

Halaman-halaman ini berfungsi sebagai masukan penilaian pakar struktur hierarki. Bagian halaman kuisioner pemilihan pemasok bahan baku SIR 50 terdiri dari 11 halaman, pemilihan pemasok bahan baku SIR 20 terdiri dari 11 halaman, dan pemilihan distributor terdiri dari 6 halaman.

Pada halaman ini, pakar akan membandingkan tingkat kepentingan berdasarkan skala AHP antara elemen yang kiri dengan yang kanan. Halaman ini memiliki tombol simpan yang berfungsi untuk menyimpan penilaian pakar per halaman dan tombol next yang berfungsi untuk menuju halaman kuisioner berikutnya. Gambar 10 menampilkan kuisioner pemilihan pemasok bahan baku SIR 50.

(32)

19 3. Halaman pengelompokan bahan baku

Halaman ini berfungsi meminta masukan data harga bahan baku dan data penggunaan bahan baku dalam satu periode (tahun). Pada halaman ini, pengguna juga dapat melakukan proses editing dan deleting data yang telah dimasukkan serta dapat melakukan proses insert data pada tabel. Tampilan halaman pengelompokan bahan baku dapat dilihat pada Gambar 11.

Gambar 11 Tampilan halaman pengelompokan bahan baku

4. Halaman prakiraan permintaan

Halaman ini berfungsi untuk meminta data permintaan bahan baku pada satu periode. Halaman ini memiliki tombol forecast yang berfungsi untuk melakukan perhitungan prakiraan permintaan. Pada halaman ini, pengguna juga dapat melakukan proses editing data. Halaman prakiraan permintaan bahan baku dapat dilihat pada Gambar 12.

(33)

20

Output Sistem

1. Halaman hasil perhitungan pengelompokan bahan baku

Halaman ini berfungsi untuk menampilkan hasil perhitungan pengelompokan bahan baku berdasarkan metode Analisis ABC. Pengguna dapat mengetahui bahan baku mana yang tergolong ke dalam bahan baku yang paling penting untuk dikendalikan. Gambar 13 menampilkan halaman hasil perhitungan pengelompokan bahan baku.

Gambar 13 Tampilan halaman hasil perhitungan pengelompokan bahan baku 2. Halaman hasil perhitungan prakiraan permintaan

(34)

21

Gambar 14 Tampilan halaman hasil perhitungan prakiraan permintaan

3. Halaman matrik hasil perbandingan berpasangan AHP

Halaman ini berfungsi menampilkan matrik hasil perbandingan berpasangan AHP berdasarkan penilaian pakar. Gambar 15 menampilkan halaman matrik hasil perbandingan berpasangan AHP pemilihan distributor. Untuk melakukan pembobotan, pengguna harus mengunduh file yang berisi alat bantu hitung pada link unduh yang telah disediakan.

Gambar 15 Tampilan matrik hasil perbandingan berpasangan AHP

4. Halaman hasil perhitungan AHP

(35)

22

alternatif yang terpilih berdasarkan hasil penilaian pakar yang ditampilkan dalam bentuk bobot. Gambar 16 menunjukkan tampilan halaman hasil perhitungan AHP pemilihan distributor.

Gambar 16 Tampilan halaman hasil perhitungan AHP

Verifikasi dan Validasi Perangkat Lunak Sistem Penunjang Keputusan

Verifikasi

Tahapan verifikasi dilakukan untuk mengetahui kelayakan sistem, sedangkan validasi dilakukan untuk mengetahui keakuratan sistem dibandingkan dengan dunia nyata. Menurut Maarif (2006) dalam Sabar (2007) verifikasi dapat dilakukan dengan beberapa cara, yaitu (1) melakukan tes data, yaitu mengevaluasi setiap kegiatan yang mungkin, mempersiapkan data masukan dengan khusus dan kemampuan program pada kondisi ekstrim; (2) tulis dan debug program dalam modul-modul atau subprogram-subprogram; (3) diuji oleh banyak orang; (4) run pada asumsi penyederhanaan dimana model simulasi dapat dihitung dengan mudah; (5) lihat hasil simulasi. Program RubberLog bersifat multiuser karena model dapat digunakan oleh beberapa user dalam waktu bersamaan tanpa mengalami masalah atau konflik. Hal tersebut diuji dengan pengisian bobot yang berbeda dalam model pemilihan pemasok, kemudian dilakukan submit dalam waktu bersamaan dan hasil keluaran sistem tetap ada dengan nilai yang berbeda.

