Sistem Penunjang Keputusan Manajemen Logistik Pada Agroindustri Berbahan Baku Karet (Studi Kasus Di Pt. Agronesia Divisi Inkaba).

SISTEM PENUNJANG KEPUTUSAN MANAJEMEN
LOGISTIK PADA AGROINDUSTRI BERBAHAN BAKU
KARET (STUDI KASUS DI PT. AGRONESIA DIVISI INKABA)

KIKI AMELIA LUBIS

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Sistem Penunjang
Keputusan Manajemen Logistik pada Agroindustri Berbahan Baku Karet (Studi
Kasus di PT. Agronesia Divisi Inkaba) adalah benar karya saya dengan arahan
dari dosen pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, September 2015
Kiki Amelia Lubis
NIM F34100071

ABSTRAK
KIKI AMELIA LUBIS. Sistem Penunjang Keputusan Manajemen Logistik pada
Agroindustri Berbahan Baku Karet (Studi Kasus di PT. Agronesia Divisi Inkaba).
Dibimbing oleh MARIMIN dan M. ARIF DARMAWAN.
Pertumbuhan sektor industri karet di Indonesia belum tumbuh secara
maksimal karena adanya permasalahan dalam bidang logistik, yang dapat dilihat
dari nilai Logistic Performance Index (LPI) Indonesia pada tahun 2012 berada
pada peringkat ke-59 dari 183 negara. Untuk mengatasi permasalahan dalam
bidang logistik, dibutuhkan kemampuan untuk mengambil keputusan secara cepat,
efektif, dan efisien dalam manajemen logistik. Tujuan penelitian ini adalah
mengembangkan sistem penunjang keputusan berbasis web yang dapat
memberikan keluaran sebagai solusi atas permasalahan-permasalahan logistik
yang ada. Pendekatan yang digunakan untuk proses dan analisis data yaitu analisis
ABC, AHP, dan simulasi Monte Carlo. Model penyelesaian dan data tersebut

dikemas dan diimplementasikan dalam perangkat lunak sistem pengambilan
keputusan. Hasil perhitungan AHP menunjukkan bahwa Tunggal Abadi terpilih
sebagai pemasok bahan baku SIR 50, PT. Tanggamus sebagai pemasok SIR 20,
dan PT. Hosana mandiri sebagai distributor. Hasil simulasi Monte Carlo
menunjukkan bahwa rata-rata permintaan SIR 50 adalah 6 600,23 kg/bulan dan
SIR 20 sebesar 4 828,17 kg/bulan. Perangkat lunak sistem pengambilan keputusan
ini telah diverifikasi dan divalidasi mampu memberikan rekomendasi
pengambilan keputusan bagi manajemen logistik.
Kata kunci : AHP, manajemen logistik, simulasi Monte Carlo, sistem penunjang
keputusan

ABSTRACT
KIKI AMELIA LUBIS. Decision Support System of Logistic Management for
Rubber Industries (Case Study in PT. Agronesia Divisi Inkaba). Supervised by
MARIMIN and M. ARIF DARMAWAN.
The rubber industries in Indonesia has not grown to its full potential due to
logistic problem, which can be seen from Indonesia’s Logistics Performance
Index (LPI) in 2012 was ranked 59th out of 183 countries. The ability to make a
quick, effective, and efficient decision is required to solve the problem. This
research aims to develop web-based decision-making system. The output of webbased decision-making system will be a solution for the logistic problem. The

methods that used to process and analyze the data are ABC analysis, AHP, and
Monte Carlo simulation. The models as well the required data were packed and
implemented into a decision support system software. AHP calculation results
shown that Tunggal Abadi was selected as a supplier of SIR 50, PT. Tanggamus
as a supplier of SIR 20, and PT. Hosana as a distributor. Monte Carlo simulation
results shown that the average demand of SIR 50 is 6 600,23 kg/month and the
average demand of SIR 20 is 4 828,17 kg/month. The decision support system

software was verified and validated to provide recommendations on decisionmaking for logistic management.
Keywords : AHP, decision support system, logistic management, Monte Carlo
simulation

SISTEM PENUNJANG KEPUTUSAN MANAJEMEN
LOGISTIK PADA AGROINDUSTRI BERBAHAN BAKU
KARET (STUDI KASUS DI PT. AGRONESIA DIVISI INKABA)

KIKI AMELIA LUBIS

Skripsi
sebagai salah satu syarat untuk memperoleh gelar

Sarjana Teknologi Pertanian
pada
Departemen Teknologi Industri Pertanian

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia
dan limpahan rahmat-Nya, sehingga penyusunan skripsi berjudul “Sistem
Penunjang Keputusan Manajemen Logistik pada Agroindustri Berbahan Baku
Karet (Studi Kasus di PT. Agronesia Divisi Inkaba)” berhasil diselesaikan. Tema
yang diangkat dalam penelitian yang dilaksanakan selama Mei hingga Agustus
2014 ini adalah mengenai sistem penunjang keputusan manajemen logistik.
Penulis menyampaikan terima kasih dan penghargaan teristimewa kepada:
1. Prof. Dr. Ir. Marimin, MSc dan Muhammad Arif Darmawan, S.TP. MT,
selaku Pembimbing Akademik atas perhatian dan bimbingannya selama

penelitian dan penyelesaian skripsi
2. Dedi Gumilar, Mayang, Hermawan, Dimas, dan Zainal F.A atas bantuan dan
bimbingannya selama melakukan penelitian di PT. Agronesia Divisi Inkaba
3. Ibunda tercinta; Tiflatul Khairah, BA, yang selalu memberikan dukungan dan
semangat
4. Novandra Caniago, Febriani Purba, Gita Hapsari, Giovanni Dwi Atmaja,
Hadiwijoyo, Yoga Prasetyo dan Yati Hardiyanti Haris atas bantuan,
semangat, kebersamaan, tawa dan canda yang telah diberikan selama ini
5. Keluarga besar TIN 47 atas semua cerita suka dan duka selama perkuliahan
6. Seluruh responden yang telah membantu dalam melakukan pengumpulan
data, dan
7. Seluruh sanak dan kerabat yang tidak bisa disebutkan satu-persatu.
Semoga karya ilmiah ini bermanfaat.

