DENGAN PENDEKATAN
FORECASTING DAN METODE
DISTRIBUSI SAVING MATRIX SERTA
PERANCANGAN SISTEM
INFORMASI PENDISTRIBUSIAN
BARANG PADA TIRTA BINTARO
Teodora Wongso
Binus University, Jakarta, DKI Jakarta, Indonesia
ABSTRAK
Permasalahan yang dihadapi perusahaan saat ini adalah sulitnya memenuhi permintaan pelanggan yang selalu berubah. Masalah pengiriman produk juga selalu terjadi ketika permintaan meningkat sehingga berdampak pada tertundanya pengiriman pemesanan kepada pelanggan. Hal tersebut berkaitan langsung kepada kepuasan pelanggan Tirta Bintaro. Oleh karena itu, penulis merasa perlu untuk mengusulkan alternatif metode dan sistem yang dapat meminimalisasi masalah tersebut. Langkah penyelesaian masalah yang dilakukan yaitu dengan memperkirakan permintaan pelanggan pada periode yang akan datang dengan menggunakan metode peramalan. Dalam penelitian ini akan digunakan beberapa metode peramalan sebagai perbandingan, yaitu metode Naive, metode Moving Average, metode Weighted Moving Average, metode Exponential Smoothing, metode Exponential Smoothing With Trend, dan metode
Regresi Linear. Dari perhitungan yang didapat metode yang paling baik berdasarkan
MAD dan MSE-nya yaitu metode regresi linear karena hasil kesalahan peramalannya yang terkecil untuk produk Aqua galon yang digunakan dalam penelitian ini adalah 5,070.31dan 39,579,787.94. Dengan begitu demand diperoleh dari hasil peramalan dengan metode regresi linear untuk produk Aqua galon adalah 95,357.66. Hasil peramalan akan dilanjutkan dengan manajemen transportasi dan distribusi untuk penentuan rute distribusi, yaitu metode Saving Matrix dengan prosedur yang digunakan
untuk mengurutkan konsumen adalah nearest neighbor, farthest insert, dan nearest
insert. Prosedur yang paling baik adalah yang dapat menghasilkan jarak distribusi
terkecil. Pada penelitian yang telah dilakukan, prosedur farthest insert dapat menghasilkan jarak distribusi terkecil untuk setiap kendaraan yang dimiliki perusahaan. Hasil dari analisis yang telah dilakukan akan digunakan untuk membangun sistem informasi pendistribusian barang yang diharapkan dapat membantu perusahaan dalam pendistribusian barang kepada pelanggan.
Kata kunci:
Peramalan, rute pengiriman, saving matrix, sistem informasi, distribusi
1. Pendahuluan
Kemajuan teknologi merupakan sesuatu yang tidak dapat dihindarkan dalam kehidupan ini. Perkembangan tersebut mempercepat proses globalisasi yang memberikan dampak pada dunia bisnis, dimana setiap perusahaan berusaha menemukan dan menerapkan cara-cara baru untuk menggunakan teknologi guna meningkatkan efektivitas dan efisiensi proses bisnis. Hal ini mengakibatkan dunia usaha dituntut semakin berkompetitif. Tuntutan konsumen juga semakin tinggi. Konsumen tidak hanya menuntut produk yang murah, berkualitas, dan bervariasi, tetapi juga menuntut aspek kecepatan respon (Nyoman, 2005). Salah satu aspek kecepatan respon adalah kecepatan dalam memenuhi permintaan konsumen. Dalam memenuhi permintaan konsumen, salah satu faktor penting yang perlu diperhatikan adalah pendistribusian produk dari perusahaan kepada konsumen yang tepat waktu dan efektif. Pendistribusian memegang peran yang penting karena tanpa adanya pola distribusi yang tepat, maka proses ini dapat menghabiskan biaya tinggi dan mengakibatkan pemborosan, baik dari segi waktu maupun jarak.
