PENENTUAN JALUR DISTRIBUSI
“DAGING SAPI”
DENGAN MENGGUNAKAN
METODE
SAVINGS MATRIX
UNTUK MENGOPTIMALKAN BIAYA
TRANSPORTASI DI CV. SARI JAYA MANDIRI
SKRIPSI
Oleh :
DEDI INDRA GUNAWAN
0632010087
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
BAB I
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 dituntut semakin kompetitif. Perusahaan tidak hanya
dituntut untuk mempertahankan kinerja yang sudah diraih tapi juga harus
meningkatkan service level yang sudah ada dalam memenuhi permintaan
konsumen dan memenangkan persaingan. Dalam memenuhi permintaan
konsumen, selain dilihat dari sisi proses produksi, juga ada satu faktor penting
yang perlu diperhatikan, yaitu pendistribusian produk dari perusahaan ke
konsumen yang tepat waktu dan efektif. Pendistribusian memegang faktor yang
penting dikarenakan tanpa adanya pola distribusi yang tepat maka proses ini dapat
memakan biaya yang tinggi dan mengakibatkan pomborosan dari segi waktu,
jarak dan tenaga.
Distribusi berkaitan erat dengan kegiatan transportasi yang memadai. Perlu
adanya penentuan customer mana yang akan dikunjungi dan urutan-urutan
customer yang akan dikunjungi dengan armada khusus agar distribusi dapat
berjalan efektif dan efisien. Kegiatan ini melibatkan penentuan rute dalam
transportasi. Penentuan rute transportasi dapat diselesaikan dengan metode
Savings Matrix. Metode Savings Matrix adalah metode yang digunakan untuk
menentukan rute distribusi produk ke wilayah pemasaran dengan cara menetukan
kendaraan tersebut agar diperoleh rute terpendek dan biaya transportasi yang
minimal. Metode Savings Matrix juga merupakan salah satu teknik yang
digunakan untuk menjadwalkan sejumlah kendaraan terbatas dari fasilitas yang
memiliki kapasitas maksimum yang berlainan.
CV. Sari Jaya Mandiri merupakan perusahaan yang bergerak dalam bidang
pemotongan hewan (Sapi) dan pendistribusian produk daging sapi. Sasaran
distribusi CV. Sari Jaya Mandiri adalah dapat melakukan waktu pengiriman
produk secara tepat, biaya yang efisien, dan pelayanan yang baik. CV. Sari Jaya
Mandiri dituntut untuk dapat merancang kinerja pengiriman yang reliabel.
Sedangkan dalam pemenuhan sasaran tersebut ada beberapa keterbatasan atau
permasalahan dari perusahaan, dengan proses distribusi dalam satu kali
pengiriman produk hanya dilakukan pada satu customer , sehingga kurang adanya
perencanaan pengiriman dan pendistribusian barang yang tepat untuk 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 serta mengakibatkan biaya tranportasi yang mahal.
Dengan adanya permasalahan tersebut, dapat dilihat biaya transportasi
masih sangat tinggi maka perlu dilakukan penentuan rute yang akan dilalui
sehingga dapat meminimalkan biaya trasnportasi pada CV. Sari Jaya Mandiri.
Metode Savings Matrix dapat digunakan untuk menentukan rute distribusi produk
ke customer dengan cara menentukan urutan rute distribusi yang harus dilalui dan
jumlah alat angkut berdasarkan kapasitas dari alat angkut tersebut. Metode ini
diterapkan agar diperoleh rute terpendek dan memperoleh biaya transportasi yang
1.2 Rumusan Masalah
Berdasarkan permasalahan yang ada di perusahaan berkaitan dengan
pengiriman produk Daging sapi, maka dirumuskan permasalahan penelitian
sebagai berikut :
“ Bagaimana menentukan jalur distribusi produk daging sapi ke customer
untuk mengoptimalkan biaya transportasi?”
1.3 Batasan Masalah
Agar pembahasan pada penelitian ini lebih terarah dan hasilnya optimal,
maka diberi batasan masalah sebagai berikut :
1. Pengiriman dilakukan terhadap lokasi customer yang berada di Sidoarjo
dengan alokasi titik rute daerah berdasarkan daftar yang sudah ditentukan oleh
peta dalam satuan kilometer (km).