Bogor, September 2015
Kiki Amelia Lubis

DAFTAR ISI
DAFTAR TABEL

xii

DAFTAR GAMBAR

xii

DAFTAR LAMPIRAN

xii

PENDAHULUAN

1

Latar Belakang

12

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

3

METODE PENELITIAN

3

Kerangka Pemikiran

3

Tata Laksana Penelitian

4

Lokasi dan Waktu Penelitian

4

Jenis dan Sumber Data

4

Prosedur Penelitian

4

Metode Analisis Data

4

Analisis ABC

4

Metode AHP

5

Monte Carlo Simulation

5

Pemodelan Sistem

6

Pengguna Sistem Penunjang Keputusan (SPK)

6

Konfigurasi Sistem

6

Diagram Aliran Data

9

HASIL DAN PEMBAHASAN

10

Manajemen Logistik

10

Pengelompokan Bahan Baku

11

Pengadaan (Procurement)

12

Prakiraan Permintaan

14

Order Processing

15

Penanganan Bahan (Material Handling)

15

Pengemasan (Packaging)

15

Distribusi dan Transportasi

16

Implementasi Perangkat Lunak Sistem Penunjang Keputusan

16

Spesifikasi Perangkat Keras dan Perangkat Lunak

17

Input Sistem

17

Output Sistem

20

Verifikasi dan Validasi Perangkat Lunak Sistem Penunjang Keputusan

22

Verifikasi

22

Validasi

22

Implikasi Manajerial

23

SIMPULAN DAN SARAN

24

Simpulan

24

Saran

24

DAFTAR PUSTAKA

25

LAMPIRAN

26

RIWAYAT HIDUP

63

DAFTAR TABEL
1 Pengelompokan bahan baku dengan analisis ABC
2 Rata-rata dan standar deviasi simulasi

12
15

DAFTAR GAMBAR
1
2
3
4
5
6

Diagram alir penelitian
Konfigurasi sistem
DFD level 0
DFD level 1
Perbedaan aktivitas logistik dan rantai pasok
Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku
SIR 50
7 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku
SIR 20
8 Hasil pembobotan alternatif pemilihan distributor

3
7
9
10
11
13
13
16

9
10
11
12
13
14
15
16

Tampilan halaman daftar bahan baku
Tampilan halaman kuisioner struktur hierarki
Tampilan halaman pengelompokan bahan baku
Tampilan halaman prakiraan permintaan
Tampilan halaman hasil perhitungan pengelompokan bahan baku
Tampilan halaman hasil perhitungan prakiraan permintaan
Tampilan matrik hasil perbandingan berpasangan AHP
Tampilan halaman hasil perhitungan AHP

18
18
19
19
20
21
21
22

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9

Kuesioner AHP Pemilihan Pemasok SIR 50
Kuesioner AHP Pemilihan Pemasok SIR 20
Kuesioner AHP Pemilihan Distributor
Diagram Alir Model Pengelompokan Bahan Baku
Diagram Alir Model Pemilihan Pemasok Bahan Baku
Diagram Alir Model Prakiraan Permintaan Bahan Baku
Diagram Alir Model Pemilihan Distributor
Dokumentasi Sistem
SNI Standard Indonesian Rubber (SIR)

27
35
47
62
62
63
63
51
74

PENDAHULUAN
Latar Belakang
Karet merupakan produk unggulan subsektor perkebunan di Indonesia.
Menurut Direktorat Jenderal Industri Agro (2013), Indonesia menghasilkan karet
alam dunia sebesar 2 982 000 ton pada tahun 2011, yang merupakan penghasil
terbesar kedua setelah Thailand (3 393 800 ton pada tahun 2011). Hal ini
menunjukkan bahwa karet merupakan salah satu hasil pertanian yang banyak
menunjang perekonomian negara, terbukti dengan besarnya jumlah devisa yang
dihasilkan dari perkebunan karet.
Salah satu cara untuk meningkatkan devisa yang dihasilkan dari sektor
karet adalah dengan meningkatkan efisiensi dan efektivitas manajemen logistik
karet di Indonesia. Manajemen logistik merupakan bagian dari proses supply
chain yang bertujuan untuk merencanakan, melaksanakan, dan mengendalikan
efisiensi dan efektivitas aktivitas penyimpanan dan aliran barang, pelayanan, dan
informasi mulai dari titik asal (pemesanan) sampai dengan titik konsumsi
(pemakaian). Manajemen logistik bertujuan untuk memenuhi kebutuhan para
pelanggan secara tepat, yaitu tepat spesifikasi, kuantitas, kualitas dan waktu
(Nuary 2014).
Berbagai persoalan sering muncul karena pengelolaan logistik yang kurang
tepat. Berkaitan dengan persediaan, misalnya, pengelolaan yang kurang tepat akan
mengakibatkan jumlah persediaan yang terlalu tinggi atau terlalu rendah yang
akan berdampak terhadap biaya atau risiko tertentu. Jumlah persediaan yang
tinggi memberikan beberapa keuntungan, seperti jaminan terpenuhinya pasokan
untuk kegiatan produksi atau pemenuhan permintaan pelanggan. Namun,
konsekuensi dari tingkat persediaan yang tinggi adalah biaya besar yang harus
ditanggung, baik biaya modal maupun biaya risiko persediaan akibat kehilangan,
kerusakan, dan keusangan. Dengan jumlah atau tingkat persediaan yang rendah,
berarti biaya modal yang dikeluarkan juga rendah. Namun, jumlah atau tingkat
persediaan yang rendah berdampak terhadap jaminan pasokan yang rendah untuk
produksi dan pemenuhan permintaan pelanggan. Apabila produksi dan
pemenuhan permintaan pelanggan terganggu, maka terjadi kehilangan peluang
penjualan hingga kehilangan pelanggan.
Pada level negara, pengelolaan logistik yang tidak tepat akan berdampak
lebih besar. Dampaknya bisa berupa kelangkaan stok suatu komoditas yang
mengakibatkan kenaikan harga yang tinggi dan meningkatnya inflasi. Dampak
lainnya yang bisa diakibatkan oleh masalah infrastruktur logistik adalah disparitas
harga karena kendala dalam distribusi suatu komoditas. Berbagai kondisi di
lapangan menunjukkan berbagai persoalan dalam operasionalisasi logistik yang
berakibat terhambatnya aliran barang, seperti hambatan dan kemacetan akibat
kerusakan jalan, antrian di pelabuhan dan jembatan penyeberangan, praktik
pungutan liar, dan lain-lain. Secara keseluruhan hal-hal di atas berakibat terhadap
biaya logistik Indonesia yang tinggi. Kondisi sektor logistik Indonesia yang buruk
juga bisa dilihat dari beberapa indikator yang dikeluarkan oleh beberapa lembaga
dunia, seperti Logistic Performance Index (LPI) yang dikeluarkan oleh Bank
Dunia. Pada tahun 2007 Indonesia berada pada rangking ke-43 dari 150 negara,