Validasi

Validasi berfungsi sebagai pembuktian bahwa aplikasi dari program RubberLog, telah dapat mempresentasikan kondisi nyata dan menjawab masalah sebenarnya dari pihak perusahaan PT. Agronesia Divisi Inkaba. Pada tahapan validasi ini diharapkan tahapan operasional dari program RubberLog dapat menghasilkan keluaran yang konsisten dan memuaskan sesuai dengan tujuan yang ingin dicapai dari perancangan model tersebut.

(36)

23 yang dilakukan dengan menanyakan kepada pakar (orang yang berkompeten) mengenai ketepatan model dan perilaku model yang dirancang. Pakar yang melakukan validasi akan mengecek ketepatan konsep logika dari model yang dirancang serta hubungan yang tepat dan rasional antara input dan output yang digunakan pada model. Proses face validity dilakukan bersama dengan dua orang pakar, yaitu :

1. Hermawan (Divisi Supply Chain Management PT. Agronesia). Pakar ini melakukan validasi terhadap rancangan model pengelompokan bahan baku, model pemilihan pemasok bahan baku dan model prakiraan permintaan bahan baku.

2. Zainal F.A (Divisi Distribusi PT. Agronesia). Pakar ini melakukan validasi terhadap rancangan model pemilihan distributor.

Kedua pakar tersebut menilai bahwa model yang dikembangkan cukup dapat mempresentasikan tahapan-tahapan yang dipertimbangkan dalam proses pemilihan pemasok bahan baku dan pemilihan distributor. Selain itu, model yang dikembangkan juga sesuai dengan informasi-informasi serta arahan yang mereka berikan kepada peneliti.

Implikasi Manajerial

Sistem penunjang keputusan ini mempunyai implikasi bagi pihak perusahaan, karena model yang dibangun merupakan representasi dari permasalahan yang ada di perusahaan. Sistem penunjang keputusan berbasis web ini menyediakan model-model mengenai pengelompokan bahan baku, pemilihan pemasok, prakiraan permintaan, dan pemilihan distributor. Output yang dihasilkan oleh sistem penunjang keputusan ini diharapkan dapat memberikan solusi atas permasalahan manajemen logistik yang ada di perusahaan.

PT. Agronesia Divisi Inkaba merupakan industri yang beroperasi dengan sistem job order, sehingga produk yang dihasilkan beragam. Karena produk yang dihasilkan beragam, jenis bahan baku dan bahan penunjang yang digunakan pun beragam. Sistem penunjang keputusan ini menyediakan model pengelompokan bahan baku yang membantu perusahaan memprioritaskan jenis bahan baku yang paling penting untuk dikendalikan berdasarkan kriteria tertentu, sehingga pengendalian terhadap jenis bahan baku tersebut lebih efisien.

Selain jenis bahan baku yang beragam, perusahaan dengan sistem job order juga memiliki permintaan / kebutuhan bahan baku yang bersifat probabilistik yang membutuhkan teknik simulasi untuk menyelesaikannya. Sistem penunjang keputusan ini menyediakan model prakiraan bahan baku dengan teknik simulasi Monte Carlo yang membantu perusahaan melakukan berbagai percobaan berbagai kebijakan persediaan, sehingga pengambilan keputusan kebijakan apa yang digunakan dan prakiraan terhadap permintaan bahan baku dapat dilakukan dengan cepat.