2. Ukuran satuan daging sapi menggunakan satuan Kilogram
3. Penelitian dilakukan pada pendistribusian di customer yang jumlah
permintaannya cukup banyak (Min. 150 Kg).
4. Rute distribusi diartikan adalah rute yang dilalui armada pengangkut produk.
5. Biaya transportasi meliputi biaya tenaga kerja dan biaya bahan bakar
(solar/bensin) serta biaya retribusi lain-lain.
1.4 Asumsi
1. Kondisi kendaraan selama perjalanan dalam kondisi stabil, tidak rusak dan
tidak terjadi kebocoran.
2. Biaya bahan bakar, retribusi dan tenaga kerja tetap selama penelitian.
3. Untuk waktu pemesanan produk oleh customer tidak diperhitungkan.
4. Pengiriman dilakukan terhadap lokasi customer dengan jumlah permintaan
yang berbeda disetiap lokasi dan tidak melebihi batas max. armada angkutan.
1.5 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
Menentukan rute yang harus ditempuh tiap alat angkut berdasarkan
kapasitasnya untuk mengefisiensi jarak tempuh dan mengoptimalkan biaya
transportasi dengan menggunakan metode Savings Matrix di CV. Sari Jaya
Mandiri.
1.6 Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah :
1. Bagi Mahasiswa, dapat menambah wahana pelatihan dan komprehensif antara
kenyataan sesungguhnya yang sering tidak sesuai teori akademis dan dapat
memberikan pengalaman peneliti pada masalah distribusi.
2. Bagi Perusahaan, dapat memberikan masukan berupa informasi yang bersifat
keilmuan agar dapat dijadikan bahan pertimbangan untuk mengoptimalkan
biaya pendistribusian produk oleh CV. Sari Jaya Mandiri.
3. Bagi Perguruan Tinggi, dapat memberikan referensi tambahan dibidang
1.7 Sistematika Penulisan
Pada dasarnya sistematika penulisan berisikan mengenai uraian yang akan
dibahas pada masing-masing bab, sehingga dalam setiap bab akan mempunyai
pembahasan topik tersendiri. Adapun sistematika penulisan dari tugas akhir ini
adalah sebagai berikut :
BAB I PENDAHULUAN
Dalam bab satu dibahas mengenai latar belakang penelitian,
perumusan masalah yang diteliti, tujuan dan manfaat penelitian,
batasan dan asumsi yang dipakai dalam penelitian serta sistematika
penulisan.
BAB II TINJAUAN PUSTAKA
Pada bab ini dibahas mengenai dasar-dasar teori yang digunakan
untuk mengolah dan menganalisa data-data yang diperoleh dari
pelaksanaan penelitian, yaitu teori mengenai distribusi,
penjadwalan dan pemilihan rute dalam transportasi dan savings
matrix dan kegunaannya
BAB III METODE PENELITIAN
Pada bab tiga ini diberi langkah-langkah dalam melakukan
penelitian ini yaitu hal-hal yang dilakukan untuk mencapai tujuan
dari penelitian atau gambaran atau urutan kerja menyeluruh selama
pelaksanaan penelitian.
Pada bab ini berisikan pengolahan dari data yang telah
dikumpulkan dan melakukan analisis serta evaluasi dari data yang
telah diolah untuk menyelesaikan permasalahan yang ada.
BAB V KESIMPULAN
Pada bab ini berisikan kesimpulan dan saran dari analisa yang telah
dilakukan sehingga dapat memberikan suatu rekomendasi sebagai
masukan bagi pihak distributor.
BAB II
TINJAUAN PUSTAKA
2.1 Transportasi dan Distribusi
Secara tradisional kita mengenal manajemen distribusi dan transportasi
dalam berbagai sebutan. Sebagian perusahaan menggunakan istilah manajemen
logistik, sebagian lagi menggunakan istilah distribusi fisik (phisycal distribution).