2
sedangkan pada tahun 2009 peringkat Indonesia merosot ke peringkat 75 dari 155
negara. LPI Indonesia kemudian menunjukkan peningkatan dari posisi tersebut
menjadi posisi 59 di tahun 2012 (Setijadi 2013). Namun dibandingkan dengan
negara-negara di ASEAN, biaya logistik di Indonesia adalah yang termahal.
Peringkat Indonesia tersebut masih di bawah negara-negara ASEAN lainnya,
seperti: Singapore, Malaysia, Thailand, Philippines, dan Vietnam (Yun dan
Kurniawan 2014). Posisi ini mencerminkan masih lemahnya kinerja sektor
logistik Indonesia di dunia global, bahkan di antara negara-negara ASEAN
tersebut.
Agar komoditas karet dapat tetap bersaing di pasar domestik maupun
internasional, dibutuhkan efisiensi dan efektivitas dalam pengelolaan manajemen
logistik karet di Indonesia. Salah satu solusi yang diharapkan dapat membantu
industri atau perusahaan untuk menyelesaikan permasalahan logistik tersebut
adalah dengan membuat sistem penunjang keputusan yang dapat membantu
pengambil keputusan memilih berbagai alternatif keputusan berupa hasil
pengolahan informasi yang diperoleh. Penelitian ini merupakan pengembangan
dalam bentuk perangkat lunak dari penelitian Marimin et al. (2013a) mengenai
peningkatan produktivitas budidaya karet alam dengan pendekatan Green
Productivity, Marimin et al. (2014a) mengenai analisis rantai nilai untuk
peningkatan produktivitas hijau pada rantai pasok karet alam, serta Marimin et al.
(2013b), Marimin et al. (2014b) dan Hendra et al. (2014) mengenai sistem
penunjang keputusan yang menerapkan pendekatan produktivitas hijau dalam
agroindustri karet alam menggunakan analisis pemetaan aliran nilai (VSM) dalam
pengembangan rantai pasok karet alam. Oleh karena itu dilakukan penelitian yang
bertujuan untuk mengkaji permasalahan manajemen logistik pada agroindustri
karet alam serta merancang perangkat lunak sistem pendukung keputusan yang
terdiri dari subsistem-subsistem untuk membantu menyelesaikan permasalahan
logistik yang terdapat pada perusahaan secara cepat.
Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah (1) Mengidentifikasi
mekanisme manajemen logistik di PT. Agronesia Divisi Inkaba, (2) Merancang
model pengelompokan bahan baku, model pemilihan pemasok, model prakiraan
permintaan, dan model pemilihan distributor, (3) Menggunakan model
pengelompokan bahan baku, model pemilihan pemasok, model prakiraan
permintaan, dan model pemilihan distributor tersebut untuk mengembangkan
sistem penunjang keputusan berbasis web yang dapat memberikan keluaran
sebagai solusi atas permasalahan-permasalahan logistik yang ada.
Manfaat Penelitian
Output yang dihasilkan oleh sistem diharapkan dapat memberikan manfaat
bagi perusahaan dalam memberikan solusi atas permasalahan manajemen logistik
yang ada di perusahaan dengan disediakannya sistem penunjang keputusan
berbasis web yang menyediakan model-model mengenai pengelompokan bahan
baku, pemilihan pemasok, prakiraan permintaan, dan pemilihan distributor.

3

Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah perancangan dan pengembangan sistem
sebagai fasilitas yang diperuntukkan bagi perusahaan dalam menunjang
pengambilan keputusan mengenai aspek-aspek yang menjadi kendala dalam
manajemen logistik, mencakup pengelompokan bahan baku, pemilihan pemasok,
prakiraan permintaan, dan pemilihan distributor. Sistem penunjang keputusan
berbasis web yang disajikan dapat digunakan pengguna untuk memberikan nilai
inputan saja dan tidak dapat menambah, mengurangi, dan mengedit kriteria dan
alternatif yang tersedia dalam sistem.

METODE PENELITIAN
Kerangka Pemikiran
Proses pembuatan sistem penunjang keputusan ini dimulai dengan
pengumpulan data. Selanjutnya dilanjutkan dengan analisis data, identifikasi
sistem dan pemodelan sistem. Untuk menunjang proses pengambilan keputusan
dalam manajemen logistik, sistem ini akan dilengkapi oleh empat model, yaitu
model pengelompokan bahan baku, model pemilihan pemasok, model prakiraan
permintaan, dan model pemilihan distributor. Model pengelompokan bahan baku
dibuat dengan menggunakan metode analisis ABC. Model pemilihan pemasok
dibuat dengan menggunakan metode AHP. Model prakiraan permintaan dibuat
dengan mengunakan simulasi Monte Carlo. Model pemilihan distributor dibuat
dengan metode AHP. Diagram alir penelitian disajikan pada Gambar 1.

Gambar 1 Diagram alir penelitian

4
Tata Laksana Penelitian
Lokasi dan Waktu Penelitian
Kegiatan pengumpulan data dilakukan di PT. Agronesia Divisi Inkaba,
Bandung, Jawa Barat. Adapun tempat pengolahan data dan pengembangan sistem
berlangsung di lingkungan kampus Institut Pertanian Bogor. Pelaksanaan
penelitian dilakukan mulai tanggal 21 Mei sampai dengan bulan Agustus tahun
2014.
Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data
sekunder. Data primer diperoleh melalui wawancara kepada pakar dengan
menggunakan kuesioner (Lampiran 1, 2, dan 3). Pakar yang digunakan berasal
dari PT. Agronesia Divisi Inkaba, yaitu Bapak Hermawan (Kepala Divisi Supply
Chain Management), Bapak Diman (Staf Pembelian Divisi Supply Chain), Bapak
Zainal A.F (Staf Distribusi), dan Bapak Yayat Supriyatna (Staf Distribusi). Data
sekunder diperoleh dari studi literatur yang berhubungan dengan materi
penelitian. Studi literatur dilakukan pada perpustakaan, data perusahaan
(gambaran umum perusahaan dan dokumen perusahaan), jurnal, buku penelitian,
dan buku referensi yang berhubungan dengan materi penelitian yang dicantumkan
dalam daftar pustaka.
Prosedur Penelitian
Tahap pertama adalah mengumpulkan data mengenai manajemen logistik
yang terdiri dari kegiatan prakiraan permintaan, rencana produksi, order
processing, pembelian, penanganan bahan, pengemasan, serta distribusi dan
transportasi. Tahap ini diikuti dengan formulasi permasalahan dan identifikasi
sistem. Tahap kedua adalah tahap pemodelan sistem. Desain sistem berorientasi
objek ini dilakukan dengan menggunakan Power Designer 16.5. Tahap ketiga
adalah implementasi model-model tersebut dalam sistem penunjang keputusan.
Pembuatan paket program menggunakan AppServ v2.5.10 dan Adobe
Dreamweaver CS6.
Metode Analisis Data
Analisis ABC
Analisis ABC adalah metode yang digunakan untuk menentukan persediaan
jenis barang mana yang penting untuk dikendalikan berdasarkan kriteria tertentu
yang dianggap penting bagi perusahaan. Menurut Gaspersz (2002), analisis ABC
terdiri dari beberapa tahapan, yaitu :
1. Penentuan volume penggunaan dari material-material inventori (bahan baku
yang ingin dikelompokkan per periode waktu yang umumnya per tahun).
2. Hitung nilai total penggunaan biaya per periode waktu untuk setiap material
inventori dengan cara mengalikan volume penggunaan per periode waktu (per
tahun) dari setiap material inventori dengan biaya per unitnya.
3. Hitung nilai total penggunaan biaya agregat (keseluruhan) dengan cara
menjumlahkan nilai total penggunaan biaya dari semua material inventori
tersebut.

