DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT.
HARIAN SURABAYA PAGI
SKRIPSI
Oleh :
RIZAL SEXTOVIANTO
05 32010 134
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
Bismillahirrohmanirrohiim
Segala puji bagi Allah yang telah memberikan rahmat dan kasih sayangnya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini dengan judul “PENINGKATAN EFFISIENSI PENDISTRIBUSIAN KORAN DENGAN MENENTUKAN JALUR DISTRIBUSI PALING OPTIMAL DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT. HARIAN SURABAYA PAGI”. Tiada kata yang pantas untuk diucapkan selain doa yang tulus sebagai ucapan rasa syukur dan terima kasih yang sedalam-dalamya atas segala yang diberikanNya.
Maksud penyusunan skripsi ini adalah untuk memenuhi sebagian
persyaratan dalam memperoleh gelar sarjana Teknik Industri pada Fakultas
Teknologi Industri Universitas Pembangunan Nasional “Veteran” Jawa Timur.
Dalam kesempatan ini pula dengan segala kerendahan hati penulis
mengucapkan rasa terima kasih kepada pihak-pihak yang telah memberikan
bantuan dalam penyelesaian skripsi ini baik secara langsung maupun tidak
langsung kepada :
1. Bapak Prof. Dr. Ir. Teguh, MP. Selaku Rektor Universitas Pembangunan
Nasional “Veteran” Jawa Timur.
2. Bapak Ir. Sutiyono. MT Selaku Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur.
3. Bapak Ir. MT.Safirin, MT. Selaku Ketua Jurusan Teknik Industri Universitas
Pembangunan Nasional “Veteran” Jawa Timur dan sebagai pembimbing I
saya..
6. Kedua Orang Tuaku, Bapak dan Ibu yang selalu memberikan nasehat-nasehat,
dorongan, doa, dan kasih sayang selama ini.
7. Sahabat-sahabatku Jurusan Teknik Industri Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur Angkatan ’05
Semoga Allah SWT senantiasa memberikan balasan atas kebaikan yang
telah diberikan. Penulis sadar bahwa skripsi ini masih jauh dari sempurna
sehingga saran dan kritik yang membangun sangat diharapkan. Akhir kata,
semoga hasil pemikiran yang tertuang dalam skripsi ini dapat bermanfaat bagi
setiap pembaca pada umumnya.
Surabaya, Juni 2010
KATA PENGANTAR ...i
DAFTAR ISI……….. ..iii
DAFTAR TABEL……….. ..vii
DAFTAR GAMBAR………...…..ix
DAFTAR LAMPIRAN………..x
ABSTRAKSI...xi
BAB I PENDAHULUAN 1.1 Latar Belakang………...…1
1.2 Rumusan Masalah ………...2
1.3 Batasan Masalah .………3
1.4 Asumsi...……….3
1.5 Tujuan Penelitian ...………..4
1.6 Manfaat Penelitian ……….……….…4
1.7 Sistematika Penulisan ……….….5
BAB II TINJAUAN PUSTAKA 2.1 Transportasi dan distribusi...………...7
2.2 Metode Savings Matrix……….13
2.2.1Pengertian Metode Savings Matrix………..13
2.3.2Beberapa Sifat Hasil Peramalan………...21
2.3.3Prosedur Peramalan………..21
2.4 Metode Time Series………..27
2.4.1 Metode yang digunakan dalam time series ……….29
2.4.2 Ukuran akurasi dari peramalan………31
2.4.3 Pola Permintaan………...33
2.5 Efisiensi penjadwalan jalur distribusi..……….35
2.6 Analisa keputusan ...36
2.6.1 Langkah – langkah dalam analisa keputusan ...37
2.7 Penelitian terdahulu ...38
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian………...41
3.2 Identifikasi dan Definisi Operasional Variabel……….41
3.2.1 Variabel bebas ...41
3.2.2 Variabel Terikat ...42
3.3 Metode Pengumpulan Data………...42
3.4 Metode Pengolahan Data………...…………...43
3.5 Langkah-Langkah Pemecahan Masalah………45
4.1.3 Data Rute Awal………...58
4.1.4 Data Biaya Transportasi Awal………59
4.2 Pengolahan Data………..61
4.2.1 Menghitung Jarak Koordinat Lokasi Customer ………...……...61
4.2.2 Mengalokasikan Permintaan Customer Tahun 2009 Pada Rute Awal……….64
4.2.2.1 Penentuan Alokasi customer Pada Rute Awal berdasarkan Permintaan Tahun 2009...64
4.2.2.2 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009...66
4.2.3 Mengalokasikan Permintaan Customer Tahun 2009 pada Rute Baru (Penerapan Metode Savings Matrix)…………...68
4.2.3.1 Mengalokasikan Permintaan customer dengan Metode Savings Matrix………....…...…...68
4.2.3.2 Biaya Transportasi Sesudah Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009...85
4.2.4 Peramalan Permintaan Tiap Customer ...87
4.2.4.1 Ploting Data Permintaan Tahun 2008...87
4.2.4.2 Penetapan Metode Peramalan...88
yang Digunakan...90
4.2.4.6 Peramalan Permintaan Tahun 2010...91
4.2.5 Rute Baru (Penerapan Metode Savings Matrix)
Berdasarkan Permintaan Tahun 2010...92
4.2.6 Perhitungan Biaya Transportasi Rute Baru Untuk tahun 2010...93
4.2.7 Rekomendasi Jalur Distribusi Untuk Tahun 2010...95
4.3 Analisa dan Pembahasan ...95
4.3.1 Analisa Penentuan dan Urutan Kunjungan pada
Jalur Distribusi...95
4.3.2 Analisa Perbandingan Rute atau Jalur Distribusi Sebelum
dan Sesudah Penerapan Metode Savings Matrix……..………..98
4.3.3 Perbandingan Biaya Transportasi Sebelum dan
Sesudah Penerapan Metode Savings Matrix ………..…..100
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan………...102
5.2 Saran………..………103
Tabel 2.1 Lokasi Tujuan dan Ukuran order………..14
Tabel 2.2 Matrik Jarak dari Pabrik ke customer dan antar customer………15
Tabel 2.3 Matrik Penghematan Jarak dengan menggabungkan dua rute
yang berbeda..……….17
Tabel 2.4 Langkah Awal Semua Customer Memiliki Rute Terpisah…………...17
Tabel 2.5 Semua Customer Memiliki Rute Terpisah……….…………...18
Tabel 2.6 Customer 4 Masuk ke Rute a dan Customer 3 Masuk
ke Rute……….………....18
Tabel 3.1 Matrik Jarak Dari Pabrik ke Customer dan Antar Customer…………50
Tabel 3.2 Matrik Penghematan Jrak dengan Menggabungkan
2 Rute yang Berbeda………51
Tabel 3.3 Semua Customer Memiliki Rute Terpisah………51
Tabel 3.4 Customer 4 Masuk ke Rute a dan Customer 3 Masuk ke Rute c……..52
Tabel 4.1 Data Permintaan Koran (exemplar)
Selama Tahun 2009………..56
Tabel 4.2 Rata-rata besarnya Order Size perbulan Tiap Customer
Untuk Tahun 2009………57
Tabel 4.3 Kapasitas Alat Angkut………...58
Tabel 4.4 Rute Awal Pendistribusian Koran dari Pabrik ke Customer…...58
Tabel 4.5 Jarak Total Perjalanan dan Beban Order Pendistribusian
Koran dari Pabrik ke Customer pada Rute Awal…...…………..59
Koordinat Dan Satuan km………...………63
Tabel 4.9 Matrik Jarak....………...69
Tabel 4.10 Savings Matrix……….71
Tabel 4.24 Matriks Rekapitulasi iterasi 1 sampai 12……….78
Tabel 4.25 Nilai MSE dari 3 Metode Peramalan...89
Tabel 4.26 Nilai MSE Terkecil dan Metode Yang Digunakan...90
Tabel 4.27 Rata-rata Besarnya Order Size Perbulan Untuk 2010...92
Tabel 4.28 Urutan Kunjungan Untuk Rute Awal………...96
Tabel 4.29 Urutan Kunjungan Untuk Rute Baru………...96
Tabel 4.30 Rute Awal dan Total Jarak Tempuh………98
Tabel 4.31 Rute Baru dan Total JarakTempuh………..99
Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix…..100
Gambar 2.1 Perubahan yang terjadi dengan menggabungkan customer1
dan customer 2 ke dalam satu rute………16
Gambar 2.2 Trend component ( pola permintaan )………33
Gambar 2.3 Seasonal component ( pola musiman )………...34
Gambar 2.4 Cyclical component ( pola siklus )……….34
Gambar 2.5 Random component ( pola acak)………35
Gambar 2.6 Siklus analisa keputusan ………37
Gambar 3.1 Langkah-langkah Pemecahan Masalah……….46
Lampiran A : Gambaran Umum Perusahaan
Lampiran B : Plot Data Permintaan Tahun 2009
Lampiran C : Hasil Uji MRC
Lampiran D : Jarak sesungguhnya
Lampiran E : Perhitungan Matrik Jarak
Lampiran F : Perhitungan Savings Matrix
untuk dapat menghadapi persaingan secara baik dan siap dengan segala resiko yang akan dihadapi. Salah satu jaminan yang harus dipenuhi perusahaan kepada pelanggan adalah pengiriman produk sesuai dengan permintaan pelanggan secara tepat waktu dan efisien. Sehingga proses distribusi yang dilaksanakan tidak mengakibatkan pemborosan segi waktu, jarak, dan tenaga.
