Oleh I Dewa Gd. Eka Wirya G. NRP

(1)

PENENTUAN LOKASI WAREHOUSE BARU

DENGAN PENDEKATAN

MULTI CRITERIA GOAL PROGRAMMING

UNTUK MENCAPAI EFISIENSI RUTE PENGIRIMAN

(Studi kasus: PT. Coca-Cola Amatil Indonesia unit Balinusa)

Oleh

I Dewa Gd. Eka Wirya G.

NRP. 2507 100 081

Dosen Pembimbing

Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP.

Dosen Penguji

Dr. Eng, Ir. Ahmad Rudiansyah, M.Eng, CSCP

Niniet Indah Arvitrida, ST, MT

Ivan Kristanto Singgih, ST, MT

(2)

Latar Belakang

• Meningkatnya pengembalian botol kosong

• Peningkatan permintaan dari tahun

2006-2010

(3)

Dibutuhkan Gudang baru yang akan menggantikan

Gudang Sewa ( Ketewel )…..?

Dimana lokasi gudang dipilih dengan

melihat efisiensi rute pengiriman?

(4)

PERMASALAHAN

TUJUAN PENELITIAN

MANFAAT PENELITIAN

• Mendapatkan lokasi warehouse baru bagi PT.CCAI unit Balinusa.

• Dapat menentukan rute pengiriman yang optimal dari warehouse ke sales

center hingga kembali lagi ke warehouse.

Dimanakah letak lokasi warehouse yang mempertimbangkan efisiensi rute

pengiriman untuk seluruh sales center unit Balinusa.

• Mampu menemukan solusi dalam permasalahan penentuan lokasi warehouse.

• Mampu dalam penentuan rute pengiriman dan pengembalian yang tepat

dalam mendistribusikan produk.

• Memberikan rekomendasi bagi PT. CCAI unit Balinusa dalam penentuan lokasi

(5)

BATASAN

• Warehouse pada plant hanya melayani regional Balinusa yaitu

9 sales center.

• Produk PT.CCA Balinusa yang diamati adalah CSD RGB untuk

ukuran 220 ml dan 295 ml, dan non-CSD yaitu Frestea (jasmine

dan green tea) dan produk OWP dari luar plant Balinusa.

(6)

• Pengertian Warehouse

• Manajemen Distribusi dan Transportasi

• Reverse Logistic

• Analytical Hierarchy Process (AHP) – Goal

programming (GP)

• Simulasi Monte Carlo

• VRP dan VRP SDP

(7)

Penentuan

Lokasi

Combining the analytic hierarchy

process and goal programming

for global facility

location-allocation problem (Badri, 1998)

Analytic hierarchy process to assess and

optimize distribution network (Sharma et

al., 2008)

PENENTUAN LOKASI WAREHOUSE BARU

DENGAN PENDEKATAN MULTI CRITERIA GOAL PROGRAMMING

UNTUK MENCAPAI EFISIENSI RUTE PENGIRIMAN

Penentuan Lokasi Distribution

Center/Gudang Persediaan

Darurat Tanggap Bencana

(Pawestri,2010)

(8)

Critical Review

Penentuan lokasi warehouse

Combining the analytic hierarchy process

and goal programming for global facility

location-allocation problem (Badri, 1998)

Analytic hierarchy process to assess

and optimize distribution network

(Sharma et al., 2008)

Fuzzy group decision-making for

facility location selection (Kahraman et

al., 2003)

Multi-criteria fuzzy optimization for

locating warehouses and distribution

centers in a supply chain network (Chen

et al., 2007)

Comperative analysis of multi-criteria decision

making methodologies and implementation of a

warehouse location selection problem (Ozcan et al.,

2011)

(9)

Perbedaan Penelitian

Multi

Kriteria Goal Programming

Simulasi Pengiriman

1 Badri 1998

Combining the analytic hierarchy process and goal programming for global facility location-allocation problem

Ada Ada

-2 Kahraman et al 2003 Fuzzy group decision-making

for facility location selection Ada -

-3 Chen et al 2007

Multi- kriteria fuzzy optimization for locating warehouses and distribution centers in a Supply chain network

Ada -

-4 Sharma 2008

Analytic hierarchy process to assess and optimize distribution network

Ada -

-5 Pawestri 2010 Penentuan Lokasi Distribution _{Center /Gudang Persediaan} Darurat Tanggap Bencana