5
4. Tentukan persentase nilai total penggunaan biaya dari setiap material inventori
dengan cara nilai total penggunaan biaya dari setiap material inventori di bagi
dengan nilai total penggunaan biaya agregat.
5. Buat rank persentase nilai total penggunaan biaya dari material-material tersebut
dengan urutan menurun yaitu dari nilai tertinggi sampai terendah.
6. Klasifikasikan material-material inventori tersebut ke dalam tiga kelompok, yaitu
kelompok A (20% dari jenis material), kelompok B (30% dari jenis material), dan
kelompok C (50% dari jenis material).
Metode AHP
Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak
terstruktur, strategik, dan dinamik menjadi sebuah bagian-bagian dan tertata dalam
suatu hirarki (Marimin and Maghfiroh 2010). Menurut Saaty (2008), dalam AHP,
untuk membuat suatu keputusan dengan cara yang terorganisir dalam menghasilkan
prioritas perlu menguraikan keputusan menjadi langkah-langkah berikut :
1. Definisikan masalah dan tentukan jenis pengetahuan yang dicari.
2. Struktur hirarki keputusan dari level atas dengan tujuan keputusan tersebut, tujuan
dari perspektif yang luas, melalui level menengah (kriteria yang tergantung pada
elemen berikutnya) ke level terendah (yang biasanya adalah satu set alternatif).
3. Buatlah sebuah set matrik perbandingan berpasangan. Setiap elemen di level atas
digunakan untuk membandingkan unsur-unsur langsung di level bawahnya.
4. Gunakan prioritas yang diperoleh dari perbandingan untuk mempertimbangkan
prioritas di level bawah. Lakukan ini untuk setiap elemen. Lalu untuk setiap
elemen pada level di bawahnya, tambahkan nilai-nilai bobot dan dapatkan prioritas
keseluruhan atau prioritas global. Lanjutkan proses pembobotan dengan
menambahkan sampai prioritas terakhir dari alternatif di level paling bawah.
Monte Carlo Simulation
Monte Carlo Simulation merupakan simulasi probabilistik (stokastik) yang
menggunakan distribusi peluang dengan penarikan contoh secara acak.
Penggunaan bilangan acak membantu dalam membangkitkan nilai yang memiliki
sebuah distribusi probabilitas yang dapat mewakili data secara nyata. Simulasi ini
cocok digunakan untuk jenis berbagai distribusi peluang diantaranya yaitu
distribusi normal, eksponensial, poisson, binomial, dan sebagainya. Teknik
simulasi ini terdiri dari beberapa tahapan, yaitu :
1. Uji distribusi normal, berfungsi untuk mengetahui apakah data yang diujikan
terdistribusi secara normal atau tidak. Analisis uji ini menggunakan program
aplikasi Minitab 16.0.
2. Pembangkitan bilangan acak, dilakukan dengan menggunakan fungsi standar
randomize yang menghasilkan bilangan acak dengan nilai yang lebih besar atau
sama dengan nol dan lebih kecil dari satu.
3. Pembangkitan variabel acak, dilakukan apabila data terdistribusi secara normal.
Pada pembangkitan variabel acak, prosesnya dilakukan hingga jumlah periode
simulasi yang ditentukan tercapai. Jika pembangkitan variabel acak tersebut
jumlahnya sama dengan jumlah periode simulasi maka proses akan terhenti.
Menurut Gottfried (1984), untuk menguji kecukupan simulasi digunakan
perhitungan dengan menggunakan rumus sebagai berikut :
.....................................................................................................(1)

6
Di mana :
N = panjang hari simulasi
n = jumlah data pengamatan
σ = standar deviasi pengamatan
σ* = standar deviasi pada tingkat kepercayaan tertentu
Hasil dari pembangkitan variabel acak ini digunakan sebagai masukan atau
input bagi model prakiraan permintaan. Menurut Walpole (1992), rumus yang
digunakan pada proses pembangkitan variabel acak adalah :
.......................................................................................................(2)
Di mana :
X = variabel acak
µ = rata-rata sampel pengamatan
σ = standar deviasi sampel pengamatan
Nilai Z dapat dihitung dengan menggunakan rumus sebagai berikut :
.................................................................................................(3)
Di mana :
N = jumlah hasil simulasi
Ui = bilangan acak
Pemodelan Sistem
Pengguna Sistem Penunjang Keputusan (SPK)
Sistem penunjang keputusan ini dibuat untuk membantu direktur atau kepala
bagian PT. Agronesia Divisi Inkaba dalam proses pengambilan keputusan di
dalam manajemen logistik. Sistem ini mengintegrasikan pendapat pakar dan
formulasi matematika sehingga proses pengambilan keputusan dapat dilakukan
dengan terstruktur, cepat, dan hemat sumber daya.
Konfigurasi Sistem
Sistem penunjang keputusan berbasis web dirancang sebagai alat bantu yang
bermanfaat dalam pengambilan keputusan untuk meningkatkan efisiensi dan
efektifitas manajemen logistik perusahaan yang dapat diakses melalui web. Sistem
penunjang keputusan ini dirancang menjadi suatu halaman situs yang diberi nama
Rubberlog. Rubberlog terdiri dari beberapa bagian utama, yaitu : Sistem
Pengolahan Terpusat, Sistem Manajemen Basis Data, Sistem Manajemen Basis
Model, dan Sistem Manajemen Dialog. Gambar 2 menggambarkan konfigurasi
SPK dalam sistem Rubberlog.

7

Gambar 2 Konfigurasi sistem
Sistem Pengolahan Terpusat merupakan bagian dari sistem yang mengelola
dan mengatur seluruh komponen, serta memungkinkan sistem berinteraksi secara
timbal balik dengan sistem lainnya. Sistem Pengolahan Terpusat berfungsi
sebagai koordinator dan pengendalian dari operasi Rubberlog.
Sistem Manajemen Dialog merupakan bagian sistem yang memungkinkan
pengguna dengan mudah berinteraksi dengan sistem. Sistem Manajemen Dialog
dalam Rubberlog menyediakan fasilitas interaktif antara model dengan pengguna
dalam proses pengambilan keputusan. Sistem Manajemen Dialog merupakan
fasilitas yang diberikan untuk berkomunikasi antara model dengan pengguna
dalam proses pengambilan keputusan. Sistem ini akan mempermudah pengguna
dalam pemakaian program karena sistem yang dibuat bersifat user friendly.
Sistem Manajemen Dialog perlu dirancang dengan tampilan menarik agar
pengguna mudah mengerti dengan alur kerja penggunaan program serta membuat
pengguna tidak merasa bosan.
Sistem Manajemen Basis Data merupakan bagian yang memberikan fasilitas
pengolahan data, yaitu mengendalikan dan memanipulasi data yang tersimpan.
Proses tersebut diantaranya input data, ubah data, dan hapus data. Sistem
Manajemen Basis Data terdiri dari dua bagian yaitu sistem manajemen basis data
statis dan sistem manajemen basis data dinamis. Rubberlog dirancang dengan
menggunakan bahasa pemrograman PHP. Manajemen Basis Data Statis dirancang