PT. Harian Surabaya Pagi merupakan perusahaan yang bergerak dalam industri Percetakan surat kabar. PT. Harian Surabaya Pagi Baru memiliki permasalahan dalam proses distribusi, dimana dalam satu kali pengiriman produk hanya dilakukan pada satu customer, sehingga mengakibatkan jalur pengiriman yang ditempuh semakin panjang tanpa melihat terlebih dahulu kapasitas dari kendaraan dan jarak yang akan ditempuh serta mengakibatkan biaya tranportasi yang mahal.
Kegiatan distribusi ini dapat berjalan lebih efektif dan efisien, jika perusahaan merencanakan penjadwalan dan urutan-urutan rute dalam transportasi. Penjadwalan dan penentuan jalur transportasi dapat diselesaikan dengan metode Savings Matrix.
Dari pengolahan data dan pembahasan permasalahan jalur distribusi menggunakan metode Savings Matrix didapat 5 rute baru yang meliputi rute A sebesar 248,576 Km, rute B sebesar 318,28 Km, rute C sebesar 56,578 Km, rute D sebesar 75,472Km, dan rute E sebesar 31,592 Km. Dengan total jarak sebesar 730,498 Km. Penghematan jarak dan efisiensi biaya yang diperoleh dari 7 rute dengan total jarak sebesar 734,764 Km menjadi 5 rute dengan total jarak sebesar 730,498 Km, sehingga penghematan total jarak tempuh sebesar 4,266 km atau sebesar 29,53 %. Serta Penghematan Biaya Transportasi dari rute awal sebesar Rp. 707.636 menjadi Rp. 621.323 pada rute baru. Maka penghematan biaya sebesar Rp.86.313 atau penghematan Biaya Transportasi sebesar 27 %.
PENDAHULUAN
1.1 Latar Belakang
Pada era globalisasi saat ini persaingan dunia usaha semakin meningkat
tajam. Kemudahan dalam memperoleh informasi melalui berbagai media
mengakibatkan dunia usaha dituntutsemakin berkompetitif. Perusahaan tidak
hanya dituntut untuk mempertahankan kinerja yang sudah diraihtapi juga harus
meningkatkan tingkat permintaan yang sudah ada dalam memenuhi permintaan
konsumen dan memenangkan persaingan. Dalam memenuhi permintaan
konsumen, selain dilihat dari proses produksi juga ada satu faktor yang perlu
diperhatikan, yaitu pendistribusian produk dari perusahaan ke konsumen yang
tepat waktu dan efektif. Pendistribusian memegang faktor penting, dikarenakan
tanpa adanya pola pendistribusian yang tepat, maka proses ini juga akan memakan
biaya tinggi dan mengakibatkan pemborosan dari segi waktu, jarak dan tenaga
Distribusi merupakan salah satu faktor penting bagi perusahaan untuk dapat
melakukan pengiriman produk secara tepat kepada pelanggan. Ketepatan
pengiriman produk kepada pelanggan harus memiliki dasar penjadwalan dan
penentuan rute secara tepat, sehingga customer yang akan dikunjungi menerima
produk dalam kondisi baik.
Agar kegiatan distribusi ini dapat berjalan lebih efektif dan efisien,
perusahaan melibatkan pembentukan jadwal dan urutan-urutan rute dalam
transportasi. Penjadwalan dan penentuan jalur transportasi dapat diselesaikan
dengan metode Savings Matrix. Metode Savings Matrix merupakan metode yang
digunakan dalam menentukan jalur/rute disribusi produk ke outlet dengan cara
menentukan jalur yang harus dilalui dan jumlah alat angkut berdasarkan kapasitas
dari alat angkut tersebut agar diperoleh jalur terpendek dan biaya transportasi
yang optimum.
PT. Harian Surabaya Pagi merupakan perusahaan yang bergerak dalam
industry percetakan koran. Sasaran distribusi PT. Harian Surabaya Pagi adalah
dapat melakukan waktu pengiriman produk dengan biaya yang efisien, dan
pelayanan yang baik. Sehingga PT. Harian Surabaya Pagi dituntut untuk dapat
merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan
sasaran tersebut ada beberapa keterbatasan dari perusahaan, kurangnya
perencanaan pengiriman dan pendistribusian barang yang tepat untuk menentukan
jalur distribusi ke customer, sehingga mengakibatkan jalur pengiriman yang
ditempuh semakin panjang tanpa melihat terlebih dahulu kapasitas dari kendaraan
dan jarak yang akan ditempuh, sehingga mengakibatkan biaya tranportasi yang
mahal.
Berdasarkan permasalahan perusahaan tersebut, maka perusahaan
membutuhkan suatu usulan penjadwalan dan penentuan jalur distribusi secara
tepat untuk mengurangi pemborosan dalam segi jarak, dan tenaga sehingga
mendapatkan biaya transportasi yang lebih efisien.
1.2 Rumusan Masalah
Berdasarkan permasalahan yang ada di perusahaan berkaitan dengan
pengiriman produk surat kabar ( Koran ), maka dirumuskan permasalahan
“ Bagaimana meningkatkan effisiensi pendistribusian Koran di PT. HARIAN
SUARABAYA PAGI dengan menentukan jalur distribusi paling optimal dengan
metode saving matrix ”
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini adalah :
1. Penelitian hanya dilakukan pada produk koran
2. Rute distribusi diartikan adalah jalur yang dilalui armada sampai ke
masing-masing customer yaitu di daerah Jawa Timur (Surabaya, Sidoarjo,
Mojokerto, Lamongan, Jember, Malang, Madura)
3. Biaya Transporasi meliputi biaya tenaga kerja, biaya bahan bakar, serta
biaya retribusi (Tol dan lain-lain).
1.4 Asumsi
Asumsi yang digunakan dalam penelitian ini adalah :
1. Kondisi kendaraan diasumsikan dalam kondisi stabil, tidak ada rusak, tidak
terjadi bencana alam selama perjalanan.
2. Biaya retribusi, biaya tenaga kerja, biaya bahan bakar diasumsikan tetap
selama penelitian dilakukan.
1.5 Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
1. Menentukan jalur distribusi produk yang akan dilayani berdasarkan kapasitas
alat angkut.
2. Mendapatkan penghematan biaya transportasi setelah dilakukan perbaikan
jalur distribusi.
1.6 Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah :
1. bagi mahasiswa,
Dapat memberikan pengalaman penelitian dalam masalah distribusi. Agar dapat membandingkan teori yang didapat dikampus dengan
keadaan sebenarnya dilapangan.
2. bagi universitas,
Dapat memberikan refrensi tambahan di bidang industri khususnya
tentang transportasi dan distribusi.
Menjadi acuan bagi mahasiswa lain untuk menambah dan
mengembangkan ilmu pengetahuan tentang teori saving matrix.
