PENENTUAN JALUR DISTRIBUSI DAN PENJADWALAN DISTRIBUSI UNTUK MEMINIMALKAN BIAYA TRANSPORTASI DENGAN METODE SAVINGS MATRIX DI PT. CAHAYA SEJAHTERA SENTOSA BLITAR.

(1)

PENENTUAN JALUR DISTRIBUSI DAN PENJADWALAN

DISTRIBUSI UNTUK MEMINIMALKAN BIAYA

TRANSPORTASI DENGAN METODE SAVINGS MATRIX

DI PT. CAHAYA SEJAHTERA SENTOSA BLITAR

SKRIPSI

O Olleehh::

MONICA

WINA

NURANI

MONICA WINA NURANI

0

5

3

2

0

1

0

2

8 J

U

R

U

S

A

N

T

E

K

N

I

K

I

N

D

U

S

T

R

I

F

A

K

U

L

T

A

S

T

E

K

N

O

L

O

G

I

N

D

U

S

T

R

I

U

N

I

V

E

R

S

I

T

A

S

P

E

M

B

A

N

G

U

N

A

N

A

S

I

O

N

A

L

“

V

E

T

E

R

A

N

”

J

A

W

A

T

I

M

U

R

2

(2)

DAFTAR ISI

Halaman HALAMAN JUDUL

HALAMAN PERSETUJUAN DAN PENGESAHAN

DAFTAR ISI ... i

DAFTAR TABEL ... ii

DAFTAR GAMBAR ... iii

DAFTAR LAMPIRAN ... iv

ABSTRAKSI ... v

BAB I PENDAHULUAN 1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3 Batasan Masalah ... 3

1.4 Asumsi ... 4

1.5 Tujuan Penelitian ... 5

1.6 Manfaat Penelitian ... 5

1.7 Sistematika Penulisan ... 6

BAB II TINJAUAN PUSTAKA 2.1 Manajemen Distribusi dan Transportasi ... 8

2.2 Efesiensi Penjadwalan Jalur Distribusi ... 13

2.3 Metode Savings Matrix 2.3.1 Pengertian Metode Savings Matrix ... 15

(3)

2.3.2 Langkah-Langkah Metode Savings Matrix ... 15

2.4 Metode General Assignment ... 20

2.5 Peramalan Permintaan ... 23

2.5.1 Peramalan Dalam Horizon Waktu ... 24

2.5.2 Beberapa Sifat Hasil Peramalan ... 25

2.5.3 Prosedur Peramalan ... 25

2.5.4 Verifikasi dan Pengendalian Peramalan (Moving Range Chart) ... 32

2.5.4.1 Peta Moving Range ... 32

2.5.4.2 Uji Kondisi di Luar Kendali ... 33

2.5.4.3 Penggunaan Moving Range Untuk verifikasi peramalan ... 35

2.6 Peneliti Terdahulu ... 36

BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian ... 40

3.2 Identifikasi dan Definisi Operasional Variabel ... 40

3.3 Populasi ... 42

3.4 Metode Pengumpulan Data ... 42

3.4.1 Field Research (Penelitian Lapangan) ... 43

3.4.2 Library Research (Penelitian Pustaka) ... 43

3.5 Metode Pengolahan Data ... 43

(4)

BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan Data

4.1.1 Data Permintaan Customer

4.1.1.1 Data Permintaan Tepung Cassava ... 55 4.1.1.2 Data Permintaan Tiwul Instan ... 57 4.1.2 Data Kapasitas Alat Angkut

4.1.2.1 Data Kapasitas Alat Angkut Tepung Cassava ... 60 4.1.2.2 Data Kapasitas Alat Angkut Tiwul Instan ... 60 4.1.3 Data Rute Awal

4.1.3.1 Data Rute Awal Tepung Cassava ... 60 4.1.3.2 Data Rute Awal Tiwul Instan ... 62 4.1.4 Data Biaya Transportasi Awal

4.1.4.1 Data Biaya Transportasi Awal untuk

Tepung Cassava ... 63 4.1.4.2 Data Biaya Transportasi Awal untuk

Tiwul Instan ... 65 4.1.5 Data Tanggal Distribusi dan Due date pada rute Awal ... 66

4.2 Pengolahan Data

4.2.1 Menghitung Jarak Koordinat Lokasi Customer ... 68 4.2.2 Mengalokasikan Permintaan Customer Bulan Juni 2007

(5)

4.2.2.1 Penentuan Alokasi Customer pada rute Awal Berdasarkan permintaan Bulan Juni 2007 sampai Juni 2009 ... 71 4.2.2.1.1 Perhitungan Total Jarak Tempuh

Pendistribusian Tepung Cassava pada

Rute Awal ... 72 4.2.2.1.2 Perhitungan Total Jarak Tempuh

Pendistribusian Tiwul Instan pada Rute

Awal ... 74 4.2.2.2 Perhitungan Biaya Transportasi Sebelum Penerapan

Metode Savings Matrix pada rute Awal Berdasarkan Permintaan Bulan Juni 2007 s/d Juni 2009

4.2.2.2.1 Perhitungan Biaya Transportasi sebelum

Penerapan Metode SavingsMatrix pada

Rute Awal Berdasarkan Permintaan Tepung Cassava Bulan Juni 2007

s/d Juni 2009... 76 4.2.2.2.2 Perhitungan Biaya Transportasi Sebelum

Penerapan Metode Savings Matrix pada

Rute Awal Berdasarkan Permintaan Tiwul Instan Bulan Juni 2007 s/d Juni 2009 ... 78

(6)

4.2.3 Mengalokasikan Permintaan Customer Bulan Juni 2007s/d Juni 2009 Pada Rute Baru Berdasarkan Penerapan Metode Savings