Ada Ada

-5 Ozcan 2011

Comperative analysis of

multi-kriteria decision making

methodologies and

implementation of a warehouse location selection problem

Ada -

-6 Dewa Gd. Eka

Wirya Guna 2011

Penentuan Lokasi Warehouse Baru Dengan Pendekatan Multi

Criteria Goal Programming

Untuk Mencapai Efisiensi Rute Pengiriman

Ada Ada Ada

Nama Peneliti Tahun Judul No

(10)

(11)

Identifikasi Permasalahan

Berupa identifikasi terhadap

permasalahan-permasalahan yang terjadi secara umum, untuk

mendapatkan sebuah permasalahan yang relevan untuk

dijadikan obyek penelitian. Langkah ini dilakukan dengan

cara mencari masalah – masalah yang relevan dalam

industri yang membutuhkan penelitian lebih lanjut, baik

masalah klasik maupun masalah yang aktual. Adapun

pada akhirnya penelitian ini mengambil permasalahan

penentuan lokasi warehouse baru (studi kasus PT.

Coca-Cola Amatil Indonesia unit Balinusa sebagai

(12)

Tinjauan Pustaka

Studi Literatur

Berupa studi literatur terhadap buku-buku atau

jurnal-jurnal yang relevan mengenai konsep warehouse,

manajemen distribusi dan transportasi dengan tujuan

untuk menunjang pelaksanaan penelitian. Studi literatur

dilakukan dengan meninjau informasi – informasi yang

berkenaan dengan jalannya penelitian, baik yang terdapat

di perpustakaan, maupun secara online.

Studi Lapangan

Studi lapangan dilakukan untuk mengetahui keadaan riil

warehouse dan proses pengiriman dan pengembalian

produk, serta melakukan observasi kepada pihak PT. CCAI

unit Balinusa.

(13)

Pengumpulan Data

Berupa pencarian data yang akan gunakan

sebagai input seperti data permintaan tiap sales

center, jarak antar plant ke sales center, kriteria

yang dibutuhkan dalam penentuan lokasi gudang

baru, dan alternatif lokasi warehouse yang akan

dibuat. Pengumpulan data pada PT. CCAI unit

Balinusa merupakan data historis dari

perusahaan dan untuk menentukan kriteria serta

alternatif lokasi awal ditentukan oleh pihak PT.

CCAI unit Balinusa.

(14)

Generate Permintaan

menggunakan simulasi Monte

Carlo

Dilakukan simulasi untuk men-generate data

permintaan tiap sales center. Dilakukan simulasi

untuk men-generate data permintaan

dikarenakan permintaan pada PT.CCAI unit

Balinusa lumpy. Simulasi yang dilakukan dengan

menggunakan bilangan acak untuk

membangkitkan permintaan sesuai dengan

distribusi data permintaan yang ada atau data

historisnya. Hasil generate data permintaan akan

digunakan dalam proses penentuan rute

(15)

Pemilihan keputusan lokasi

berdasarkan kriteria

Dengan menggunakan AHP yaitu pembobotan

dari beberapa kriteria prioritas secara

subjektifitas yang menjadi pertimbangan

perusahaan terhadap alternatif lokasi yang ada.

Kemudian dilakukan kalkulasi bobot-bobot relatif

dari elemen-elemen keputusan dan menguji

apakah data input memuaskan atau tidak dengan

menggunakan indeks konsistens (consistency

index). Setelah itu, jumlahkan bobot-bobot relatif

tersebut untuk memperoleh hasil dan akan

diperoleh ranking-rangking untuk

alternatif-alternatif keputusan.

(16)

Optimasi bobot ranking

Dengan menggunakan Goal programming

dengan software Lindo, rangking bobot

prioritas yang telah didapatkan AHP

merupakan nilai subjektifitas, kemudian

digunakan goal programming untuk

pencapaian objektif. Dalam penelitian ini

mempertimbangkan nilai subjektifitas dan

nilai objektifitas.

