Langkah-Langkah Metode Savings Matrix

Metode Savings Matrix adalah metode untuk meminimumkan jarak atau waktu atau ongkos dengan mempertimbangkan kendala-kendala yang ada. Pujawan, 2005: 180.

2.2.2 Langkah-Langkah Metode Savings Matrix

Sebelum melakukan perhitungan Savings Matrix, terlebih dahulu menentukan titik koordinat jarak dari pabrik gudang ke tiap-tiap customer Pujawan, 2005: 180 : Tabel 2.1 Lokasi Tujuan dan Ukuran Order Customer Tujuan Koordinat x Koordinat y Ukuran Order Customer 1 1  1 y A Unit Customer 2 2  2 y B Unit Customer 3 3  3 y C Unit Customer 4 4  4 y D Unit . . . Customer n . . . n  . . . n y . . . N Unit Sumber : supply chain management, I Nyoman Pujawan.2005 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 lokasi bisa dihitung dengan menggunakan rumus jarak standar. Tabel 2.2 Matrik Jarak dari Pabrik ke Customer dan antar Customer PabrikGuda 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 : supply chain management, I Nyoman Pujawan.2005 Misalkan dua lokasi masing-masing dengan koordinat  1 1 , y   dan  2 2 , y   maka Perhitungan matrik jarak dua lokasi tersebut adalah Pujawan, 2005: 181 :       2 2 1 2 2 1 2 , 1 y y J       Hasil perhitungan jarak ini digunakan untuk menentukan matrik penghematan Savings Matrix yang akan dikerjakan pada langkah berikutnya. 2. Mengidentifikasi Matrik Penghematan Savings Matrix Savings matrix mempresentasikan penghematan yang dapat direalisasikan dengan menggabungkan dua pelanggan ke dalam satu rute. Misalkan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute maka jarak yang akan dikunjungi adalah dari gudang ke Customer 1 kemudian ke Customer 2 dan dar Customer 2 balik ke gudang. Gudang Gudang Sumber : supply chain management, I Nyoman Pujawan.2005 Customer 1 Customer 2 Customer 1 Customer 2 Gambar 2.1 Perubahan yang terjadi dengan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute. Dari gambar diatas terjadi perubahan jarak adalah sebesar jarak kiri dikurangi total jarak kanan yang besarnya adalah Pujawan, 2005: 182:             G J J G J G J G J , 2 2 , 1 1 , 2 , 2 1 , 2           2 , 1 2 , 1 , J G J G J    dengan jarak     x y y x , ,          y x J y G J x G J y x S , , , ,    dimana :    y x S , Penghematan jarak Savings yang diperoleh dengan menggabungkan rute x dan y menjadi satu    x G J , Jarak dari gudang ke customer x    y G J , Jarak dari gudang ke customer y    y x J , Jarak dari customer x ke customer y kemudian dibuat tabel matrik penghematan jarak dengan menggabungkan dua rute yang berbeda. Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda Sumber : supply chain management, I Nyoman Pujawan.2005 Customer 1 Customer 2 Customer 3 Customer 4 ….Customer n Customer 1 Customer 2 Customer 3 Customer 4 . . . Customer n Tabel 2.4 Langkah awal semua customer memiliki rute terpisah PabrikGuda 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 : supply chain management, I Nyoman Pujawan.2005 3. Mengalokasikan customer ke kendaraan atau rute Pada langkah ini melakukan alokasi customer ke kendaraan atau rute. dalam penggabungan rute customer, digabungkan sampai pada batas kapasitas truk atau armada yang ada, dengan melihat nilai penghematan terbesar pada tabel matrix penghematan jarak.Misalkan didapat matrik penghematan jarak sebagai berikut : Tabel 2.5 semua customer memiliki rute terpisah PabrikGudang 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 : supply chain management, I Nyoman Pujawan.2005 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 PabrikGudang 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 12.92 0.0 Customer 4 Rute a 24.91 8.2 12.6 0.0 Order 320 85 300 150 Sumber : supply chain management, I Nyoman Pujawan.2005 selanjutnya dicari penghematan terbesar kedua didapatkan 12.9 Customer 2 dan 4 masuk ke rute b, dan begitu seterusnya hingga customer ke-n. Jika terdapat customer yang sudah teralokasikan , tidak terjadi penggabungan. kemudian didapatkan jumlah rute sesuai dengan kapasitas armada yang ada dan penghemtan jarak alokasi dari pabrik ke customer.Pujawan, 2005: 183- 185. 4. Mengurutkan Customer Tujuan dalam rute yang sudah terdefinisi Ada banyak metode yang dapat digunakan untuk menentukan urutan kunjungan, namun pada penelitian ini menggunakan metode Nearest Neighbor. Metode Nearest Neighbor merupakan metode pengurutan kunjungan yang 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