Optimasi Persediaan pada Rantai Pasok Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur)

OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS

UNTUK PROGRAM RASKIN (STUDI KASUS PADA

PERUM BULOG SUBDIVISI REGIONAL CIANJUR)

RIA SARTIKA

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

PERNYATAAN MENGENAI TESIS DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa tesis berjudul Optimasi Persediaan pada Rantai Pasokan Beras untuk Program Raskin (Studi Kasus pada Perum BULOG

Subdivisi Regional Cianjur) adalah karya saya dengan arahan dari Komisi 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 tesis ini.

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

Bogor, Agustus 2014

Ria Sartika

RIA SARTIKA. Optimasi Persediaan pada Rantai Pasokan Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur).

Dibimbing oleh EMMY DARMAWATI dan RIDWAN RACHMAT.

Permintaan distribusi beras yang tidak beraturan dan tidak dapat diprediksi menjadi unsur ketidakpastian pada rantai pasokan beras untuk Program Raskin. Hal ini menyebabkan beberapa wilayah kerja BULOG tidak dapat menentukan persediaan secara pasti di setiap bulannya, salah satunya adalah Subdivre Cianjur. Tujuan penelitian ini adalah menentukan jumlah persediaan beras yang dapat meminimalkan biaya penyediaan dalam ketidakpastian situasi rantai pasokan beras di wilayah kerja Subdivre Cianjur. Ruang lingkup penelitian ini meliputi 6 (enam) wilayah Kabupaten/Kota di Propinsi Jawa Barat, yakni Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kota Bogor, Kota Sukabumi, dan Kota Depok.

Tahapan penelitian terdiri dari (1) penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi bulanan dan penerbitan

SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo, (2) penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan

distribusi secara efektif dan efisien dilakukan dengan proses analisis bertingkat

(analytic hierarchy process/AHP), dan (3) pengembangan model perencanaan dan

penjadwalan penyediaan beras dilakukan dengan pendekatan model fuzzy linear programming.

Subdivre Cianjur menerima Pagu Raskin Kabupaten/Kota tahun alokasi 2012 sebanyak 194.678.465 kg. Kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin diduga dapat menyebabkan

ketidakpastian jumlah beras untuk kebutuhan pasokan. Hasil simulasi Monte Carlo membuktikan bahwa semakin terlambat waktu dalam penerbitan

SPA Raskin Kabupaten/Kota dan semakin besar jumlah tunggakan dalam pembayaran HP-Raskin cenderung akan meningkatkan jumlah kebutuhan pasokan yang harus disediakan. Kondisi ketidakpastian permintaan distribusi tertinggi diperkirakan membutuhkan pasokan sebesar 319.024.683 kg per tahun atau sebesar 1,6 kali dari rencana Pagu Raskin Kabupaten/Kota tahun 2012 dan masih dalam batas persediaan minimal yang ditetapkan.

Hasil penilaian akhir sumber pasokan beras untuk Program Raskin di Subdivre Cianjur diperoleh bahwa prioritas pertama adalah kegiatan pengadaan gabah/beras setempat yaitu sebesar 0,4201; kemudian diikuti oleh sumber pasokan dari kegiatan MOVEREG dengan bobot 0,3697 dan sumber pasokan dari kegiatan MOVENAS dengan bobot 0,2102. Pengembangan model perencanaan dan penjadwalan penyediaan beras dilakukan sesuai dengan urutan sumber pasokan.

Hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 100% membutuhkan pasokan sebanyak 207.959.833 kg per tahun dan rata-rata

persediaan optimal sebesar 9.157.820 ± 5.433.015 kg per bulan. Sedangkan hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 60,15%

membutuhkan pasokan sebanyak 131.602.570 kg per tahun dan rata-rata persediaan optimal sebesar 9.744.943 ± 4.649.305 kg per bulan.

SUMMARY

RIA SARTIKA. Inventory Optimization at rice supply chain for Raskin Program (Case Study at Perum BULOG Subdivisi Regional Cianjur). Under supervition of EMMY DARMAWATI and RIDWAN RACHMAT.

Demand distribution of rice for Raskin Program is irregular and

unpredictable and it caused uncertainty to rice supply chain for Raskin Program. This led to some BULOG regional areas can not determine the amount of monthly rice inventory with certainty. One of this area is Subdivre Cianjur. This research was aimed to determine the amount of rice inventory that can

minimize procurement cost on supply chain uncertainties in Subdivre Cianjur. The scope of this study includes six (6) districts/towns in West Java, namely district of Bogor, Sukabumi, Cianjur, town of Bogor, Sukabumi, and Depok.

Stages of the study consisted of (1) determine the amount of rice supply on the demand uncertainty and publishing SPPB/DO monthly with the Monte Carlo simulation approach, (2) determine prioritization of supply sources that can meet the distribution needs effectively and efficiently with analytic hierarchy process,

and (3) develope the model of rice supply planning and scheduling with fuzzy linear programming approach.

Subdivre Cianjur receive alocation Raskin District/Town in 2012 as many as 194.678.465 kg . Conditions of monthly issuing SPPB/DO and

constraints of arrears in the payment of the HP-Raskin can cause the amount of rice to supply needs uncertainty. Monte Carlo simulation results prove that the more late of issuing SPA Raskin District/Town and the greater amount of arrears in the payment of the HP-Raskin will tend to increase the uncertainty of supply and the greater the amount of supply. The highest of demand distribution uncertainty estimated to need a supply of 319.024.683 kg per year or 1.6 times of alocation Raskin District/Town in 2012.

The results for assessment of the source of supply obtained first priority is

the procurement of paddy/rice (ADA SETEMPAT) with weights 0,4201; then followed by sources of supply from MOVEREG activities with weights

0,3697; and sources of supply from MOVENAS activities with weights 0,2102. Development the model of rice supply planning and scheduling with fuzzy linear programming is done in accordance with the order of the source of supply.

Results of inventory optimization in achieving distribution service level to 100% requires need supply as much as 207.959.833 kg per year and the average optimal inventory of 9.157.820 ± 5.433.015 kg per month. While the results of inventory optimization in achieving distribution service level to 60,15% requires need supply as much as 131.602.570 kg per year and the average optimal inventory of 9.744.943 ± 4.649.305 kg per month.

© Hak Cipta Milik IPB, Tahun 2014

Hak Cipta Dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB

OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS

UNTUK PROGRAM RASKIN (STUDI KASUS PADA

PERUM BULOG SUBDIVISI REGIONAL CIANJUR)

RIA SARTIKA

Tesis

sebagai salah satu syarat untuk memperoleh gelar Magister Sains

pada

Program Studi Teknologi Pascapanen

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

Judul Tesis : Optimasi Persediaan pada Rantai Pasok Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur)

Nama : Ria Sartika

NIM : F153110141

Program Studi : Teknologi Pascapanen

Disetujui oleh Komisi Pembimbing

Dr. Ir. Emmy Darmawati, MSi Ketua

Dr. Ir. Ridwan Rachmat, MAgr Anggota

Diketahui oleh

Ketua Program Studi Dekan Sekolah Pascasarjana Teknologi Pascapanen

Prof. Dr. Ir Sutrisno, MAgr Dr. Ir. Dahrul Syah, MScAgr

Puji dan syukur penulis panjatkan kepada Allah Subhanahu Wa Ta’ala atas segala karunia-Nya karya ilmiah ini berhasil diselesaikan. Tema yang dipilih

dalam penelitian yang dilaksanakan sejak bulan Januari 2013 ini adalah analisis persediaan, dengan judul Optimasi Persediaan pada Rantai Pasok Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur).

Penulis mengucapkan terima kasih yang sebesar-besarnya kepada Dr. Ir. Emmy Darmawati, MSi dan Dr. Ir. Ridwan Rachmat, MSc selaku komisi pembimbing, Prof. Dr. Ir Sutrisno, MAgr selaku Ketua Program Studi

Teknologi Pascapanen, serta Bapak Dr. Ir. Lilik Pujantoro Eko Nugroho, MAgr selaku penguji luar komisi pembimbing yang telah banyak memberikan bimbingan dan arahan kepada penulis. Penulis menyadari bahwa dalam penulisan karya ilmiah ini tidak luput dari kesalahan dan kekurangan, untuk itu penulis tetap membuka diri untuk menerima saran dan kritik yang sifatnya konstruktif. Ungkapan terima kasih juga disampaikan kepada suami dan anak tercinta serta seluruh keluarga, atas segala doa dan kasih sayangnya.