(17)

(18)

(19)

(20)

Penentuan rute pengiriman

terhadap kedua lokasi yang terpilih

Didapat 2 lokasi yang terbaik, kemudian dilakukan simulasi

pengiriman produk atau routing pada tiap lokasi dengan

menggunakan metode VRP SDP. Untuk permintaan

kedepan tiap sales center akan di-generate menggunakan

simulasi Monte Carlo, karena permintaan tiap sales center

berubah-ubah dan lumpy. Dilakukan rute pengiriman yang

optimal untuk mendapatkan 1 lokasi yang terbaik dengan

efisiensi transportasi. Metode yang digunakan adalah

metode insertion heuristics dimana merupakan suatu

algoritma yang bertujuan untuk membangun suatu

himpunan rute dimana rute dibangun secara bertahap

dengan cara menyisipkan sales center yang belum dilayani

dengan mempertimbangkan kapasitas kendaraan

(21)

Analisa perbandingan hasil rute

pengiriman antara kedua lokasi

• Setelah dilakukan routing, hasil dari antara kedua lokasi

dibandingkan untuk menentukan lokasi yang terbaik dengan

mempertimbangkan rute yang akan didapat efisiensinya

transportasi. Dimana dari rute tersebut didapat jarak tempuh per

hari kemudian dicari jarak tempuh selama 5 tahun. Dari hasil

tersebut lokasi dengan jarak tempuh rute pengiriman yang

terpendek dipilih sebagai solusi lokasi warehouse baru yang efisien

dalam pengiriman.

Penarikan Kesimpulan

Pengambilan kesimpulan dengan melihat rute pengiriman yang

optimal dari 2 lokasi yang ada. Hasil dari penelitian ini merupakan

lokasi baru dimana mempertimbangkan efisiensi transportasi.

(22)

(23)

(24)

(25)

Data rute dari plant menuju

kandidat lokasi

(26)

Data Kapasitas Truk

Sumber di atas merupakan kebijakan dari PT. CCAI unit

Balinusa yang sudah dilaksanakan pada akhir 2010.

Pengiriman produk ke sales center menggunakan truk

tertutup bersama palletnya.

(27)

(28)

PENGOLAHAN DATA DAN

ANALISA

(29)

No

Kriteria

Harga Tanah

Jarak gudang

baru ke plant

Ada

infrakstruktur

jalan

Kondisi

akses jalan

Keamanan Lingkungan Bobot

1 Harga Tanah

0.04

0.03

0.02

0.03

0.05

0.03

2 Jarak gudang baru

ke plant

0.11

0.22

0.03

0.22

0.09

0.13

3 Ada infrakstruktur

jalan

_0.25

_0.11

_0.22

_0.28

_0.22

_0.26

0.22

4 Kondisi akses jalan

_0.18

_0.32

_0.07

_0.09

_0.07

_0.09

_0.14

5 Keamanan

0.25

0.11

0.22

0.28

0.22

0.26

0.22

6 Lingkungan

0.18

0.32

0.22

0.28

0.22

0.26

0.25 Total

1.00 Menghitung bobot tiap kriteria

No Kriteria Harga Tanah Jarak gudang baru ke plant

Ada infrakstruktur

jalan

Kondisi

akses jalan Keamanan Lingkungan 1 Harga Tanah 1 1/3 1/7 1/5 1/7 1/5 2 Jarak gudang baru

ke plant 3 1 1 1/3 1 1/3 3 Ada infrakstruktur

jalan 7 1 1 3 1 1 4 Kondisi akses jalan 5 3 1/3 1 1/3 1/3 5 Keamanan 7 1 1 3 1 1 6 Lingkungan 5 3 1 3 1 1 Total 28 9 1/3 4 1/2 10 1/2 4 1/2 3 6/7

(30)

Menghitung bobot tiap kandidat

terhadap kriteria harga tanah

No

Lokasi

Sempidi Mengwi Jalan Kargo Tabanan Denpasar

1 Sempidi

1 1/5

1/3

1/7

1/3

2 Mengwi

5

1

3 1/3

5 3 Jalan Kargo

3 1/3

1 1/5

3

4 Tabanan

7

3

5

1

5 5 Denpasar

3 1/5

1/3

1/5

1 Total

19 4 3/4

9 2/3

1 7/8

14 1/3

No

Lokasi

Bobot

1 Sempidi

0.05

2 Mengwi

0.26

3 Jalan Kargo

0.13

4 Tabanan

0.48

5 Denpasar

0.08

(31)

