karena jaraknya paling dekat dengan DC, ukuran jarak tersebut dapat dilihat pada tabel 4.8.
Iterasi 2 : Perjalanan dari DC → Gudang 1 dikarenakan tidak ada
gudang lain yang akan dikunjungi pada rute A tersebut langsung dilanjutkan menuju gudang terakhir, yaitu gudang 6 sehingga
diperoleh solusi DC – G
1
– G
6
- DC dengan panjang :
= 13.27 + 64.05 + 77.19 = 154.51 Km
4.2.3.2 Penghitungan Biaya Transportasi Sesudah Penerapan Metode Savings
Matrix bulan April 2009 – Maret 2010.
Dari biaya transportasi tabel 4.5 dapat dihitung biaya transportasi sesudah penerapan metode Savings Matrix,
Sesudah penerapan metode Savings Matrix, maka didapatkan rute baru yaitu: -
Rute A = 318.8 x 110 x Rp. 4500 = Rp. 143.460 -
Rute B = 226.68 x 110 x Rp. 4500 = Rp. 102.006 -
Rute C = 154.51 x 110 x Rp. 4500 = Rp. 69.530 Sehingga Didapatkan keseluruhan biaya transportasi pada rute usulan sebesar :
Tabel 4.15 biaya transportasi keseluruhan pada rute usulan
Biaya total = Total biaya tenaga kerja + Total biaya bahan bakar + Total Biaya retribusi + Biaya konsumsi
No Rute Awal Pengiriman
Truk ke Gudang Jumlah
Truk TK
Total Biaya
Tenaga kerja
Jarak Tempuh
Km Biaya
Bahan Bakar
Rp Biaya
Retribusi Rp
Biaya Konsumsi
Rp 1
DC – G
2
- G
7
- DC 1 2
1.800.000 318.8 143.460
20.000 400.000 2
DC – G
3
- G
4
- G
5
- DC 1
2 1.800.000
226.68 102.006
20.000 400.000
3 DC – G
1
- G
6
- DC 1
2 1.800.000
154.51 69.530
20.000 400.000
3
6 5.400.000
699.99 314.996
60.000 1.200.000
= Rp. 5.400.000 + Rp. 314.996 + Rp. 60.000 + Rp. 1.200.000 = 6.974.996 per bulan
4.2.4 Peramalan Forecasting
Untuk menghitung peramalan permintaan VCD pembelajaran pada periode yang akan datang dengan menggunakan bantuan program WinQSB. Data
historis diinputkan ke dalam software WinQSB . Langkah pertama untuk mendapatkan hasil peramalan dengan menggunakan metode kuantitatif time series
adalah membuat diagram pencar atau menggambarkan historis permintaan dalam bentuk grafik x – y. Diagram Pencar ini berguna untuk mengetahui pola data
tersebut apakah mengandung unsur horisontal. musiman. siklus. atau trend .
Setelah diketahui Pola data apa yang di gunakan, baru kita bisa menggunakan metode peramalan apa saja yang dapat digunakan oleh pola data
tersebut Setelah mengetahui metode peramalan apa saja yang di pakai selanjutnya
kita Ukur keberhasilan dari peramalan yang dilakukan oleh peneliti ditentukan berdasarkan nilai Mean Square Error MSE terkecil pada setiap metode
permalan yang di pakai kemudian dilakukan uji verifikasi untuk mengetahui apakah metode peramalan yang mempunyai MSE terkecil dapat dipakai layak
atau tidak. Alat yang dipergunakan untuk uji verifikasi adalah dengan Moving Range Chart MRC.
Jika setelah metode yang mempunyai MSE terkecil tersebut telah di uji MRC dan dinyatakan layak maka peramalan permintaan pada metode tersebut
dapat direkomendasikan untuk peramalan permintaan pada periode mendatang jika tidak maka Dipilih MSE yang terkecil ke dua.
4.2.4.1 Diagram Pencar Data Permintaan April 2009 – Maret 2010