3. bagi perusahaan, Perusahaan mendapatkan masukan dalam penghematan
1.7 Sistematika Penulisan
Sistematika penulisan yang digunakan dalam pelaksanaan
penelitian ini adalah :
BAB I PENDAHULUAN
Pada bab ini berisi tentang latar belakang masalah, perumusan
masalah, tujuan penelitian, manfaat, asumsi, dan sistematika
penulisan.
BAB II TINJAUAN PUSTAKA
Pada bab ini berisi tentang landasan teori-teori yang digunakan
dalam pelaksanaan penelitian sebagai penunjang untuk mengolah
dan menganalisa data-data yang diperoleh secara langsung maupun
tidak langsung yaitu teori tentang distribusii, penjadwalan dan
penentuan jalur dalam transportasi dan Savings Matrix.
BAB III METODE PENELITIAN
Pada bab ini berisi tentang langkah-langkah dalam melakukan
penelitian, mulai dari lokasi pencarian data, metode pengambilan
data, identifikasi variabel, dan metode pengolahan data, yang
dilakukan untuk mencapai tujuan dari penelitian selama
pelaksanaan penelitian.
BAB IV ANALISA DAN PEMBAHASAN
Pada bab ini berisi tentang data-data yang telah terkumpul,
kemudian diolah dengan menggunakan metode yang digunakan
BAB V KESIMPULAN DAN SARAN
Pada bab ini merupakan penutup tulisan yang berisi kesimpulan
dan saran mengenai analisa yang telah dilakukan sehingga dapat
memberikan suatu rekomendasi sebagai masukan ataupun
perbaikan bagi pihak perusahaan.
TINJAUAN PUSTAKA
2.1 Transportasi dan Distribusi 2.1.1 Transportasi
Salah satu faktor yang memegang peranan utama dalam penetapan lokasi
industri atau kegiatan ekonomi lainnya adalah besar biaya transportasi. Hal
tersebut disebabkan karena biaya transportasi merupakan salah satu komponen
biaya produksi. Apabila biaya transportasi lebih murah akan mengakibatkan biaya
produksi lebih rendah dan harga produk lebih rendah, sehingga menambah daya
saing produk dan memperluas lokasi daerah pemasaran.
Transportasi Cost/km = Jarak
st TranportCo
Transportasi adalah kegiatan pemindahan barang (muatan) dan penumpang
dari suatu tempat ke tempat lain. Dalam transportasi terlihat ada 2 unsur yang
tepenting yaitu (Salim,2002) :
a. Pemindahan / pergerakan (movement).
b. Secara fisik mengubah tempat dari barang (komoditi) dan penumpang ke
tempat lain.
Adapun definisi lain transportasi merupakan pemindahan produk dari satu
lokasi ke lokasi lain mulai rantai pasok pertama sampai ke tangan konsumen.
Transportasi memainkan peran penting dalam tiap-tiap rantai pasok sebab produk
jarang diproduksi dan dikonsusmsi pada tempat yang sama. (Chopra,Meindl,
2001).
Transportasi mempunyai peranan penting bagi industri karena produsen
mempunyai kepentingan agar barangnya diangkut sampai kepada konsumen tepat
waktu, tepat pada tempat yang ditentukan dan barang dalam kondisi baik.
2.1.2 Persoalan Transportasi
Persoalan transportasi membahas masalah pendistribusian suatu komoditas
atau produk dari sejumlah sumber (supply) kepada sejumlah tujuan
(destination,demand), dengan tujuan meminimalkan ongkos pengangkutan yang
terjadi.
Ciri-ciri khusus persoalan transportasi adalah (Salim,2002) :
1. Kuantitas komoditas atau barang yang didistribusikan dari setiap sumber dan
yang diminta oleh setiap tujuan, besarnya tertentu.
2. Komoditas yang dikirim atau diangkut dari suatu sumber ke suatu tujuan,
besarnya sesuai dengan permintaan dan atau kapasitas sumber.
3. Ongkos pengangkutan komoditas dari suatu sumber ke suatu tujuan, besarnya
tertentu.
2.1.3 Metode yang Digunakan Dalam Memecahkan Persoalan Transportasi Metode transportasi merupakan suatu model yang digunakan untuk
mengatur distribusi dari sumber-sumber yang menyediakan produk yang utama ke
tempat-tempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur
sedemikian rupa, karena terdapat perbedaan biaya-biaya alokasi dari satu sumber
Untuk menyelesaikan persoalan transportasi, harus dilakukan
langkah-langkah sebagai berikut (Dimyati, 1992) :
1. Tentukan solusi fisibel basis awal.
2. Tentukan entering variabel dari variabel-variabel nonbasis. Bila semua
variabel sudah memenuhi kondisi optimum, STOP. Bila belum, lanjutkan ke
langkah 3.
3. Tentukan leaving variabel diantara variabel-variabel basis yang ada, kemudian
hitung yang baru. Kembali kelangkah ke 2.
Dalam memecahkan masalah transportasi ini penelitian menggunakan
metode Penentuan Rute dengan memepertimbangkan kapasitas kendaraan
(Vehiele Routing Problem).
2.1.4 Distribusi
Pengertian distribusi menurut Frank H. Woodward (1996) dalam bukunya
yang berjudul “Managing the Transport Service Function” dijelaskan didalam
industri, distribusi telah diterima sebagai pencapaian dari semua aktivitas bisnis
melibatkan penggerakan barang-barang dari titik memproses atau membuat
langsung atau penjualan kepada pelanggan dan termasuk warehousing,
pengendalian persediaan barang yang telah jadi, penanganan material dan
pengemasan, dokumentasi dan pengiriman, lalu lintas dan transportasi, dan
2.1.5 Saluran Distribusi
Saluran distribusi adalah saluran yang digunakan untuk menyalurkan suatu
produk dari produsen ke konsumen (konsumen akhir atau pemakai produk
industri). Fungsi saluran distribusi adalah (Salim,2002) :
1. Mengumpulkan informasi yang diperlukan untuk perencanaan dan
memudahkan pertukaran.
2. Mengembangkan dan menyebarkan komunikasi mengenai tawaran.
3. Melakukan pencarian dan berkomunikasi dengan calon pembeli.
4. Mengusahakan perundingan untuk mencapai persetujuan akhir atas harga dan
ketentuan lainnya mengenai tawaran agar perpindahan pemilikan dapat terjadi.
5. Melaksanakan pengangkutan dan penyimpanan produk.
6. Mengatur distribudi dana untuk menutup biaya saluran distribusi.
7. Menerima resiko dalam hubungan dengan pelaksana pekerjaan saluran
pemasaran.
2.1.6 Fungsi Dasar Manajemen Distribusi dan Transportasi
Secara tradisional kita mengenal manajemen distribusi dan trasnportasi
dengan berbagai sebutan. Sebagian perusahaan istilah manajemen logistic,
disebagian lagi menggunakan istilah distribusi fisik (physical distribution).
Kegiatan distribusi dan transportasi biasa dilakukan perusahaan
manufaktur dengan membentukan bagian distribusi atau transportasi diserahkan
kepada pihak ketiga. Dalam upayanya memenuhi tujuan-tujuan diatas, siapa pun
Manajemen distribusi dan transportasi pada umumnya melakukan
sejumlah fungsi dasar yang terdiri dari (Salim,2002):
1. Melakukan segmentasi dan menentukan target service level.
Segmentasi pelanggan perlu dilakukan karena kontribusi mereka pada
revenue perusahaan sangat bervariasi dan karakteristik pelanggan biasanya sangat
berbeda antara satu dengan yang lain. Dari revenue, sering kali hukum pareto
20/80 berlaku disini. Artinya hanya sekitar 20% dari pelanggan atau area
penjualan menyumbangkan sejumlah 80% dari pendapatan yang diperoleh
perusahaan. Perusahaan tidak biasa menomorsatukan semua pelanggan. Dengan
mengalami perbedaan karakteristik dan kontribusi pelanggan atau area distribusi,
perusahaan biasa mengoptimalkan alokasi persediaan maupun kecepatan
pelayanan.
2. Menentukan mode transportasi yang akan digunakan.
Transportasi memiliki karakteristik yang berbeda-beda dan mempunyai
keunggulan dan kelemahan yang berbeda juga, sebagai contoh : transportasi laut
memiliki keunggulan dari segi biaya yang rendah ; namun lebih lambat jika
dibandingkan dengan transportasi udara. Manajemen transportasi harus bisa
mengirimkan dan mendistribusikan produk-produk mereka ke pelanggan
kombinasi dua atau lebih model transportasi tentu bisa atau bahkan harus
dilakukan tergantung pada situasi yang dihadapi.