Menghitung bobot tiap kandidat

terhadap kriteria jarak dari plant

No

Lokasi

Sempidi Mengwi Jalan Kargo Tabanan Denpasar

1 Sempidi

1 1/3

3 1/5

5

2 Mengwi

3

1

7

3

9 3 Jalan Kargo

1/3

1/7

1 1/7

3

4 Tabanan

5 1/3

7

1

7 5 Denpasar

1/5

1/9

1/3

1/7

1 Total

9 1/2

2 18 1/3

4 1/2

25 No

Lokasi

Bobot

1 Sempidi

0.14

2 Mengwi

0.45

3 Jalan Kargo

0.06

4 Tabanan

0.32

5 Denpasar

0.03

(32)

Menghitung bobot tiap kandidat

terhadap kriteria adanya infrakstruktur

No

Lokasi

Sempidi Mengwi Jalan Kargo Tabanan Denpasar

1 Sempidi

1 1/3

3 1/3

1/5

2 Mengwi

3

1

7

3 1/3

3 Jalan Kargo

1/3

1/7

1 1/7

1/7

4 Tabanan

3 1/3

7

1 1/3

5 Denpasar

5

3

7

3

1 Total

12 1/3

4 4/5

25 7 1/2

2 No

Lokasi

Bobot

1 Sempidi

0.08

2 Mengwi

0.26

3 Jalan Kargo

0.04

4 Tabanan

0.18

5 Denpasar

0.44

(33)

Menghitung bobot tiap kandidat

terhadap kriteria kondisi akses jalan

No

Lokasi

Sempidi Mengwi Jalan Kargo Tabanan Denpasar

1 Sempidi

1 1/3

3 1/3

3

2 Mengwi

3

1

7

1 1/3

3 Jalan Kargo

1/3

1/7

1 1/7

1/5

4 Tabanan

3

1

7

1 1/3

5 Denpasar

1/3

3

5

3

1 Total

7 2/3

5 1/2

23 5 1/2

4 7/8

No

Lokasi

Bobot

1 Sempidi

0.20

2 Mengwi

0.23

3 Jalan Kargo

0.04

4 Tabanan

0.23

5 Denpasar

0.31

(34)

Menghitung bobot tiap kandidat

terhadap kriteria keamanan

No

Lokasi

Sempidi Mengwi Jalan Kargo Tabanan Denpasar

1 Sempidi

1 1/3

5 1/3

5

2 Mengwi

3

1

7

1

5 3 Jalan Kargo

1/5

1/7

1 1/5

1/3

4 Tabanan

3

1

5

1

5 5 Denpasar

1/5

3 1/5

1 Total

7 2/5

2 2/3

21 2 3/4

16 1/3

No

Lokasi

Bobot

1 Sempidi

0.19

2 Mengwi

0.36

3 Jalan Kargo

0.04

4 Tabanan

0.34

5 Denpasar

0.08

(35)

Hasil AHP

Sempidi Mengwi Jalan Kargo

Tabanan

Denpasar

Harga Tanah

0.002

0.009

0.004

0.016

0.003 Jarak gudang baru ke plant

0.018

0.058

0.008

0.041

0.004 Ada infrakstruktur jalan

0.019

0.058

0.008

0.040

0.099 Kondisi akses jalan

0.028

0.031

0.005

0.031

0.043 Keamanan

0.042

0.080

0.010

0.076

0.017 Lingkungan

0.011

0.035

0.025

0.125

0.052 Kriteria penentuan lokasi

Kandidat lokasi

(36)

Analisa Hasil AHP

Analisa perbandingan pasangan antar kriteria:

1. Bobot kriteria tertinggi adalah Kriteria Lingkungan

dengan bobot 0,25

2. Faktor lingkungan dimaksud antara lain:

a) Tersedia jaringan listrik, PDAM, dan telepon.

b) Memiliki sanitasi baik.

c) Tidak banjir, dan

d) Tidak berada di dalam perumahan.

(sumber: Hasil wawancara Warehouse & transportation manager CCAI unit Balinusa)

3. Kriteria penting lainnya adalah keamanan dan

ada infrakstuktur jalan dengan perolehan bobot

masing-masing yaitu 0,20.

(37)

Analisa hasil AHP (2)

4. Kriteria kondisi akses jalan, jarak plant terhadap

gudang baru, dan harga tanah memperoleh bobot

masing-masing adalah 0,14, 0,13 dan 0,03

(38)

Analisa Hasil AHP (3)

Analisa perbandingan pasangan antara tiap kandidat

lokasi terhadap kriteria:

1. Harga tanah

- Untuk kriteria harga tanah, daerah terbaik yaitu memiliki bobot

terbesar berada pada lokasi Tabanan dan Mengwi dengan

masing-masing bobotnya adalah 0,48 dan 0,26.

