PENJADWALAN DISTRIBUSI KARUNG
DENGAN METODE SAVINGS MATRIX
DI PT. PERKEBUNAN NUSANTARA XI (PERSERO)
PK. ROSELLA BARU SURABAYA
SKRIPSI
Oleh :
CHRISTIAN HARI TRIONO
0632010063
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
ABSTRAKSI
Semakin tingginya tingkat persaingan dalam dunia industri, menuntut perusahaan 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.
PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut masih ada permasalahan dari perusahaan dimana dalam pengiriman karung plastik ke beberapa daerah pemasaran belum adanya perencanaan pengiriman dan pendistribusian barang yang tepat sehingga mengakibatkan biaya tranportasi menjadi mahal dan pemenuhan permintaan produk karung plastik yang diminta oleh costumer sering terlambat.
Berdasarkan permasalahan perusahaan tersebut, maka perusahaan membutuhkan suatu penjadwalan dan penentuan jalur distribusi secara tepat untuk mengurangi pemborosan dalam segi waktu, jarak, dan tenaga serta mendapatkan biaya transportasi yang lebih murah.
Jalur atau rute distribusi yang diperoleh untuk melayani permintaan Karung Plastik berdasarkan kapsitas alat angkut tahun 2010, yaitu Rute A: urutan kunjungan dari Gudang–Probolinggo–Lumajang–Bondowoso–Madiun–Ngawi–Jember–Situbondo– Magetan–Gudang,total jarak perjalanan 1119,36 km. Rute B: urutan kunjungan dari Gudang–Pasuruan–Mojokerto–Gudang, total jarak perjalanan 217,46 km. Biaya Transportasi dengan metode awal sebesar Rp 9.637.202,- dengan 7 rute pengiriman barang dan biaya transportasi dengan metode saving matrix sebesar Rp. 4.392.615,- dengan 2 rute pengiriman barang. Dengan menggunakan metode saving matrix bisa menghasilkan penghematan biaya transportasi sebesar Rp. 5.424.587,- atau dengan penghematan biaya transportasi sebesar 54,42 %.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Semakin tingginya tingkat persaingan dalam dunia industri, menuntut
perusahaan 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.
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 dan sesuai dengan batas waktu permintaan.
PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya
merupakan perusahaan yang bergerak dalam industri karung plastik dan benang
multifilamen. Sasaran distribusi PT. Perkebunan Nusantara XI (Persero) PK.
Rosella Baru Surabaya adalah dapat melakukan waktu pengiriman produk secara
tepat, biaya yang efisien, dan pelayanan yang baik. PT. Perkebunan Nusantara XI
(Persero) PK. Rosella Baru Surabaya dituntut untuk dapat merancang kinerja
pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut masih
beberapa daerah pemasaran belum adanya perencanaan pengiriman dan
pendistribusian barang yang tepat yaitu dalam menentukan jalur distribusi ke
customer yang mengakibatkan jalur pengiriman yang ditempuh semakin panjang
tanpa melihat terlebih dahulu kapasitas dari kendaraan dan jarak yang akan
ditempuh sehingga mengakibatkan biaya tranportasi menjadi mahal dan
pemenuhan permintaan produk karung plastik yang diminta oleh costumer sering
terlambat.
Berdasarkan permasalahan perusahaan tersebut, maka perusahaan
membutuhkan suatu penjadwalan dan penentuan jalur distribusi secara tepat untuk
mengurangi pemborosan dalam segi waktu, jarak, dan tenaga serta mendapatkan
biaya transportasi yang lebih murah. Dengan adanya permasalahan tersebut maka
dilakukan penelitian dengan metode saving matrix dengan harapan dapat di
tentukan jalur pengiriman karung plastik yang lebih cepat sehingga di hasilkan
biaya transportasi yang lebih murah dan penyerahan produk karung plastik ke
costumer tepat waktu.
1.2 Rumusan Masalah
Berdasarkan permasalahan yang ada di perusahaan berkaitan dengan
pengiriman produk produk karung, maka dirumuskan permasalahan penelitian
sebagai berikut :
“ Bagaimana menentukan penjadwalan jalur distribusi optimal di PT.
Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya sehingga dapat
1.3 Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
1. Menentukan penjadwalan jalur distribusi pengiriman karung plastik.
2. Menghasilkan biaya distibusi yang minimum
1.4 Batasan Masalah
Batasan masalah dalam penelitian ini adalah :
1. Penelitian hanya dilakukan pada produk karung plastik dengan netto 120
gram karena pada produk benang multifilamen hasil produksi hanya di
gunakan untuk Internal perusahaan dan hanya di distribusikan di daerah
Surabaya.
2. Rute distribusi karung plastik dari kota asal Surabaya ke kota Surabaya,
Ngawi, Magetan, Madiun, Pasuruan, Probolinggo, Lumajang, Jember,
Situbondo.
3. Biaya Transporasi meliputi biaya bahan bakar, biaya sewa armada dan biaya
retribusi (Tol dan lain-lain) tahun 2009.
4. Jenis kendaraan yang digunakan dalam distribusi karung plastik adalah pick
up, Truk tronton, dan Truk gandeng.
5. Data permintaan produk karung plastik yang di ambil mulai Januari –
Desember 2009.
1.5 Asumsi
1. Kondisi kendaraan diasumsikan dalam kondisi stabil, tidak ada rusak, tidak
terjadi bencana alam selama perjalanan.
2. Biaya retribusi, biaya sewa armada dan biaya bahan bakar diasumsikan tetap
selama penelitian dilakukan.
3. Rute atau jalur distribusi yang dilalui pada saat pengiriman karung plastik dari
pabrik ke lokasi customer diasumsikan sama dengan rute kembali dari lokasi
customer ke pabrik.
1.6 Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah :
1. Mendapatkan jalur distribusi produk karung Plastik yang akan dilayani
berdasarkan kapasitas alat angkut
2. Mendapatkan saving jarak dan efisiensi biaya distribusi karung plastik dengan
metode savings matrix.
3. Memberikan alternatif rute distribusi kepada perusahaan secara tepat waktu
dan efisien dalam meminimalkan biaya transportasi.:
4. Mendapatkan pengalaman dan pengetahuan secara langsung dalam bidang
distribusi.
5. Menjalin hubungan yang erat antara perguruan tinggi yakni Universitas
Pembangunan Nasional Jawa Timur dengan perusahaan yang bergerak dalam
bidang industri khususnya PT. Perkebunan Nusantara XI (Persero) PK.