Apapun istilahnya, secara umum fungsi distribusi dan transportasi pada dasarnya
adalah menghantarkan produk dari lokasi di mana produk tersebut diproduksi
sampai dimana mereka akan digunakan. Pada prinsipnya fungsi ini bertujuan
untuk menciptakan pelayanan yang tinggi ke customer yang bisa dilihat dari
tingkat service level yang dicapai, kecepatan pengiriman, kesempurnaan barang
sampai ke tangan customer, serta pelayanan purna jual yang memuaskan.
(Pujawan, 2005; 174).
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
2.1.1. 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.
2.1.2. 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).
2.1.3. 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
2.1.4 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 :
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.
2.1.5 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 :
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 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).
2.2.1 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 Sumber (Pujawan, 2005: 180).
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 (Pujawan, 2005: 181) :
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
Gambar 2.1 Perubahan yang terjadi dengan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute. (Pujawan, 2005: 182)
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
Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda
Sumber (Pujawan, 2005: 183)
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 (Pujawan, 2005: 183)
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 Customer 1 Customer 2 Customer 3 Customer 4
….Customer n
terbesar pada tabel matrix penghematan jarak.Misalkan didapat matrik
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 (Pujawan, 2005: 184)
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
Sumber (Pujawan, 2005: 184)
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,
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
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 :
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
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 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
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
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
persentase kesalahan hasil peramalan terhadap permintaan actual
selama periode tertentu yang akan memberikan informasi persentase
kesalahan terlalu tinggi atau terlalu rendah. Secara sistematis sebagai
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 :
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 :
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
,ditentukan secara subyektif
m = jumlah periode yang digunakan untuk peramalan
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
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
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 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)
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 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
2.4 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 absoluteprocentage of error (MAPE).
Peramalan dengan time series memiliki prosedur yang harus dilaksanakan
secara utuh. Bila tidak, maka resiko-resiko berikut akan terjadi :
1. Hasil peramalan tidak falid, sehingga tidak dapat diterapkan.
2. Kesulitan mendapatkan/memilih metode peramalan yang akan memberikan
validitas ramalan yang tinggi.
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.
5. Melakukan peramalan permintaan dengan metode terbaik yang telah dipilih.
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 :
t
= suatu nilai (0< <1) yang ditentukan secara subyektif
t
f = permintaan actual pada periode t
1
ˆ
t
f = perkiraan permintaan pada periode t-1
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 :
t
fˆ = ramalan permintaan (real untuk periode t)
t
f = permintaan actual pada periode t
1
c = bobot masing-masing data yang digunakan
c1 1
, ditentukan secarasubyektif
m = jumlah periode yang digunakan untuk peramalan (subyektif)
Pada metode WMA peramalan permintaan untuk setiap periode mendatang
diasumsikan sama.
3. Double Exponential Smoothing
Formula metode Double Exponential Smoothing adalah (Baroto, 2002) :
t t a at e F' 0 1
dimana :
1 ,a
ao adalah parameter proses dan e mempunyai nilai harapan dari 0 dan
sebuah variasi 2
e .
0 1
1 2
2
... f f
f f
Ft 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 :
2
Xt = F’t = peramalan double exponential smoothing = 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
t ( 0, 1.)
dengan :
t t t a a f C . 1 0
1 2, 0
0 a 2N a
a N
N f f
a 2 1
1 N f f N N t t
2 1 2 N f f N t t
1 1 2 1 1 2 2 , 0 f a N
a N 1
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 :
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 A
MAD t t
Dimana :
At = Permintaan aktual pada periode-t.
Ft = Peramalan permintaan (Forecast) pada periode-t.
n = Jumlah periode peramalan yang terlibat.
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 A
MSE t t
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 :
t t t A F A n MAPE 100Dalam 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
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
eksponential smoothing atau double eksponential smoothing.
Gambar 2.2 Trend Component ( Pola Trend ) (Baroto, 2002).
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 metode
winter (sangat sesuai), moving average, atau weight moving everage.