- Untuk daerah Tabanan harga jual tanah yaitu Rp. 147.000,-/m

2 _,

sedangkan di daerah mengwi adalah Rp. 200.000,-/ m

2 2. Jarak gudang baru ke plant

-Daerah terbaik berada pada lokasi Mengwi dengan bobot 0,45

diketahui jarak plant ke lokasi di Mengwi adalah 8 Km.

(39)

Analisa Hasil AHP (3)

Analisa perbandingan pasangan antara tiap kandidat

lokasi terhadap kriteria:

3. Ada infrakstruktur jalan

-Bobot yang paling besar ada pada lokasi Denpasar dengan 0,44

4. Kondisi akses jalan

- Untuk kriteria ini bobot yang paling besar adalah

kandidat lokasi Denpasar dengan bobot 0,31

5. Kriteria Keamanan

-Segi keamanan kandidat lokasi yang memiliki bobot tertinggi

terhadap kriteria ini adalah lokasi Mengwi dan Tabanan dengan

masing-masing bobot yaitu 0.36 dan 0.34.

(40)

Analisa Hasil AHP (3)

6. Kriteria Lingkungan

- Segi lingkungan kandidat yang memiliki bobot tertinggi adalah

pada lokasi Tabanan yaitu 0.50

Nantinya nilai score dikalikan bobot kriteria akan dijadikan

input-an pada formulasi Goal Programming untuk nilai kriteria

subjektifitas, sedangkan nilai kriteria objectifitas

menggunakan data yang ada di lapangan.

(41)

(42)

Analisa Indeks Konsistens

Berikut nilai inconsistency perbandingan kandidat terhadap

kriteria:

1. Untuk kriteria harga tanah memiliki inconsistency adalah

0,07

2. Untuk kriteria jarak kandidat dengan plant memiliki

inconsistency adalah 0,09

3. Untuk kriteria ada infakstruktur jalan memiliki inconsistency

adalah 0,07

(43)

Analisa Indeks Konsistens (2)

4 .

Untuk kriteria kondisi akses jalan memiliki inconsistency

adalah 0,31

5. Untuk kriteria keamanan memiliki inconsistency adalah 0,07

6. Untuk kriteria lingkungan memiliki inconsistency adalah 0,14

(44)

Goal 1: Harga beli perusahaan terhadap tanah kandidat lokasi

maksimal 700 juta untuk lahan tanah seluas 3 hektar.

Goal 2 : Jarak lokasi terhadap plant adalah 26 km.

Goal 3 : Lebar jalan minimal 8 meter.

Goal 4 : Kondisi jalan minimal 80% kondisi baik.

Goal 5 : Aspek keamanan harus 100% aman.

Goal 6 : Aspek lingkungan harus 100% yaitu ada jaringan

listirk, PDAM dan telepon. Kemudian sanitasi baik, tidak

banjir, dan tidak berada di perumahan atau pemukiman

penduduk.

(45)

(46)

Matriks Jarak

Gudang 1 Denpasar Kuta Tabanan Singaraja Ubud Klungkung Mataram Sumbawa Bima Gudang 1 0

Denpasar 25.1 0

Kuta 40.1 15.3 0

Tabanan 1 25.1 40.1 0

Singaraja 187 inf inf inf 0

Ubud 28.1 21.4 28.2 28.1 inf 0

Klungkung 64 27.3 31.8 64 inf 22.7 0

Mataram 90.1 inf Inf inf inf inf inf 0

Sumbawa 269 inf inf inf inf inf inf 178.9 0

Bima 534.1 inf inf inf inf inf inf 444 265.1 0

Gudang 2

Denpasar

Kuta

Tabanan

Singaraja

Ubud

Klungkung

Mataram

Sumbawa

Bima

Gudang 2

0 Denpasar

13.3

0 Kuta

28.3

15.3

0 Tabanan

7.3

25.1

40.1

0 Singaraja

207.3 inf

inf

0 Ubud

16.3

21.4

28.2

28.1 inf

0 Klungkung

49.3

27.3

31.8

64 inf

22.7

0 Mataram

78.3 inf

inf

0 Sumbawa

257.3 inf

inf

179

0 Bima

522.3 inf

inf

444

265

0 TABANAN

(47)