Rosella Baru Surabaya.
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 distribusi, 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
untuk menyelesaikan masalah yang ada.
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.
BAB II
TINJAUAN PUSTAKA
2.1 Transportasi
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.
Transportasi merupakan kegiatan memindahkan atau mengangkut barang dari
produsen sampai konsumen dengan menggunakan salah satu moda transportasi, yang
dapat meliputi moda transportasi darat, laut atau sungai, maupun udara. (Salim, 1993;
25).
Dengan lancarnya transportasi, tepat waktu, adanya keselamatan barang dan
biaya relatif murah akan mempengaruhi harga atau mutu komoditi sampai pada
konsumen. Selain itu peranan transportasi dalam penetapan lokasi industri atau
kegiatan ekonomi lainya adalah besarnya biaya transportasi, 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. Dapat dirumuskan masalah tarnsportasi dan jarak yang ada, yaitu :
Jarak ost TransportC si
transporta costkm
Masalah transportasi berhubungan dengan distribusi suatu produk tunggal dan
permintaan tertentu, pada biaya transportasi minimum. Dalam permasalahan
transportasi ini, kita mengenal 3 metode transportasi yang sering digunakan, yaitu :
1. Metode North-West Corner
Metode Nort-West Corner merupakan metode yang paling sederhana diantara tiga
metode yang telah disebutkan untuk mencari solusi awal.(Mulyono, 1991: 109).
2. Metode Least Cost
Metode Least Cost merupakan metodee transportasi yang berusaha mencapai
tujuan untuk minimasi biaya dengan alokasi sistematik kepada kotak-kotak sesuai
dengan besarnya biaya transportasi per unit. (Muyono, 1991: 111).
3. Metode Aproksimasi Vogel (VAM)
Metode Aproksimasi Vogel (VAM) selalu memberikan suatu solusi awal yang
lebih baik dibanding metode Nort West Corner dan sering kali lebih baik dari
pada metode Least Cost. VAM melakukan alokasi dalam suatu cara yang akan
meminimumkan penalty (Oportunity cost) dalam memilih kotak yang salah untuk
suatu lokasi. (Mulyono, 1991; 112).
Sedangkan masalah transportasi dalam penentuan jadwal serta rute
pengiriman dari satu lokasi ke beberapa lokasi tujuan merupakan keputusan
operasional paling penting yang berhubungan dengan transportasi di dalam supply
chain adalah perutean dan penjadwalan pengiriman, manajer harus menentukan
customer yang akan dikunjungi dengan sebuah kendaraan khusus dan urutan yang
akan di kunjungi. Keputusan jadwal pengiriman serta rute yang akan ditempuh oleh
kendaraan atau armada pengangkutan. Dalam penentuan jadwal serta rute pengiriman
terdapat 2 metode dalam supply chain, yaitu (Pujawan, 2005: 179-180) :
a. Metode Savings Matrix
b. Metode General Assignment
Metode savings matrix mendasarkan penyelesaian permasalahan transportasi
dengan melakukan penjadwalan dan penentuan rute pengiriman produk dari pabrik ke
customer, dengan tujuan dapat meminimumkan jarak atau waktu atau ongkos dengan
mempertimbangkan kendala-kendala yang ada. Kendala yang terjadi adalah satu kali
pengiriman produk dilakukan dalam satu rute untuk satu customer. Dengan adanya
permasalahan tersebut maka metode savings matrix dapat memberikan solusi yang
tepat untuk menyelesaikan kendala-kendala yang terjadi.
Agar penjadwalan distribusi dengan menentukan jalur distribusi dapat
optimal, maka dalam pengiriman tersebut harus disesuaikan dengan jumlah
permintaan produk oleh customer dan kapasitas dari kendaraan atau armada yang ada,
sehingga dilakukan teknik peramalan permintaan pada tiap-tiap customer dengan
menggunakan metode peramalan Time Series.
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 suatu fasilitas dan jumlah kendaraan
Tujuan metode ini adalah untuk memilih penugasan kendaraan dan routing sebaik
mungkin. (Bowersox, 2002: 232).
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
y3 C Unit
Customer 4
4
y4 D Unit
. . .
Customer n
. . .
n
. . .
n
y
. . . N Unit
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
mengetahui koordinat masing-masing lokasi maka jarak antar dua lokasi bisa
dihitung dengan menggunakan rumus jarak standar.
Tabel 2.2 Matrik Jarak dari Pabrik ke Customer dan antar Customer
Pabrik/G udang
Customer
1
Customer
2
Customer
3
Customer
4
…Customer n
Customer
1
Customer
2
Customer
3
Customer
4 . . .
Customer
n
Misalkan dua lokasi masing-masing dengan koordinat
1, y1
dan
2, y2
makaPerhitungan 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 ke Customer 2 dan
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 dua rute
yang berbeda.
Gudang
Customer 1 Customer 2
Gudang
Customer 2 Customer
Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda
Tabel 2.4 Langkah awal semua customer memiliki rute terpisah
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 kapasitas truk
atau armada yang ada, dengan melihat nilai penghematan terbesar pada tabel
matrix penghematan jarak.Misalkan didapat matrik penghematan jarak
sebagai berikut :
Customer 1 Customer 2 Customer 3 Customer 4 ….Customer n
Customer 1
Customer 2
Customer 3
Customer 4
. . .
Customer n
Pabrik/Gudan g
Customer
1
Customer
2
Customer
3
Customer
4
…C
usto mer
n
Customer 1 Rute a
Customer 2 Rute b
Customer 3 Rute c
Customer 4 Rute d
. . .
Customer n Rute z
Order A B C D …N
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
dari tabel diatas didapat penghematan terbesar pada customer 1 dan 4 sebesar
24.9. Sehinga customer 4 bergabung ke rute a (diasumsikan kapasitas truk
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
selanjutnya dicari penghematan terbesar kedua didapatkan 12.9 (Customer 2
dan 4) masuk ke rute b, dan begitu seterusnya hingga customer ke-n. Jika
terdapat customer yang sudah teralokasikan , tidak terjadi penggabungan.