Distribusi adalah kegiatan yang berkaitan dengan perpindahan produk dari lokasi dimana mereka diproduksi hingga lokasi konsumen/pemakai yang seringkali dibatasi oleh jarak. Kemampuan untuk mengirimkan produk ke konsumen secara tepat waktu, dan dalam jumlah yang sesuai serta dalam kondisi yang baik sangat menentukan apakah produk tersebut pada akhirnya akan kompetitif di pasar. Oleh sebab itu, perusahaan harus dapat memiliki persediaan yang baik guna dapat memenuhi permintaan konsumen. Perusahaan dapat membuat perencanaan dalam menyediakan produk guna memenuhi permintaan konsumen yang akan datang dengan melakukan peramalan atau perkiraan akan permintaan konsumen untuk periode-periode mendatang.
Tirta Bintaro merupakan salah satu agen air minum yang berlokasi di Tangerang, dimana mereka menjual air minum brand Aqua dan VIT. Sebagai agen air minum yang sudah berdiri cukup lama, Tirta Bintaro sudah memiliki banyak konsumen. Setiap konsumen memiliki permintaan yang selalu berubah setiap saat, ada kalanya permintaan konsumen terlalu banyak sehingga barang persediaan di gudang habis dan tidak dapat memenuhi permintaan konsumen lainnnya. Di samping itu, Tirta Bintaro juga perlu mengirimkan produk mereka kepada konsumen yang terletak di tempat yang berbeda sehingga diperlukan manajemen distribusi yang baik untuk
menentukan jaringan distribusi yang digunakan supaya dapat mengoptimalisasi biaya dan waktu pada setiap pengiriman yang dilakukan.
Berdasarkan pengamatan yang dilakukan pada Tirta Bintaro yang bergerak dalam bidang pendistribusian air minum dalam kemasan, perusahaan tersebut ternyata mempunyai masalah dalam perencanaan pembelian persediaan dimana jumlah pembelian persediaan yang dilakukan masih bersifat intuitif, sehingga menyebabkan ketidak-sesuaian antara pembelian persediaan yang dilakukan perusahaan dengan permintaan yang diterima dari konsumen. Selain itu, sistem distribusi yang diterapkan perusahaan saat ini masih kurang baik sehingga tidak jarang terjadi masalah dalam pengiriman, seperti penundaan pengiriman yang disebabkan karena waktu pengiriman yang terlalu lama dan rute distribusi yang tidak optimal sehingga mengakibatkan tidak terpenuhinya pengiriman kepada konsumen dengan tepat waktu.
2. Pembahasan
Berikut akan dibahas mengenai metodologi penelitian yang digunakan, diagram alir, hasil pengolahan data yang dilakukan untuk mendapatkan metode terbaik bagi perusahaan, dan perancangan yang dilakukan guna membantu dalam memecahkan masalah yang dihadapi perusahaan pada saat ini.
2.1. Metodologi
Metodologi yang digunakan penulis dalam skripsi ini, yaitu: a. Metode Pengumpulan Data
1. Studi Kepustakaan
Studi kepustakaan dilakukan dengan mencari, membaca, dan mengumpulkan data yang bersifat teoritis dimana berhubungan dengan masalah yang menjadi objek penelitian, baik dari media cetak (artikel, journal, buku cetak) maupun media elektronik (situs web) yang berguna untuk meyakinkan pembaca serta mengembangkan informasi yang telah diperoleh dari sumber-sumber tersebut.
2. Survei Lapangan
Penelitian langsung ke lapangan dan melihat masalah-masalah yang terjadi untuk menjadi bahan kajian.