Hasil Simulasi rute pengiriman

(48)

Hasil simulasi rute pengiriman

untuk Produk RGB

Hari Panjang rute (Km) Sales center yang dilayani Kapasitas total

(case) 1 128.0 Klungkung 510 2 128.0 Klungkung 193 3 128.0 Klungkung 557 4 128.0 Klungkung 22 5 128.0 Klungkung, Tabanan 719 6 2878.4 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 26863 7 129.0 Klungkung, Tabanan 678 8 837.0 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 4156 9 1890.6 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 13894 10 128.0 Klungkung 331 11 128.0 Klungkung 551 12 1188.4 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 6360 15 128.0 Klungkung 37 16 128.0 Klungkung 91 17 129.0 Tabanan, Klungkung 641 18 128.0 Klungkung 103 19 626.0 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 1394

(case) 1 98.6 Klungkung 510 2 98.6 Klungkung 193 3 98.6 Klungkung 557 4 98.6 Klungkung 22 5 120.6 Klungkung, Tabanan 719 6 2254.9 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 26863 7 120.6 Klungkung, Tabanan 678 8 748.3 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 13894 10 98.6 Klungkung 331 11 98.6 Klungkung 551 12 946.8 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 6360 15 98.6 Klungkung 37 16 98.6 Klungkung 91 17 120.6 Tabanan, Klungkung 641 18 98.6 Klungkung 103 19 631.7 Denpasar, Kuta, Tabanan,

Singaraja, Ubud, Klungkung 1394

(49)

Hasil simulasi rute pengiriman

untuk Produk OWP

(case) 1 128.0 Klungkung 132 2 128.0 Klungkung 9 3 128.0 Klungkung 138 4 0.0 - 0 5 128.0 Klungkung 150 6 2679.8

Denpasar, Kuta, Tabanan, Singaraja, Ubud, Klungkung,

Mataram, Sumbawa, Bima

30570 7 128.0 Klungkung 147 8 128.0 Klungkung 255 9 691.1 Kuta,Tabanan, Singaraja, Klungkung 730 10 128.0 Klungkung 46 11 128.0 Klungkung 137 12 129.0 Tabanan, Klungkung 437 13 4502.4

52129 14 128.0 Klungkung 260 15 0.0 - 0 16 0.0 - 0 17 128.0 Klungkung 144 18 0.0 - 0 19 128.0 Klungkung 174 20 128.0 Klungkung 173

(case) 1 98.6 Klungkung 132 2 98.6 Klungkung 9 3 98.6 Klungkung 138 4 0.0 - 0 5 98.6 Klungkung 150 6 2189.9

30570 7 98.6 Klungkung 147 8 98.6 Klungkung 255 9 699.7 Kuta,Tabanan, Singaraja, Klungkung 730 10 98.6 Klungkung 46 11 98.6 Klungkung 137 12 120.6 Tabanan, Klungkung 437 13 3635.1

52129 14 98.6 Klungkung 260 15 0.0 - 0 16 0.0 - 0 17 98.6 Klungkung 144 18 0.0 - 0 19 98.6 Klungkung 174 20 98.6 Klungkung 173

(50)

Analisa Simulasi Rute

Pengiriman

Kandidat lokasi Mengwi lebih pendek dengan efisiensi rute

pengiriman yang lebih rendah

19,4 %

dari kandidat Tabanan.

Produk RGB

Produk OWP

Mengwi

293,160.00

130,784.50

423,944.50

Tabanan

348,549.10

157,816.10

506,365.20

(51)

(52)

Kesimpulan

Kesimpulan yang dapat diambil dari penelitian ini

adalah sebagai berikut:

1. Dalam menentukan lokasi warehouse baru pada PT.

CCAI unit Balinusa terdapat 6 kriteria yang

dipertimbangkan yaitu:

Harga tanah, jarak lokasi dengan plant, ada

infrakstruktur jalan, kondisi jalan, aspek keamanan

dan aspek lingkungan.

Kandidat lokasi yang akan dipilih berdasarkan

rekomendasi perusahaan adalah Sempidi, Mengwi,

Jalan Kargo, Tabanan, dan Jalan Mahendradata

(53)

Kesimpulan (2)

2. Dari hasil perhitungan AHP-GP, diperoleh 2 kandidat lokasi

berdasarkan kriteria subjektifitas dan criteria objektifitas

yang kemudian dioptimasikan dengan solver LINDO yaitu

daerah Tabanan dan Mengwi.