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
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 Metode General Assigment
General assignment atau sering disebut dengan Assignment problem adalah
salah satu permasalahan yang optimasi kombinatorial pada cabang optimasi. Metode
General assignment sering digunakan untuk mencari solusi optimum dalam suatu
permasalahan. metode General assignment menggunakan algoritma branch and
bound dalam menyelesaikan masalahnya
Metode General assignment hampir sama dengan metode Savings matrix,
namun perbedaan metode General assignment menggunakan solusi percabangan,
dimana pada setiap percabangan terdapat agent yang memiliki task atau secara
general problem state dari permasalahan ini adalah ada sejumlah agent dan task dan
setiap agent dibebani cost, kemudian mengatur pemberikan setiap task kepada tepat
sedangkan pada metode Savings matrix solusi yang diberikan tanpa memberikan
sejumlah agent dalam menyelesaikan permasalahan distribusinya, tetapi
persamaannya dari kedua metode ini aspek waktu,jarak dan biaya juga
dipertimbangkan.
Prosedur dalam metode General assignment terdapat beberapa tahap-tahap :
1. Diberikan sejumlah agent dan task dalam penyelesaian masalahnya
2. Setiap agent tertentu memiliki cost untuk task tertentu
3. Menempatkan sebuah agent untuk tiap-tiap rute
1) Dimana agent pada tiap-tiap rute mempunyai armada dan beban
pengalokasian produk untuk tiap agent disesuaikan dengan kapasitas
armada.
2) Rute pengiriman dari satu agent untuk beberapa customer dikirim dengan
rute sesuai arah jarum jam.
3) Pemilihan setiap agent berada ditengah diantara beberapa customer atau
dengan jarak yang sama jika dilihat dari jarak gudang.
5. Mengevaluasi besarnya biaya dalam orbit penempatan untuk tiap customer
Untuk tiap penempatan (Sk), Customer i , dan biaya penempatan (cik). Untuk
menghitung Perjalanan customer dari gudang ke penempatan dan kembali.
Dengan rumus sebagai berikut : cik Dist(DC,i)Dist(i,Sk)Dist(DC,Sk)
6. Keputusan penempatan customer untu rute
Keputusan penempatan customer pada tiap agent, dengan melihat dari total
7. Rangkaian customer dalam rute
Setelah dilakukan penempatan customer pada tiap agent berdasarkan besarnya
jarak dan biaya penempatan, maka diperoleh beberapa rangkaian customer pada
setiap agent dengan urutan rute distribusi searah jarum jam.
2.4 Peramalan Permintaan
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 jasa.(Nasution,
2003: 25)
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.
2.4.1 Peramalan dalam Horizon Waktu
Dalam hubungannya dengan horizon waktu peramalan maka kita dapat
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,
penjadwalan kerja dan lai-lain keputusan kontrol jangka pendek.
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.
2.4.2 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.
mempengaruhi permintaan relatif masih konstan, sedangkan semakin panjang
periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan
factor-faktor yang mempengaruhi permintaan.
2.4.3 Prosedur Peramalan
Dalam melakukan peramalan terdapat beberapa prosedur, yaitu :
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. (Nasution, 2003: 35).
2. Mencoba beberapa metode time series sesuai dengan pola permintaan tersebut
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 permintaan yang
sebenarnya terjadi.
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
tDimana :
A = permintaan aktual pada periode – t
Ft = hasil peramalan (forecast) pada periode – t
b) Rata-rata Kuadarat Kesalahan (Mean Square Error = MSE)
c) 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
d) 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
persentase kesalahan hasil peramalan terhadap permintaan actual 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 100
4. 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 :
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)
:
dimana :
t
f
^
ramalan permintaan (real) untuk peride t
t
f permintaan aktual pada periode t
1
c = bobot masing-masing data yang digunakan
c1 1
, ditentukansecara subyektif
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)
t c ft c ft cmft mKelemahan 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 secara subyektif
t
f permintaan aktual pada periode t
1 ^
t
f perkiraan permintaan pada peride t-1
metode SES mengasumsikan peramalan permintaan untuk
setiap periode ke depan selalu sama.
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 pemulusan eksponensial
Formula Double Eksponential Smoothing adalah (Baroto, 2002: 40) :
t t a at e
F" 0 1
dimana a0, a1 adalah parameter proses dan e mempunyai nilai harapan dari
0 dan sebuah variasi e2. 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
Faktor smoothing dan 1 , t Ft
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
Ct
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 N
a N t t a a f C . 1 0 1
1 1 NC
N t
t
5. Melakukan peramalan dengan metode terbaik yang dipilih
2.5 Verifikasi dan Pengendalian Peramalan (Moving Range Chart)
Langkah penting setelah peramalan dibuat adalah melakukan verifikasi
peramalan sehingga hasil peramalan tersebut benar-benar mencerminkan data masa
lalu dan sistem sebab akibat yang mendasari permintaan tersebut. Sepanjang
aktualitas peramalan tersebut dipercaya, hasil peramalan akan terus digunakan. Jika
selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan
yang digunakan, harus dicari metode lain yang lebih cocok. (Enny, 2008; 49).
2.5.1 Peta Moving Range
Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual
dengan nilai peramalan. Setelah metode peramalan digunakan, maka peta Moving
Range digunakan untuk menguji kestabilan sistem sebab akibat yang mempengaruhi
permintaan. Moving Range dapat didefinisikan sebagai (Enny, 2006; 49-50)
) y y ( ) y y (
MR t 1 t 1
^ t t ^
MR = Moving Range
t
y
^
= Hasil peramalan permintaan pada periode t
t
y = Permintaan pada periode t
1 ^
t
y = Hasil peramalan permintaan pada periode t-1
1 t
y = Permintaan pada periode t-1.
Adapun rata-rata Moving Range didefinisikan sebagai :
1 n
MR MR
n
1 t
Garis tengah peta Moving Range adalah pada titik nol. Batas kontrol atas dan
bawah pada peta Moving Range adalah :
BKA = +2,66 MR
BKB = -2,66 MR
Kebutuhan jumlah data bila kita ingin membuat peta Moving Range
sekurang-kurangnya adalah 10. Batas ini ditetapkan dengan harapan hanya akan ada
tiga dari 1000 titik yang berada di luar batas kendali. Jika ditemukan satu titik yang
berada di luar batas kendali, maka harus diselidiki penyebabnya.
Jika semua titik berada dalam batas kendali, diasumsikan peramalan
permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar
batas kendali maka jelas bahwa peramalan yang didapat kurang baik dan harus
2.6 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 efisien dan pengiriman barang yang optimal.
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).