(37)

24

SIMPULAN DAN SARAN

Simpulan

Berdasarkan penelitian yang telah dilakukan dengan tema sistem penunjang keputusan manajemen logistik pada agroindustri berbahan karet (studi kasus di PT. Agronesia Divisi Inkaba), maka dapat disimpulkan bahwa:

1. Sistem penunjang keputusan berbasis web telah berhasil dikembangkan. Sistem ini dilengkapi dengan model-model pemilihan yang merupakan representasi dari permasalahan yang ada di perusahaan. Model-model yang tersedia yaitu model pengelompokan bahan baku, model pemilihan pemasok bahan baku, model prakiraan permintaan, dan model pemilihan distributor.

2. Hasil keluaran model pengelompokan bahan baku menunjukkan bahwa jenis bahan baku yang termasuk ke dalam kelompok A adalah SIR 50, yang termasuk ke dalam kelompok B adalah SIR 20 dan Carbon Black HAF-N 330 China sedangkan 100 jenis bahan baku lainnya tergolong ke dalam kelompok C. Hasil keluaran model tersebut didasarkan pada hasil perhitungan dengan menggunakan metode Analisis ABC. Berdasarkan hasil perhitungan tersebut, PT. Agronesia Divisi Inkaba harus melakukan pengendalian persediaan yang lebih ketat terhadap jenis bahan baku yang termasuk dalam kelompok A, pengendalian yang ketat terhadap jenis bahan baku yang termasuk dalam kelompok B, dan pengendalian yang kurang ketat terhadap jenis bahan baku yang termasuk dalam kelompok C.

3. Hasil keluaran model pemilihan pemasok bahan baku menunjukkan bahwa Tunggal Abadi merupakan pemasok SIR 50 dan PT. Tanggamus merupakan pemasok SIR 20 yang sesuai dengan kriteria dan subkriteria yang diinginkan oleh perusahaan. Hasil keluaran dari model tersebut didasarkan pada hasil perhitungan dengan menggunakan metode Analytical Hiearchy Process (AHP). 4. Hasil keluaran model prakiraan permintaan menunjukkan bahwa rata-rata permintaan terhadap bahan baku SIR 50 adalah 6 600.23 kg/bulan dan SIR 20 sebesar 4 828.17 kg/bulan. Hasil keluaran model tersebut didasarkan pada hasil perhitungan dengan menggunakan metode Monte Carlo Simulation.

5. Hasil keluaran model pemilihan distributor menunjukkan bahwa PT. Hosana Mandiri merupakan distributor yang sesuai dengan kriteria dan subkriteria yang diinginkan oleh perusahaan. Hasil keluaran dari model tersebut didasarkan pada hasil perhitungan dengan menggunakan metode Analytical Hiearchy Process (AHP).

Saran

(38)

25

DAFTAR PUSTAKA

Ballou RH. 2004. Business Logistics – Supply Chain Management Planning, Organizing and Controlling The Supply Chain. 5th Edition. New Jersey (US): Pearson Prentice Hall.

Bowersox D J, Closs DJ, Cooper BM. 2002. Supply Chain Logistics Management. New York (US): McGraw-Hill.

Chopra S, Meindl P. 2007. Supply Chain Management: Strategy, Planning and Operations. New Jersey (US): Pearson Prentice Hall

Direktorat Jendral Industri Agro. 2013. 5 Negara Produsen Karet Terbesar di Dunia. http://agro.kemenperin.go.id

Gaspersz V. 2002. Production Planning and Inventory Control. Jakarta (ID): PT. Gramedia Pustaka Utama.

Gottfried BS. 1984. Element of Stochastic Process Simulation. New Jersey (US): Prentice Hall.

Hastuti T. 2014. Logistik. https://www.academia.edu/4280640/Logistik

Hendra, Marimin, Herdiyeni Y. 2014. Sistem pendukung keputusan cerdas pengembangan agroindustri karet alam dengan pendekatan produktivitas hijau. JTIP. 24(3):82-96.