3. Melakukan konsolidasi informasi dan pengiriman.
Konsolidasi merupakan kata kunci sangat penting dewasa ini. Tekanan
untuk melakukan pengiriman cepat namun murah menjadi pendorong utama
konsolidasi informasi adalah konsolidasi data permintaan dari berbagai regional
distribusi center oleh sentral warehouse untuk pembuatan jadwal pengiriman.
Sedangkan konsolidasi pengiriman dilakukan misalnya dengan menyatukan
permintaan beberapa toko yang berbeda dalam satu truk. Dengan cara ini truk bisa
berjalan lebih sering tanpa harus membebankan biaya lebih kepada pelanggan
atau klien yang mengirimkan produk tersebut.
4. Melakukan penjadwalan dan penentuan rute pengiriman.
Salah satu kegiatan operasional yang dilakukan oleh gudang atau
distributor adalah menentukan kapan sebuah truk harus berangkat dan rute mana
yang harus dilalui untuk memenuhi permintaan dari sejumlah pelanggan apabila
jumlah pelanggan sedikit keputusan ini bisa diambil dengan relative gampang.
Namun perusahaan yang memiliki puluhan ribu toko atau tempat penjualan yang
harus dikunjungi, penjadwalan dan penentuan rute pengiriman adalah pekerjaan
yang sangat sulit dan kekurangan ketepatan dalam mengambil dua keputusan
tersebut bisa berimplikasi pada biaya pengiriman yang tinggi.
5. Memberikan pelayanan nilai tambah.
Disamping mengirimkan produk kepelanggan, jaringan distribusi semakin
banyak dipercaya untuk melakukan proses nilai tambah. Kebanyakan proses nilai
tambah tersebut tadinya dilakukan oleh pabrik/manufactur. Beberapa proses nilai
tambah yang bisa dikerjakan oleh adalah pengepakan, pemberian barcode, dan
sebagainya. Untuk mengakomodasi kebutuhan lokasi yang lebih baik, seperti
industri printer, memindahkan proses konfigurasi akhir dari produknya ke
distributor ke tiap-tiap Negara. Ini meningkatkan fleksibilitas produk sehingga
6. Menyimpan persediaan.
Jaringan distribusi selalu melibatkan proses penyimpanan produk baik
disuatu gudang pusat atau gudang regional, maupun di toko dimana produk
tersebut dijual. Oleh karena itu manajemen distribusi tidak bisa dari manajemen
pergudangan.
7. Menangani pembelian (return).
Manajemen distribusi juga punya tanggung jawab untuk melaksanakan
kegiatan pengembalian produk dari hilir ke hulu dalam supply chain.
Pengembalian ini bisa karena produk rusak atau tidak terjual sampai batas waktu
penjualan habis, seperti produk-produk makanan, sayuran, buah, dan sebagainya.
Kegiatan pengembalian ini bisa terjadi pada produk-produk kemasan seperti botol,
yang akan digunakan kembali dalam proses produksi atau harus diolah kembali
untuk menghindari pencemaran lingkungan. Proses pengembalian ini lumrah
dengan sebutan reverse logistic.
2.2 Metode Saving Matrix
2.2.1 Pengertian Metode Savings Matrix
Savings Matrix merupakan salah satu teknik yang digunakan untuk
menjadwalkan sejumlah terbatas kendaraan dari suatui fasilitas dan jumlah
kendaraan dalam armada ini dibatasi dan mereka mempunyai kapasitas
maksimum yang berlainan. Tujuan metode ini adalah untuk memilih penugasan
Metode Savings Matrix adalah metode untuk meminimumkan jarak atau
waktu atau ongkos dengan mempertimbangkan kendala-kendala yang ada.
(Pujawan, 2005: 180).
2.2.2 Langkah-Langkah Metode Savings Matrix
Sebelum melakukan perhitungan Savings Matrix, terlebih dahulu
menentukan titik koordinat jarak dari pabrik / gudang ke tiap-tiap customer
(Pujawan, 2005: 180) :
Tabel 2.1 Lokasi Tujuan dan Ukuran Order
Customer Tujuan Koordinat x Koordinat y Ukuran Order
Customer 1 1 y1 A Unit
Customer 2 2 y2 B Unit
Customer 3 3 y 3 C Unit
Customer 4 4 y4 D Unit
. . . Customer n
. . . n
. . . n y
. . . N Unit Sumber : supply chain management, I Nyoman Pujawan.2005
Kemudian melakukan perhitungan dalam meminimumkan jarak yang
ditempuh menggunakan Metode Savings Matrix, terdapat beberapa
langkah-langkah dalam meminimumkan jarak yang ditempuh, yaitu :
1. Mengidentifikasi Matrix Jarak
Pada langkah ini perlu jarak antara pabrik ke masing-masing customer.
sehingga mengunakan lintasan terpendek sebagai jarak antar lokasi. Jadi
dengan mengetahui koordinat masing-masing lokasi maka jarak antar dua
Tabel 2.2 Matrik Jarak dari Pabrik ke Customer dan antar Customer
Pabrik/Guda ng
Custome r 1
Custome r 2
Custome r 3
Custome r 4
…Custom er n Custome
r 1 Custome
r 2 Custome
r 3 Custome
r 4 . . . Custome
r n
Sumber : supply chain management, I Nyoman Pujawan.2005
Misalkan dua lokasi masing-masing dengan koordinat
1, y1
dan
2,y2
maka Perhitungan matrik jarak dua lokasi tersebut adalah (Pujawan,2005: 181) :
J
1,2 12
2 y1y2
2Hasil perhitungan jarak ini digunakan untuk menentukan matrik penghematan
(Savings Matrix) yang akan dikerjakan pada langkah berikutnya.
2. Mengidentifikasi Matrik Penghematan (Savings Matrix)
Savings matrix mempresentasikan penghematan yang dapat
direalisasikan dengan menggabungkan dua pelanggan ke dalam satu rute.
Misalkan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute
maka jarak yang akan dikunjungi adalah dari gudang ke Customer 1 kemudian
Gudang Gudang
Sumber : supply chain management, I Nyoman Pujawan.2005
Customer 1 Customer 2 Customer 1 Customer 2
Gambar 2.1 Perubahan yang terjadi dengan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute.
Dari gambar diatas terjadi perubahan jarak adalah sebesar jarak kiri
dikurangi total jarak kanan yang besarnya adalah (Pujawan, 2005: 182):
G J
G
J G J J G
J ,1 2 ,2 ,1 1,2 2,
2
G,1 J G,2 J 1,2J
dengan jarak
x,y y,x
x y J G x J G y J x yS , , , ,
dimana :
x y S , Penghematan jarak (Savings) yang diperoleh dengan
menggabungkan rute x dan y menjadi satu
G x J , Jarak dari gudang ke customer x
G y J , Jarak dari gudang ke customer y
x y J , Jarak dari customer x ke customer y
kemudian dibuat tabel matrik penghematan jarak dengan menggabungkan
Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda
Sumber : supply chain management, I Nyoman Pujawan.2005 Customer 1 Customer 2 Customer 3 Customer 4 ….Customer n Customer 1 Customer 2 Customer 3 Customer 4 . . . Customer n
Tabel 2.4 Langkah awal semua customer memiliki rute terpisah
Pabrik/Guda ng Custome r 1 Custome r 2 Custome r 3 Custome r 4 …Custom er n Custome r 1 Rute a Custome r 2
Rute b
Custome r 3
Rute c
Custome r 4
Rute d
. . . Custome r n Rute z
Order A B C D …N Unit
Sumber : supply chain management, I Nyoman Pujawan.2005
3. Mengalokasikan customer ke kendaraan atau rute
Pada langkah ini melakukan alokasi customer ke kendaraan atau
rute. dalam penggabungan rute customer, digabungkan sampai pada batas
terbesar pada tabel matrix penghematan jarak.Misalkan didapat matrik
[image:30.595.123.499.165.329.2]penghematan jarak sebagai berikut :
Tabel 2.5 semua customer memiliki rute terpisah
Pabrik/Gudang Customer 1 Customer 2 Customer 3 Customer 4 Customer 1
Rute a 0.0
Customer 2
Rute b 14.8 0.0
Customer 3
Rute c 12.5 8.2 0.0
Customer 4
Rute d 24.9 12.9 12.6 0.0
Order 320 85 300 150
Sumber : supply chain management, I Nyoman Pujawan.2005
dari tabel diatas didapat penghematan terbesar pada customer 1 dan 4
sebesar 24.9
sehinga customer 4 bergabung ke rute a (diasumsikan kapasitas truk
[image:30.595.124.500.488.649.2]memadai)
Tabel 2.6 Customer 4 masuk ke Rute a dan Customer 3 masuk ke Rute c
Pabrik/Gudang Customer 1 Customer 2 Customer 3 Customer 4 Customer 1
Rute a 0.0
Customer 2
Rute b 14.8 0.0
Customer 3
Rute c 12.5 12.9(2) 0.0
Customer 4
Rute a 24.9(1) 8.2 12.6 0.0
Order 320 85 300 150
Sumber : supply chain management, I Nyoman Pujawan.2005
selanjutnya dicari penghematan terbesar kedua didapatkan 12.9 (Customer 2
dan 4) masuk ke rute b, dan begitu seterusnya hingga customer ke-n. Jika
kemudian didapatkan jumlah rute sesuai dengan kapasitas armada yang ada
dan penghemtan jarak alokasi dari pabrik ke customer.(Pujawan, 2005:
183-185).