8
dengan menggunakan HTML (Hyper Text Markup Language) dan dibuka oleh
web browser yang diintegrasikan pada program utama. Manajemen Basis Data
Dinamis dirancang dengan menggunakan MySQL dan bahasa pemrograman PHP.
Sistem Manajemen Dialog dirancang dengan menggunakan Adobe Dreamweaver
CS6.
Sistem Manajemen Basis Model merupakan bagian yang memberikan
fasilitas pengelolaan model untuk perhitungan dalam proses pengambilan
keputusan. Sistem Manajemen Basis Model merupakan bagian dari sistem dalam
Sistem Penunjang Keputusan Rantai Pasok Karet Alam yang memberikan fasilitas
pengelolaan model untuk mengkomputasikan pengambilan keputusan dan
meliputi semua aktivitas yang tergabung dalam pemodelan. Sistem ini meliputi
berbagai formulasi matematika sebagai penunjang dalam pengambilan keputusan
(decision making). Sistem Manajemen Basis Model yang dikembangkan terdiri
dari :
1. Model Pengelompokan Bahan Baku
Model pengelompokan bahan baku merupakan model yang digunakan
untuk menentukan jenis bahan baku yang paling penting dikendalikan
persediaannya. Metode yang digunakan adalah metode Analisis ABC. Output
dari model ini adalah bahan baku yang telah dikelompokkan dalam tiga
kelompok, yaitu kelompok A, kelompok B, dan Kelompok C. Diagram alir
model pengelompokan bahan baku dapat dilihat pada Lampiran 4.
2. Model Pemilihan Pemasok Bahan Baku
Model pemilihan pemasok bahan baku digunakan untuk menentukan
pemasok bahan baku. Metode yang digunakan adalah metode AHP. Model
pemilihan pemasok bahan baku digunakan untuk menganalisis alternatifalternatif pemilihan pemasok berdasarkan kriteria yang diinginkan oleh
perusahaan. Output dari model ini adalah urutan alternatif pemilihan pemasok.
Diagram alir model pemilihan pemasok bahan baku dapat dilihat pada
Lampiran 5.
3. Model Prakiraan Bahan Baku
Model prakiraan bahan baku merupakan model yang digunakan untuk
memperkirakan tingkat permintaan terhadap suatu bahan baku yang diharapkan
akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang.
Metode yang digunakan adalah metode Monte Carlo Simulation. Diagram alir
model prakiraan permintaan bahan baku dapat dilihat pada Lampiran 6.
4. Model Pemilihan Distributor
Model pemilihan distributor digunakan untuk menentukan perusahan jasa
ekspedisi yang akan digunakan perusahaan sebagai distributor. Metode yang
digunakan adalah metode AHP. Model pemilihan distributor digunakan untuk
menganalisis alternatif-alternatif pemilihan distributor berdasarkan berdasarkan
kriteria harga, sistem pembayaran, volume barang, waktu pengiriman, dan
jarak pengiriman. Output dari model ini adalah urutan alternatif pemilihan
distributor. Diagram alir model pemilihan distributor dapat dilihat pada
Lampiran 7.

9

Diagram Aliran Data
Tahapan pemodelan sistem dalam perancangan sistem penunjang keputusan
berguna untuk memberikan gambaran jelas dalam membangun dan menerapkan
sistem secara fisik kepada pengguna. Pemodelan RubberLog dilakukan dengan
pendekatan berarah fungsi yang terdiri atas pembuatan diagram aliran data atau
data flow diagram (DFD). DFD memperlihatkan hubungan fungsional dari nilai
yang dihitung oleh sistem termasuk nilai masukan, nilai keluaran, serta tempat
penyimpanan internal. Diagram aliran data adalah gambaran grafis yang
memperlihatkan aliran data dari sumbernya dalam objek kemudian melewati suatu
proses yang mentransformasinya ke tujuan lain (Nugroho 2002). Diagram ini akan
membantu melihat sistem secara menyeluruh dan dijadikan suatu objek utuk
penyusunan sistem.
Menurut Nugroho (2002) diagram aliran data terdiri atas empat unsur, yaitu
proses, aliran data, entitas, dan data store. Proses adalah sesuatu yang melakukan
transformasi terhadap data. Setiap proses harus memiliki sedikitnya satu masukan
dan satu keluaran aliran data. Menurut Whitten et al. (2004), sebuah aliran data
juga digunakan untuk menunjukkan pembuatan, pembacaan, penghapusan, serta
pemutakhiran data pada sebuah berkas atau basis data. Aliran data berguna untuk
menghubungkan keluaran dari suatu objek atau proses yang terjadi pada suatu
masukan. Entitas adalah objek aktif yang mengendalikan aliran data dengan
memproduksi atau mengkonsumsi data. Data store adalah objek pasif dalam
diagram aliran data yang menyimpan data untuk penggunaan lebih lanjut.
Sistem penunjang keputusan ini terdiri atas suatu proses global dan prosesproses yang lebih detail yang menyusun proses global tersebut. Penggambaran
dari proses global sistem akan menghasilkan diagram konteks atau DFD level 0,
sedangkan analisis dari proses lebih detail yang menyusun diagram konteks
tersebut akan menghasilkan DFD level 1 dan seterusnya.
Diagram konteks atau diagram alir data level 0 menggambarkan
keseluruhan sistem dengan satu proses berikut sumber dan tujuan data secara
jelas. Gambaran DFD level 0 dapat disajikan pada Gambar 3.

Gambar 3 DFD level 0
Pada DFD level 1 terlihat lebih detail pada subproses yang membangun
sistem secara keseluruhan. Subproses tersebut menjadi proses turunan dari
diagram konteks atau DFD level 0 sebelumnya. Gambar 4 menggambarkan DFD
level 1 pada sistem.

10

Gambar 4 DFD level 1

HASIL DAN PEMBAHASAN
Manajemen Logistik
Logistik merupakan salah satu bagian dari rantai pasok dimana bagian
tersebut memiliki peran penting dalam merencanakan, mengadakan, menyimpan,
mendistribusi, hingga mengontrol bahan baku menjadi barang jadi sesuai dengan
keinginan konsumen secara aman, efektif dan efisien, mulai dari titik asal (point
of origin) sampai dengan titik tujuan (point of destination). Aktivitas pokok
logistik meliputi pengadaan, produksi, pergudangan, distribusi, transportasi, dan
pengantaran barang yang dilakukan oleh setiap pelaku bisnis dan industri baik
pada sektor primer, sekunder maupun tersier dalam rangka menunjang kegiatan
operasionalnya. Manajemen logistik dapat didefinisikan sebagai mendesain dan
mengurus suatu sistem untuk mengawasi arus dan penyimpanan yang strategis
bagi material, suku cadang dan barang jadi agar dapat diperoleh manfaat
maksimum bagi organisasi (Bowersox et al. 2002).
Perbedaan mendasar antara logistik dan supply chain (rantai pasokan)
dijelaskan sebagai berikut: logistik didefinisikan asosiasi manajemen operasi
sebagai seni dan ilmu untuk memperoleh, memproduksi, dan mendistribusikan
material dan produk dalam fase yang tepat dan dalam jumlah yang tepat (Jacobs et
al. 2009) sedangkan rantai pasok merupakan suatu jaringan yang terdiri atas

11
beberapa perusahaan (meliputi pemasok, pabrikan, distributor dan retailer) yang
bekerjasama dan terlibat baik secara langsung maupun tidak langsung dalam
memenuhi permintaan pelanggan, dimana perusahaan tersebut melakukan fungsi
pengadaan material, proses transformasi material menjadi produk setengah jadi
dan produk jadi, serta distribusi produk jadi tersebut hingga ke
konsumen/pengguna akhir (Chopra and Meindl 2007). Perbedaan aktivitas yang
dilakukan antara logistik dan rantai pasok menurut Ballou (2004) ditunjukkan
pada Gambar 5.