Jacobs FR, Chase RB, Aquilano NJ. 2009. Operations and Supply Management. New York (US): McGraw-Hill.

Marimin, Maghfiroh N. 2010. Aplikasi Teknik Pengambilan Keputusan Dalam Manajemen Rantai Pasok. Bogor (ID): IPB Press.

Marimin, Darmawan MA, Machfud, Putra MP. 2013. Peningkatan Produktivitas Proses Budidaya Karet Alam dengan Pendekatan Green Productivity: Studi Kasus di PT. XYZ. Jurnal Agritech 33:(4).

Marimin, Darmawan MA, Machfud, Saputra D. 2013. Decision Support System for Natural Rubber Supply Chain Management with Green Supply Chain Operation Reference Approach : A Case Study. Proceeding of The 2nd International Conference on Industrial Engineering and Service Science. In Press.

Marimin, Darmawan MA, Machfud, Putra MPIF, Wiguna B. 2014. Value Chain Analysis for Green Productivity Improvement in the Natural Rubber Supply Chain : A Case Study. J Cleaner Production. 85(2014):201-211.doi:10.1016/j.jclepro.2014.01.099.

Marimin, Darmawan MA, Martini S, Rahmanto AD. 2014. Decision Support Green Productivity Improvement Model for Pre-processed Rubber (Bokar) : Case Study at Rubber Small Holders Plantation. Proceeding of 2014 2nd International Conference on Technology, Informatics,Management, Engineering and Environment. IEEE.

Nuary F. 2014. Analisis Distribusi Outbound Logistik BBM Pertamina ke SPBU Bontang (Dari Persepsi Pihak SPBU Kota Bontang). JIMFEB. Malang (ID): Universitas Brawijaya.

(39)

26

Phillips-Wren G, Mora M, Forgionne GA, Gupta JND. 2009. An integrative evaluation framework for intelligent decision support systems. Eur J Operational Research. 195:642–652.

Rangkuti F. 2002. Manajemen Persediaan. Jakarta (ID): PT. Raja Grafindo Persada.

Saaty TL. 2008. Decision making with the analytic hierarchy process”. Int J Service Sciences 1(1): 83-89.

Setijadi. 2013. Kondisi dan Rencana Pengembangan Sistem Logistik Nasional. http://www.supplychainindonesia.com

Walpole RE. 1992. Pengantar Statistika. Edisi Ketiga. Jakarta (ID): PT. Gramedia Pustaka Utama.

Whitten JL, Bentley KD, Dittman KC. 2004. Sistem Analysis and Design Methods. 5th ed. New York (US): MNHE

(40)

27 Lampiran 1 Kuesioner AHP Pemilihan Pemasok SIR 50

Kuisioner Penelitian Sistem Penunjang Keputusan Manajemen

Logistik pada Agroindustri Berbahan Baku Karet

(Studi Kasus di PT. Agronesia Divisi Inkaba)

Tanggal Pengisian : No.

Responden :

Penggunaan Proses Hierarki Analitik

Sistem Penunjang Keputusan Manajemen Logistik pada Agroindustri

Berbahan Baku Karet

Kuisioner ini merupakan salah satu instrumen dalam menyelesaikan penelitian. Kuisioner ini disusun oleh :

Peneliti : Kiki Amelia Lubis

NRP : F34100071

Program Studi : Teknologi Industri Pertanian Fakultas : Teknologi Pertanian

Perguruan Tinggi : Institut Pertanian Bogor Pembimbing : 1. Prof. Dr. Ir. Marimin, MSc.

