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
Latar Belakang
•
Meningkatnya pengembalian botol kosong
•
Peningkatan permintaan dari tahun
2006-2010
Dibutuhkan Gudang baru yang akan menggantikan
Gudang Sewa ( Ketewel )…..?
Dimana lokasi gudang dipilih dengan
melihat efisiensi rute pengiriman?
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
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.
•
Pengertian Warehouse
•
Manajemen Distribusi dan Transportasi
•
Reverse Logistic
•
Analytical Hierarchy Process (AHP) – Goal
programming (GP)
•
Simulasi Monte Carlo
•
VRP dan VRP SDP
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)
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)
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
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
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.
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.
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
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.
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.
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
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.
Data rute dari plant menuju
kandidat lokasi
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.
PENGOLAHAN DATA DAN
ANALISA
No
Kriteria
Harga Tanah
Jarak gudang
baru ke plant
Ada
infrakstruktur
jalan
Kondisi
akses jalan
Keamanan Lingkungan Bobot
1
Harga Tanah
0.04
0.04
0.03
0.02
0.03
0.05
0.03
2
Jarak gudang baru
ke plant
0.11
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
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
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
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
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
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
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
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
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.
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
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.
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.
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.
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
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
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.
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
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
inf
inf
inf
inf
0
Sumbawa
257.3
inf
inf
inf
inf
inf
inf
179
0
Bima
522.3
inf
inf
inf
inf
inf
inf
444
265
0
TABANAN
Hasil Simulasi rute pengiriman
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 9872 13 5801.2 Denpasar, Kuta, Tabanan,
Singaraja, Ubud, Klungkung 44378 14 1018.7 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 1434 20 626.0 Denpasar, Kuta, Tabanan,
Singaraja, Ubud, Klungkung 1394
Hari Panjang rute (Km) Sales center yang dilayani Kapasitas total
(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 4156 9 1586.8 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 9872 13 5075.5 Denpasar, Kuta, Tabanan,
Singaraja, Ubud, Klungkung 44378 14 853.4 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 1434 20 631.7 Denpasar, Kuta, Tabanan,
Singaraja, Ubud, Klungkung 1394
Hasil simulasi rute pengiriman
untuk Produk OWP
Hari Panjang rute (Km) Sales center yang dilayani Kapasitas total
(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
Denpasar, Kuta, Tabanan, Singaraja, Ubud, Klungkung,
Mataram, Sumbawa, Bima
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
Hari Panjang rute (Km) Sales center yang dilayani Kapasitas total
(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
Denpasar, Kuta, Tabanan, Singaraja, Ubud, Klungkung,
Mataram, Sumbawa, Bima
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
Denpasar, Kuta, Tabanan, Singaraja, Ubud, Klungkung,
Mataram, Sumbawa, Bima
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