Gambar 5 Perbedaan aktivitas logistik dan rantai pasok
Pengelompokan Bahan Baku
Umumnya persediaan terdiri dari berbagai jenis barang dengan jumlah yang
banyak. Masing-masing jenis barang membutuhkan analisis tersendiri untuk
mengetahui besarnya order size dan order point. Berbagai jenis barang tersebut
tidak seluruhnya memiliki tingkat prioritas yang sama. Untuk mengetahui jenisjenis barang yang perlu mendapat prioritas maka dapat digunakan analisis ABC
(Rangkuti 2002).
Analisis ABC merupakan metode persediaan yang menggunakan prinsip
Pareto, yaitu the ctitical few and the trivial many. Idenya adalah memfokuskan
pengendalian persediaan kepada jenis persediaan yang bernilai tinggi (critical)
daripada yang bernilai rendah (trivial).
Bahan baku yang digunakan oleh PT. Agronesia Divisi Inkaba terdiri dari
103 jenis bahan baku, dimana bahan baku tersebut dapat dikelompokkan ke dalam

12
beberapa kelompok, yaitu karet alam, karet sintetis, bahan pengisi, bahan
homogenitas, bahan pencepat, bahan penggiat, bahan pelunak, dan bahan pelarut.
Karena banyaknya bahan baku yang digunakan, maka perlu dilakukan identifikasi
terhadap bahan baku untuk mengetahui bahan baku mana yang tergolong ke
dalam bahan baku yang paling penting untuk dikendalikan. Hasil analisis ABC
terhadap bahan baku yang digunakan oleh PT. Agronesia Divisi Inkaba dapat
dilihat pada Tabel 1.
Tabel 1 Pengelompokan bahan baku dengan analisis ABC
Jenis Bahan Baku

Nilai Pemakaian

Kelompok
N

%

Rp / Tahun

%

A

1

23.48 1 734 173 100

23.84

B

2

33.82 2 430 145 880

33.40

C

100

42.70 3 111 497 109

42.76

Berdasarkan Tabel 1, jenis bahan baku yang termasuk ke dalam kelompok A
adalah SIR 50, yang termasuk ke dalam kelompok B adalah SIR 20 dan Carbon
Black HAF-N 330 China sedangkan 100 jenis bahan baku lainnya tergolong ke
dalam kelompok C. berdasarkan hasil perhitungan tersebut, PT. Agronesia Divisi
Inkaba harus melakukan pengendalian persediaan yang lebih ketat terhadap jenis
bahan baku yang termasuk dalam kelompok A, pengendalian yang ketat terhadap
jenis bahan baku yang termasuk dalam kelompok B, dan pengendalian yang
kurang ketat terhadap jenis bahan baku yang termasuk dalam kelompok C.Setelah
melakukan analisis ABC, maka untuk seluruh bahasan dan perhitungan pada
penelitian ini difokuskan terhadap bahan baku karet alam yang tergolong dalam
kelompok A dan B, yaitu SIR 50 dan SIR 20.
Pengadaan (Procurement)
Pengadaan logistik merupakan fungsi operasional pertama dalam
manajemen logistik. Fungsi ini pada hakikatnya merupakan serangkaian kegiatan
untuk menyediakan logistik sesuai dengan kebutuhan, baik berkaitan dengan jenis
dan spesifikasi, jumlah, waktu, maupun tempat, dengan harga dan sumber yang
dapat dipertanggungjawabkan. Dalam pengadaan logistik, pembelian merupakan
cara pengadaan logistik yang paling sering dilakukan oleh suatu perusahaan.
Pengadaan logistik dengan cara pembelian dilakukan melalui serangkaian
kegiatan. Salah satu kegiatan tersebut adalah pemilihan pemasok (supplier).
Pemilihan pemasok dalam penelitian ini dilakukan dengan menggunakan metode
Analytical Hierarchy Process (AHP), dimana metode tersebut digunakan untuk
menganalisis alternatif-alternatif pemilihan pemasok bahan baku berdasarkan :
1. Level kriteria : biaya, reliabilitas, dan fleksibilitas
2. Level subkriteria :
a. Biaya : Harga bahan baku, cara pembayaran, dan lama pembayaran

13
b. Reliabilitas : ketepatan waktu pengiriman dan ketepatan mutu
c. Fleksibilitas : pemenuhan perubahan jumlah pesanan dan pemenuhan
perubahan waktu pengiriman.
3. Level alternatif : pemasok yang memenuhi kriteria dan subkriteria yang
ditentukan.
Penyelesaian AHP menggunakan alat bantu berupa aplikasi Expert Choice
2000. Hasil pembobotan alternatif untuk bahan baku SIR 50 dan SIR 20 dapat
dilihat pada Gambar 6 dan Gambar 7.

Gambar 6 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku SIR
50

Gambar 7 Hasil pembobotan alternatif pemilihan pemasok untuk bahan baku SIR
20
Penilaian perbandingan dikatakan konsisten jika consistency ratio (CR)
tidak lebih dari 0.1. Penilaian perbandingan pemasok bahan baku SIR 50 dan SIR
20 masing-masing memiliki nilai CR sebesar 0.04, sehingga dapat disimpulkan
bahwa penilaian perbandingan pemasok sudah konsisten dan tidak memerlukan
revisi penilaian. Berdasarkan perhitungan dengan menggunakan Expert Choice
2000, untuk bahan baku SIR 50, Tunggal Abadi merupakan pemasok yang
memenuhi kriteria dan subkriteria pemasok yang telah ditentukan sedangkan
untuk bahan baku SIR 20, PT. Tanggamus merupakan pemasok yang memenuhi
kriteria dan subkriteria yang telah ditentukan.