2.7 Peneliti Terdahulu
Beberapa peneliti terdahulu dengan menggunakan metode Savings Matrix,
1) Dany Isyadi (2008)
Judul :
“Penentuan Jalur Distribusi Produk Kertas ke Customer Untuk
Meminimalkan Biaya Transportasi dengan Metode Savings Matrix di PT. Ekamas
Fortuna Malang”
Ringkasan :
PT. Ekamas Fortuna Malang dituntut untuk merancang kinerja pengiriman
yang efisien. Tetapi terdapat beberapa keterbatasan dalam pendistribusian barang
yang tepat untuk menentukan jalur distribusi produk ke customer. Permasalahan
ini dapat diselesaikan dengan mengunakan metode Savings Matrix, dengan
terlebih dahulu melakukan peramalan permintaan menggunakan metode time
series melalui perangkat lunak MINITAB 14 untuk menentukan order size.
sehingga didapatkan alokasi Customer pada tiap truk disesuaikan dengan
kapasitas truk, dimana jumlah truk yang dibutuhkan sebelumnya 7 unit menjadi 4
unit truk, dengan rute A (DC-C14-C15-C16-C12-C13-DC) dengan pengiriman
sebanyak 17 Roll menempuh jarak 1500 km, B (DC-C10-C11-DC) dengan
pengiriman sebanyak 67 Roll menempuh jarak 1166,85 km, C
(DC-C5-C6-C7-C8-C9-DC) dengan pengiriman sebanyak 65 Roll menempuh jarak 613,1 km, D
(DC-C1-C2-C3-C4-DC) dengan pengiriman sebanyak 70 Roll menempuh jarak
220,68 km. Sehingga terjadi penghematan sebesar Rp. 5.216.739,32 atau sebesar
2) Onny Setyono (2006)
Judul :
“Perancangan Sistem Rute dan Penjadwalan Pengiriman Barang di PT.
Karya Mandiri Kencana Surabaya”
Ringkasan :
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 jarak dan biaya perjalanan
dengan tetap memenuhi permintaan pelanggan.
Untuk mendapatkan hasil rute dan penjadwalan yang terbaik, diperlukan
data-data yang spesifik, seperti jarak antar node serta data keepatan kendaraan
yang sesuai dengan realita yang ada. Selain itu, riset ini perlu dilakukan secara
berkala agar perubahan yang terjadi dapat diamati dengan baik. Data savings
matriks dipergunakan untuk menentukan langganan mana yang akan terlebih
dahulu dimasukkan ke dalam sebuah rute. Langganan dengan savings yang
terbesar akan terlebih dahulu dimasukkan ke dalam sebuah rute pengiriman,
diikuti dengan langganan-langganan lain yang memiliki rute yang lebih kecil.
Dari contoh data pengiriman untuk wilayah Gresik pada tanggal 6 Desember 2005
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. 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 Rp.2.658.000., yang mana jauh lebih rendah
daripada biaya pengiriman sebelumnya.
3) Julianus Hutabarat (2006)
Judul : “Penentuan Jalur Distribusi Pada rantai Supply Dengan Metode
Saving Matriks.”
Ringkasan :
Lemahnya Manajemen Transportasi pada suatu perusahaan bisa berakibat
pada tingginya biaya transportasi. Hal ini ditandai dengan lemahnya perencanaan
untuk menentukan jenis alat angkut transportasi apa yang akan digunakan, berapa
jumlahnya serta jalur mana saja yang akan dilalui, ingá sampai ke consumen.
Berkaitan dengan hal tersebut, maka perusahaan perlu melakukan evaluasi
terhadap Manajemen Transportasi yang dilakukan saat ini.
PT. X merupakan perusahaan yang bergerak dalam industri kertas,
mempunyai kapasitas produksi sebesar 14.000 ton kertas per bulan, yang
dihasilkan dari PM 1 sebesar 5000 ton kertas PM 2 sebesar 9000 ton kertas.
Hasil produksi PT. X adalah Paper Roll dan Paper Tub.
Penelitian di PT. X diawali dengan penentuan rute / jalur distribusi
perhitungan matrik jarak dan jumlah permintaan kertas tiap konsumen diperoleh
matrik penghematan atau Savings Matriks.
Dengan metode Savings Matriks diperoleh alokasi customer pada tiap
truk yang disesuaikan dengan kapasitas truk. Jumlah truk yang semula 7 unit
untuk melayani Pulau Jawa menjadi 4 unit truk dengan rute A
(DC-C14-C15-C16-C12-C13-DC), rute B (DC-C10-C11-DC), rute C
(DC-C5-C6-C7-C8-C9-DC), rute D (DC-C1-C2-C3-C4-DC). Dan diperoleh penghematan jarak sebesar
33,39% atau sepanjang 1693,69 km, sehingga didapatkan penghematan biaya
BAB III
METODE PENELITIAN
3.1 Tempat dan Waktu Penelitian
Dalam Penelitian ini pencarian data dilakukan di PT. Perkebunan
Nusantara XI (Persero) PK. Rosella Baru Surabaya yang berlokasi di Jalan Ngagel
Timur Surabaya. Sedangkan waktu penelitian dimulai pada bulan Maret 2010
hingga bulan April 2010 atau sampai dengan data dari penelitian ini sudah
terpenuhi.
3.2 Identifikasi dan Definisi Operasional Variabel
Definisi operasional variabel adalah suatu indikator yang berupa variable
yang ada pada metode yang digunakan dalam suatu penelitian yang kemudian
dijalankan dalam penelitian tersebut.
Mengacu pada judul penulisan, maka dapat diidentifikasi variabel –
variabel yang berhubungan dengan permasalahan dan nantinya akan dianalisa
adalah sebagai berikut :
1. Variabel Bebas
Variabel bebas adalah variabel yang menjadi sebab timbulnya/
berubahnya variabel terikat. Yang termasuk variabel bebas disini adalah:
a) Kapasitas alat angkut
Kapasitas alat angkut merupakan variabel bebas yang
menunjukkan kekuatan yang dimiliki oleh kendaraan atau armada dalam
b) Permintaan Produk (Karung plastik)
Permintaan produk merupakan variabel bebas yang menunjukkan
banyaknya permintaan karung plastik untuk setiap customer pada periode
tertentu. Dalam penelitian ini merupakan data permintaan karung plastik
selama satu tahun.
c) Rute awal distribusi
Rute awal distribusi merupakan variabel bebas yang menunjukkan
rute awal yang dilalui armada dalam pendistribusian karung plastik dari
pabrik atau gudang sampai pada lokasi customer.
d) Biaya Transportasi rute distribusi
Biaya transportasi rute distribusi merupakan variable bebas yang
menunjukkan banyaknya total biaya yang dikeluarkan oleh perusahaan
dalam setiap pengiriman dari perusahaan ke gudang dalam 1 rute.