3. Wawancara
Penelitian dengan melakukan komunikasi kepada pihak-pihak tertentu dalam rangka mengumpulkan data-data yang dapat dijadikan referensi dalam menyelesaikan masalah.
b. Metode Analisis Data
Metode analisis data yang digunakan adalah forecasting (peramalan) guna mendapatkan perkiraan permintaan konsumen yang akan diterima perusahaan pada periode mendatang. Metode forecasting (peramalan) yang digunakan disesuaikan dengan pola data yang merupakan data penjualan time series, yaitu Metode Naif, Metode Rata-rata Bergerak, Metode Rata-rata Bergerak Tertimbang, Metode Penghalusan
Eksponensial, Metode Penghalusan Eksponensial dengan Tren, dan Metode Regresi Linier. Setelah diperoleh peramalan permintaan periode mendatang maka akan dilanjutkan dengan metode manajemen transportasi dan distribusi, yaitu savings matrix, guna memperoleh rute pengiriman yang terpendek dengan memperhatikan utilitas dari kendaraan yang dimiliki perusahaan.
c. Metode Analisis dan Perancangan
Metode analisis dan perancangan yang digunakan dalam penelitian ini adalah metode Object Oriented Analysis and Design dengan pendekatan Bennett dan Mathiassen.
2.2. Diagram Alir
Diagram alir bertujuan untuk menggambarkan urutan atau tahapan dalam melakukan penelitian dari awal hingga didapatnya suatu penyelesaian yang dilakukan dalam melakukan pengamatan pada Tirta Bintaro.
2.3. Hasil Pengolahan Data
Pengolahan data yang dilakukan untuk memecahkan masalah yaitu: 1. Pengolahan data permintaan konsumen
Pengolahan data permintaan konsumen untuk memperoleh peramalan pada periode mendatang dilakukan secara manual dan dengan menggunakan software QM (Quantity Management) For Window dan
Minitab. Dari perhitungan peramalan yang telah dilakukan, maka akan
dilakukan perbandingan dari ketelitian peramalan setiap metode. Metode peramalan yang akan digunakan adalah metode peramalan yang memberikan nilai penyimpangan terkecil dari metode-metode yang digunakan. Perbandingan ketelitian peramalan ditampilkan berikut ini: • Hasil Perhitungan dengan software QM
Tabel 1. Hasil Perhitungan dengan software QM
Metode MAD MSE
Naif 5927.469 46157580
Rata-rata Bergerak 6109.456 55109530
Rata-rata Bergerak Tertimbang 6458.149 63997120 Penghalusan Eksponensial (0.3) 6287.051 60356510 Penghalusan Eksponensial (0.75) 5837.112 43531210 Penghalusan Eskponensial dengan Tren 5998.906 54406040
Regresi Linier 5070.313 39579780
Berdasarkan hasil pengolahan data menggunakan software
QM telah diperoleh hasil MAD dan MSE yang memiliki nilai yang
terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan dengan menggunakan QM
for Windows.
• Hasil Perhitungan dengan software Minitab
Tabel 2.. Hasil Perhitungan dengan software Minitab
Metode MAD MSE
Rata-rata Bergerak 6109 55109524
Penghalusan Eksponensial (0.3) 6181 58221552 Penghalusan Eksponensial (0.75) 5765 42541331 PenghalusanEskponensial dengan Tren 5888 51406090
Regresi Linier 5070 39579788
Berdasarkan hasil pengolahan data menggunakan software
yang terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan dengan menggunakan
Minitab.
• Hasil Perhitungan dengan secara manual
Tabel 3. Hasil Perhitungan secara manual
Metode MAD MSE
Naif 5927.469 46157580
Rata-rata Bergerak 6109.456 55109523.93
Rata-rata Bergerak Tertimbang 6458.15 63997136.17 Penghalusan Eksponensial (0.3) 6287.05 60356530.34 Penghalusan Eksponensial (0.75) 5837.11 43531.219.38 Penghalusan Eskponensial dengan Tren 5998.907 54406034.97
Regresi Linier 5070.313 39579787.94
Berdasarkan hasil pengolahan data secara manual telah diperoleh hasil MAD dan MSE yang memiliki nilai yang terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan secara manual.