2. M. Arif Darmawan, S.TP. MT.

IDENTITAS RESPONDEN

Nama :

Jenis Kelamin : ( ) Laki-laki ( ) Perempuan Pendidikan Terakhir : ( ) SD ( ) Diploma

( ) SMP ( ) Sarjana ( ) SMA ( ) Pascasarjana

( ) Doktor

Pekerjaan :

Posisi di Perusahaan :

Tanda Tangan

(41)

28

PENGANTAR

Pengisian kuisioner ini bertujuan untuk menentukan faktor yang berpengaruh pada pemilihan pemasok SIR 50. Landasan utama pengisian ini adalah hierarki (struktur AHP) dengan komponen-komponen yang telah disusun berdasarkan pendapat ahli (pakar). Struktur hierarki dapat dilihat pada Gambar 1.

(42)

27

PETUNJUK PENGISIAN

I. UMUM

1. Isi kolom identitas yang terdapat pada halaman kuisioner depan

2. Berikan penilaian terhadap hierarki penentuan alternatif pemilihan pemasok bahan baku di PT. Agronesia Divisi Inkaba dengan cara mengisi lembar pengisian

3. Penilaian dilakukan dengan membandingkan tingkat kepentingan / peran komponen dalam satu level hierarki yang berkaitan dengan komponen level sebelumnya menggunakan skala penilaian yang terdapat pada petunjuk bagian II.

4. Penilaian dilakukan dengan mengisi tanda centang (√) pada kolom yang tersedia.

II.SKALA PENILAIAN

Definisi dari skala yang digunakan adalah sebagai berikut.

Nilai Perbandingan Definisi

1 Tujuan yang satu dengan yang lainnya sama penting

3 Tujuan yang satu sedikit lebih penting (agak kuat) dibanding tujuan yang lainnya 5 Tujuan yang satu lebih penting (lebih kuat) dibanding tujuan yang lainnya

(43)

28

Contoh pengisian :

Tabel 1. Bagaimana penilaian Anda tentang perbandingan tingkat kepentingan antar kriteria di bawah ini berdasarkan tujuan

penentuan alternatif pemilihan pemasok bahan baku di PT. Agronesia Divisi Inkaba. Kolom

Kiri

Diisi bila kolom kiri lebih penting dari pada kolom

kanan

Diisi bila sama penting

Diisi bila kolom kanan lebih penting daripada

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

Biaya √ Reliabilitas

Biaya √ Fleksibilitas

(44)

29

Berilah tanda centang (√) pada kolom skor yang paling sesuai terhadap penilaian tingkat kepentingan masing-masing kriteria pada tabel berikut ini.

Kiri

Diisi bila kolom kiri lebih penting dari pada

kolom kanan

Biaya Fleksibilitas

Reliabilitas Fleksibilitas

Tabel 2. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteriaBiaya.

Kolom Kiri

kolom kanan

(45)

30

Tabel 3. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteria Reliabilitas.

Kolom Kiri

kolom kanan

Tabel 4. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteria Fleksibilitas.

Kolom Kiri

kolom kanan

(46)

31

Tabel 5. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaHarga Bahan Baku.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

Abadi

Tabel 6. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaCara Pembayaran.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

(47)

32

Tabel 7. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaLama Pembayaran.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

Abadi

Tabel 8. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteria Ketepatan Waktu Pengiriman.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

(48)

33

Tabel 9. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteria Ketepatan Mutu.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

Abadi

Tabel 10. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteria Pemenuhan Perubahan Jumlah Pesanan.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

(49)

34

Tabel 11. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteria Pemenuhan Perubahan Waktu Pengiriman.

Kolom Kiri

kolom kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

PTPN VIII Tunggal

(50)

35

Lampiran 2 Kuesioner AHP Pemilihan Pemasok SIR 20

Kuisioner Penelitian Sistem Penunjang Keputusan

Manajemen Logistik pada Agroindustri Berbahan Baku

Karet

(Studi Kasus di PT. Agronesia Divisi Inkaba)

Tanggal Pengisian : No.