Harapan penulis semoga karya ilmiah ini dapat bermanfaat di masa depan. Terakhir penulis ingin mengucapkan terima kasih untuk semua dan semoga Allah SWT meridhoi kita semua, Amin.

Bogor, Agustus 2014

DAFTAR ISI

Model Perencanaan dan Penjadwalan Penyediaan Beras untuk Program Raskin 33

Sumber Pasokan 33

Penentuan Prioritas Sumber Pasokan 34

Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Pengadaan Beras Setempat (Prioritas 1) 36

Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan MOVEREG (Prioritas 2) 43

1 Tingkat pelayanan distribusi beras untuk Program Raskin

di wilayah kerja Subdivre Cianjur 3

2 Perbandingan penelitian terdahulu 12

3 Struktur data hasil observasi permintaan alokasi 17

4 Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty 21

5 Jumlah kecamatan dan titik distribusi di Subdivre Cianjur tahun 2008-2011 25

6 Hasil analisis ragam terhadap realisasi Pagu Raskin untuk masing-masing wilayah distribusi 27

7 Perkiraan rasio permintaan alokasi Pagu Raskin bulanan untuk masing-masing wilayah distribusi 28

8 Alokasi Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional pada tahun 2012 di masing-masing wilayah distribusi 28

9 Perkiraan permintaan alokasi Pagu Raskin tahun 2012 di masing-masing wilayah distribusi 29

10 Nilai koefisien varians yang dihasilkan dari 15 skenario penerbitan SPPB/DO beras unt uk Program Raskin yang mungkin dihadapi oleh Subdivre Cianjur 31

11 Nilai awal untuk membuat perkiraan kebutuhan pasokan dengan pendekatan metode simulasi Monte Carlo 32

12 Nilai rata-rata geometrik dari bobot kriteria penilaian efektifitas dan efisiensi sumber pasokan 35

13 Perhitungan bobot tiap kriteria penilaian efektifitas dan efisiensi sumber pasokan 35

18 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat 42

19 Rencana target kegiatan MOVEREG tahun 2012 44

20 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 2 45

21 Hasil akhir model upper dari sumber pasokan MOVEREG 46

22 Hasil akhir model lower dari sumber pasokan MOVEREG 47

23 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 49

24 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG 50

25 Rencana target kegiatan MOVENAS tahun 2012 51

26 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 3 52

27 Hasil akhir model upper dari sumber pasokan MOVENAS 54

29 Hasil akhir model perencanaan dan penjadwalan penyediaan beras

dari sumber pasokan MOVENAS tahun 2012 56

30 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS 57

31 Perbandingan persediaan beras optimal yang dihasilkan oleh model LP dengan model FLP pada kondisi penerbitan SPPB/DO 100% 60

32 Perbandingan kondisi riil dengan skenario perubahan penerbitan SPPB/DO tahun 2012 61

33 Perbandingan formulasi fungsi kendala kebutuhan beras 61

34 Persediaan beras optimal yang dihasilkan oleh model FLP pada kondisi penerbitan SPPB/DO 60,15%, dan kondisi riil persediaan tahun 2012 64

DAFTAR GAMBAR

1 Grafik realisasi pengadaan beras di wilayah kerja Subdivre Cianjur tahun 2008-2011 2

2 Fungsi keanggotaan 8

3 Kerangka pemikiran penelitian 13

4 Tahapan penelitian tentang model perkiraan kebutuhan pasokan 16

5 Alternatif sumber pasokan pada rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur 19

6 Stuktur hierarki dalam AHP 20

7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur 22

8 Alur distribusi beras untuk Program Raskin 26

9 Perkembangan Pagu Raskin di wilayah kerja Subdivre Cianjur 27

10 Realisasi dan perkiraan rasio permintaan Pagu Raskin tahun 2012 di wilayah kerja Subdivre Cianjur 29

11 Perkiraan kebutuhan pasokan tahun 2012 menggunakan pendekatan metode simulasi Monte Carlo 33

12 Realisasi bulanan kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011 34

13 Realisasi kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011 34

14 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat tahun 2012 42

15 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 49

16 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS setempat tahun 2012 57

17 Grafik perbandingan total pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 100%, dan kondisi riil pasokan tahun 2012 58

penerbitan SPPB/DO 100% 59 20 Grafik perbandingan total pasokan yang dihasilkan oleh

model LP dan model FLP pada kondisi penerbitan SPPB/DO 60,15%,

dan kondisi riil pasokan tahun 2012 62

21 Grafik perbandingan total biaya penyediaan yang dihasilkan oleh

model FLP dan model LP pada kondisi penerbitan SPPB/DO 60,15% 62 22 Realisasi dan hasil optimasi penyediaan beras dari sumber pasokan

pengadaan beras setempat, MOVEREG, dan MOVENAS tahun 2012

di wilayah kerja Subdivre Cianjur 63

DAFTAR LAMPIRAN

1 Skenario penerbitan SPPB/DO yang digunakan pada penelitian 67 2 Penentuan tingkat kepentingan untuk masing-masing kriteria 69 3 Penentuan tingkat kepentingan antar alternatif sumber pasokan 70 4 Variabel keputusan yang dipergunakan dalam

model perencanaan dan penjadwalan penyediaan beras

dari sumber pasokan pengadaan beras setempat (prioritas 1) 73 5 Variabel keputusan yang dipergunakan dalam

model perencanaan dan penjadwalan penyediaan beras

dari sumber pasokan MOVEREG (prioritas 2) 74 6 Variabel keputusan yang dipergunakan dalam

model perencanaan dan penjadwalan penyediaan beras

NOTASI MATEMATIKA

Notasi Arti

Yij-k respon perlakuan (permintaan alokasi Pagu Raskin

pada tahun alokasi i (i=1,2,..,t) dan bulan ke-j (j=1,2,..,ri)

di wilayah Kabupaten/Kota k(k=1,2,..,6), dalam satuan kg

T banyaknya perlakuan (jumlah periode tahun alokasi yang akan dianalisis)

ri banyaknya ulangan pada perlakuan ke-i (bulan permintaan alokasi

Pagu Raskin pada periode tahun alokasi i)

S2 i-k ragam permintaan alokasi Pagu Raskin pada tahun alokasi i di wilayah

Kabupaten/Kota k

S2g ragam gabungan

db_i_k derajat bebas (jumlah bulan permintaan alokasi Pagu Raskin pada periode tahun alokasi i di wilayah Kabupaten/Kota k)

D’_bar rata-rata perkiraan penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, dalam satuan kg per bulan

S D’-bar simpangan baku perkiraan penerbitan SPPB/DO beras untuk

Program Raskin di wilayah kerja Subdivre Cianjur

XG-bar rata-rata geometrik

n jumlah responden

Xi penilaian oleh responden ke-i

∏ perkalian

xoj beras yang dipasok dari sumber pasokan ADA SETEMPAT pada bulan j

(j=1,2,..,n), dalam satuan kg atau ton

xpj beras yang dipasok dari sumber pasokan MOVEREG pada bulan j

(j=1,2,..,n), dalam satuan kg atau ton

xqj beras yang dipasok dari sumber pasokan MOVENAS pada bulan j

(j=1,2,..,n), dalam satuan kg atau ton

ij jumlah beras yang menjadi persediaan pada bulan j (j=1,2,..,n),

dalam satuan kg atau ton

Co biaya pengadaan beras ADA SETEMPAT, dalam satuan Rp per kg atau

Rp per ton

Cp biaya angkutan MOVEREG, dalam satuan Rp per kg atau Rp per ton Cq biaya angkutan MOVENAS, dalam satuan Rp per kg atau Rp per ton Ci biaya penyimpanan, dalam satuan Rp per kg atau

Rp per ton

Toj target kegiatan ADA SETEMPAT pada bulan j (j=1,2,..,n), dalam satuan kg

atau ton,

Tpj target kegiatan MOVEREG pada bulan j (j=1,2,..,n),

dalam satuan kg atau ton,

Tqj target kegiatan MOVENAS pada bulan j (j=1,2,..,n),

dalam satuan kg atau ton,

K kapasitas tempat penyimpanan, dalam satuan kg atau ton,

S jumlah beras untuk kebutuhan pasokan, dalam satuan kg per tahun atau ton per tahun,

D’j rencana penerbitan SPPB/DO beras untuk Program Raskin

Latar Belakang

Kemiskinan merupakan permasalahan bangsa yang mendesak dan memerlukan langkah-langkah penanganan dan pendekatan yang sistematik, terpadu dan menyeluruh. Salah satu program penanggulangan kemiskinan dan

perlindungan sosial yang diselenggarakan oleh Pemerintah Pusat adalah Program Raskin, yakni berupa bantuan beras bersubsidi kepada rumah tangga

dengan pendapatan rendah (rumah tangga miskin dan rentan miskin) (Sudarsana 2009, Jamhari 2012). Penyediaan beras untuk Program Raskin

dipercayakan kepada BULOG (kini merupakan suatu perusahaan umum). BULOG berkewajiban menyediakan beras dengan jumlah dan waktu yang tepat serta kualitas yang sesuai dengan Inpres Perberasan yang berlaku.