Berdasarkan teori yang telah diuraikan, suatu metode peramalan patut dipilih untuk digunakan sebagai indikator apakah suatu teknik peramalan cocok digunakan atau tidak dengan membandingkan kesalahan peramalan yang dilihat pada nilai MAD dan MSE. Akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil, sehingga semakin kecil nilai MAD dan MSE berarti semakin kecil pula perbedaan antara hasil peramalan dan nilai aktual.
Hasil pengolahan data menggunakan QM for Windows,
Minitab, dan secara manual telah diperoleh hasil MAD dan MSE dari
setiap metode yang digunakan. Metode peramalan yang menghasilkan nilai MAD dan MSE terkecil, yaitu Metode Regresi Linier.
Kesimpulan yang dapat diperoleh berdasarkan hasil perhitungan dan perbandingan ketelitian peramalan adalah metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan menggunakan QM for Windows, Minitab, dan secara manual.
2. Pengolahan data lokasi konsumen
Pengolahan data lokasi konsumen dilakukan untuk memperoleh rute terbaik yang dapat digunakan dalam pengiriman sehingga waktu dan jarak yang dibutuhkan dapat lebih diminimalisasi. Dari pengolahan data yang telah dilakukan, terdapat beberapa alternatif yang dapat digunakan untuk rute pengiriman. Dari alternatif-alternatif yang tersedia untuk setiap kendaraan, dipilih alternatif yang menghasilkan jarak tempuh terpendek karena jarak tempuh mempengaruhi biaya bahan bakar yang dikeluarkan oleh kendaraan yang digunakan. Berikut adalah tabel yang Menunjukkan perbandingan jarak tempuh dari setiap metode pengurutan konsumen.
Tabel 4. Perbandingan Jarak Setiap Kendaraan Pada Setiap Metode
Pada tabel terdapat bagian yang diarsir dimana bagian tersebut menunjukkan jarak terpendek pada setiap kendaraan di setiap prosedur pengurutan konsumen dalam pengiriman. Pada tabel dapat dilihat bahwa hanya prosedur farthest insert dapat menghasilkan jarak terpendek untuk setiap kendaraan. Oleh karena itu, optimalisasi rute kendaraan pada Tirta Bintaro dapat menggunakan prosedur farthest insert.
2.4. Perancangan Sistem
Berdasarkan hasil analisis yang telah dilakukan, dimana diperoleh Metode Regresi Linear untuk peramalan permintaan yang akan dijadikan acuan dalam pembelian persediaan dan Metode Saving Matrix dengan prosedur Farthest Insert untuk penentuan rute pendistribusian barang kepada konsumen, maka akan dirancang suatu sistem informasi yang dapat membantu dalam proses bisnis yang berjalan pada Tirta Bintaro. Berikut akan dibahas mengenai beberapa tampilan layar utama yang merupakan hasil perancangan yang telah dilakukan, dimana digunakan untuk membantu dalam mengatasi masalah yang teridentifikasi di dalam perusahaan:
1. Window Peramalan Permintaan
Pengguna yang akan berhubungan dengan window peramalan permintaan adalah bagian gudang, dimana window ini akan membantu bagian gudang dalam mengetahui jumlah permintaan barang yang akan diterima perusahaan dari konsumen untuk periode yang akan datang. Hal ini dilakukan untuk mengetahui jumlah persediaan barang yang harus dimiliki perusahaan untuk periode tersebut. Perhitungan peramalan yang
2 dilakukan akan me pembelia perencan patokan dilakukan mendatan sebelumn digunaka disediaka tampilan 2. Window Pengguna bagian p merupaka yang me pada saat pengirim yang aka dilakukan window tertinggi dengan n diutamak konsume dapat di kapasitas pengirim n pada wind embantu dal an persediaa naan pembel jumlah pe n. Selain me ng, ditampi nya dalam an perusaha an perusaha dari window Gam Alokasi Pen a yang akan pengiriman. an inti dari mbantu dala t pengiriman man tetapi jug
