Perjalanan dari pabrik G ke customer C, ada 2 kemungkinan terjadi untuk kunjungan pertama yang akan dilalui dalam rute A, yaitu :
1. Menuju customer 4 C4 dengan jarak 48,19 km
2. Menuju customer 10 C10 dengan jarak 43,41 km
Dari 2 kemungkinan yang terjadi untuk kunjungan pertama dari pabrik adalah C10, karena memiliki jarak paling dekat dengan pabrik,
sehingga dari pabrik langsung menuju ke customer 10 dengan jarak 43,41 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai
dari C10 C4 b. Iterasi 2
Perjalanan dari customer 10C10 selanjutnya, ada 1 kemungkinan terjadi yaitu kunjungan ke customer 4 C4 dengan jarak 48,19 km, sehingga
urutan kunjungan pendistribusian karung plastik dari pabrik G ke customer C yaitu G C10 C4 G.
Dengan total jarak perjalanan = 143,41+ 25,86 + 48,19 = 217,46 km
4.2.5 Biaya Transportasi Sesudah Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009
Untuk menghitung apakah biaya transportasi lebih kecil setelah penerapan metode Savings Matrix, maka kita melakukan perhitungan biaya transportasi
setelah penerapan metode Savings Matrix berdasarkan Permintaan 2009 dan Tabel 4.6 Daftar Harga Untuk Biaya Transportasi awal, yaitu :
Rute A C1, C3, C7, C8, C6, C9, C5, C2 Menggunakan Armada Truck Tronton
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
= Total Jarak tempuh x 16 x harga bahan bakar Solar = 1119,36 km x 16 x Rp. 4500,-liter = Rp. 839.520,- Perjalanan bulan
Rute B C4 ,C10 Menggunakan Armada Truck Tronton = Total Jarak tempuh x 16 x harga bahan bakar Solar
= 217,46 km x 16 x Rp. 4500,-liter = Rp. 163.095,- Perjalanan bulan Jadi, biaya total transportasi untuk rute Baru, adalah :
Biaya transportasi = Rute A + Rute B = Rp. 839.520,- Perjalanan bulan + Rp. 163.095,- Perjalanan bulan
= Rp. 1.002.615,- perjalananbulan Gaji = Upah Standar + Insentif setiap kota x jumlah kota
= Rp. 1.200.000,- x 2 Sopir Ttruck Tronton + Rp.150.000,- x 6 kota
= Rp 3.300.000,- Biaya Retribusi = Rp. 45.000 x 2 = Rp. 90.000,-
Total Biaya Transportasi = Biaya transportasi + Gaji + Biaya Retribusi = Rp. 1.002.615,- + Rp. 3.300.000,- + Rp.90.000,-
= Rp 4.392.615,- Perjalanan bulan Penghematan = Total Biaya Transportasi awal–Total biaya metode saving matrix
= Rp. 9.637.202,- Perjalanan bulan - Rp 4.392.615,-
Perjalanan bulan = Rp. 5.244.587,- Perjalanan bulan
= 54,42
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.6 Peramalan forcasting Permintaan 4.2.6.1 Ploting Data Permintaan Tahun 2009
Dalam menghitung peramalan permintaan karung plastik bantuan Microsoft Excel, data historis permintaan karung plastik tahun 2009 dari 10
Customer diinputkan pada Microsoft Excel dan dilakukan peramalan menggunakan Time series dengan terlebih dahulu melakukan plot data untuk
mengetahui model data sehingga dapat diketahui jenis metode yang akan digunakan dalam peramalan permintaan karung plastik untuk tahun 2010.
Contoh plot data dari PG. Soedhono
Untuk hasil Plot Data customer selanjutnya dapat dilihat pada Lampiran B
4.2.6.2 Penetapan Metode Peramalan
Plot data yang telah diketahui digunakan untuk menetapkan metode peramalan, dimana metode peramalan yang digunakan untuk melakukan
peramalan permintaan tahun 2010 ditetapkan atau ditentukan berdasarkan bentuk atau pola dari plot data tersebut. Dari data permintaan customer tahun 2010
didapat metode peramalan permintaan yang digunakan yaitu metode peramalan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Simple Average, Moving Average, dan Double Exponential Smoothing untuk Customer 1, Customer 2, Customer 3, Customer 4, Customer 5, Customer 7,
Customer 8, Customer 9, Customer 10. Sedangkan unutk customer 6 menggunakan Linear regresion, Double Exponential Smoothing with trend dan
Holt Winter additive algorithm.