Pelaksanaan distribusi beras untuk Program Raskin diawali dengan penetapan alokasi Pagu Raskin Kabupaten/Kota untuk Rumah Tangga Sasaran Penerima Manfaat (RTS-PM) oleh Tim Koordinasi Raskin Kabupaten/Kota. Data RTS-PM diperoleh dari hasil Pendataan Program Perlindungan Sosial (PPLS) yang dilaksanakan oleh Badan Pusat Statistik (BPS). Perencanaan Pagu Raskin dalam setahun telah ditetapkan oleh Pemerintah Pusat setiap awal tahun, tetapi dalam perjalanannya permintaan alokasi sangat dipengaruhi oleh kondisi geografis wilayah distribusi, infrastuktur dan

sarana transportasi, perkembangan harga serta kebutuhan beras RTS-PM. Permintaan alokasi bulanan yang tidak beraturan dan tidak dapat diprediksi ini menjadi suatu permasalahan yang harus dihadapi dalam pelaksanaan distribusi.

Hasil penetapan alokasi selanjutnya digunakan sebagai dasar penerbitan Surat Perintah Pengeluaran Barang/Delivery Order (SPPB/DO) oleh unit kerja

BULOG yang berkedudukan di daerah, yakni Divisi Regional atau Subdivisi Regional (Divre/Subdivre). Ketepatan waktu dalam penerbitan Surat Permintaan Alokasi (SPA Raskin), dan adanya tunggakan dalam

pembayaran hasil penjualan beras dari RTS-PM (tunggakan HP-Raskin) dapat mempengaruhi jumlah penerbitan SPPB/DO. Pengecekan terhadap tunggakan HP-Raskin wajib dilakukan oleh Divre/Subdivre sebelum menerbitkan SPPB/DO. Apabila tidak ada tunggakan HP-Raskin, maka permintaan alokasi yang diterima

dapat langsung diterbitkan SPPB/DO. Namun apabila terdapat tunggakan HP-Raskin untuk Kelurahan/Desa tertentu maka alokasi untuk Kelurahan/Desa

tersebut belum dapat dilayani sampai dilakukan pelunasan.

Ketidakpastian permintaan alokasi bulanan dan penerbitan SPPB/DO

menyebabkan ketidakpastian jumlah beras untuk kebutuhan pasokan. Dalam rangka menjaga persediaan antar tempat dan waktu, BULOG menetapkan

Divre Jabar. Permintaan alokasi diupayakan dapat dilayani dengan segera dari persediaan yang ada di gudang Subdivre Cianjur, untuk itu diperlukan suatu pengoptimalan persediaan untuk mengantisipasi ketidakpastian situasi rantai pasokan beras.

Perumusan Masalah

Beberapa kendala yang harus dipertimbangkan untuk mendapatkan jumlah persediaan yang optimal, diantaranya ketidakpastian jumlah pasokan dan

keterbatasan kapasitas tempat penyimpanan. Jumlah dan alokasi pasokan dari kegiatan pengadaan gabah/beras dalam negeri menjadi masalah karena situasi yang sebenarnya tidak tegas pada jumlah tertentu dan tidak dapat digambarkan secara persis. Kondisi alam dapat mempengaruhi kondisi hasil panen, kualitas gabah/beras, harga gabah di tingkat produsen, dan harga beras di tingkat konsumen sehingga menyebabkan ketidakpastian jumlah dan alokasi pasokan (Gambar 1). Upaya meningkatkan persediaan di gudang Subdivre Cianjur adalah dengan melakukan (i) pemindahan persediaan dari gudang di wilayah kerja Subdivre lain yang masih berada di bawah koordinasi wilayah kerja Divre Jabar (dengan istilah MOVEREG), dan (ii) pemindahan persediaan dari gudang di wilayah kerja Divre lain (dengan istilah MOVENAS).

Gambar 1 Grafik realisasi pengadaan beras di wilayah kerja Subdivre Cianjur tahun 2008-2011

(sumber: Perum BULOG 2012)

perubahan jadwal penerimaan pasokan. Keterbatasan persediaan di gudang Subdivre Cianjur akibat perubahan jadwal penerimaan pasokan membuat beberapa permintaan alokasi tidak dapat dilayani dengan segera. Persediaan yang kurang optimal dalam rantai pasokan ini menyebabkan rendahnya pencapaian tingkat pelayanan distribusi. Selama tahun 2008-2011, rata-rata tingkat pelayanan distribusi di wilayah kerja Subdivre Cianjur hanya mencapai 87,50% per tahun (Tabel 1).

Tabel 1 Tingkat pelayanan distribusi beras untuk Program Raskin

di wilayah kerja Subdivre Cianjur (sumber: Perum BULOG 2012)

No Wilayah Distribusi

Kegiatan MOVEREG dan MOVENAS dilakukan dalam upaya untuk meningkatkan penyediaan beras di gudang Subdivre Cianjur dengan tambahan biaya penyediaan yakni berupa penambahan biaya angkutan. Semakin banyak

jumlah persediaan yang diangkut, maka akan semakin besar tambahan biaya angkutan. Dalam hal ini, Subdivre Cianjur harus mampu mengelola

persediaan untuk mengantisipasi ketidakpastian jadwal pendistribusian agar

dicapai dua sisi, yakni tidak terjadi kehabisan persediaan (out of stock) dan biaya penyediaan harus dengan biaya minimum. Bila tidak, kemungkinan

kelancaran distribusi dapat terganggu sehingga menyebabkan terjadinya pemborosan (inefficiency). Dalam hal ini, Subdivre Cianjur harus secara seksama melakukan perencanaan dan penjadwalan penyediaan beras.

Untuk menjaga keberlangsungan dan keberlanjutan rantai pasokan beras

untuk Program Raskin di wilayah kerja Subdivre Cianjur, maka permasalahan yang perlu diperhatikan adalah bagaimana menentukan

jumlah persediaan yang dapat meminimalkan biaya penyediaan dengan memperhatikan ketidakpastian jumlah pasokan dan kapasitas tempat penyimpanan.

Tujuan Penelitian

Manfaat Penelitian

Penelitian ini diharapkan dapat menjadi masukan bagi manajemen Divre Jabar dan Subdivre Cianjur dalam mengelola rantai pasokan beras untuk

Program Raskin ke depan, yakni untuk perbaikan perencanaan dan penjadwalan penyediaan beras sehingga dapat dihasilkan jumlah pasokan dan penyimpanan beras yang dapat meminimalkan biaya penyediaan dalam rangka meningkatkan pelayanan distribusi Program Raskin.

Ruang Lingkup

Ruang lingkup penelitian ini meliputi analisis persediaan pada rantai pasokan beras dalam rangka meningkatkan pelayanan distribusi di 6 (enam)

wilayah Kabupaten/Kota di Propinsi Jawa Barat, yakni Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kota Bogor, Kota Sukabumi, dan Kota Depok. Studi kasus penelitian dilakukan di wilayah kerja Subdivre Cianjur, yang berada di bawah koordinasi wilayah kerja Divre Jabar.

2

TINJAUAN PUSTAKA

Konsep Manajemen Rantai Pasok

Konsep Supply Chain Management (SCM) atau manajemen rantai pasok mulai dikenal sejak awal tahun 1980-an dan terintegrasi dengan kegiatan manajemen logistik. SCM maupun manajemen logistik juga memiliki kesamaan dalam hal peningkatan efisiensi dan efektivitas dalam pengelolaan barang. Menurut Chopra dan Meindl (2007) rantai pasok terdiri dari semua pelaku (usaha) yang terlibat langsung atau tidak langsung dalam memenuhi permintaan pelanggan. Supply chain dapat dipandang sebagai suatu rangkaian perusahaan (pelaku) yang terintegrasi yang berbagi informasi dan berkoordinasi dalam eksekusi untuk menjamin kelancaran aliran barang, jasa, informasi, dan uang secara terintegrasi melalui suatu pipe line. Tujuan dari setiap jaringan rantai pasok

adalah memaksimalkan nilai yang dihasilkan secara keseluruhan. Nilai dari sebuah jaringan rantai pasok adalah selisih antara penerimaan yang

dihasilkan dari penjualan produk akhir kepada konsumen dengan seluruh biaya

yang ditimbulkan untuk memenuhi kebutuhan konsumen. Nilai disini berarti keuntungan atau surplus dalam jaringan rantai pasok secara

Model-Model Persediaan

Model-model persediaan menurut Heizer dan Render (1996), dapat dipisahkan menjadi 2 golongan utama, yakni model deterministik dan

model stokastik/probabilistik, yakni apabila salah satu dari permintaan dan waktu tunggu sampai pesanan diterima atau bahkan keduanya tidak dapat diketahui secara pasti. Kelompok model deterministik yang sering dipakai adalah

Economic Order Quantity (EOQ), Economic Production Quantity (EPQ),

dan Material Requirements Planning (MRP), sedangkan pada kelompok

stokastik/probabilistik adalah model simulasi.