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 ) (Baroto, 2002)
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
direkomendasikan untuk pola ini. Hanya saja tingkat kemampuan seorang
analis peramalan sangat menentukan dalam pengambilan kesimpulan
mengenai pola data.
2.5 Variabel
Definisi variabel adalah semua ciri atau faktor yang mempunyai variansi
nilai, yang diukur dan diuji untuk menjelaskan hubungan (diungkapkan atau tidak
diungkapkan dalam hipotesis) guna pemecahan permasalahan penelitian.
Eksistensi variabel mempunyai kaitan dan bisa saling mempengaruhi. Jika
hubungan antar variabel diketahui maka dapat meramalkan dan menjelaskan
fenomena teori. Variabel juga berarti : obyek atau subyek yang memiliki karakter
dengan nilai yang berbeda dan bervariasi.(Buku ajar Metodologi Penelitian,13/14)
2.5.1 Klasifikasi variabel
Klasifikasi variabel yang benar memerlukan penguasaan dasar teori yang
kuat dan mendalam serta memerlukan model serta kerangka teoristis yang mantap.
Berdasarkan fungsi atau hubungannya, variabel dibedakan atas :
a. Variabel sebab atau disebut juga variabel pengaruh/ peubah/ variabel
indikator/ variabel eksperimen/ variabel bebas (Independent variabel), adalah
variabel yang menjadi pokok permasalahan yang ingin diteliti.
b. Variabel penghubung(Intervening variabel) adalah variabel yang tidak dapat
diamati secara langsung peristiwanya tetapi dapat dinikmati hasilnya
c. Variabel akibat atau variabel terikat atau variabel terpengaruh atau variabel
terganrung (Dependent variabel) adalah variabel yang tergantung besarnya
tergatung dari variabel bebas yang di ukur untuk menentukan ada atau
tidaknya pengaruh dari variabel bebas.
Berdasarkan keberadaannya dalam model analisis, variabel dibedakan atas :
a. Variabel endogen yakni variabel yang dimasukkan ke dalam model.
Berdasarkan keberadaannya dalam model analisis, variabel dibedakan atas :
a. Variabel numerik atau kuantitatif, meliputi :
Variabel ordinal, yaitu variabel yang menunjukan tingkata-tingkatan.
Variabel interval, yaitu variabel yang mempunyai jarak jika dibandingkan
dengan variabel lain, sedang jarak itu sendiri dapat diketahui dengan pasti.
Variabel ratio, yaitu variabel perbandingan. Variabel ini hubungan antar
sesamanya merupakan ”sekian kali”
b. Variabel numerik distrit (bilangan bulat)
c. Variabel anumerik atau kuantitatif atau kategoris, meliputi :
Variabel kategori perbedaan derajat (Strata)
Variabel kategori perbedaan jenis (klaster)
2.5.2 Hubungan variabel
Inti penelitian ilmiah adalah mencari hubungan dan kaitan pengaruh antar
variabel. Pada dasarnya terdapat tiga jenis hubungan antar variabel, yaitu:
a. Hubungan simetris, apabila variabel yang satu tidak disebabkan/ dipengaruhi
oleh variabel lainnya.
b. Hubungan timbal balik (recipprocal), apabila suatu waktu variabel X
mempengaruhi variabel Y dan diwaktu lain variabel Y mempengaruhi X.
c. Hubungan asimetris, dimana variabel independent tidak pernah menjadi
dependent dan sebaliknya. Disini terdapat beberapa hubungan asimetris, yaitu:
1. Hubungan stimulus-respons.
2. Hubungan disposisi-respons.
4. Hubungan permanen antara dua variabel.
5. Hubungan antara tujuan dengan cara.
(Buku ajar Metodologi Penelitian, 13-14)
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
2.7 Aplikasi Rute/ Jalur Distribusi Setelah Dilakukan Penentuan Alokasi CustomerKe Tiap Alat Angkut
- Iterasi 2: Dari saving matriks, diperoleh penghematan tertinggi sebesar 1389,02
= (C12,C13) dengan mengkombinasikan rute untuk customer 12 dan customer 13
dalam satu rute, yaitu rute A. Selanjutnya dilakukan pengecekan apakah
pengkombinasian tersebut layak dilakukan atau tidak, layak dilakukan jika total
order size kurang dari kapasitas truk.