an melakuka n mengguna disajikan pu hingga tere nilai saving kan untuk di n dengan n itampilkan b s kendaraan man:
dow ini ada
lam memec an. Dengan lian persedi ersediaan y emberitahuk ilkan pula bentuk uni aan berkaita aan untuk m w peramalan mbar 2. Windo ngiriman n mengguna Dalam pera sistem yan am memeca n dilakukan. ga menentuk an pengirima akan metod ula nilai sa endah. Hal in g matriks ya distribusikan nilai saving bila jumlah n. Berikut alah Metode cahkan mas ini maka p iaan untuk yang dihasil an jumlah p kenaikkan it dan pers an dengan u menyimpan permintaan dow Peramala akan window ancangan sis ng dirancang ahkan masal Window ini kan kendara an barang. D e distribusi aving matrik ni bertujuan ang tinggi n terlebih da matriks yan h barang ya adalah tam e regresi Lin alah menge perusahaan d periode me lkan dari permintaan k n permintaa sentasi. Info ukuran gud persediaan. : an Permintaa w alokasi pe
stem ini, alo g karena alo lah penentua tidak hanya an yang dig Dikarenakan Saving Ma ks yang diu n bahwa pas akan menja ahulu diband ng rendah. ang dikirim mpilan dari near. Windo enai perenca dapat melak endatang de peramalan konsumen pe an dari pe ormasi ini dang yang . Berikut a an engiriman a okasi pengir okasi pengir an rute distr a menentukan gunakan dan n penelitian atrix, maka urutkan dari sangan kons adi prioritas dingkan pasa Rute pengir m tidak mel window al ow ini anaan kukan engan yang eriode eriode dapat harus adalah adalah riman riman ribusi n rute supir yang pada nilai umen atau angan riman lebihi lokasi
3
3. Kesim
sebelum 1. Berd Janu Meto Smoo meng pada 2. Setel bulan mene deng dilak rute untukmpulan
Berdasarka mnya, maka d dasarkan pe uari 2009 – S ode Naive, othing, Exp ggunakan ha a metode Reg lah mendapa n Januari 20 entukan dist gan menggu kukan, prose optimal dim k setiap ken Gam an analisis dapat disimpu erhitungan y September 2 Moving A ponential Sm asil akurasi p gresi Linear. atkan hasil p 009 – Septe tribusi dan d unakan met edur farthest mana prosed daraan yang mbar 3. Win dan pem ulkan bebera yang telah 011 untuk p Average, We moothing W peramalan M . peramalan ak mber 2011, ata paramete tode Saving insert merupdur ini dapa g dimiliki per
dow Alokas
mbahasan y apa hal, yait dilakukan produk Aqua Weighted Mo With Trend, MAD dan M kan perminta maka dilak ernya dalam g Matrix. P pakan prose at menghasil rusahaan. i Pengiriman yang dilaku tu: mengenai p a galon deng oving Avera dan Regres MSE yang pal aan produk A kukan pengo m menghasilk Pada peneli dur yang dap lkan jarak d n ukan pada peramalan gan menggun age, Expone si Linear de ling terkecil Aqua galon olahan data u kan solusi op itian yang pat menghas distribusi ter bab bulan nakan ential engan yaitu pada untuk ptimal telah silkan rkecil
3. Sistem informasi distribusi yang dirancang dapat membantu bagian pengiriman dalam pengambilan keputusan yang berhubungan dengan penentuan optimalisasi rute distribusi barang dengan memperhatikan utilisasi dari kendaraan serta jarak tempuh terpendek.
DAFTAR PUSTAKA
Assauri, S. (2008). Manajemen Produksi dan Operasi. Edisi revisi. FE UI, Jakarta. Bahasa Pusat(2008). Kamus Besar Bahasa Indonesia. Edisi Keempat. Gramedia Pustaka
Utama, Jakarta.