Simulasi berasal dari kata inggris simulation, yang berarti peniruan. Objek yang ditiru adalah keadaan di dunia nyata, sehingga simulasi tersebut

merupakan usaha untuk menduplikasi/meniru kejadian di dunia nyata. Simulasi ini dapat digunakan untuk membantu memecahkan masalah-masalah

yang sangat sederhana sampai yang sangat rumit.

Menurut Heizer dan Render (1996), pendekatan dengan simulasi mempunyai kelebihan dan kekurangannya.

a. Keuntungan utama dari penggunaan simulasi.

1. Simulasi relatif fleksibel dan bersifat langsung.

2. Simulasi dapat dipakai untuk menganalisis masalah yang kompleks dan rumit, dimana masalah itu tidak dapat dipecahkan dengan

4. Simulasi dapat digunakan pada masalah-masalah yang mungkin akan terjadi di masa yang akan datang. Artinya model ini dapat mensimulasikan kejadian-kejadian beberapa bulan bahkan beberapa tahun ke depan.

5. Simulasi dapat digunakan untuk menjawab suatu pertanyaan what-if. 6. Simulasi tidak dipengaruhi oleh dunia nyata.

7. Dengan simulasi bisa dipelajari pengaruh-pengaruh dan hubungan-hubungan antara komponen individu-individu atau

variabel-variabel untuk menentukan komponen apa yang paling penting.

b. Kelemahan utama dari penggunaan simulasi.

Fuzzy Linear Programming

Masalah-masalah yang ditemui di dunia nyata berhubungan erat dengan masalah ketidakpastian (tidak memiliki definisi batas yang jelas), misalnya banyak, tinggi, muda, lebih banyak dari, dan lain-lain. Pada kondisi demikian dibutuhkan program linear samar. Program linear samar (fuzzy linear programming) adalah program linear dengan koefisien-koefisien fungsi tujuan (koefisien biaya), konstanta-konstanta sebelah kanan dan koefisien-koefisien teknis dinyatakan dalam bentuk himpunan samar.

Salah satu contoh model linear programming klasik, adalah “maksimumkan” atau “minimumkan” merupakan bentuk imperative tegas.

Jika diasumsikan bahwa keputusan linear programming akan dibuat pada lingkungan fuzzy, maka bentuk (1) dan (2) akan mengalami sedikit perubahan, yaitu (Zimmermann, 1991) :

1. Bentuk imperative pada fungsi objektif tidak lagi benar-benar “maksimum” atau “minimum”, karena adanya beberapa hal yang perlu mendapat pertimbangan dalam suatu sistem.

2. Tanda < (pada batasan) dalam kasus maksimasi dan tanda > (pada batasan) dalam kasus minimasi tidak lagi bermakna crisp secara matematis, namun sedikit mengalami pelanggaran makna. Hal ini juga disebabkan karena adanya beberapa yang perlu dipertimbangkan dalam sistem yang mengakibatkan batasan tidak dapat didekati secara tegas.

Pada fuzzy linear programming (FLP), akan dicari suatu nilai z yang merupakan fungsi objektif yang akan dioptimasikan sedemikian hingga tunduk pada batasan-batasan yang dimodelkan dengan menggunakan himpunan fuzzy. Sehingga untuk kasus maksimisasi (1) akan diperoleh (Zimmermann, 1991): Tentukan x sedemikian hingga :

CTx z Ax b

Dengan tanda ‘ ’ merupakan bentuk fuzzy dari ‘ < ’ yang menginterprestasikan ‘pada dasarnya kurang dari atau sama dengan’. Demikian pula, tanda ‘ ’ merupakan bentuk fuzzy dari ‘ > ’ yang menginterprestasikan ‘pada dasarnya lebih dari atau sama dengan’.

Untuk kasus minimisasi (2) akan diperoleh (Zimmermann, 1991): Tentukan x sedemikian hingga:

CTx z Ax b

X > 0 (4)

Kedua bentuk (3) dan (4) dapat dibawa ke suatu bentuk (5), yaitu: Tentukan x sedemikian hingga :

Bx d

x > 0 (5)

dengan :

B = ; dan

d = ; untuk kasus maksimasi

atau

B = ; dan

d = ; untuk kasus minimisasi

Tiap-tiap baris/ batasan (0,1, 2, …., m) akan direpresentasikan dengan sebuah himpunan fuzzy, dengan fungsi keanggotaan pada himpunan ke-i adalah µi(Bix). Fungsi keanggotaan untuk model ‘keputusan’ himpunan fuzzy dapat dinyatakan sebagai (Zimmermann, 1991) :

µD[x] = min {µi[Bix]} (6)

i

Solusi terbaik yaitu suatu solusi dengan nilai keanggotaan yang paling besar, dengan demikian solusi sebenarnya adalah (Zimmermann, 1991) :

max µD[Bx] = max min {µi[Bix]} (7)

x>0 x>0 i  c

A  z

b

c  A

Dari sini terlihat bahwa µi (bix)=0 jika batasan ke-i benar-benar dilanggar. Sebaliknya, µi (bix)=1 jika batasan ke-i benar-benar dipatuhi (sama halnya batasan bernilai tegas). Nilai µi (bx) akan naik secara monoton pada selang [0,1], yaitu (Zimmermann, 1991) :

1; jika Bix < di

µi (bix) = Є [0,1] jika di < Bix < di + pi

0; jika Bix > di + pi (8)

i=0,1,2,…,m,

Gambar 2 menunjukkan fungsi keanggotaan tersebut. 1 [Bix]

µi [x] 0

di di+pi pi

Gambar 2 Fungsi keanggotaan (Zimmermann, 1991) 1; jika Bix < di

µi [x] = 1– Bix – di; jika di < Bix < di + pi pi

0; jika Bix > di + pi (9)

i=0,1,2,…,m,

dengan pi adalah toleransi interval yang diperbolehkan untuk melaksanakan pelanggaran baik pada fungsi objektif maupun batasan. Dengan mensubstitusikan (9) ke (7) akan diperoleh (Zimmermann, 1991) :

max µD [Bx] = max min 1– Bix – di; (10) x>0 x>0 i

pi

Dari Gambar 4 dapat dilihat bahwa, semakin besar nilai domain, akan memiliki

nilai keanggotaan yang cenderung semakin kecil. Sehingga untuk mencari nilai

λ-cut dapat dihitung sebagai λ=1-t, dengan :

di+tpi = ruas kanan batasan ke-i (11)

Dengan demikian akan diperoleh bentuk linear programming baru sebagai berikut (Zimmermann, 1991) :

Maksimumkan : λ

Dengan batasan : λpi + Bix < di + pi i=0,1,…m

Kajian Penelitian Terdahulu

Penelitian yang terkait dengan perencanaan persediaan pada umumnya

bertujuan untuk memperbaiki kinerja dan manajemen persediaan. Perbaikan kinerja dan manajemen persediaan dilakukan dengan berbagai

pendekatan antara lain dalam pengendalian biaya dan pengukuran kinerja manajemen dengan berbagai metode dan teknik analisis.

Penelitian yang dilakukan Wang Ge (2004) tentang proses pengambilan

keputusan pada rantai pasokan dengan bantuan seperangkat matrik kinerja, yakni menghubungkan karakteristik produk dengan strategi rantai pasokan dan mengadopsi model metrik kinerja referensi operasi rantai pasokan (SCOR)

tingkat 1 sebagai kriteria keputusan. Metodologi pengambilan keputusan berbasis multi-kriteria dengan memadukan analytic hierarchy process (AHP)

dan preemptive goal programming (PGP) kemudian dikembangkan untuk

memperhitungkan faktor-faktor kualitatif dan kuantitatif dalam pemilihan pemasok. Sementara AHP mencocokkan karakteristik produk dengan karakteristik pemasok (menggunakan peringkat pemasok yang berasal dari perbandingan

berpasangan) untuk menentukan strategi rantai pasokan secara kualitatif, model matematis dalam PGP digunakan untuk menentukan kuantitas pesanan

optimal dari pemasok yang dipilih. Karena PGP menggunakan penilaian AHP sebagai masukan, maka variasi perbandingan berpasangan pada AHP akan mempengaruhi kuantitas pesanan akhir. Oleh karena itu, pengguna metodologi ini harus menempatkan penekanan lebih besar pada pengembangan AHP untuk memastikan keakuratan peringkat pemasok.