14
Prakiraan Permintaan
Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa
datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.
Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan
merupakan tingkat permintaan terhadap suatu produk yang diharapkan akan
terealisasi untuk jangka waktu tertentu pada masa yang akan datang.
Karena PT. Agronesia Divisi Inkaba beroperasi dengan sistem job order,
maka kebutuhan bahan baku di PT. Agronesia Divisi Inkaba berbeda-beda setiap
periodenya (per bulan). Sifat permintaan bahan baku di PT. Agronesia Divisi
Inkaba adalah stokastik atau probabilistik, yaitu tingkat permintaan untuk satu
periode perencanaan atau untuk beberapa periode perencanaan tidak diketahui
dengan pasti, akan tetapi mengikuti suatu fungsi sebaran peluang tertentu yang
berdasarkan
pengalaman masa lalu nilai tengah dan keragaman tingkat
permintaannya dapat dicari atau diketahui.
Untuk prakiraan permintaan terhadap bahan baku yang bersifat
probabilistik, perlu dilakukan melalui suatu proses simulasi. Salah satu simulasi
yang dapat digunakan adalah Monte Carlo Simulation. Simulasi Monte Carlo
merupakan simulasi probabilistik (stokastik) yang menggunakan distribusi
peluang dengan penarikan contoh secara acak. Penggunaan bilangan acak
membantu dalam membangkitkan nilai yang memiliki sebuah distribusi
probabilitas yang dapat mewakili data secara nyata. Simulasi ini cocok digunakan
untuk jenis berbagai distribusi peluang diantaranya yaitu distribusi normal,
eksponensial, poisson, binomial, dan sebagainya.
Tahapan pertama dalam simulasi Monte Carlo adalah uji sebaran normal
terhadap data permintaan bahan baku yang ada dengan menggunakan uji sebaran
normal Kolmogorov-Smirnov. Konsep dasar uji Kolmogorov-Smirnov yaitu
membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi
data normal baku. Distribusi data normal baku adalah data yang telah
ditransformasikan dalam bentuk Z-score dan diasumsikan normal. Uji
Kolmogorov-Smirnov dilakukan dengan menggunakan aplikasi Minitab 16 dengan
selang kepercayaan sebesar 95% (α = 0.05). Hasil uji distribusi normal dapat
dilihat pada Lampiran 6.
Hasil sebaran data dengan menggunakan Kolmogorov-Smirnov yang
terdapat pada aplikasi Minitab 16 memperlihatkan nilai P-Value. Jika nilai PValue melebihi α, maka tidak terdapat perbedaan yang signifikan antara data yang
diuji dengan data normal baku, yang berarti bahwa sebaran data yang diuji
mengikuti sebaran normal. Jika nilai P-Value kurang dari α, maka data yang diuji
memiliki perbedaan yang signifikan dengan data normal baku, yang berarti bahwa
sebaran data yang diuji tidak mengikuti sebaran normal. Hasil uji yang dilakukan
tehadap data tingkat permintaan SIR 50 dan SIR 20 menunjukkan nilai P-value
kedua bahan tersebut >0.15. Nilai P-value tersebut melebihi nilai α, sehingga
dapat disimpulkan bahwa data tingkat permintaan terhadap bahan baku SIR 50
dan SIR 20 mengikuti pola sebaran normal.
Setelah diketahui bahwa data permintaan kedua bahan baku tersebut
mengikuti sebaran normal, selanjutnya dilakukan simulasi prakiraan permintaan
terhadap kedua bahan baku tersebut dengan menggunakan metode simulasi Monte
Carlo. Hasil simulasi prakiraan permintaan bahan baku SIR 50 dan SIR 20 dapat

15
dilihat pada Lampiran 7. Standar deviasi hasil simulasi dan rata-rata hasil simulasi
dapat dilihat pada Tabel 2.
Tabel 2 Rata-rata dan standar deviasi simulasi
Bahan Baku
SIR 50
SIR 20

Rata-Rata
Permintaan (kg)
6 600.23
4 828.17

Standar Deviasi
(kg)
1 044.16
1 768.97

Order Processing
Komponen order processing PT. Agronesia Divisi Inkaba terbagi dalam
beberapa kelompok, yaitu :
1. Elemen operasional, meliputi order entry atau perubahan pesanan, scheduling,
persiapan pengiriman pesanan, dan pemfakturan.
2. Elemen komunikasi, meliputi modifikasi pesanan, penyelidikan status pesanan,
tracing, koreksi kesalahan, dan permintaan informasi produk.
3. Kredit dan elemen pengumpulan, meliputi pemeriksaan kredit dan proses
penerimaan atau pengumpulan rekening.
Tahapan order processing di PT. Agronesia Divisi Inkaba diawali dengan
pemesanan produk oleh konsumen, dilanjutkan dengan negosiasi harga. Setelah
tercapai kesepakatan harga, pihak marketing akan melakukan purchase order dan
menerbitkan perintah kerja (PK) kepada bagian produksi (PPIC). Bagian PPIC
kemudian melakukan perhitungan jumlah bahan baku dan bahan penolong,
dimana hasil perhitungan tersebut selanjutnya diserahkan ke bagian logistik untuk
kegiatan pembelian bahan.
Penanganan Bahan (Material Handling)
Penanganan bahan merupakan seni pergerakan atau pemindahan bahan
baku, barang setengah jadi atau barang jadi dari tempat asal ke tempat tujuan yang
telah ditetapkan secara ekonomis dan aman. Adapun peralatan penanganan bahan
yang digunakan oleh PT. Agronesia Divisi Inkaba yaitu truk industri dengan
cagak di depan (forklift) serta derek dan kait.
Pengemasan (Packaging)
Pengemasan memiliki peran ganda, yaitu melindungi produk dari kerusakan
ketika akan disimpan atau diangkut serta mempermudah penyimpanan dan
pemindahan produk, sehingga mengurangi biaya penanganan material.
Pengemasan memiliki beberapa fungsi spesifik, yaitu npenahanan (containment),
proteksi (protection), pembagian (appoinment), pengunitan (unitization),
kenyamanan (convenience), dan komunikasi (communication) (Hastuti 2014).
Bahan pengemas yang digunakan oleh PT. Agronesia Divisi Inkaba antara
lain plastik, kardus, dan pallet. Plastik sebagai kemasan memiliki fungsi
melindungi produk dari kerusakan. Kardus memiliki fungsi untuk mengepak dan
mengunitkan produk. Pallet berfungsi sebagai penahan agar produk tidak rusak
pada saat pemindahan dan distribusi produk.

16
Distribusi dan Transportasi
Distribusi produk dari produsen ke konsumen dapat dilakukan secara
langsung maupun tidak langsung. Sebuah perusahaan dapat mendistribusikan
barangnya secara langsung kepada konsumen, selain itu bisa juga
mendistribusikan produknya melalui perantara. Kegiatan distribusi di PT.
Agronesia Divisi Inkaba melibatkan perusahaan ekspedisi untuk mengirimkan
produknya kepada konsumen. Pola jaringan distribusi PT. Agronesia Divisi
Inkaba antara lain :
1. Distributor storage with package carrier delivery, yaitu produk dikirim ke
konsumen akhir melalui jasa kurir / perusahaan ekspedisi. Persediaan disimpan
di gudang distributor atau ritel sebagai perantara (Chopra dan Meindl 2007).
2. Distributor storage with last mile delivery, pola distribusi dimana produk
dikirim ke konsumen akhir dengan melalui jasa perusahaan ekspedisi/ kurir
dimana pihak ekspedisi memilki tempat penyimpanan yang berdekatan dengan
lokasi konsumen (Chopra dan Meindl 2007).
3. Manufacturer / distributor storage with customer pickup, yaitu produk dikirim
ke lokasi penjemputan sesuai dengan keinginan konsumen (Chopra dan Meindl
2007).
Pemilihan jasa ekspedisi yang digunakan untuk pendistribusian produk
kepada konsumen dilakukan dengan menggunakan metode AHP. Penyelesaian
AHP menggunakan alat bantu berupa aplikasi Expert Choice 2000. Hasil
pembobotan alternatif pemilihan distributor dapat dilihat pada Gambar 8.