4. Mengurutkan Customer (Tujuan) dalam rute yang sudah terdefinisi
Ada banyak metode yang dapat digunakan untuk menentukan urutan
kunjungan, namun pada penelitian ini menggunakan metode Nearest
Neighbor. Metode Nearest Neighbor merupakan metode pengurutan
kunjungan yang menambahkan customer yang jaraknya paling dekat dengan
customer yang akan dikunjungi terakhir. Misalnya diketahui 3 customer dalam
rute a, customer 1 memiliki jarak terdekat dengan gudang / pabrik dengan
jarak 6.4, kemudian cari jarak customer terdekat dengan customer 1 didapat
customer 3 dengan jarak 6.7 dan terakhir yang dikunjungi adalah customer 2
kemudian kembali ke gudang..
(Gudang-Customer1-Customer3-Customer2-Gudang). Jika kebetulan menghasilkan rute dengan jarak yang sama maka
dipilih total jarak yang minimum. (Pujawan, 2005: 185-186).
Dengan dilakukan penyelesaian permasalahan tersebut menggunakan
metode savings matrix, maka dapat dihasilkan jalur disribusi yang optimal
dengan biaya transportasi yang lebih efisien.
2.3 Peramalan (Forecasting)
Peramalan adalah proses untuk memperkirakan berapa kebutuhan
dimasa datang yang meliputi kebutuhan dalam ukuran, kuantitas, kualitas, waktu
dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun
Sedangkan peramalan permintaan merupakan tingkat permintan
produk-produk yang diharapkan akan terealisir untuk jangka waktu tertentu pada masa
yang akan datang. Peramalan permintaan ini digunakan untuk meramalkan
permintaan dari produk yang bersifat bebas (tidak tergantung), seperti peramalan
produk jadi.(Nasution, 2003: 26)
Metode peramalan dibagi dua, yaitu :metode peramalan Time Series dan
metode peramalan non time series. dalam penelitian ini mengunakan metode
peramalan time series, yang merupakan metode peramalan secara kuantitatif
dengan menggunakan waktu sebagai dasar peramalan.
2.3.1 Peramalan dalam Horizon Waktu
Dalam hubungannya dengan horizon waktu peramalan maka kita dapat
mengklasifikasikan peramalan tersebut dalam 3 kelompok (Nasution, 2003: 26) :
1. Peramalan jangka panjang, umumnya 2 sampai 10 tahun. Peramalan ini
digunakan untuk perencanaan produk dan perencanaan sumber daya.
2. Peramalan jangka menengah, umumnya 1 sampai 24 bulan. Peramalan ini
lebih mengkhususkan dinandingkan peramalan jangka panjang, biasanya
digunakan untuk menentukan aliran khas, perencanaan produksi, dan
penentuan anggaran.
3. Peramalan jangka pendek, umumnya 1 sampai 5 minggu. Peramalan ini
digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur,
Dalam penelitian ini menggunakan peramalan jangka menengah yang
umumnya dilakukan 1 atau 2 tahun yang digunakan untuk menentukan jalur
distribusi paling optimal berdasarkan data permintaan sebelumnya.
2.3.2 Beberapa Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan hasil suatu peramalan maka
ada beberapa hal yang harus dipertimbangkan, yaitu (Nasution, 2003: 29) :
1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak akan menghilangkan
ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang berapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kasalahan maka
penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang
mungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang. Hal ini disebabkan karena pada peramalan jangka pendek,
fakto-faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan
semakin panjang periode peramalan, maka semakin besar pula kemungkinan
terjadinya perubahan factor-faktor yang mempengaruhi permintaan.
2.3.3 Prosedur Peramalan
Dalam melakukan peramalan terdapat beberapa prosedur, yaitu (Nasution,
1. Tentukan pola data permintaan
dilakukan dengan cara memplotkan data secara grafis dan menyimpulkan
apakah data berpola trend, musiman, siklikal atau siklus, eratik / random.
Trend / kecenderungan (T) adalah sifat dari permintaan dimasa lalu
terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik,
turun atau konstan. Siklus (C) merupakan pola permintaan suatu produk
yang berulang secara periodik biasanya lebih dari satu tahun, sehingga
tidak perlu dimasukkan dalam peramalan jangka pendek. Musiman (S)
adalah pola permintaan suatu produk yang naik atau turun disekitar garis
trend dan biasanya berulang setiap tahun. disebabkan factor cuaca, musim
libur panjang, dan lain-lain. Random (R) merupakan pola permintaan suatu
produk yang mengikuti pola bervariasi secara acak karena factor bencana
alam, bangkrutnya perusahaan, dan lain-lain. pola ini dibutuhkan dalam
menentukan persediaan pengamatan untuk mengantispasi kekurangan
persediaan bila terjadi lonjakan permintaan..
2. Mencoba beberapa metode time series sesuai dengan pola permintaan
tersebut untuk melakukan peramalan.
3. Mengevaluasi tingkat kesalahan masing-masing metode yang akan dicoba.
Tingkat kesalahan masing-masing metode yang akan dicoba, tingkat
kesalahan diukur dengan kriteria MAD, MSE, MAPE. Ukuran akurasi
hasil peramalan merupakan ukuran kesalahan (error) permintaan,
merupakan tentang tingkat perbedaan antara hasil peramalan dengan
Dalam peramalan Time Series, metode peramalan terbaik adalah
metode yang memenuhi kriteria ketepatan ramalan, kriteria ini adalah,
yaitu (Nasution, 2003: 30-31) :
a) Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode
tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau
lebih kecil dibandingkan kenyataannya. Secara matematis, MAD
dirumuskan sebagai berikut :
n F A
MAD t t
Dimana :
A = permintaan aktual pada periode – t
Ft = hasil peramalan (forecast) pada periode – t
n = jumlah periode peramalan yang terlibat
b) Rata-rata Kuadarat Kesalahan (Mean Square Error = MSE)
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan.
Peramalan pada tiap periode dan membaginya dengan jumlah periode
peramalan. Secara sistematis MSE dirumuskan sebagai berikut :
nF A
MSE t t
2
c) Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage
Error = MAPE)
MAPE merupakan ukuran kesalahan relative. MAPE biasanya
lebih berarti bila dibandingkan MAD Karena MAPE menyatakan
selama periode tertentu yang akan memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah. Secara sistematis sebagai
berikut :
t t t A F A n MAPE 1004. Memilih metode peramalan terbaik diantara metode yang dicoba.
Metode terbaik akan memberikan tingkat kesalahan terkecil
dibanding metode lainnya dan tingkat kesalahan tersebut berada dibawah
tingkat kesalahan yang telah ditetapkan.