Chandra Dewi (2005) melakukan penelitian tentang pengukuran kinerja manajemen rantai pasokan beras, yang dalam hal ini dilakukan di Jawa Barat

untuk mendapatkan efisiensi operasi melalui peta transportasi yang optimal. Hasil penelitian menggunakan metode pendugaan kondisi antara volume produksi

dan volume konsumsi di Jawa Barat hingga beberapa tahun ke depan, serta analisis menggunakan metode transportasi, maka dalam waktu beberapa

tahun ke depan, untuk mengatasi kekurangan persediaan pada daerah-daerah

defisit di Jawa Barat, BULOG masih dapat menerapkan transportasi beras dari Subdivre Karawang menuju Subdivre Cianjur atau dari Subdivre Cirebon menuju

Subdivre Ciamis. Dilain pihak, pengiriman sisa persediaan beras di Jawa Barat hanya optimal dilakukan di Subdivre-Subdivre Cirebon, Indramayu, Karawang dan Subang menuju Divre DKI Jakarta.

Penelitian yang dilakukan Parwati Indri dan Prima Andrianto (2009) untuk menganalisis Bullwhip Effect yang terjadi pada sistem distribusi dan

meminimalisasi total biaya persediaan dengan metode Continous Review pada PT Mondrian yang memproduksi produk pakaian jadi. Evaluasi adanya

Bullwhip Effect yang terjadi pada rantai distribusinya dilakukan dengan

menghitung variabilitas yang dihadapi oleh manufaktur dan membandingkannya dengan variabilitas yang terjadi pada retailer. Sistem informasi yang transparan, akurat, dan terintegrasi mengenai hal-hal yang menyangkut permintaan dan persediaan produk (Accurate Pull Data), yang dapat dilakukan melalui sharing

EPOS (Electronic Point of Sales), sehingga setiap rantai dapat menjadwalkan

secara efektif dan CAO (Computer Assisted Ordering), dengan ini pihak

supply chain dapat mengetahui secara pasti besarnya permintaan, jumlah

Penelitian yang dilakukan Burhan (2010) tentang penerapan kebijakan persediaan (dengan model P) untuk meminimumkan biaya total dengan mempertimbangkan biaya transportasi, dimana permintaan bersifat probabilistik selama kurun waktu horizon perencanaan, barang akan diterima setelah lead time

(waktu ancang) L, metoda yang digunakan adalah metoda P dimana periode antarpemesanan T nilainya konstan. Beberapa variabel keputusan yang dihasilkan

dari penelitian yakni (i) periode waktu antarpemesanan selama 17 hari, (ii) persediaan maksimum sebesar 1.910 unit, (iii) cadangan pengamanan sebesar

110 unit, dan (iv) minimum total biaya persediaan sebesar $69,198.

Anne Marie Iveline (2011) melakukan penelitian pada industri jamu dengan pertimbangan bahwa agroindustri ini bersifat unik karena bahan bakunya yang musiman menyebabkan terjadinya faktor ketidakpastian dalam ketersediaan bahan baku sehingga diperlukan adanya kegiatan manajemen persediaan, penjadwalan produksi serta diperlukannya ekstra koordinasi diantara kegiatan pada rantai pasoknya. Pada penelitian ini, peramalan permintaan produk jamu menggunakan metode dekomposisi, sedangkan perencanaan agregat untuk menentukan ukuran batch optimum produk jamu menggunakan metode linear programming.

Penelitian yang serupa kembali dilakukan Anne Marie Iveline (2012) pada industri roti dengan pertimbangan bahwa ketersediaan bahan baku yang bersifat tidak pasti dalam kuantitas dan kualitas serta kemungkinan terjadinya gangguan internal produksi menyebabkan adanya toleransi dalam pemakaian bahan baku, waktu penyelesaian produksi dan biaya produksi. Penelitian ini bertujuan untuk membahas model penjadwalan induk produksi yang handal yaitu menggunakan model optimasi Fuzzy Multi Objective Linear Programming untuk mengetahui besarnya ukuran produksi optimum untuk tiap item produk yang diproduksi. Model Fuzzy Multi Objective Linear Programming yang memanfaatkan kurva-s termodifikasi dalam penentuan angka fuzzy merupakan model keputusan perencanaan produksi dan pengendalian persediaan yang cukup handal karena merupakan model optimasi yang sudah mengakomodir kebutuhan industri pangan dengan memungkinkan perhitungan angka fuzzy serta sesuai dengan fungsi tujuan industri pangan.

Penelitian yang dilakukan Permana Rangga (2011) untuk mengetahui perilaku sistem supply chain pisang, khususnya komoditi pisang mas di sentra produksi Lumajang, Jawa Timur, pada berbagai skenario sehingga dapat dicapai

performansi supply chain yang lebih baik, dilakukan dengan pendekatan (1) pemetaan konfigurasi dan mekanisme supply chain, dan (2) model sistem dinamik dengan tahapan penyusunan influence diagram, pengembangan

model simulasi dengan Vensim 5 Professional, dan verifikasi dan validasi model

menggunakan uji konfirmasi struktur, uji parameter (SyntheSim), dan uji konsistensi dimensi (check unit).

Surjasa Dadang (2011) melakukan penelitian untuk menghasilkan model

dalam bentuk program komputasi yang dapat digunakan untuk (1) memperkirakan jumlah pasokan beras dari PIBC ke wilayah di propinsi

DKI Jakarta, (2) memperkirakan harga beras jenis Muncul/III dan IR 64/III di PIBC Jakarta, dan (3) sebagai suatu sistem peringatan dini dalam mengantisipasi

pasokan dan harga beras yang tidak dikehendaki. Pada penelitian ini, model dikembangkan dengan menggunakan metode jaringan syaraf tiruan (JST)

Tingkat akurasi untuk model prakiraan pasokan beras adalah 91,96%, tingkat akurasi untuk model prakiraan harga beras Muncul/III adalah 93,95% dan tingkat akurasi untuk model prakiraan harga beras IR 64/III adalah 98,63%.

Penelitian yang dilakukan Azmi Nora (2012) pada industri kemasan karton dengan pertimbangan bahwa sebagian besar produk kemasan karton merupakan pesanan yang didesain secara khusus untuk konsumen tertentu sehingga banyak perusahaan kemasan karton yang beroperasi berdasarkan pesanan (make to order). Produksi yang dilakukan berdasarkan pesanan memberikan tingkat ketidakpastian

dan kompleksitas perencanaan produksi yang tinggi. Pada penelitian ini, model dikembangkan dengan menggunakan pendekatan pohon keputusan atau

pohon klasifikasi (decision tree) untuk menghasilkan model penerimaan dan

evaluasi pesanan pada industri kemasan karton yang dapat digunakan untuk (1) menghasilkan kodefikasi produk dan pesanan, (2) menghitung kebutuhan

bahan baku utama (kertas), (3) melakukan evaluasi kelayakan pesanan dari aspek kemampuan produksi dan jumlah pesanan, (4) menentukan mesin-mesin serta urutan proses produksi, dan (5) mengkalkulasi kebutuhan waktu produksi.

Fitriani Nur (2014) melakukan penelitian tentang analisis persediaan beras di Perum BULOG Divre NTT dalam memenuhi kebutuhan masyarakatnya terhadap beras yang menggunakan dua pendekatan indikator yaitu biaya persediaan dan persediaan pengaman. Berdasarkan hasil analisis jumlah pemesanan beras yang ekonomis (EOQ) adalah 816,65 ton dengan frekuensi pemesanan sebanyak 175 kali. Jumlah safety stock yang harus dimiliki oleh Perum BULOG Divre NTT adalah sebanyak 35.731,71 ton dan persediaan maksimum yang dapat dikelola adalah sebanyak 36.548,36 ton.