Beban untuk rute A = order size custr 12 + order size custr 13
= 9 + 32 = 41 (<71) layak (dst)
- Iterasi 6 : Penghematan tertinggi selanjutnya yaitu 1233,3 = S(C12,C14),
1233,34 = S(C13,C14) , 1230,62 = S (C14,C16) tetapi karena sudah masuk rute
A, maka dicari penghematan tertinggi selanjutnya yaitu 1162,7 = S(C11,C13),
sehingga pada tahap ini dilakukan pengecekan apakah customer 11 dapat
ditambahkan pada rute A.
Beban untuk rute A=order size custr.12 + custr.13 + custr.16 + custr. 15 + custr.
14 + custr. 11 = 9 + 32 + 10 + 10 + 9 + 44 = 114 (<71) tidak layak.
Dari iterasi di atas kemudian diperoleh empat (4) rute yaitu :
• rute A : {12, 13, 16, 15, 14 }, • rute B : {11, 10 },
• rute C : {9, 8, 7, 6, 5 }, dan • rute D : {3, 4, 2, 1}
yang berarti pabrik membutuhkan 4 truk. Truk pertama akan mengirimkan atau
11, 10, truk ketiga melayani customer 9, 8, 7, 6, 5, dan truk keempat melayani
customer3,4,2,1.
2.7.1 Pengurutan rute pengiriman dengan prosedur Nearest Neighbour Untuk Rute B {11, 10}
• Iterasi 1: Awal perjalanan dimulai dari DC dengan total jarak = 0
- Dengan menuju ke customer 11 maka perjalanan bertambah jarak 582,99
- Dengan menuju ke customer 10 maka perjalanan bertambah jarak 575,87
Dengan menggunakan prosedur nearest neighbour, maka diperoleh solusi
pada iterasi 1 adalah menuju customer 10.
• Iterasi 2 : Perjalanan dari DC ke customer 10 dilanjutkan menuju customer terdekat berikutnya yaitu customer 11.
- Dengan menuju ke customer 11 maka perjalanan bertambah jarak 7,57
sehingga diperoleh solusi ( DC-C10-C11-DC ) dengan panjang : = 575,87 +
7,57 + 582,99 = 1166,43 dan seterusnya sampai rute D mendapatkan
pengurutan rute pengiriman dengan menggunakan prosedur Nearest
Neighbour.
2.7.2 rute pengiriman sesuai prosedur Nearest Neighbour
• Rute A : ( DC-C14-C15-C16-C12-C13-DC) atau (Pabrik, PT.Pindodeli ,
PT.Conitex Sonoco, PT.Paul Buana, PT.Bintang Abadi, PT.IKPP Serang, Pabrik).
Dengan panjang perjalanan 1411,54 km
• Rute B : ( DC-C10-C11-DC) atau (Pabrik, PT.Agung Abadi , PT.Alkindo,
• Rute C : (DC-C5-C6-C7-C8-C9-DC) atau (Pabrik, PT.Surya Zig-Zag, PT.Taman
Sriwedari, PT.Surya Pamenang, PT.Surya Bentata, PT.Purinusa , Pabrik). Dengan
panjang perjalanan 612,02 km
• Rute D : (DC-C1-C2 -C3 -C4 -DC) atau (Pabrik, PT.Bentoel, PT.KSI ,
PT.Kedawung, PT.Wong Hendri, Pabrik). Dengan panjang perjalanan 188,93 km.
2.7.3 Penghitungan Biaya Transportasi Sebelum dan Sesudah Penerapan MetodeSaving Matriks
• Sebelum
Biaya tenaga kerja = Rp. 20.000 / hari.
Biaya bahan bakar = jarak tempuh x 1/4 lt x harga bahan bakar.