Metode yang digunakan dalam Time Series, yaitu :
a. Metode Rata-rata Bergerak Tertimbang (Weighted Moving Average)
Dalam metode rata-rata bergerak memberikan timbangan
yang sama bagi seluruh data pengamatan, walaupun data yang
paling akhir lebih penting dan perlu dipertimbangkan dalam
penyusunan ramalan sedangkan dalam metode rata-rata bergerak
tertimbang memberikan timbangan yang berbeda atau data
tersebut, dengan peranan atau pentingnya data tersebut pada
penyusunan ramalan pada periode berikutnya (Ariyani, 2008: 33)
Formula metode Weighted Moving Average adalah (Baroto, 2002:
38) :
t c ft c ft cmft mf 1 1 2 2 ^
dimana :
ramalan permintaan (real) untuk peride t t f ^ t
1
c = bobot masing-masing data yang digunakan
,ditentukan secara subyektif
1
1
c
m = jumlah periode yang digunakan untuk peramalan
(Subyektif)
Pada periode WMA peramalan permintaan untuk setiap
periode mendatang diasumsikan sama.
b. Metode Pemulusan Eksponensial Tunggal (Single Eksponential
Smoothing)
Kelemahan metode Moving Average dalam kebutuhan akan
data-data masa lalu yang cukup banyak dapat diatasi dengan
metode pemulusan eksponensial.(Ariyani, 2008: 34)
Formula untuk metode Single Eksponential Smoothing (SES)
adalah (Baroto, 2002: 39) :
1^ ^
1
t t
t f f
f
dimana :
t
f ^
perkiraan permintaan pada peride t
suatu nilai
0 1
yang ditentukan secarasubyektif
t
f permintaan aktual pada periode t
1 ^
t
f perkiraan permintaan pada peride t-1
metode SES mengasumsikan peramalan permintaan untuk
c. Metode Pemulusan Eksponansial Ganda (Double Eksponential
Smoothing)
Dasar pemikiran dari metode pemulusan eksponensial yang
linier ini adalah baik nilai pemulusan eksponensial tunggal maupun
ganda terdapat pada waktu sebelum data sebenarnya, bila pada itu
adalah trend. Disamping itu untuk menyesuaikan trend, maka
nilai-nilai pemulusan eksponensial tunggal ditambahkan nilai-nilai-nilai-nilai
pemulusan eksponensial ganda. (Ariyani. 2008: 36)
Formula Double Eksponential Smoothing adalah (Baroto, 2002: 40) :
t t a at e F" 0 1
dimana adalah parameter proses dan e mempunyai nilai harapan
dari 0 dan sebuah variasi .
1 0, a
a
2
e
Misalkan 1 , sehingga :
0 1 1 1 2 1
... f f
f f
Ft t t t
persamaan diatas dapat pula dituliskan ulang sebagai :
0 1 1 0 f f
F i t t
t
i
t
Double Eksponential Smoothing adalah modifikasi dari Single
Ekspnential Smoothing yang diruuskan sebagai berikut :
2 2 1
t t t
dimana :
F t t2 '
= Peramalan double exponential smoothing
d. Metode Winter’s
metode peramalan Winter’s digunakan untuk suatu data yang
berpola musiman. (Baroto, 2002: 44)
Formulasi untuk metode Winter’s adalah :
a a t
Ctt 0,1 1. dengan : a0 a0,2N
2N a1
N f f
a 2 1
1 N f f t N t 1 1 N f f N N t t
2 1 2 2 1 1 2 2 , 0 f a Na N t t a a f C . 1 0 1
1 1N C N
t t
5. Melakukan peramalan dengan metode terbaik yang dipilih
2.4 Metode Time Series
Metode yang digunakan dalam penelitian ini adalah metode time series.
Metode time series adalah metode peramalan secara kuantitatif dengan
menggunakan waktu sebagai dasar peramalan.
Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu
peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat
untuk meramalkan data yang lain. Dalam peramalan time series, metode
peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan.
Criteria ini berupa mean absolute deviation (MAD), mean square of error (MSE),
atau mean absolute procentage of error (MAPE).
Peramalan dengan time series memiliki prosedur yang harus dilaksanakan
secara utuh. Bila tidak, maka resiko-resiko berikut akan terjadi (Baroto, 2002) :
2. Kesulitan mendapatkan/memilih metode peramalan yang akan memberikan
validitas ramalan yang tinggi.
3. Memerlukan waktu dalam melakukan analisis dan peramalan.
Prosedur peramalan permintaan dengan metode time series adalah sebagai berikut
(Baroto, 2002) :
1. Tentukan pola data permintaan. Dilakukan dengan cara memplotkan data
secara grafis dan menyimpulkan apakah data berpola trend, musiman, siklikal,
atau random.
2. Mencoba beberapa metode time series dengan pola permintaan tersebut untuk
melakukan peramalan. Metode yang dicoba semakin banyak semakin baik.
3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba.
Tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE atau yang
lainnya. Sebaiknya nilai tingkat kesalahan (apakah MAD, MSE, MAPE) ini
ditentukan dulu. Tidak ada ketentuan mengenai berapa tingkat kesalahan
maksimal dalam peramalan.
4. Memilih metode peramalan terbaik diantara metode yang dicoba. Metode
terbaik adalah metode yang memberikan tingkat kesalahan terkecil dibanding
metode lainnya dan tingkat kesalahan tersebut berada dibawah tingkat
kesalahan yang telah diterapkan.
2.4.1 Metode yang Digunakan dalam Times Series 1. Single Exponential Smoothing
Formula untuk metode Single Exponential Smoothing (SES) adalah (Baroto,
2002) :
1
ˆ 1ˆ
t t
t f f
f
dimana :
= perkiraan permintaan pada periode t t
fˆ
= suatu nilai (0< <1) yang ditentukan secara subyektif
= permintaan actual pada periode t t
f
= perkiraan permintaan pada periode t-1
1
ˆ
t
f
Metode SES mengasumsikan peramalan permintaan untuk setiap periode ke
depan selalu sama.
2. Weighted Moving Average
Formula metode Meighted Moving Average adalah (Baroto, 2002) :
t c ft c ft cmft mfˆ 1 1 2 2
dimana :
= ramalan permintaan (real untuk periode t) t
fˆ
= permintaan actual pada periode t t
f
= bobot masing-masing data yang digunakan
1
c
c1 1
, ditentukan secarasubyektif
m = jumlah periode yang digunakan untuk peramalan (subyektif)
Pada metode WMA peramalan permintaan untuk setiap periode mendatang
3. Double Exponential Smoothing
Formula metode Double Exponential Smoothing adalah (Baroto, 2002) :
t t a at e F' 0 1
dimana :
adalah parameter proses dan e mempunyai nilai harapan dari 0 dan
sebuah variasi .
1 , a ao 2 e
Misalkan 1
0 1
1 2
2
... f f
f f
F t t
t t
t
Persamaaan diatas dapat pula ditulis ulang sebagai :
1 0 0 1 t i t t it f f
F
Double Exponential Smoothing adalah modifikasi dari Single Exponential
Smoothing yang dirumuskan sebagai berikut :
2 2 1
t X Xt Xt
dimana :
= F’t = peramalan double exponential smoothing 2
Xt
= faktor smoothing dan 1
Xt = Ft
4. Winter’s
Metode peramalan Winter’s digunakan untuk suatu data yang berpola
musiman. (Baroto,2002)
Formulasi untuk metode Winter’s adalah :
t t a t C a
dengan : t t t a a f C . 1 0 N f f a 2 1
1
12 , 0
0 a 2N a
a N
N f f N t N f f N N t t
2 1 2 t
1 1 1 1
N C N t t 2 1 1 2 2 , 0 f a N
a N
2.4.2 Ukuran Akurasi dari Peramalan
Ukuran hasil peramalan yang merupakan ukuran kesalahan peramalan
adalah ukuran tentang tingkat perbedaan antara hasil peramalan dengan
permintaan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan, yaitu
(Nasution, 2003 ) :
1. Rata – Rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
Merupakan rata – rata kesalahan mutlak selama periode tertentu tanpa
memperhatikan apakah hasil permalan lebih besar atau lebih kecil
dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai
berikut :
n F AMAD t t
Dimana :
At = Permintaan aktual pada periode-t.
Ft = Peramalan permintaan (Forecast) pada periode-t.
2. Rata – Rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan
pada setiap periode dan membaginya dengan jumlah periode peramalan.