Bennet, S., McRobb, S., Former, R.(2006). Object Objected System Analysis and Design
Using UML 3rd Edition. McGraw-Hill, New York.
Bennet, S., McRobb, S., Former, R.(2010). Object Objected System Analysis and Design
Using UML 4th Edition. McGraw-Hill, New York.
Chopra, S., Meindl, Peter(2010). Supply Chain Management: Strategy, Planning, and
Operation. Fourth Edition. Pearson, New Jersey.
Eckhaus, E. (2003). Cosumer Demand Forecasting: Weighted and Unweighted Moving
Average. Journal of Logistic Volume 1.
Gaspers, V. (2005). Production Planning and Inventory Control Berdasarkan
Pendekatan Sistem Terintegrasi MRP II dan JIT menuju Manufakturing 21. PT.
Gramedia Pustaka Utama, Jakarta.
Gross, K.D. (2001). Smoothing model helps predict sales: Forecasting the future. Journal of Property Management. 66, 3.
Heizer, J., dan Render, B. (2006). Manajemen Operasi (Judul Asli: Operation
Management, diterjemahkan oleh: Dwianoegrahwati dan Indra Almadhy) Buku
1. Edisi ketujuh. Salemba Empat, Jakarta.
Heizer, J., dan Render, B. (2009). Operation Management. Edisi 9. Salemba Empat, Jakarta.
Hutahaean, Hotman Antoni dan Novie Putri (2009). Usulan Perbaikan Sistem
Transportasi Pendistribusian Produk dengan Pendekatan Saving Matrix Based on Multi-Constraint. Matris Volume 10 No.2, ISSN: 1411-3287
Hays, J.M. (2003). Forecasting Computer Usage. Journal of Statistics Education Volume 11 Number 1. University of St. Thomas.
Mathiassen, L., Munk-Madsen, A., Nielsen, P.A., Stage, J. (2000). Object-Oriented
Maulity, H. (2008). Perencanaan Jumlah Pengalokasian Produk dan Rute Pengiriman
Untuk Meminimalkan Biaya Distribusi. Jurnal Teknik Industri Volume 9 No.2.
McLeod, Raymond, Jr. (2010). Sistem Informasi Manajemen. Jilid I dan Jilid II. Pt. Prenhallindo, Jakarta.
Nachrowi D., Hardius. (2004). Teknik Pengambilan Keputusan. Grasindo, Jakarta.
Nasution, A.H. (2003). Perencanaan dan Pengendalian Produksi. Edisi pertama. Cerakan kedua. Guna Widya, Surabaya.
O’Brien, J. (2003). Pengantar Sistem Informasi Perspektif Bisnis dan manajerial. Salemba Empat, Jakarta.
Pilinkiene, V. (2008). Selection of Market Demand Forecast Methods: Criteria and
Application. Journal of Engineering Economics No.3, ISSN: 1392-2785.
Pujawan, I Nyoman. (2005). Supply Chain Management. Edisi pertama. Guna Widya, Surabaya.
Rangkuti, F. (2005). Manajemen Persediaan. PT. Rajagrafindo Persada, Jakarta.
Ren, L. dan Glasure, Y. (2009). Applicability of the Revised Mean Absolute Percentage Errors (MAPE) Approach to Some Popular Normal and Non-normal Independent Time Series. International Atlantic Economic Society. University of
Houston-Victoria, USA.
Santoso, S. (2009). Business Forecasting: Metode Peramalan Bisnis Masa Kini Dengan Minitab dan SPSS. Elex Media, Jakarta.
Sarjono, H. (2010). Aplikasi Riset Operasi. Salemba Empat, Jakarta.
Satzinger, J.W., Burd, S.D., Jackson, R.B. (2005). Object-oriented Analysis And Design
With The Unified Process. Course Technology Ptr. Canada.