2. Variabel Terikat
Variabel terikat adalah variabel yang dipengaruhi atau yang menjadi
akibat adanya variabel bebas. Yang termasuk variabel terikat disini adalah
penjadwalan jalur distribusi dengan menentukan jalur distribusi yang optimal,
dimana penentuan jalur distribusi yang tepat dapat mengakibatkan efisiensi
biaya transportasi.
3.3 Metode Pengumpulan Data
Berisi tentang bagaimana data dikumpulkan sebelum diolah dan dianalisa.
data sekunder lebih banyak di dalam pengumpulan data ini. Peneliti juga
menggunakan beberapa cara, antara lain melalui Lybrari Reseach (Penelitian
Pustaka) yang mempunyai pengertian pengumpulan data sebagai dasar teoritis
yang dipakai pedoman dalam menganalisa pada obyek yang akan diteliti, dapat
diperoleh dari berbagai literatur. Dan Field Research (Penelitian Lapangan),
terdapat tiga cara yang dilakukan, antara lain :
1. Metode Wawancara ( Interview)
Yaitu teknik pengumpulan data dengan menggunakan tanya jawab
secara langsung dengan pemimpin, karyawan dan pihak-pihak yang terlibat
langsung dalam proses distribusi karung plastik.
2. Metode Pengamatan
Yaitu tekink pengambilan data dengan mengadakan pengamatan
langsung pada obyek yang diteliti (Jenis Produk, Data permintaan)
3. Metode Dokumentasi
Yaitu teknik pengambilan data yang berupa arsip-arsip atau catatan
(Jumlah alat angkut, jarak masing-masing customer)
3.3 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
masing-masing kota customer berdasarkan data masa lalu (Simple Average,
Single Eksponential Smooting, Weighted Moving Average, Moving Average)
2. Perhitungan, Mean Square Error (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 didasarkan pada
penghematan jarak dan disesuaikan dengan kapasitas tiap armada yang ada.
6. Penentuan Rute atau Jalur Distribusi
Penentuan rute atau jalur distribusi dilakukan dengan menggunakan
7. Perhitungan Biaya Transportasi Sebelum dan Sesudah Penerapan Metode
Savings Matrix.
8. Mengevaluasi Biaya yang Dikeluarkan Perusahaan Sebelum dan Sesudah
menggunakan Metode Savings Matrix.
9. Merekomendasikan Jalur Distribusi yang Menghasilkan Biaya Transportasi
yang Terkecil dan diperoleh keuntungan yang optimum.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
4.1.1 Data Permintaan Customer
Data permintaan karung plastik tiap customer pada tiap bulan selama
[image:40.595.103.580.305.553.2]tahun 2009.
Tabel 4.1 Data permintaan karung plastik (lembar) per bulan selama tahun 2009.
Sumber : PTPN XI (Persero) PK Rosella Baru-Surabaya
Keterangan :
Customer1 :PG. Soedhono(Ngawi) Customer6 : PG.Djatiroto (Lumajang)
Customer2 :PG.Poerwodadi(Magetan) Customer7 : PG.Semboro (Jember)
Customer3 :PG.Pagottan(Madiun) Customer8: PG.Olean (Situbondo)
Customer4 :PG.Kedawoeng(Pasuruan) Customer9: PG.Prajakan (Bondowoso)
Customer5:PG.Gending(Probolinggo) Customer10: PT.IndonesiaTri9 (Mojokerto) Permintaan Karung Plastik (lembar) per periode (bulan) tahun 2009
Nama
Customer Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
Contoh penjumlahan order Size untuk customerI :
875 12
[image:41.595.138.434.252.522.2] [image:41.595.107.557.600.708.2]000 . 1 ... 000 . 1 600
Sehingga didapat rata-rata besarnya order size seluruh customer untuk tahun 2009,
sebagai berikut :
Table 4.2 Rata-rata Besarnya Order Size per bulan tiap customer Untuk Tahun 2009
No Customer Order Size
(Lembar/bulan)
1 PG. Soedhono 875
2 PG. Poerwodadi 235
3 PG. Pagottan 299
4 PG Kedawoeng 4.350
5 PG. Gending 2.504
6 PG. Djatiroto 5.781
7 PG. Semboro 954
8 PG. Olean 175
9 Pg. Prajakan 2.533
10 PT. Indonesia Tri 9 2.575
4.1.2 Data Kapasitas Alat Angkut
Jenis alat angkut atau armada yang digunakan dalam pendistribusian
karung plastik dari pabrik ke customer adalah :
Tabel 4.3 Kapasitas Alat Angkut
Jenis Alat Angkut Kapasitas Jumlah Keterangan Truck Tronton
Pick Up
20 Ton = 18180 Lembar karung plastik
1 Ton = 909 Lembar Karung plastik
1
1
Milik Sendiri
Milik Sendiri
4.1.3 Data Rute Awal
Data Rute awal yang pendistribusian karung plastik dari pabrik ke
[image:42.595.95.534.180.589.2]customer, adalah:
Tabel 4.4 Rute awal yang pendistribusian karung plastik dari pabrik ke customer
Rute Nama Customer Kode Kota
I Pabrik – PG Soedhono – PT Indonesia Tri 9 – Pabrik
G – C1 – C10 - G Ngawi - Mojokerto
II Pabrik – PG Olean – Pabrik G – C8 – G Situbondo III Pabrik – PG Kedawoeng – PG. Djatiroto –
Pabrik
G – C4 – C6 – G Pasuruan - Lumajang
IV Pabrik – PG Gending – Pabrik G – C5 – G Probolinggo V Pabrik – PG Prajakan – Pabrik G – C9 – G Bondowoso VI Pabrik – PGSemboro – Pabrik G – C7 – G Jember VII Pabrik – PG Poerwodadi – PG Pagottan –
Pabrik
G – C2 – C3 – G Magetan - Madiun
Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya
Tabel 4.5 Jarak Total Perjalanan dan Beban Order pendistribusian karung plastik dari pabrik ke customer pada Rute Awal
Rute Kode Jarak Total perjalanan () Beban oder Armada I G – C1 – C10 - G 183 Km 3450 Lembar Truck Tronton II G – C8 – G 205 Km 175 Lembar Pick Up III G – C4 – C6 – G 154 Km 10131 Lembar Truck Tronton IV G – C5 – G 102 Km 2504 Lembar Truck Tronton V G – C9 – G 231 Km 2533 Lembar Truck Tronton VI G – C7 – G 198 Km 954 Lembar Pick Up VII G – C2 – C3 – G 274 Km 534 Lembar Pick Up
Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya
4.1.4 Data Biaya Transportasi
Data biaya yang berkaitan dengan pendistribusian karung plastik sampai
Tabel 4.6 Daftar Harga Untuk Biaya Transportasi
No. Jenis Biaya Jumlah
Biaya bahan bakar
Premium Rp. 4.500,-/liter
1
Solar Rp. 4.500,-/liter
2 Biaya retribusi :
1.Jika kendaraan Tanpa Melewati Tol
2.Jika kendaran Melewati Tol Rp. 45.000/PP Rp. 65.000/PP
Gaji 3
Untuk sopir truk tronton Rp. 1.200.000,-/ bulan Untuk sopir truk pick up RP. 1.000.000,- / bulan
Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya
Tabel 4.7 Jenis Biaya Transportasi Awal
Rute Customer Jenis Biaya
a. Biaya bahan bakar Truck Tronton (Solar) I Pabrik – PG Soedhono – PT
Indonesia Tri 9 b. Biaya Retribusi
a. Biaya bahan bakar Pick up (Premium) II Pabrik – PG Olean
b. Biaya Retribusi
a. Biaya bahan bakar Truck Truck Tronton (Solar) III Pabrik – PG Kedawoeng –
Djatiroto b. Biaya Retribusi
a. Biaya bahan bakar Truck Tronton (Solar) IV Pabrik – PG Gending
b. Biaya Retribusi
a. Biaya bahan bakar Truck Tronton (Solar) V Pabrik – PG Prajakan
b. Biaya Retribusi
a. Biaya bahan bakar Truck Tronton (Solar) VI Pabrik – PG Semboro
b. Biaya Retribusi
a. Biaya bahan bakar Pick up (Premium) VI Pabrik – PG Poerwodadi - PG
Pagottan.
b. Biaya Retribusi
Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya
Keterangan : 1 Liter Premium dapat menempuh jarak 10 km
1 Liter Solar dapat menempuh jarak 6 km
[image:43.595.108.515.305.619.2]4.2 Pengolahan Data
4.2.1 Menghitung Jarak Koordinat Lokasi customer
[image:44.595.113.498.136.521.2]Sumber : www.google.com (Java Map-© 2009 Lonely Planet Publications)
Gambar 4.1 Peta Pulau Jawa
Menghitung jarak (kota) customer dari pabrik atau gudang ke tiap
customer diperoleh dengan cara mengukur jarak kota customer pada peta pulau
jawa sebagai berikut :
Gambar peta pulau jawa diatas merupakan contoh gambar peta pulau jawa
timur, sedangkan peta pulau jawa timur yang digunakan dalam penentuan jarak
lokasi unntuk Customer dalam penelitian ini merupakan peta pulau jawa timur
dengan skala 1 : 500.000. Penentuan besarnya jarak lokasi antara pabrik dengan
customer dan jarak lokasi antara satu customer dengan customer lainnya, dengan
Kemudian pada peta pulau jawa timur dibuat titik koordinat, dengan lokasi
pabrik sebagai titik pusat koordinat (0,0) sedangkan untuk lokasi dari tiap
customer disesuaikan berdasarkan garis kordinat x dan garis koordinat y yang ada
pada peta pulau jawa timur, kemudian koordinat yang telah diketahui diubah per
satuan kilometer dengan menggunakan perbandingan skala pada peta yaitu 1 :
500.000 (1 cm pada peta mewakili 500.000 cm atau 5 km pada jarak sebenarnya).
[image:45.595.152.472.298.570.2]Sehingga di dapat jarak dalam koordinat tiap kota seperti tabel di bawah ini.
Tabel 4.8.1 Jarak dalam koordinat ke tiap Customer dalam koordinat
Kode Nama customer Kota Jarak dalam Koordinat (x,y)
C1 PG. Soedhono Ngawi 28,5 ; - 3,5 C2 PG. Poerwodadi Magetan 31,5 ; -9
C3 PG. Pagottan Madiun 27 ; - 8,3 C4 PG Kedawoeng Pasuruan -3,7 ; -8,9 C5 PG. Gending Probolinggo -10,3 ; -11 C6 PG. Djatiroto Lumajang -10,3 ; -19,4
C7 PG. Semboro Jember -21 ; -20
C8 PG. Olean Situbondo -27,9 ; -10 C9 PG. Prajakan Bondowoso -23 ; - 14,4 C10 PT. Indonesia Tri 9 Mojokerto 7,1 ; -5
Sumber: Hasil pengamatan data primer
Contoh perhitungan jarak lokasi per satuan kilometer untuk customer 1 (PG
Soedhono) :
22 1 2 2 1 2
,
1 y y
J
Contoh perhitungan jarak dari gudang ke lokasi PG Soedhono :
21 2
1
1
,C G C yG yC
G
G,C1
0 28,5
2 0 (3,5)
2 28,71 JKemudian dihitung jarak dalam satuan km :
km
eta etaxskalap Jarakpadap
Jarak
000 . 100
143,55000 . 100
500000 71
, 28 1
,C x
G
J km
[image:46.595.159.456.300.538.2]Untuk perhitungan customer selanjutnya dapat dilihat pada Lampiran E
Tabel 4.8.2 Jarak lokasi dari Pabrik ke tiap Customer dalam koordinat dan satuan km
Kode Nama customer Kota Jarak dalam Satuan km
C1 PG. Soedhono Ngawi 143,55 C2 PG. Poerwodadi Magetan 163,8 C3 PG. Pagottan Madiun 141,2 C4 PG Kedawoeng Pasuruan 48,19 C5 PG. Gending Probolinggo 75,48 C6 PG. Djatiroto Lumajang 109,9 C7 PG. Semboro Jember 145