Gambar 8 Hasil pembobotan alternatif pemilihan distributor
Penilaian perbandingan dikatakan konsisten jika consistency ratio (CR)
tidak lebih dari 0.1. Penilaian perbandingan distributor tersebut memiliki CR
sebesar 0.05, sehingga dapat disimpulkan bahwa penilaian perbandingan
distributor sudah konsisten dan tidak memerlukan revisi penilaian. Berdasarkan
perhitungan dengan menggunakan Expert Choice 2000, PT. Hosana Mandiri
merupakan jasa ekspedisi yang memenuhi kriteria pemilihan distributor yang telah
ditentukan.
Implementasi Perangkat Lunak Sistem Penunjang Keputusan
Struktur sistem pendukung keputusan digambarkan sebagai diagram input,
proses, dan output. Input sistem terdiri dari subsistem database, subsistem model
base dan subsistem knowledge base. Output sistem berbentuk laporan solusi dan

17
rekomendasi keputusan beserta penjelasan dampaknya (Phillips-Wren et al.
2009).
Dalam proses implementasi, sistem penunjang keputusan dirancang dalam
sebuah paket program komputer yang diberi nama RubberLog. Program ini
merupakan desain antarmuka sebagai suatu manajemen dialog antara sistem
dengan pengguna. Kebutuhan fungsional untuk menjalankan sistem penunjang
keputusan ini meliputi kebutuhan perangkat keras, perangkat lunak, serta
kebutuhan tenaga. Kemampuan dasar yang harus dimiliki tenaga pengguna adalah
kemampuan mengoperasikan sistem secara baik serta memiliki pemahaman
mengenai pengoperasian komputer secara umum. Kebutuhan perangkat keras,
perangkat lunak, serta prosedur instalasi dan pengoperasian program RubberLog
disajikan pada Lampiran 8.
Spesifikasi Perangkat Keras dan Perangkat Lunak
Perangkat keras dan perangkat lunak diperlukan untuk membangun sistem
meliputi berbagai macam aspek aplikasi, seperti aspek basis data, web server,
proses editing, dan aspek lainnya. Perangkat keras dan perangkat lunak yang
digunakan untuk membangun sistem berbeda dengan perangkat keras dan
perangkat lunak yang diperlukan oleh pengguna sistem. Berikut adalah daftar
spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk
membangun sistem.
1. Spesifikasi perangkat keras :
a. Processor
: Intel(R) Pentium(R) CPU B960 @ 2.20GHz
b. Memory
: 2 GB
c. System Type
: 32-bit Operating System
2. Spesifikasi perangkat lunak :
a. AppServ v2.5.10
b. PHP Script Language v5.2.6
c. MySQL Database v5.0.51b
d. Adobe Dreamweaver CS6
e. Expert Choice 2000
f. Minitab 16
Input Sistem
Sistem penunjang keputusan ini dirancang memiliki empat macam input,
yaitu data jenis bahan baku, data permintaan bahan baku, data harga bahan baku,
dan penilaian pakar.
1. Halaman daftar bahan baku
Halaman ini berfungsi meminta masukan data jenis bahan baku dan data
permintaan bahan baku pada suatu periode. Pada halaman ini, pengguna juga
dapat melakukan proses editing dan deleting data yang telah dimasukkan serta
dapat melakukan proses insert data pada tabel. Tampilan halaman daftar bahan
baku dapat dilihat pada Gambar 9.

18

Gambar 9 Tampilan halaman daftar bahan baku
2. Halaman penilaian pakar struktur hierarki
Halaman-halaman ini berfungsi sebagai masukan penilaian pakar struktur
hierarki. Bagian halaman kuisioner pemilihan pemasok bahan baku SIR 50
terdiri dari 11 halaman, pemilihan pemasok bahan baku SIR 20 terdiri dari 11
halaman, dan pemilihan distributor terdiri dari 6 halaman.
Pada halaman ini, pakar akan membandingkan tingkat kepentingan
berdasarkan skala AHP antara elemen yang kiri dengan yang kanan. Halaman
ini memiliki tombol simpan yang berfungsi untuk menyimpan penilaian pakar
per halaman dan tombol next yang berfungsi untuk menuju halaman kuisioner
berikutnya. Gambar 10 menampilkan kuisioner pemilihan pemasok bahan baku
SIR 50.

Gambar 10 Tampilan halaman kuisioner struktur hierarki

19
3. Halaman pengelompokan bahan baku
Halaman ini berfungsi meminta masukan data harga bahan baku dan data
penggunaan bahan baku dalam satu periode (tahun). Pada halaman ini,
pengguna juga dapat melakukan proses editing dan deleting data yang telah
dimasukkan serta dapat melakukan proses insert data pada tabel. Tampilan
halaman pengelompokan bahan baku dapat dilihat pada Gambar 11.

Gambar 11 Tampilan halaman pengelompokan bahan baku
4. Halaman prakiraan permintaan
Halaman ini berfungsi untuk meminta data permintaan bahan baku pada satu
periode. Halaman ini memiliki tombol forecast yang berfungsi untuk
melakukan perhitungan prakiraan permintaan. Pada halaman ini, pengguna
juga dapat melakukan proses editing data. Halaman prakiraan permintaan
bahan baku dapat dilihat pada Gambar 12.

Gambar 12 Tampilan halaman prakiraan permintaan

20

Output Sistem
1. Halaman hasil perhitungan pengelompokan bahan baku
Halaman ini berfungsi untuk menampilkan hasil perhitungan pengelompokan
bahan baku berdasarkan metode Analisis ABC. Pengguna dapat mengetahui
bahan baku mana yang tergolong ke dalam bahan baku yang paling penting
untuk dikendalikan. Gambar 13 menampilkan halaman hasil perhitungan
pengelompokan bahan baku.

Gambar 13 Tampilan halaman hasil perhitungan pengelompokan bahan baku
2. Halaman hasil perhitungan prakiraan permintaan
Halaman ini berfungsi untuk menampilkan hasil perhitungan prakiraan
permintaan bahan baku berdasarkan metode Monte Carlo Simulation.
Pengguna dapat mengetahui banyaknya permintaan terhadap bahan baku pada
satu periode. Gambar 14 menampilkan halaman hasil perhitungan prakiraan
permintaan terhadap bahan baku SIR 50.

21

Gambar 14 Tampilan halaman hasil perhitungan prakiraan permintaan
3. Halaman matrik hasil perbandingan berpasangan AHP
Halaman ini berfungsi menampilkan matrik hasil perbandingan berpasangan
AHP berdasarkan penilaian pakar. Gambar 15 menampilkan halaman matrik
hasil perbandingan berpasangan AHP pemilihan distributor. Untuk melakukan
pembobotan, pengguna harus mengunduh file yang berisi alat bantu hitung
pada link unduh yang telah disediakan.

Gambar 15 Tampilan matrik hasil perbandingan berpasangan AHP
4. Halaman hasil perhitungan AHP
Halaman ini berfungsi menampilkan hasil perhitungan AHP dengan
menggunakan aplikasi Expert Choice 2000. Pengguna dapat mengetahui

22
alternatif yang terpilih berdasarkan hasil penilaian pakar yang ditampilkan
dalam bentuk bobot. Gambar 16 menunjukkan tampilan halaman hasil
perhitungan AHP pemilihan distributor.

Gambar 16 Tampilan halaman hasil perhitungan AHP
Verifikasi dan Validasi Perangkat Lunak Sistem Penunjang Keputu