- Rute 1 = 89 x 1/4 x Rp. 4300,- = Rp. 95.675,00
- Rute 2 = 183,74 x 1/4 x Rp.4300,- = Rp. 197.520,5
- Rute 3 = 203,12 x 1/4 x Rp.4300,- = Rp. 218.354,00
- Rute 4 = 557,18 x 1/4 x Rp.4300,- = Rp. 598.968,5
- Rute 5= 1166,43 x 1/4 xRp.4300,- = Rp. 1.253.912,25
- Rute 6= 1492,06 x 1/4 xRp.4300,- = Rp. 1.603.964,5
- Rute 7= 1378,08 x 1/4 xRp.4300,- = Rp. 1.481.350,00
Biaya total = Total biaya tenaga kerja + Total biaya bahan bakar + Biaya retribusi
= Rp. 280.000,- + Rp. 5.449.744,75 + Rp. 600.000,- = Rp. 6.329.744,75 / hari
Hari kerja dalam 1 bulan = 25 hari, maka :
Biaya total 1 bulan = Rp. 5.449.744,75 x 25
• Sesudah
Sesudah penerapan metode saving matriks, maka didapatkan rute baru yaitu :
- Rute A = 1411,54 x 1/4 x Rp.4300,- = Rp. 1.517.405,5
- Rute B = 1166,43 x 1/4 x Rp.4300,- = Rp. 1.253.912,25
- Rute C = 612,02 x 1/4 x Rp. 4300,- = Rp. 657.921,5
- Rute D = 188,93 x 1/4 x Rp. 4300,- = Rp. 203.099,75
Biaya total = Total biaya tenaga kerja + Total biaya bahan bakar + Biaya retribusi
= Rp. 200.000,- + Rp. 3.632.339,- + Rp. 600.000,- = Rp. 4.432.339,- / hari
Hari kerja dalam 1 bulan = 25 hari, maka :
Biaya total 1 bulan = Rp. 4.432.339,- x 25
= Rp. 110.808.475,-
2.8 Penelitian Terdahulu
1. Verliana Septian, 2008 : PENJADWALAN DISTRIBUSI KARUNG
DENGAN MENENTUKAN JALUR DISTRIBUSI OPTIMAL DENGAN
MENGGUNAKAN METODE SAVINGS MATRIX DI PT. PERKEBUNAN
NUSANTARA XI (PERSERO) PK. ROSELLA BARU SURABAYA 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 :
Jalur atau rute distribusi yang diperoleh untuk melayani permintaan karung
goni berdasarkan kapsitas alat angkut dengan penerapan metode Savings
Matrix , yaitu :
o dari Pabrik - PT. Srikandi Ratu – PT. Asikin – CV. KHS – Pabrik
dengan total jarak perjalanan 656,539 km dan Armada yang digunakan
1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman produk
antara Tanggal 15-20 tiap bulan.
o dari Pabrik - PTPN IX – Pabrik dengan total jarak perjalanan 428,439
km dan Armada yang digunakan 1 buah truk gandeng dengan jasa
sewa serta jadwal pengiriman antara Tanggal 21-25 tiap bulan.
o dari Pabrik - UD. Laksana – PT. Temporejo – Pabrik dengan total
jarak perjalanan 290,983 km dan Armada yang digunakan 1 buah truk
gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal
o dari Pabrik – PT. Perhutani – Pabrik dengan total jarak perjalanan
144,68 km dan Armada yang digunakan 1 buah truk gandeng dengan
jasa sewa serta jadwal pengiriman antara Tanggal 10-15 tiap bulan.
o dari Pabrik – PT. Alcon – CV. Wahyu – PT Indonesia Tri Sembilan –
Pabrik dengan total jarak perjalanan 94,01 km dan Armada yang
digunakan 1 buah truk tronton milik sendiri serta Jadwal pengiriman
antara Tanggal 15-25 tiap bulan.
o Pabrik – PT. Wonosari Jaya – PT. Bisi – Pabrik dengan total jarak
perjalanan 82,475 km dan Armada yang digunakan 1 buah truk tronton
milik sendiri serta Jadwal pengiriman antara Tanggal 01-10 tiap bulan.