4.2.6.3 Perhitungan Nilai MSE
Berdasarkan metode peramalan yang digunakan dicari nilai MSE terkecil
dari metode peramalan, dengan nbilai MSE untuk masing-masing metode dapat dilihat pada tabel 4.25 sebagai berikut :
Tabel 4.25 Nilai MSE dari 3 Metode Peramalan
Customer Simple Average
Moving Average Double
Exponential Smoothing
Customer 1 14.3974,9 21.454,5 154.486
Customer 2 5.491,328 6.363,636 562.087,9
Customer 3 3.781,173 3.204,545 5.438,825
Customer 4 1.112.321 1.343.855 1.491.818
Customer 5 78.106,57 82.272,73 67.023,23
Customer 7 133.454,4 185.909,1 134.626,9
Customer 8 2.023,49 2.272,727
1.729,808 Customer 9
475.884,3 793.327,3 440.500,3 Customer 10
348.473,7 1.070.909 56.2087,9
Tabel 4.26 Nilai MSE dari 3 Metode Peramalan
Customer Linear regresion
Double Exponential
Smoothing with trend
Holt Winter additive
algorithm. Customer 6
13.190,7 5.160,839 13.190,7
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.6.4 Pemilihan Nilai MSE Terkecil
Dari perhitungan nilai MSE kemudian dicari nilai MSE Terkecil berdasarkan metode peramalan yang digunakan, dengan hasil nilai MSE terkecil
sebagai berikut : Tabel 4.27 Nilai MSE Terkecil dan Metode Yang digunakan
Customer Metode Peramalan
Nilai MSE Customer 1
Simple Average 14.3974,9
Customer 2 Simple Average 5.491,328
Customer 3 Moving Average 3.204,545
Customer 4 Simple Average
1.112.321 Customer 5
Double Exponential Smoothing 67.023,23
Customer 6 Linear Regresion
13.190,7 Customer 7
Simple Average 13.3454,4
Customer 8 Double Exponential Smoothing
1.729,808 Customer 9
Double Exponential Smoothing 44.0500,3 Customer 10
Simple Average 34.8473,7
4.2.6.5 Melakukan Uji MRC dari Metode Peramalan yang Digunakan
Setelah mencari nilai MSE terkecil dari metode peramalan permintaan tersebut dilakukan uji MRC, hal ini dilakukan untuk mengetahui apakah data
permintaan terkontrol atau tidak berdasarkan metode peramalan yang digunakan. Contoh hasil uji MRC untuk PG. Soedhono :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hasil dari Uji MRC untuk customer selanjutnya dapat dilihat pada lampiran C
4.2.6.6 Peramalan Permintaan Untuk Tahun 2010
Berdasarkan hasil uji MRC dilakukan peramalan permintaan untuk tahun 2010 menggunakan Software WINQSB dengan hasil Peramalan dapat dilihat pada
lampiran D Hasil Peramalan untuk tiap customer untuk Tahun 2010, kemudian
digunakan untuk menentukan besarnya order size dari masing-masing customer. Perhitungan order size untuk tiap-tiap customer, contoh perhitungan order size
adalah :
12 24
....... 15
14 13
.
e alanperiod
Hasilperam ordersize
Misal order size untuk PG. Soedhono Order size
875 12
875 ........
875 875
= 875 lembarperiodebulan Hasil dibulatkan keatas semua Besarnya order size untuk tiap-tiap customer, sebagai berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.27 Rata-rata Besarnya Order Size per bulan untuk tahun 2010
Customer Order size
Lembarbulan Customer 1
875 Customer 2
250 Customer 3
300 Customer 4
4.350 Customer 5
2.711 Customer 6
6.044 Customer 7
954 Customer 8
178 Customer 9
2.664 Customer 10
2.575 Sumber: Hasil perhitungan data primer
4.2.7 Rute Baru Penerapan Metode Savings Matrix Berdasarkan
Permintaan Tahun 2010
Berdasarkan peramalan permintaan tahun 2010, untuk permintaan dari tiap customer dialokasikan pada rute baru penerapan metode Savings Matrix, karena
metode savings matrix memberikan penghematan jarak tempuh maupun biaya transportasi, sehingga besarnya besarnya permintaan
dari tiap customer langsung dialokasikan pada rute baru. Dengan besarnya order size untuk tiap-tiap rute sebagai berikut :
a. Rute A = C1,C2,C3,C5,C6,C7,C8, dan C9
Beban rute A = 13.356 Armada : truk tronton milik sendiri
b. Rute B = C4, C10
Beban rute B = 6.925 Armada truk Tronton milik sendiri
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.8 Perhitungan Biaya Transportasi Rute Baru Untuk Tahun 2010