Secara sistematis, MSE dirumuskan sebagai berikut :
n F AMSE t t
2
3. Rata – Rata Kesalahan Peramalan (Mean Forecast Error = MFE)
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama
periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak
bias, maka nilai MFE akan mendekati nol. MFE dihitung dengan
menjumlahkan semua kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan. Secara matematis, MFE
dinyatakan sebagai berikut :
n F AMFE t t
4. Rata – Rata Persentase Kesalahan Mutlak (Mean Absolute Percentage Error =
MAPE)
MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan actual selama periode tertentu yang akan
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis, MAPE dinyatakan sebagai berikut :
Dalam hal ini metode peramalan dianggap terbaik bila nilai MAPE memiliki
persentase terkecil. (Nasution, 2003 )
2.4.3 Pola Permintaan
Dalam peramalan time series perlu diketahui dulu pola / komponen time
series. Pola permintaan dapat diketahui dengan membuat “Scatter Diagram”, yaitu
pengeplotan data historis selama interval waktu tertentu. Dalam time series
terdapat empat jenis pola permintaan (Baroto, 2002) :
1. Pola trend
Pola trend adalah bila data permintaan menunjukan pola kecenderungan
gerakan penurunan atau kenaikan jangka panjang. Bila data berpola trend,
maka metode peramalan yang sesuai adalah metode regresi linier, single
[image:45.595.149.483.448.566.2]eksponential smoothing atau double eksponential smoothing.
Gambar 2.2 Trend Component ( Pola Trend )
Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003
2. Pola musiman
Bila data yang kelihatan berfluktuasi, namun fluktuasi tersebut akan terlihat
berulang dalam suatu interval waktu tertentu, maka data tersebut berpola
musiman. Metode peramalan yang sesuai dengan pola musiman adalah
Gambar 2.3 Seasonal Component ( Pola Musiman )
Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003
3. Pola siklikal
Pola siklikal adalah bila fluktuasi permintaan secara jangka panjang
membentuk pola sinusoid atau gelombang atau siklus. Metode yang sesuai
bila data berpola siklikal adalah metode moving average, weigh moving
average, dan eksponential smoothing.
Gambar 2.4 Cyclical Component ( Pola Siklis )
Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003
4. Pola eratik/random
Pola eratik (random) adalah bila fluktuasi data permintaan dalam jangka
panjang tidak dapat digambarkan oleh ketiga pola lainnya. Fluktuasi
permintaan bersifat acak atau tidak jelas. Tidak ada metode peramalan yang
[image:46.595.148.514.401.500.2]analis peramalan sangat menentukan dalam pengambilan kesimpulan
[image:47.595.145.508.143.233.2]mengenai pola data.
Gambar 2.5 Random Component ( Pola Acak )
Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003
2.5 Efisiensi Penjadwalan Jalur Distribusi
Penjadwalan yang efisien dan penyusunan rute yang baik dapat
menghemat waktu pengiriman bagi kendaraan, dan hasilnya jumlah biaya operasi
dapat berkurang. Untuk mencapai tingkat susunan rute dan jadwal perjalanan yang
lebih baik bagi kendaraan ialah dengan menggunakan sistem peta jalan atau jarak
lokasi customer dengan menggunakan skala perbandingan.
Perencanaan rute merupakan bagian penting untuk mencapai angkutan
produk perusahaan dengan biaya minimal. Setiap kendaraan yang meninggalkan
lokasi pabrik harus mnegikuti rute yang sesuai dengan jadwal yang telah
direncanakan sebelumnya. Agar menghasilkan efisiensi biaya dalam jumlah yang
besar. Kendaraan tidak saja harus siap dimuati, tetapi juga siap diservis, pengisian
bahan bakar, sehingga pengemudi dan kendaraa harus dijauhkan dari
kemungkinan kecelakaan. Dengan mempertimbangkan
kemungkinan-kemungkinan yang akan terjadi maka kita dapat melakukan penjadwalan yang
Dapat dikatakan bahwa Penjadwalan yang efisien dan pengiriman barang
yang optimal jika dapat mengurangi pemborosan dalam segi waktu, jarak, dan
tenaga sehingga mendapatkan biaya transportasi yang lebih efisien serta produk
yang dikirim tepat waktu dan dalam kondisi baik. (Hadinoto, 1996: 112-113).
2.6 Analisa Keputusan
Analisa keputusan dapat dipandang sebagai gabungan dari dua disiplin
ilmu yang telah ada lebih dahulu, yaitu Teori Keputusan dan Metodelogi
Pemodelan Sistem.
Teori Keputusan adalah teori yang mempelajari bagaimana sikap fikir
yang rasional dalam situasi yang amat sederhana, tetapi yang mengandung
ketidakpastian, seperti dalam permainan lotre. Karena itu maka peranannya dalam
menghadapi situasi yang kompleks adalah sangat kecil.
Sedangkan Metodelogi Pemodelan Sistem mempelajari bagaimana
memperlakukan aspek yang dinamis dan kompleks dari suatu lingkungan.
Jadi Analisa Keputusan yang merupakan gabungan dari keduanya,
mengkombinasi kemampuan untuk menangani system yang kompleks dan
dinamis, dan kemampuan untuk menangani ketidakpastian dalam satu disiplin
keilmuan.
Karenanya, Analisa Keputusan pada dasarnya adalah suatu prosedur logis
dan kuantitatif yang tidak hanya menerangkan mengenai proses pengambilan
keputusan tetapi juga merupakan suatu cara untuk membuat keputusan. Dengan
kata lain cara untuk membuat model suatu keputusan memungkinkan dilakukan
2.6.1 Langkah-langkah Dalam Analisa Keputusan
Tahap
Deterministik Keputusan Tahap
informasional Tahap
Probabilistik
Pengumpulan Informasi
Informasi Baru Informasi BaruPengumpulan
Tindakan Informasi
Awal
[image:49.595.128.514.110.311.2]Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003
Gambar 2.6 Siklus Analisa Keputusan
Dari gambar tersebut dapat dlihat bahwa didalam prosedur analisa
keputusan akan terdapat tiga tahapan utama, yaitu (Kuntoro,Trisnadi,1983) :
1. Tahapan deterministik
Dalam tahap ini variable-variabel yang mempengaruhi keputusan perlu
didefinisikan dan saling hubungkan, perlu dilakukan penetapan nilai dan
selanjutnya tingkat kepentingan variable ukur tanpa terlebih dahulu
memperhatikan unsur ketidakpastiannya.
2. Tahapan probabilistik
Ini merupakan tahap penetapan besarnya ketidakpastian yang melingkupi
variabel-variabel yang penting, dan menyatakannya dalam bentuk suatu nilai.
Dalam tahapan ini juga diulakukan penetapan preferensi atas risiko.
Intinya adalah meninjau hasil dari dua tahap terdahulu guna menentukan nilai
ekonomisnya bila kita ingin mengurangi ketidakpastian pada suatu variabel
yang dianggap penting. Dengan demikian dari tahap ini kita dapat menentukan
apakah masih diperlukan pengumpulan informasi tambahan untuk dapat
mengurangi ketidakpastian. Bila ternyata kita mendapatkan bahwa nilai
informasi lebih kecil dari ongkos yang dikeluarkan, maka tidak perlu mencari
informasi tambahan, sehingga hasil dari proses pertamalah yang kita jalankan.
2.7Biaya Transportasi
Bahan bakar untuk kendaraan biasanya unsur biaya terpenting untuk
transportasi dan masukan yang berkas – berkasnya biasanya cukup baik. Jika
anda tidak memiliki catatan pengeluaran, konsumsi bahan bakar dapt
diperkirakan berdasarkan kilometter kendaraan. Jika catatan sebenarnya tidak
tersedia untuk semua jenis kendaraan, wawancara pengemudi untuk mengisi
informasi yang kurang dan tanyakan menurut pengalaman mereka, berapa
rata-rata biaya bahan bakar.