Relevansi dari penelitian-penelitian di atas dengan penelitian ini adalah dalam hal penggunaan model persediaan dalam melakukan analisis perencanaan persediaan. Perbandingan penelitian terdahulu disajikan pada Tabel 2. Sebagian besar penelitian terdahulu menggunakan pendekatan EOQ dan MRP. Hal tersebut dalam kondisi nyata sulit untuk dapat diterapkan, khususnya teknik EOQ karena ketatnya asumsi yang membatasi berlakunya teknik EOQ, antara lain permintaan dan waktu pengiriman (lead time) diketahui secara pasti dan konstan. Analisis dengan menggunakan pendekatan metode simulasi Monte Carlo merupakan salah satu metode yang paling tepat untuk merencanakan jumlah permintaan yang tidak pasti jumlahnya. Analisis perencanaan persediaan bahan baku dengan pendekatan metode simulasi Monte Carlo memiliki beberapa keuntungan.

1. Dapat dipergunakan sebagai teknik peramalan untuk data informasi yang sifatnya terbatas, atau tidak mencukupi bila menggunakan model yang lain. 2. Dalam penerapan analisis metode simulasi Monte Carlo tersebut digunakan

Tabel 2 Perbandingan penelitian terdahulu

Penelitian ini Optimasi Persediaan pada Rantai Pasokan Beras untuk

Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin bulanan dan penerbitan SPPB/DO

dilakukan dengan pendekatan metode simulasi Monte Carlo berdasarkan data historis yang dipunyai Subdivre Cianjur, yakni dengan membuat berbagai

skenario kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Berdasarkan hasil simulasi, beberapa informasi mengenai penerbitan SPPB/DO dapat diperoleh guna membantu mengambil keputusan mengenai kebutuhan pasokan beras dalam rangka meningkatkan kemampuan dalam merespon ketidakpastian permintaan alokasi dan penerbitan SPPB/DO.

Perencanaan dan penjadwalan penyediaan beras dilakukan agar dapat dihasilkan jumlah pasokan dan penyimpanan beras yang dapat meminimalkan

biaya penyediaan dalam rangka meningkatkan pelayanan distribusi Program Raskin. Penggunaan model fuzzy linear programming pada penelitian ini

distribusi dapat berjalan dengan lancar dimana penentuan tersebut ditentukan oleh

kondisi ketidakpastian permintaan alokasi Pagu Raskin bulanan dan penerbitan SPPB/DO, serta ketidakpastian jumlah dan alokasi pasokan beras dari

berbagai sumber pasokan.

Pengembangan model perencanaan dan penjadwalan penyediaan beras diawali dengan penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan distribusi secara efektif dan efisien. Pada penelitian ini digunakan proses analisis bertingkat (analytic hierarchy process/AHP) dikarenakan pengambilan keputusan dalam penentuan prioritas sumber pasokan terkait dengan

banyak kriteria dan banyak kendala. Penentuan jumlah pasokan dari masing-masing sumber pasokan pada model pemrograman linear samar dilakukan

sesuai dengan urutan sumber pasokan. Model perencanaan dan penjadwalan penyediaan beras ini diharapkan dapat menjadi masukan bagi manajemen Subdivre Cianjur dalam mengelola rantai pasokan beras untuk Program Raskin ke depan. Secara garis besar kerangka pemikiran penelitian ini sebagaimana digambarkan pada Gambar 3.

3

BAHAN DAN METODE

Tempat dan Waktu Penelitian

Penelitian ini meliputi kegiatan penelitian lapangan yang dilakukan di wilayah kerja Subdivre Cianjur, dan Divre Jabar. Kegiatan pengolahan data

dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian Fateta IPB.

Waktu pelaksanaan kegiatan penelitian lapangan dilakukan pada bulan April-Mei 2013, dan dilanjutkan dengan pengolahan data pada bulan Juni-Juli 2013.

Pendekatan Penelitian

Metode penelitian menggunakan metode pendekatan sistem, yakni serangkaian langkah-langkah pemecahan masalah yang memastikan bahwa masalah dipahami, solusi alternatif dipertimbangkan, dan solusi yang dipilih bekerja. Sedangkan jenis dari penelitian ini adalah studi kasus, yaitu dengan mengadakan penelitian intensif yang terinci terhadap objek, agar dapat diketahui keadaan yang sebenarnya terjadi pada perusahaan. Subdivre Cianjur terpilih

sebagai tempat penelitian karena alokasi Pagu Raskin di wilayah kerja Subdivre Cianjur merupakan Pagu Raskin terbesar di Divre Jabar.

Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder baik yang bersifat kualitatif maupun kuantitatif. Data primer yang

dikumpulkan meliputi data yang terkait dengan menentukan urutan prioritas

sumber pasokan. Sedangkan data sekunder meliputi data Pagu Raskin, data realisasi jumlah pengadaan beras dalam negeri di wilayah kerja Subdivre Cianjur, data realisasi jumlah pemindahan persediaan beras dari gudang

di wilayah kerja Divre Jabar, data realisasi jumlah pemindahan persediaan beras dari gudang di wilayah kerja Divre DKI, serta data biaya penyediaan beras, yakni biaya angkutan dan biaya penyimpanan.

Sumber data primer berasal dari hasil wawancara yang dilakukan dengan beberapa pimpinan di Kantor Subdivre Cianjur, sedangkan data sekunder berasal dari laporan manajerial (operasional dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, dan Kantor Pusat Perum BULOG,

maupun dari sumber instansi lain seperti Kementerian Pertanian dan Badan Pusat Statistik.

Teknik Pengumpulan Data dan Informasi

Pengumpulan data dan informasi dilakukan dengan cara sebagai berikut: 1. Observasi lapangan, yakni melihat secara langsung kegiatan penyediaan

2. Wawancara, dilakukan untuk memperoleh informasi kondisi persediaan, pelaksanaan pasokan beras dari masing-masing sumber pasokan, pelaksanaan distribusi beras untuk Program Raskin, dan kebijakan-kebijakan yang berhubungan dengan kegiatan penyediaan beras untuk Program Raskin,

3. Pengumpulan data sekunder berasal dari laporan manajerial (operasional

dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, Kantor Divre DKI, dan Kantor Pusat Perum BULOG.

Teknik Pengolahan dan Analisis Data

Berdasarkan pengumpulan data dan sesuai dengan tujuan penelitian, pengolahan data yang telah diperoleh selama kegiatan penelitian akan diarahkan pada upaya perbaikan pengelolaan rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, yakni mampu menjaga keberlangsungan dan keberlanjutan rantai pasokan dengan menyediakan kebutuhan distribusi pada

kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota dan penerbitan SPPB/DO, serta kondisi ketidakpastian jumlah dan alokasi

pasokan beras dari berbagai sumber pasokan.

1. Model perkiraan kebutuhan pasokan untuk Program Raskin

Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo

(Heizer dan Render, 1996), berdasarkan data historis yang dipunyai Subdivre Cianjur (Perum BULOG, 2012), yakni membuat skenario kondisi

penerbitan SPA Raskin dan kendala tunggakan HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Langkah-langkah dalam simulasi disajikan dengan singkat pada Gambar 4.

i. Pemilihan data

Data hasil observasi populasi permintaan alokasi pada periode tahun alokasi 2008, 2009, 2010, dan 2011 untuk masing-masing wilayah distribusi

direkapitulasikan dalam struktur data seperti pada Tabel 3.

Hipotesis yang akan diuji pada analisis ragam adalah nilai tengah (rata-rata) populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2009, 2010, dan 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda.

Dalam notasi matematik:

Ho: μk-2008= μk-2009= μk-2010= μk-2011= μk melawan,

H1: paling sedikit ada sepasang periode tahun alokasi yang berbeda, μk-l≠ μk-l’, l≠l’.

Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa

Tabel 3 Struktur data hasil observasi permintaan alokasi 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda.

Dalam notasi matematik:

Ho: σ2k-2008= σ2k-2009= σ2k-2010= σ2k-2011= σ2k melawan,

H1: paling sedikit ada sepasang populasi yang berbeda, σ2k-l≠ σ2k-l’, l≠l’.

Uji Barlett dilakukan dengan menggunakan rumus: (∑db_i_k) x ln S2g - ∑ (db_i_k x ln S2 i-k)

1 + [ {∑ (1/ db_i_k) – (∑db_i_k)-1}/3(t-1)

dan nilai ini dibandingkan dengan nilai pada tabel χ2 dengan derajat bebas t-1.

Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa perbedaan

tahun alokasi tidak memberikan pengaruh yang berbeda terhadap ragam permintaan alokasi pada tingkat nyata α. Sebaliknya jika H1 diterima maka sekurangnya ada satu periode tahun alokasi yang memberikan ragam permintaan alokasi yang berbeda.

ii. Perkiraan permintaan alokasi bulanan

Hasil uji Barlett dijadikan dasar untuk membuat pola permintaan alokasi bulanan yang dinyatakan sebagai rasio perbandingan antara permintaan alokasi

pada bulan j di wilayah Kabupaten/Kota k dengan total Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional (rasio D_j_k). Perkiraan permintaan alokasi pada bulan j di wilayah Kabupaten/Kota k (D’_j_k), yang dihitung dengan menggunakan rumus:

(rasio D_j_k) x (rencana Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional)

iii. Pembuatan skenario penerbitan SPPB/DO

Perkiraan penerbitan SPPB/DO dibuat pada berbagai skenario waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Kabupaten/Kota, dan

kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Kondisi ketidakpastian penerbitan SPPB/DO di wilayah kerja Subdivre Cianjur ditentukan dengan menghitung koefisien varians (cv) yang merupakan rasio perbandingan antara simpangan baku dengan rata-rata perkiraan penerbitan SPPB/DO. Semakin besar nilai koefisien varians, maka kondisi penerbitan SPPB/DO semakin tidak pasti.

Nilai koefisien varians (cv) dihitung menggunakan rumus:

cv = S D’-bar

D’_bar

di mana,

D’_bar rata-rata perkiraan penerbitan SPPB/DO beras untuk

Program Raskin di wilayah kerja Subdivre Cianjur, dalam satuan ton per bulan,

S D’-bar simpangan baku perkiraan penerbitan SPPB/DO beras

untuk Program Raskin di wilayah kerja Subdivre Cianjur. iv. Simulasi Monte Carlo

Penerbitan SPPB/DO merupakan variabel acak yang mencerminkan ketidakpastian penerbitan SPPB/DO. Langkah-langkah simulasi adalah sebagai berikut.

- Membuat simulasi penerbitan SPPB/DO dengan menurunkan angka acak sebanyak 1.000 percobaan.

- Menetapkan relasi antara angka acak dengan perkiraan penerbitan SPPB/DO. Dalam hal ini, jika nilai koefisien varians (cv) kurang dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi normal dengan rata-rata

D’_bar dan simpangan baku sD’-bar. Namun, jika nilai koefisien varians

(cv) lebih besar dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi log-normal dengan rata-rata D’_bar dan simpangan baku s D’-bar.

- Berdasarkan hasil simulasi penerbitan SPPB/DO dapat diperkirakan kebutuhan pasokan untuk Program Raskin (S).

Penyelesaian simulasi dapat dibantu dengan menggunakan program komputer Excel.

2. Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin

i. Penentuan prioritas sumber pasokan

Berdasarkan hasil observasi terhadap laporan manajerial Subdivre Cianjur, alternatif sumber pasokan yang dapat dilakukan pada rantai pasokan adalah melalui (1) pengadaan gabah/beras setempat (ADA SETEMPAT), (2) pemindahan persediaan beras regional (MOVEREG) dari gudang di wilayah-wilayah surplus beras di wilayah kerja Divre Jabar, dan (3) pemindahan persediaan beras nasional (MOVENAS) dari gudang di wilayah kerja Divre DKI Jakarta, sebagaimana dapat digambarkan pada Gambar 5.

Keterangan:

kegiatan ADA SETEMPAT kegiatan MOVEREG kegiatan MOVENAS

Pengambilan keputusan dalam penentuan prioritas sumber pasokan terkait dengan banyak kriteria dan banyak kendala. Masing-masing sumber

pasokan selalu memiliki kriteria yang berbeda satu terhadap yang lain. Atas dasar tersebut, maka proses analisis bertingkat (analytic hierarchy

process/AHP) merupakan salah satu metode yang tepat untuk menentukan

prioritas sumber pasokan.

Untuk menyelesaikan masalah proses penentuan prioritas sumber pasokan yang efektif dan efisien, maka dilakukan langkah berikut untuk memecah persoalan menjadi unsur-unsur secara hierarkis.

- Penentuan sasaran yang ingin dicapai: penilaian efektivitas dan efisiensi sumber pasokan.

- Penentuan kriteria sumber pasokan. - Penentuan alternatif pilihan.

Informasi mengenai sasaran, kriteria, dan alternatif tersebut kemudian disusun dalam bentuk diagram hierarki fungsional, seperti terlihat pada Gambar 6.

Gambar 6 Struktur hierarki dalam AHP

Penilaian setiap level hierarki dinilai melalui perbandingan berpasangan. Pada penelitian ini skala perbandingan Saaty (skala 1-9) ditetapkan sebagai pertimbangan dalam membandingkan pasangan elemen di setiap level hierarki terhadap suatu elemen yang berada di level atasnya, karena skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat untuk berbagai persoalan. Skala dengan sembilan satuan dapat menggambarkan derajat sampai di mana kemampuan membedakan intensitas tata hubungan antarelemen. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty, dapat dilihat pada Tabel 4 berikut.

Tabel 4 Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty

NILAI KETERANGAN

1 Faktor Vertikal sama penting dengan Faktor Horizontal 3 Faktor Vertikal lebih penting dari Faktor Horizontal 5 Faktor Vertikal jelas lebih penting Faktor Horizontal

7 Faktor Vertikal sangat jelas lebih penting dari Faktor Horizontal 9 Faktor Vertikal mutlak lebih penting dari Faktor Horizontal 2, 4, 6, 8 Apabila ragu-ragu antara dua nilai elemen yang berdekatan

1/(2-9) Kebalikan dari keterangan nilai 2-9

Pada dasarnya, AHP dapat digunakan untuk mengolah data dari satu responden ahli, tetapi aplikasinya penilaian kriteria dan alternatif dilakukan

oleh beberapa ahli multidisiplioner. Konsekuensinya pendapat beberapa ahli tersebut perlu dicek konsistensinya satu persatu. Pendapat yang konsisten kemudian digabungkan dengan menggunakan rata-rata geometrik.

n XG-bar = ( ∏ Xi )1/n

i=1

Hasil penilaian gabungan ini kemudian diolah dengan prosedur AHP dengan urutan tahapan berikut.

- Pembobotan kriteria - Pembobotan alternatif

- Validitas dan konsistensi penilaian perbandingan ii. Pembuatan model fuzzy linear programming (FLP)

Proses pembuatan model FLP diawali dengan mem-fuzzy-kan atau fuzzyfikasi fungsi tujuan dan kendala utama sebagai dua unsur utama model linear programming (LP). Hal tersebut dilakukan dengan merepresentasikan keadaan fungsi tujuan dan kendala utama menggunakan himpunan samar yang didefinisikan dengan fungsi keanggotaan linear (linear membership function)

yang sesuai. Proses ini akan menghasilkan himpunan samar yang merepresentasikan keadaan fungsi tujuan dan kendala utama yang mengandung data samar. Selanjutnya, terbentuk suatu model FLP dengan fungsi tujuan dan kendala utama samar. Secara garis besar model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur sebagaimana digambarkan pada Gambar 7.

Model FLP ini dapat diselesaikan dengan beberapa tahap. Tahap pertama

adalah mendefinisikan himpunan keputusan samar (fuzzy set decision) dan tahap kedua adalah mendefinisikan keputusan samar optimal (optimal fuzzy

decision) yang diperoleh dari himpunan samar fungsi tujuan dan kendala utama. Tahap ketiga, sebagai konsekuensi dari keputusan samar optimal, model FLP ditransformasikan ke dalam bentuk λ-cut. Transformasi tersebut dilakukan dengan membawa himpunan samar fungsi tujuan dan kendala utama ke dalam bentuk

λ-cut-nya berdasarkan fungsi keanggotannya masing-masing.