o dari Pabrik – PT. Teja Seakawan – CV. Borneo – Pabrik dengan total
jarak perjalanan 31,645 km dan Armada yang digunakan 1 buah pick
up milik sendiri serta Jadwal pengiriman antara Tanggal 21- 25 tiap
bulan.
o dari Pabrik - CV. Afandi Tata Tjin - Pabrik dengan total jarak
perjalanan 9,838 km dan Armada yang digunakan 1 buah pick up milik
sendiri serta Jadwal pengiriman antara Tanggal 1-6 tiap
Penghematan jarak dan efisiensi biaya distribusi dengan penerapan metode
Savings Matrix, yaitu :
Penghematan Jarak
Dari Tabel 4.30 Rute awal dan Total jarak Tempuh dan Tabel 4.31
Rute baru dan Total jarak Tempuh diperoleh penghematan rute dari 12 rute
menjadi 8 rute dan penghematan total jarak tempuh dari 2421,679 km menjadi
Penghematan Biaya Transportasi (efisiensi biaya)
Dari Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode
Savings Matrix diperoleh total biaya transportasi pada rute awal sebesar Rp.
20.365.233,45 dan Tabel 4.33 Biaya Transportasi Sesudah Penerapan Metode
Savings Matrix diperoleh total biaya transportasi pada rute baru sebesar Rp.
14.351.031,1 sehingga diperoleh penghematan Biaya Transportasi dari Rp.
20.365.233,45 menjadi Rp. 14.351.031,1 dengan penghematan sebesar Rp.
6.014.202,35 km atau penghematan Biaya Transportasi sebesar 29,53 %.
2. Onny S (2006) : PERANCANGAN SISTEM RUTE DISTRIBUSI 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
jarak dan biaya perjalanan dengan tetap memenuhi permintaan pelanggan.
b. Hasil Akhir
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
BAB III
METODE PENELITIAN
3.1 Tempat dan Waktu Penelitian
Dalam Penelitian ini pencarian data dilakukan di CV. Sari Jaya Mandiri
yang berlokasi di Jalan Ki Hajar Dewantoro No.8 Krian-SDA. Sedangkan waktu
penelitian dimulai pada bulan April 2010 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 :
3.2.1. Variabel Bebas
Variabel bebas adalah Variabel yang mempengaruhi variabel terikat,
meliputi :
a. Biaya transportasi
Variabel ini menyatakan total biaya yang dikeluarkan oleh perusahaan dalam
b. Jarak
Variabel ini menunjukan berapa jarak yang dibutuhkan untuk mencapai rute
yang optimal berdasarkan kapasitas alat angkut.
c. Permintaan Customer
Variabel ini menunjukan berapa jumlah permintaan Customer selama
penelitian dan permintaan Customer diperiode yang akan datang.
d. Kapasitas Alat angkut
Variabel ini merupakan variabel bebas yang menunjukan kapasitas alat angkut
dalam melakukan pengangkutan produk.
3.2.2. Variabel Terikat
Variabel terikat adalah variabel yang nilainya tergantung dari variabel
bebas. Variabel terikatnya yaitu : perencanaan rute dan meminimalkan biaya
transportasi.
3.3 Metode Pengumpulan Data
Berisi tentang bagaimana data dikumpulkan sebelum diolah dan dianalisa.
Data yang dikumpulkan berisi tentang data primer maupun data sekunder, dimana
data sekunder lebih banyak di dalam pengumpulan data ini. Peneliti juga
menggunakan beberapa cara, antara lain melalui Lybrari Reseach (Penelitian
Pustaka) dan Field Research (Penelitian Lapangan).
3.3.1 Library Research (Penelitian Pustaka)
Pengumpulan data sebagai dasar teoritis yang dipakai pedoman dalam
3.3.2 Field Reseach (Penelitian Lapangan)
Dalampenelitian lapangan, terdapat tiga cara yang dilakukan, antara lain :
1. Metode Wawancara ( Interview)
Yaitu teknik pengumpulan data dengan menggunakan tanya jawab secara
langsung dengan karyawan , karyawan dan pihak-pihak yang terlibat langsung
dalam proses distribusi daging sapi.