Menghitung besarnya biaya transportasi dapat dihitung dengna rumus:
Rata-rata kilometer perjalanan/ jarak tempuh x konsumsi bahan bakar (liter
/ km) x harga per liter bahan bakar
Sumber :http//aim.path.org/ (advanced immunization management, April
2.8Penelitian Terdahulu
1. Tria Melati, 2008 : PENENTUAN RUTE DISTRIBUSI PRODUK DENGAN
MENGGUNAKAN METODE SAVINGS MATRIX UNTUK
MEMINIMALKAN BIAYA TRANSPORTASI. (Study Kasus di PT. SNS
Garuda Food Group Cabang Banjarmasin)
a. Permasalahan :
Bagaimana menentukan rute pendistribusian produk kepada konsumen
agar memperpendek jarak dan meminimasi jarak dan meminimasi biaya
yang dikeluarkan oleh perusahaan.
b. Hasil Akhir
Kesimpulan yang dapat diperoleh dari penelitian ini adalah :
1. Rute atau jalur distribusi yang dilalui truk sampai kedistributor setelah
diurutkan menggunakan prosedur Nearest Neighbour adalah :
Rute A : (DC-D2-D4-D11-D12-DC) atau (Warehouse, Banjarbaru,
Pelaihari, Batulicin, Kotabaru, Warehouse). Total jarak yang
ditempuh 567 km.
Rute B : (DC-D5-D6-D7-D8-D10-DC) atau (Warehouse,
Marabahan, Rantau, Kandang, Barabal, Tanjung, Warehouse).
Total karak tempuh 504 km.
Rute C : (DC-D3-D9-DC) atau (Warehouse, Martapura, Amuntai,
Warehouse). Total jarak tempuh 305 km.
Rute D : (DC-D1-DC) atau (Warehouse, Banjarmasin,
2. Kendaraan atau alat angkut yang akan ditugaskan pada tiap-tiap rute
yaitu
Rute A : Menggunakan 1 buah truk box roda 6
Rute B : Menggunakan 1 buah truk box roda 6
Rute C : Menggunakan 1 buah truk box roda 6 Rute D : Menggunakan 1 buah truk box roda 4
3. Dari kondisi awal perusahaan diketahui biaya pengiriman produk
sebesar Rp. 1.539.462 setelah dilakukan perhitungan dengan
menggunakan metode savings matrix diperoleh biaya pengiriman
produk sebesar Rp. 1.189.325 sehingga didapatkan penghematan biaya
pengiriman sebesar Rp. 350.135/hari atau sebesar 22,75%.
2. ONNY SETYONO (2006) : PERANCANGAN SISTEM RUTE DAN
PENJADWALAN PENGIRIMAN BARANG DI PT. KARYA MANDIRI
KENCANA SURABAYA.
a. Permasalahan :
PT. Karya Mandiri Kencana, distributor produk tinta yang memiliki
jaringan pendistribusian produk yang sangat kompleks dan luas di seluruh
Jawa Timur, permasalahan perencanaan rute dan jadwal pengiriman barang
merupakan permasalahan operasional yang harus dihadapi. Dengan
menggunakan Metode Savings Matrik, dapat ditentukan suatu rute yang
optimal sehingga dapat meminimalkan biaya dan waktu pengiriman. Rute dan
penjadwalan ini disusun dengan mengeliminasi total perjalanan, yaitu berapa
b. Hasil Akhir
Kesimpulan yang dapat diperoleh dari penelitian ini adalah :
Rute A : Truck 1(DC – BJ – AC – AE – BM – AZ – BV – AX – BS
– DC) dengan total muatan sebesar 770 kg dan jarak tempuh 44 km,
sehingga biaya yang timbul sebesar $3.28.
Rute B : Truck 2 (DC – AW – BI –BH– DC) dengan total muatan
sebesar 715 kg dan jarak tempuh 30 km, sehingga biaya yang timbul
biaya pengiriman barang selama bulan Desember adalah sebesar
METODE PENELITIAN
3.1 Tempat dan Waktu Penelitian
Data yang digunakan dalam penelitian ini diperoleh dari PT. Harian
Surabaya Pagi yang berlokasi di jalan Gunung Sari 11d, Surabaya. Waktu
pengambilan data sekunder dimulai bulan September 2009 sampai selesai.
3.2 Identifikasi dan Definisi Operasional Variabel
Dalam penelitian ini akan menentukan variabel-variabel sebagai ukuran
performansi dan masalah yang diteliti. Variabel yang digunakan sebagai berikut :
3.2.1 Variabel Bebas
Yaitu variabel yang mempengaruhi variasi perubahan nilai variabel terikat,
meliputi :
a) Kapasitas alat angkut
Kapasitas alat angkut merupakan variabel bebas yang
menunjukkan kekuatan yang dimiliki oleh kendaraan atau armada dalam
melakukan pengangkutan barang atau produk.
b) Permintaan Produk
Permintaan produk merupakan variabel bebas yang menunjukkan
banyaknya permintaan koran untuk setiap customer pada periode tertentu.
Dalam penelitian ini merupakan data permintaan koran selama satu tahun.
c) Rute awal distribusi
Rute awal distribusi merupakan variabel bebas yang menunjukkan
rute awal yang dilalui armada dalam pendistribusian dari pabrik atau
gudang sampai pada lokasi customer.
d) Biaya transportasi ( termasuk biaya restribusi )
Variabel ini menyatakan total biaya yang dikeluarkan oleh
perusahaan dalam setiap pengiriman dari perusahaan ke customer dalam 1
rute.
3.2.2 Variabel Terikat
Yaitu variabel yang nilainya tergantung dari variasi perubahan variabel
bebas.
Variabel terikatnya yaitu : peningkatan efisiensi dengan menentukan jalur
distribusi yang optimal, dimana penentuan jalur distribusi yang tepat dapat
mengakibatkan efisiensi biaya transportasi.
3.3 Metode Pengumpulan Data
Pengumpulan data merupakan suatu cara yang dilakukan untuk
mendapatkan data atau informasi yang akan digunakan dalam penyusunan skripsi,
adapun data yang digunakan adalah sebagai berikut :
Field Research (Penelitian Lapangan)
Field research adalah metode pengumpulan data yang didapat dengan cara pengamatan langsung ke lapangan dari obyek yang akan diteliti, metode ini
1. Observasi atau Penelitian
Merupakan suatu teknik pengumpulan data yang didapat dari observasi
pada obyek penelitian, seperti jenis produk, data produksi, waktu produksi dan
jumlah tenaga kerja.
2. Wawancara
Merupakan suatu teknik pengumpulan data dengan mengadakan tanya
jawab langsung dengan pihak-pihak yang bersangkutan, seperti jenis customer,
data biaya tenaga kerja, biaya bahan bakar, biaya retribusi.
3. Dokumentasi
Merupakan suatu teknik pengumpulan data yang berupa arsip-arsip atau
catatan yang telah ada, seperti data permintaan produk tiap customer, data jumlah
alat angkut, data jarak masing-masing customer.
Library Research (Penelitian Pustaka)
Pengumpulan data sebagai dasar teoritis yang dipakai pedoman dalam
menganalisa pada obyek yang akan diteliti, dapat diperoleh dari berbagai literatur
3.4 Metode Pengolahan Data
Dalam penelitian ini metode-metode yang digunakan dalam pengolahan
data, yaitu :
1. Peramalan Jumlah Permintaan
Peramalan jumlah permintaan untuk 12 periode dengan menggunakan
software WINQSB untuk mengetahui rata-rata permintaan tiap periode pada
masing-masing kota customer berdasarkan data masa lalu (Single
2. Perhitung MSE, dengan melihat nilai kesalahan peramalan terkecil untuk
beberapa periode mendatang.
3. Pembuatan Matrik Jarak
Pembuatan matrik jarak, dengan terlebih dahulu menentukan koordinat
jarak dari pabrik ke tiap kota customer, kemudian dihitung jaraknya dengan
rumus:
22 1 2 2 1
2 ,
1 y y
J
sehingga didapat besarnya jarak dari pabrik ke tiap-tiap kota customer
dan jarak dari customer satu ke customer yang lainnya, hasil yang didapat
ditabelkan dalam bentuk matrik jarak.
4. Perhitungan Savings Matrix
Perhitungan Savings Matrix bertujuan untuk untuk menghitung
besarnya penghematan masing-masing kota customer dan kemudian
ditabelkan dalam bentuk Savings Matrix. Dengan rumus perhitungan Savings
Matrix :
x y J G x J G y J x yS , , , ,
5. Penentuan Alokasi Customer ke dalam tiap alat angkut
Penentuan alokasi customer ke dalam tiap alat angkut didasrakan pada
penghemat