Responden :

Penggunaan Proses Hierarki Analitik

Sistem Penunjang Keputusan Manajemen Logistik pada

Agroindustri Berbahan Baku Karet

Kuisioner ini merupakan salah satu instrumen dalam menyelesaikan penelitian. Kuisioner ini disusun oleh :

Peneliti : Kiki Amelia Lubis

NRP : F34100071

Program Studi : Teknologi Industri Pertanian Fakultas : Teknologi Pertanian

Perguruan Tinggi : Institut Pertanian Bogor Pembimbing : 1. Prof. Dr. Ir. Marimin, MSc.

2. M. Arif Darmawan, S.TP. MT.

IDENTITAS RESPONDEN

Nama :

Jenis Kelamin : ( ) Laki-laki ( ) Perempuan Pendidikan Terakhir : ( ) SD ( ) Diploma

( ) SMP ( ) Sarjana ( ) SMA ( ) Pascasarjana

( ) Doktor

Pekerjaan :

Posisi di Perusahaan :

Tanda Tangan

(51)

36

PENGANTAR

Pengisian kuisioner ini bertujuan untuk menentukan faktor yang berpengaruh pada pemilihan pemasok SIR 20. Landasan utama pengisian ini adalah hierarki (struktur AHP) dengan komponen-komponen yang telah disusun berdasarkan pendapat ahli (pakar). Struktur hierarki dapat dilihat pada Gambar 1.

(52)

37

PETUNJUK PENGISIAN

I. UMUM

1. Isi kolom identitas yang terdapat pada halaman kuisioner depan

2. Berikan penilaian terhadap hierarki penentuan alternatif pemilihan pemasok bahan baku di PT. Agronesia Divisi Inkaba dengan cara mengisi lembar pengisian

3. Penilaian dilakukan dengan membandingkan tingkat kepentingan / peran komponen dalam satu level hierarki yang berkaitan dengan komponen level sebelumnya menggunakan skala penilaian yang terdapat pada petunjuk bagian II.

4. Penilaian dilakukan dengan mengisi tanda centang (√) pada kolom yang tersedia.

II. SKALA PENILAIAN

Definisi dari skala yang digunakan adalah sebagai berikut.

Nilai Perbandingan Definisi

1 Tujuan yang satu dengan yang lainnya sama penting

3 Tujuan yang satu sedikit lebih penting (agak kuat) dibanding tujuan yang lainnya 5 Tujuan yang satu lebih penting (lebih kuat) dibanding tujuan yang lainnya

(53)

38

Contoh pengisian :

Kiri

Diisi bila kolom kiri lebih penting dari pada kolom

kanan

kolom kiri

Kolom Kanan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

Biaya √ Reliabilitas

Biaya √ Fleksibilitas

(54)

39

Berilah tanda centang (√) pada kolom skor yang paling sesuai terhadap penilaian tingkat kepentingan masing-masing kriteria pada tabel berikut ini.

Kiri

kolom kanan

Biaya Fleksibilitas

Reliabilitas Fleksibilitas

Tabel 2. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteriaBiaya.

Kolom Kiri

kolom kanan

(55)

40

Kolom Kiri

kolom kanan

Tabel 3. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteria Reliabilitas.

Kolom Kiri

kolom kanan

(56)

41

Tabel 4. Bagaimana penilaian Anda tentang perbandingan kepentingan antar subkriteria di bawah ini berdasarkan kriteria Fleksibilitas.

Kolom Kiri

kolom kanan

Tabel 5. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaHarga Bahan Baku.

Kolom Kiri

kolom kanan

Tanggamus PTPN VIII

PT. Tanggamus

Tunggal Abadi

PTPN VIII Tunggal

(57)

42

Tabel 6. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaCara Pembayaran.

Kolom Kiri

kolom kanan

Tanggamus PTPN VIII

PT. Tanggamus

Tunggal Abadi

PTPN VIII Tunggal

Abadi

Tabel 7. Bagaimana penilaian Anda tentang perbandingan kepentingan antar alternatif di bawah ini berdasarkan subkriteriaLama Pembayaran.

Kolom Kiri

kolom kanan

Tanggamus PTPN VIII

PT. Tanggamus