Pengolahan data dalam pembuatan model perencanaan dan penjadwalan penyediaan beras yang merupakan bagian dari FLP dilakukan dengan bantuan

M ULAI

Kebijakan mengenai batas persediaan minimal (M SR)

Variabel keput usan

xoj= beras yang dipasok dari sumber pasokan priorit as 1

pada bulan j (kg),

ij= jumlah beras yang menjadi persediaan pada bulan j,

Fungsi t ujuan: m eminimalkan biaya penyediaan

M odel Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 1

Toj = target kegiatan pasokan

dari sumber pasokan priorit as 1 pada bulan j (kg), D'j= rencana penerbit an SPPB/ DO pada bulan j (kg),

S = jumlah beras unt uk kebut uhan dist ribusi (kg), K = kapasit as t empat penyim panan (kg),

Co= biaya penyediaan dari sum ber pasokan priorit as 1

INPUT

M odel Perencanaan dan Penjadw alan Penyediaan Beras dari Sumber Pasokan Prioritas 2

Tpj = t arget kegiat an pasokan

dari sum ber pasokan priorit as 2 pada bulan j (kg), D'j= rencana penerbit an SPPB/ DO pada bulan j (kg),

S = jum lah beras unt uk kebut uhan dist ribusi (kg), K = kapasit as t em pat penyim panan (kg),

Cp= biaya penyediaan dari sumber pasokan priorit as 2

( Rp/ kg),

Ci = biaya penyim panan ( Rp/ kg),

Variabel keput usan

xpj= beras yang dipasok dari sum ber pasokan priorit as 2

pada bulan j (kg),

ij= jumlah beras yang m enjadi persediaan pada bulan j,

Fungsi t ujuan: m eminim alkan biaya penyediaan m inim alkan Z = Cp(xo1,xo2..xon) + Ci(i1,i2..in)

Fungsi kendala xpj Tpj

?xpj˜ S

xpj + ij-1 - ij = D'j

ij = K

xpj , ij = 0

TIDAK

YA Biaya penyediaan

m inim al?

OUTPUT

JUM LAH PENYEDIAAN OPTIM UM A

B

SELESAI JUM LAH PENYEDIAAN

CUKUP?

YA

TIDAK

YA

INPUT

M odel Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 3

Tqj = target kegiat an pasokan

dari sum ber pasokan priorit as 3 pada bulan j (kg), D'j = rencana penerbit an SPPB/ DO pada bulan j (kg),

S = jum lah beras unt uk kebutuhan dist ribusi (kg), K = kapasit as t em pat penyim panan (kg),

Cq = biaya penyediaan dari sum ber pasokan priorit as 3

( Rp/ kg),

Ci = biaya penyim panan ( Rp/ kg),

Variabel keput usan

xqj= beras yang dipasok dari sum ber pasokan prioritas 3

pada bulan j (kg),

ij= jum lah beras yang m enjadi persediaan pada bulan j,

Fungsi t ujuan: m em inimalkan biaya penyediaan m inim alkan Z = Cq(xo1,xo2..xon) + Ci(i1,i2..in)

Fungsi kendala xqj Tqj

?xqj˜ S

xqj + ij-1 - ij = D'j

ij = K

x_{qj ,} i_j = 0

B

OUTPUT

JUM LAH PENYEDIAAN OPTIM UM

SELESAI Biaya penyediaan

m inim al?

TIDAK

4

HASIL DAN PEMBAHASAN

Alur Distribusi Beras untuk Program Raskin

Pendistribusian beras untuk Program Raskin berawal dari Surat Permintaan

Alokasi Pagu Raskin (SPA Raskin) dari Pemerintah Kabupaten/Kota kepada BULOG dalam hal ini kepada Kadivre/Kasubdivre/KaKansilog berdasarkan Pagu Raskin (tonase dan jumlah RTS-PM) dan rincian di masing-masing

Kecamatan dan Desa/Kelurahan. Pada waktu beras akan didistribusikan ke Titik Distribusi, BULOG berdasarkan SPA Raskin menerbitkan Surat Perintah

Pengeluaran Barang/Delivery Order (SPPB/DO) beras untuk masing-masing

Kecamatan atau Desa/ Kelurahan kepada Satker RASKIN. Satker RASKIN mengambil beras di gudang BULOG, mengangkut dan

menyerahkan beras kepada Pelaksana Distribusi RASKIN di Titik Distribusi. Pada Titik Distribusi, penyerahan/penjualan beras kepada RTS-PM dilakukan oleh salah satu dari 3 (tiga) Pelaksana Distribusi RASKIN yaitu Kelompok Kerja (Pokja), atau Warung Desa (Wardes) atau Kelompok Masyarakat (Pokmas). Secara garis besar alur distribusi beras untuk Program Raskin sebagaimana digambarkan pada Gambar 8. jumlah titik distribusi terbanyak yakni sebanyak 431 titik distribusi (Tabel 5).

Gambar 8 Alur distribusi beras untuk Program Raskin

Model Perkiraan Kebutuhan Pasokan untuk Program Raskin

Kondisi Permintaan Alokasi Pagu Raskin

Sejalan dengan perkembangan pelaksanaan Program Raskin Nasional, Pagu Raskin Kabupaten/Kota di wilayah kerja Subdivre Cianjur ikut mengalami

Gambar 9 Perkembangan Pagu Raskin di wilayah kerja Subdivre Cianjur Tabel 6 Hasil analisis ragam terhadap realisasi Pagu Raskin

untuk masing-masing wilayah distribusi

Wilayah Distribusi Keputusan Uji (α=10%) Keterangan

Kabupaten Bogor μ2011= μ2010= μ2009= μ2008 realisasi Pagu Raskin pada periode tahun alokasi 2008, 2009, 2010, dan 2011 tidak memiliki perbedaan secara signifikan pada tingkat nyata 10 persen Kabupaten Sukabumi μ2011 = μ2010= μ2009= μ2008

Kabupaten Cianjur μ2011= μ2010= μ2009= μ2008 Kota Bogor μ2011= μ2010= μ2009= μ2008 Kota Depok μ2011= μ2010= μ2009= μ2008 Kota Sukabumi μ2011= μ2010= μ2009= μ2008

Tabel 7 Perkiraan rasio permintaan alokasi Pagu Raskin bulanan

Keterangan: * Rasio permintaan alokasi Pagu Raskin bulanan tertinggi

** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008 dan 2011 adalah sama

*** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2010 dan 2011 adalah sama

**** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2010 dan 2011 adalah sama

Perkiraan Permintaan Alokasi Pagu Raskin

Tujuan perkiraan permintaan alokasi Pagu Raskin pada penelitian ini adalah untuk memperkirakan kondisi permintaan alokasi Pagu Raskin Kabupaten/Kota

bulanan tidak beraturan dan tidak dapat diprediksi di wilayah kerja Subdivre Cianjur. Permintaan alokasi Pagu Raskin di tiap bulannya diperkirakan

berdasarkan pola permintaan alokasi Pagu Raskin bulanan pada masing-masing wilayah distribusi seperti yang dibahas pada bagian sebelumnya, dan rencana Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional. Pada tahun 2012, Subdivre Cianjur menerima rencana Pagu Raskin Kabupaten/Kota sebanyak 194.678.465 kg. Rencana Pagu Raskin ini meningkat 33,85% jika dibandingkan dengan Pagu Raskin tahun alokasi 2011 yang hanya mencapai 145.444.620 kg. Peningkatan ini lebih banyak disebabkan oleh peningkatan tonase beras yang didistribusikan, dan bukan oleh peningkatan jumlah RTS-PM. Rincian alokasi Pagu Raskin di masing-masing Kabupaten/Kota sebagaimana pada Tabel 8. Tabel 8 Alokasi Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional

pada tahun 2012 di masing-masing wilayah distribusi

Perkiraan permintaan alokasi Pagu Raskin di tiap bulannya selama

keragamannya pada tingkat nyata 1%.

Tabel 9 Perkiraan permintaan alokasi Pagu Raskin tahun 2012 di masing-masing wilayah distribusi (dalam satuan kg) Bulan KAB. Januari 5.159.623 3.155.871 3.365.213 1.005.277 1.018.416 226.515 13.930.915 Februari 6.456.100 3.155.871 3.176.516 1.041.390 1.135.632 226.515 15.192.024 Maret 6.271.047 3.155.871 3.365.213 898.771 1.135.632 226.515 15.053.049 April 6.332.183 3.155.871 3.365.213 1.282.861 1.178.730 226.515 15.541.373 Mei 6.244.914 3.156.638 3.365.213 625.619 765.190 226.515 14.384.089 Juni 6.246.547 3.386.896 3.592.107 884.366 1.235.721 243.152 15.588.788 Juli 6.243.590 3.386.896 3.592.107 898.771 1.192.623 243.152 15.557.139 Agustus 9.207.346 3.386.896 3.592.107 1.085.091 779.082 243.152 18.293.674 September 6.255.485 3.386.896 3.592.107 613.232 779.082 243.152 14.869.954 Oktober 6.254.465 3.388.152 3.592.107 273.152 750.028 243.152 14.501.055 Nopember 6.243.590 3.386.896 3.592.107 182.102 1.195.463 243.152 14.843.309 Desember 11.915.875 6.906.673 7.179.636 434.608 0 486.304 26.923.096 Rata-rata

(kg per bulan) 16.223.205

Ragam (kg2) 12.532.389.102.304

Simpangan

baku (kg) 3.540.111

Koefisien

varians 0,218