C8 PG. Olean Situbondo 148,18 C9 PG. Prajakan Bondowoso 135,67 C10 PT. Indonesia Tri 9 Mojokerto 43,41
Sumber: Hasil pengamatan data primer
Dalam pembuatan Matriks jarak, terlebih dahulu menghitung besarnya
jarak dari pabrik ke tiap-tiap customer dan dari satu customer ke customer
lainnya, karena jarak dari pabrik ke tiap customer sudah dihitung sebelumnya dan
hasil perhitungan dapat dilihat pada Tabel 4.8 Jarak lokasi dari Pabrik ke tiap
Customer dalam koordinat dan satuan km, maka pada perhitungan selanjutnya
dilakukan perhitungan untuk jarak lokasi dari satu customer ke customer lainnya,
2 2 1 2 2 1 2 ,1 y y
J
Contoh perhitungan jarak dari lokasi PG Soedhono ke lokasi PG Poerwodadi :
22 1 2 2 1 2 ,
1C C C yC yC
C
J
2
2 ) 9 , 0 ( 5 , 3 ) 5 , 31 5 , 28 2 , 1 C C J 31,6
Kemudian dihitung jarak dalam satuan km :
km eta etaxskalap Jarakpadap Jarak 000 . 100
000 . 100 1100000 6 , 131 2 ,1C x
C
J 158 km
[image:47.595.108.534.323.534.2]Untuk perhitungan customer selanjutnya dapat dilihat pada Lampiran E
Tabel 4.9 Matriks Jarak
4.2.2 Mengidentifikasi Matrix Jarak
4.2.2.1Penentuan Alokasi customer pada Rute Awal berdasarkan Permintaan Tahun 2009
Untuk mengalokasikan customer ke kendaraan atau rute, dengan
menghitung terlebih dahulu mengalokasikan customer pada rute awal dan
menghitung total jarak tempuh pendistribusian karung plastik dengan rute awal
Perhitungan total jarak pada rute awal :
1. Rute I (G – C1 – C10 – G)
G C1 C2 C3 C4 C5 C6 C7 C8 C9 C10
C1 143,55 0,0
C2 163,8 158 0,0
C3 141,2 25,1 292,5 0,0
C4 48,19 163,24 176 157,54 0,0 C5 75,48 197,52 209,2 186,98 34,63 0,0 C6 109,9 209,65 215,37 194,58 62,01 42 0,0 C7 145 260,65 268,20 247,02 102,77 69,90 53,58 0,0
C8 148,18 260,88 297,04 274,63 121,1 88,1 99,5 60,74 0,0 C9 135,67 283,86 273,83 251,85 100,34 65,73 68,24 172,29 124,43 0,0
Panjang Perjalanan = J(G,C1) + J(C1,C10) +J(C10,G) = 143,55 + 107,26 +
43,41 = 294,22
Beban order rute I = C1 + C10 = 3450 Lembar
Armada yang digunakan adalah Truk Tronton (Milik sendiri)
2. Rute II (G – C8 - G)
Panjang Perjalanan = J(G,C8) + J(C8,G) = 148,18 + 148,18 = 296,36
Beban order rute II = C2 = 175 Lembar
Armada yang digunakan adalah Pick up (Milik sendiri)
3. Rute III (G – C4 – C6 – G)
Panjang Perjalanan = J(G,C4) + J(C4,C6) + J(C6,G) = 48,19 + 62,01 + 109,9
= 220,1
Beban order rute III = C4 +C6 = 10131 Lembar
Armada yang digunakan adalah Truk Tronton (Milik sendiri)
4. Rute IV (G – C5 - G)
Panjang Perjalanan = J(G,C5) + J(C5,G) = 75,48 + 75,48 = 150,96
Beban order rute IV = C5 = 2504 Lembar
Armada yang digunakan adalah Truk Tronton (Milik sendiri)
5. Rute V (G – C9 – G)
Panjang Perjalanan = J(G,C9) + J(C9,G) = 135,67 + 135,67 = 271,34
Beban order rute V = C9 = 2533 Lembar
Armada yang digunakan adalah Truk Tronton (Milik sendiri)
6. Rute VI (G – C7 – G)
Panjang Perjalanan = J(G,C7)) + J(C7,G) = 145 + 145 = 290
Armada yang digunakan adalah Truk Tronton (Milik sendiri)
7. Rute VII (G – C2 – C3 – G)
Panjang Perjalanan = J(G,C2) + J(C2,C3) + J(C3,G) = 163,8 + + 292,5 +
141,2 = 597,5 Km
Beban order ruteVII = C3 = 534 Lembar
Armada yang digunakan adalah Pick up (Milik Sendiri)
4.2.3 Biaya Transportasi Pada Rute Awal tahun 2009
Biaya transportasi sebelum penerapan metode savings matrix pada rute
awal dihitung untuk 1 kali pengiriman setiap bulan untuk masing-masing rute
berdasarkan permintaan tahun 2009
Untuk menghitung besarnya biaya transportasi rute awal, dengan melihat
pada Tabel 4.5 Jenis Biaya Transportasi awal, Tabel 4.6 Biaya Transportasi Awal,
Tabel 4.8 Jarak lokasi, maka dapat menghitung biaya total transportasi untuk rute
awal :
Rute I (G – C1 – C10 – G) Menggunakan Armada Truck Tronton
= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)
= 294,22 km x 1/6 x Rp. 4500,-/liter = Rp. 220.665,- / perjalanan/bulan
Rute II (G – C8 - G) Menggunakan Armada Pick up
= Total Jarak tempuh x 1/10 x harga bahan bakar (Premium)
= 296,36 km x 1/10 x Rp. 4500,-/liter = Rp. 133.362,-/ Perjalanan / bulan
Rute III (G – C4 – C6 – G) Menggunakan Armada Truck Tronton
= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)
Rute IV (G – C5 - G) Menggunakan Truck Tronton
= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)
= 150,96 km x 1/6 x Rp. 4500,-/liter = Rp. 113.220,- / Perjalanan / bulan
Rute V (G – C9 – G) Menggunakan Armada Truck Tronton
= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)
= 271,34 km x 1/6 x Rp. 4500,-/liter = Rp. 203.505,- / Perjalanan / bulan
Rute VI (G – C7 – G) Menggunakan Armada Truck Tronton
= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)
= 290 km x 1/6 x Rp. 4500,-/liter = Rp. 217.500,- Perjalanan / bulan
Rute VII Rute VII (G – C3 - G) Menggunakan Armada Pick up.