2. Metode Pengamatan
Yaitu teknik pengambilan data dengan mengadakan pengamatan langsung
pada obyek yang diteliti (Jarak Distributor ke customer)
3. Metode Dokumentasi
Yaitu teknik pengambilan data yang berupa arsip-arsip atau catatan
(Jumlah alat angkut, Data permintaan)
3.4 Metode Pengolahan Data
Dalam penelitian ini metode-metode yang digunakan dalam pengolahan
data, yaitu :
1. Peramalan Jumlah Permintaan
Peramalan jumlah permintaan untuk 3 periode dengan menggunakan
perangkat lunak WIN QS untuk mengetahui rata-rata permintaan tiap
periode pada masing-masing kota customer berdasarkan data masa lalu
(Double Eksponential Smothing, Moving Average, Simple Average)
2. Perhitungan, Mean Square Error (MSE), dengan melihat nilai kesalahan
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
dimana :
1,2 J pengehematan jarak antara customer 1 dan customer 2
X1,X2
Jarak customer 1 dan customer 2 di koordinat x.
Y1,Y2
Jarak customer 1 dan customer 2 di koordinat y.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 , , , ,
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 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 metode
Nearest Neighbour.
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.
3.5 Langkah-langkah Pemecahan Masalah
Langkah-langkah pemecahan masalah diperlukan sebagai pedoman
pelaksanaan penelitian agar proses penelitian dapat berjalan secara sestematis dan
terarah. Adapun langkah-langkah pemecahan masalah yang dilakukan dapat
Tidak Mulai
Studi Lapangan Studi Literatur
Perumusan Masalah
Tujuan Penelitian
Identifikasi Variabel
- Variabel Bebas - Variabel Terikat
Pengumpulan Data
- Data permintaan - Data biaya - Data jarak
Peramalan Permintaan masing-masing cutomer
Metode peramalan Time series
Perhitungan MSE dari tiap metode
Metode dengan nilai MSE
terkecil
A B
Biaya transportasi setelah penerapan metode < biaya transportasi awal ya
Penentuan alokasi ke tiap alat angkut
Kesimpulan dan Saran
Selesai
Penentuan Hasil Distribusi
Perhitungan biaya transportasi
Biaya transportasi awal
Hasil dan Pembahasan Ya
Tidak Tidak
C A B
Hasil Peramalan Pembuatan Matriks jarak
Perhitungan saving matriks
Penjelasan Langkah – Langkah Pemecahan Masalah :
1. Mulai
Langkah awal penelitian dalam menentukan topik permasalahn
2. Studi lapangan
Studi lapangan dilakukan dengan maksud dapat mengetahui kondisi nyata
obyek yang akan diteliti. Hal ini untuk menghindari terjadinya ketidaksesuaian
antara tujuan peneliti dengan kondisi obyek penelitian.
3. Studi literatur
Untuk menunjang pelaksanaan kegiatan penelitian beberapa literatur
diperlukan guna memperdalam teori sebagai bahan dasar penelitian. Literatur
diperoleh dari berbagai sumber antara lain dari perpustakaan maupun perusahaan
dan studi penelitian sebelumnya yang berkaitan dengan topik permasalahan
sebelumnya. Studi ini berhubungan dengan pemilihan metode pemecahan masalah
yang digunakan dalam penelitian ini.
4. Perumusan masalah
Perumusan masalah dari penelitian ini adalah bagaimana mengoptimalkan
rute pendistribusian produk kepada customer agar dapat meminimumkan total
biaya yang dikeluarkan oleh perusahaan ? Untuk menjawab persoalan diatas maka
digunakan metode Savings Matrix di CV. Sari Jaya Mandiri.
5. Tujuan penelitian
Tujuan penelitian ini adalah merencanakan rute yang harus ditempuh tiap
kendaraan berdasarkan kapasitasnya untuk megoptimalkan total jarak tempuh,
mendapatkan penghematan biaya transportasi setelah menggunakan metode
Savings Matrix.
6. Identifikasi Variabel
Mengidentifikasi semua variabel yang diperlukan untuk menyelesaikan
masalah.