3. Hasil simulasi tersebut didapat total jarak tempuh rute

pengiriman dari gudang Tabanan selama setahun untuk

produk RGB dan OWP adalah 506.365,2 km, sedangkan jika

dari gudang Mengwi 423.733,9 km.

Jadi kandidat lokasi sebagai warehouse baru dengan rute

pengiriman yang efisien adalah lokasi Mengwi dimana hasil

yang diperoleh total jarak pengiriman dari lokasi Mengwi

19,4% lebih rendah dibandingkan kandidat lokasi Tabanan.

(54)

Saran

Adapun saran-saran yang dapat direkomendasikan antara

lain:

1. PT. CCAI unit Balinusa dapat mendirikan warehouse baru

yang berlokasi di daerah Mengwi, dikarenakan menghasilkan

jarak rute pengiriman yang lebih efisien.

2. Perusahaan dapat menerapkan multi pengiriman (VRP SDP)

produk RGB dan OWP ke sales center dengan

(55)

Daftar Pustaka

• Badri, Masood A. 1998. Combining The Analytic Hieratchy Process And

Goal programming For Global Facility Location-Allocation Problem.

237-248.

• Barnhart, C. dan Laporte, G. 2007. Vehicle Routing Handbook in OR & MS.

• Cahyo, Winda Nur 2008. Pendekatan Simulasi Monte Carlo Untuk

Pemilihan Altenatif Dengan Decicion Tree Pada Nilai Outcom Yang

Probabilistik. 13, 11-17.

• Campbell, Ann Melissa. 2004. Efficient Insertion Heuristics for Vehicle

Routing and Scheduling Problems. Transportation Science, 38, 369-378.

• Chen, Cheng-Liang, Yuan, Tzu-Wei dan Lee, Wen-Cheng 2007.

Multi-Kriteria Fuzzy Optimization For Locating Warehouses And Distribution

Centers in A Supply Chain Network. 393-407.

• Hawks, Karen. 2006. What is Reserve Logistics? [Online]. Available:

http://rlmagazine.com/edition01p12.php

[Accessed 18 Maret 2011].

• Kahraman, Cengiz, Ruan, Da dan Dogan, Ibrahim 2003. Fuzzy Group

(56)

Daftar Pustaka (2)

• Marpaung, Juanawati. 2009. Perencanaan Produksi Yang Optimal Dengan

Pendekatan Goal programming. Medan: Teknik Industri - Universitas

Sumatera Utara.

• Ozcan, Tuncay, Celebi, Numan dan Esnaf, Sakir. 2011. Comparative

Analysis Of Multi-Kriteria Decision Making Methodologies And

Implementation Of A Warehouse Location Selection Problem. Expert

Systems with Applications.

• Pamungkas, Andreas Adi, Wibisono, Eric dan Arlianto, Jerry Agus. 2008.

Pengembangan Model Vehicle Routing Problem with Simultaneous

Delivery and Pick-up dengan Menambahkan Batasan Waktu. Logistic and

Supply Chain Management, 1.

• Pawestri, Isnaya Endah. 2010. Penentuan Lokasi Distribution

Center/Gudang Persediaan Darurat Tanggap Bencana Dengan

Pendekatan Multi Kriteria Goal programming Dan Set Covering. Institut

(57)

Daftar Pustaka (3)

• Prasetyawan, Yudha. 1999. Perencanaan Penjadwalan Kendaraan

Pelayanan Pengambilan Sampah Kotamadya Surabay. Surabaya, ITS.

• Pujawan, I Nyoman dan ER, Mahendrawathi 2010. Supply Chain

Management, Surabaya, Guna Widya.

• Saaty, Thomas L. 2005. Analytic Hierarchy Process. Encyclopedia of

Biostatistic.

• Sharma, Mihtun J., Moon, Ilkyeong dan Bae, Hyerim 2008. Analytic

Hierarchy Process To Assess And Optimize Distribution Network. Aplied

Mathematics and Computation, 256-265.

• Tabucanon, Mario T. 1988. Multiple Criteria Decision Making In Industri,

Amsterdam, ELSEVIER SCIENCE PUBLIHERS B.V.

• Tarigan, Darmasius. 2008. Pemodelan Vehicle Routing Problem Terbuka

(58)