= Total Jarak tempuh x 1/10 x harga bahan bakar (Premium)
= 597,5 x 1/10 x Rp. 4500,-/liter = Rp. 268.875,- / Perjalanan / bulan
Jadi, biaya total transportasi untuk rute awal, adalah :
Biaya transportasi = Rute I + Rute II + Rute III + Rute IV + Rute V + Rute VI +
Rute VII = Rp. 220.665,- / Perjalanan/bulan + Rp. 133.362,-/ Perjalanan /
bulan + Rp. 165.075,- / perjalanan/bulan + Rp. 113.220,- / Perjalanan /
bulan + Rp. 203.505,- / Perjalanan / bulan + Rp. 217.500,- Perjalanan /
bulan + Rp. 268.875,- / Perjalanan / bulan = Rp. 1.322.202,- / Perjalanan
/ bulan
Gaji = Rp. 1.200.000,- x 5 (Sopir Ttruck Tronton) + Rp.1.000.000,- x 2 (sopir
pick up ) = Rp 8.000.000,-
Biaya Retribusi = Rp. 45.000 x 7 = Rp. 315.000,-
Total Biaya Transportasi = Biaya transportasi + Gaji + Biaya Retribusi
= Rp. 9.637.202,- / Perjalanan / bulan
4.2.4 Mengalokasikan Permintaan customer Tahun 2009 Pada Rute Baru (Penerapan Metode Savings Matrix)
4.2.4.1 Mengidentifikasi Matriks Penghematan (Penghematan Jarak)
Dalam menghitung penghematan jarak dari pabrik ke tiap-tiap customer
dan dari satu customer ke customer lainnya, menggunakan rumus sebagai berikut :
x y J G x J G y J x yS , , , ,
Berdasarkan data pada Tabel 4.9 Matrik Jarak, dapat dihitung
penghematan jarak sebagai berikut :
Contoh perhitungan penghematan jarak dari lokasi C1 (PG. Poerwodadi) ke C2
(PG Soedhono) :
C1,C2
J G,C1
J G,C2
J C1,C2
S
CI,C2
143,55163,8158149,35S km
[image:51.595.116.513.334.725.2]Untuk perhitungan penghematan jarak selanjutnya, dapat dilihat pada Lampiran F.
Tabel 4.10 Savings Matriks
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 0
C2 149,35 0
C3 259,65 12,5 0
C4 28,5 35,99 31,85 0 C5 21,51 30,08 29,7 89,04 0
C6 43,8 58,33 56,52 96,08 143,38 0
C7 27,67 40,6 39,18 90,42 150,58 201,32 0
C8 7,87 14,94 14,75 75,27 135,56 158,58 232,44 0
C9 16,02 25,64 25,02 83,52 145,42 177,33 108,38 159,42 0
4.2.4.2 Pengalokasian customer pada Kendaraan dan Rute Baru Tahun 2009
1) Iterasi 1
Tiap customer dialokasikan seperti pada rute awal (Tabel 4.5) yang
memiliki 7 rute pendistribusian produk, sehingga pada iterasi 1 diperoleh 7
rute dalam pendistribusian produk ke customer.
Alokasi armada yang digunakan untuk pengiriman karung plastik ke
lokasi customer adalah pick up dan truck Tronton. Armada Pick up digunakan
pada C2, C3, C7 dan C8. Armada truck Tronton di gunakan pada C1, C4, C5,
C6, C9, C10. Dimana hal ini telah digunakan untuk pendistribusian produk
pada rute awal. Hasil iterasi 1 ini dapat dilihat pada Tabel 4.11 iterasi 1 pada
lampiran G.
2) Iterasi 2
Dari tabel 4.10 Savings Matrix, didapat penghematan jarak terbesar
yaitu 259,65 = S(C1,C3) dengan mengkombinasikan rute untuk C1 dan C3
dalam 1 rute, yaitu Rute A. Kemudian dilakukan pengecekkan apakah
pengkombinasian tersebut layak dilakukan atau tidak dengan berdasarkan nilai
total order size customer tersebut dan kapasitas armada yang ada (Truck
tronton dan Pick up). Untuk perhitungan beban dari tiap dilihat berdasarkan
Tabel 4.2 Rata-rata Besarnya Order Size per bulan tiap customer untuk Tahun
2009, dengan perhitungan beban rute sebagai berikut :
Beban Rute A = Order size C1 + C3 = 875+ 299 = 1.174 Lembar < 18.180
Lembar dari kapasitas Truck Tronton, sehingga dikatakan layak.
(C1 dan C3 dikatakan layak untuk dialokasikan pada rute B )
3) Iterasi 3
Pada iterasi 3 didapat penghematan jarak terbesar selanjutnya yaitu
232,44 = S(C7,C8) dengan mengkombinasikan rute untuk C7 dan C8 dalam 1
rute, yaitu Rute B. Kemudian dilakukan pengecekkan apakah
pengkombinasian tersebut layak dilakukan atau tidak dengan berdasarkan nilai
total order size customer tersebut dan kapasitas armada yang ada (Truck
tronton dan Pick up). Beban rute B = order size C7 + C8 = 954 + 175 = 1.129
< 18.180 Lembar dari kapasitas truck Tronton. Karena beban rute B masi
layak bila di masukkan ke rute A (Beban Rute A + Beban C7 dan C8 = 1.174
+ 1.129 = 2.303 < 18.180) , maka C7 dan C8 dapat dikatakan layak untuk
dialokasikan pada rute A. Hasil iterasi 3 ini dilihat pada Tabel 4.15 iterasi 5
pada lampiran G.
4) Iterasi 4
Pada iterasi 4 didapat penghematan jarak terbesar selanjutnya yaitu
177,33 = S(C6,C9) karena C6 dan C9. Kemudian dihitung beban pada rute B
dengan menambahkan order size C6 dan C9 pada beban rute B.
Beban Rute B = Order size C6 + C9 = 5.781 + 2.533 = 8.314 < 18.180
Lembar dari kapasitas truck Tronton . Karena beban rute B masi layak bila di
masukkan ke rute A (Beban Rute A + Beban C6 dan C9 = 2.303 + 8.314 =
10.617 < 18.180) , maka C6 dan C9 dapat dikatakan layak untuk dialokasikan
pada rute A.
Hasil iterasi 4 ini dapat dilihat pada Tabel 4.14 iterasi 4 pada lampiran G.