Matrix ... 80

4.2.3.1 Mengubah Satuan Permintaan Produk Tepung Cassava Dan Tiwul Instan ke satuan Kilogram ... 80

4.2.3.2 Mengalokasikan Permintaan Customer dengan Metode Savings Matrix ... 82

4.2.4 Peramalan (Forecasting) Permintaan 4.2.4.1 Ploting Data Permintaan Periode Bulan Juni 2007 s/d Juni 2009 ... 144

4.2.4.2 Penetapan Metode Peramalan ... 144

4.2.4.3 Perhitungan Nilai MSE ... 146

4.2.4.4 Pemilihan Nilai MSE Terkecil ... 147

4.2.4.5 Melakukan Uji MRC dari Metode Peramalan Yang Digunakan ... 148

4.2.4.6 Peramalan Permintaan Untuk Periode Bulan Juli 2009 s/d Juni 2010 ... 149

4.2.5 Rute Baru (Penerapan Metode Savings Matrix) Berdasarkan Permintaan Bulan Juli 2009 dst. ... 150

4.2.6 Perhitungan Biaya Transportasi Rute Baru Untuk Periode Bulan Juli 2009 dst ... 167

4.2.7 Rekombinasi Jalur Distribusi Untuk Periode Bulan Juli 2009 dst ... 170

(7)

4.3 Hasil dan Pembahasan ... 171 BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan ... 178 5.2 Saran ... 181 DAFTAR PUSTAKA

(8)

DAFTAR TABEL

Tabel 2.1 Lokasi Tujuan dan Ukuran Order ... 15

Tabel 2.2 Matrik Jarak dari pabrik ke customer dan antar customer ... 16

Tabel 2.3 Matrik Penghematan Jarak dengan Menggabungkan dua rute yang Berbeda ... 18

Tabel 2.4 Langkah Awal semua customer memiliki rute terpisah ... 18

Tabel 2.5 Semua customer memiliki rute terpisah ... 19

Tabel 2.6 Customer 4 masuk ke rute a dan customer 3 masuk rute c ... 19

Tabel 2.7 Peramalan Permintaan Model Regresi ... 35

Tabel 4.1 Data Permintaan Tepung Cassava (zak) per bulan untuk periode Juni 2007 s/d Juni 2008 ... 55

Tabel 4.2 Data Permintaan Tepung Cassava (zak) per bulan untuk periode Juli 2008 s/d Juni 2009 ... 56

Tabel 4.3 Rata-rata besarnya Order Size untuk tepung Cassava pada periode Juni 2007 sd Juni 2009 ... 57

Tabel 4.4 Data Permintaan Tiwul Instan (dus) per bulan untuk periode Juni 2007 s/d Juni 2008 ... 58

Tabel 4.5 Data Permintaan Tiwul Instan (dus) per bulan untuk periode Juli 2008 s/d Juni 2009 ... 58

Tabel 4.6 Rata-Rata besarnya Order Size untuk Tiwul Instan pada periode Juni 2007 s/d Juni 2009 ... 59

(9)

Tabel 4.7 KapasitasAlat Angkut ... 60 Tabel 4.8 Rute Awal Pendistribusian Tepung Cassava dari

Pabrik ke customer ... 61 Tabel 4.9 Jarak Total Perjalanan dan Beban Order pendistribusian tepung Cassava

Dari pabrik ke customer pada rute Awal ... 61 Tabel 4.10 Rute Awal Pendistribusian Tiwul Instan dari Pabrik ke customer .. 62 Tabel 4.11 Jarak Total Perjalanan dan Beban Order Pendistribusian Tiwul Instan Dari pabrik ke customer pada rute awal ... 62 Tabel 4.12 Daftar Harga Untuk Biaya Transportasi Awal

Untuk Tepung Cassava ... 63 Tabel 4.13 Jenis Biaya Transportasi Awal Pada Rute Awal

untuk Tepung Cassava ... 64 Tabel 4.14 Daftar Harga Untuk Biaya Trasnportasi Awal

Untuk Tiwul Instan ... 65 Tabel 4.15 Jenis Biaya Transportasi Awal pada rute Awal untuk Tiwul Instan 66 Tabel 4.16 Tanggal Distribusi dan due date Tepung Cassava pada rute Awal .. 67 Tabel 4.17 Tanggal Distribusi Tiwul Instan pada rute Awal ... 67 Tabel 4.18 Jarak Lokasi dari Pabrik ke tiap Customer dalam koordinat dan satuan

Kilometer untuk tepung Cassava ... 70 Tabel 4.19 Jarak Lokasi dari Pabrik ke tiap customer dalam koordinat dan satuan

Kilometer untuk Tiwul Instan ... 71 Tabel 4.19 Besarnya Order Size per bulan tiap customer Bulan Juni 2007 sampai

(10)

Tabel 4.20 Besarnya Order Size per bulan tiap customer Bulan Juni 2007 sampai Juni 2009 ... 82 Tabel 4.21 Matrik Jarak ... 83 Tabel 4.22 Savings Matrix ... 85 Tabel 4.23 – Tabel 4.104 Iterasi 1-82 ... Lampiran G Tabel 4.105 Matrik Rekapitulasi Iterasi 1 sampai 81 ... 132 Tabel 4.106 Nilai MSE dari 3 Metode Peramalan ... 147 Tabel 4.107 Nilai MSE terkecil dan Metode yang digunakan ... 148 Tabel 4.108 Rata-Rata Besarnya Order Size per bulan untuk Bulan

Juli 2009 dst ... 150 Tabel 4.109 Matrik Rekapitulasi Iterasi 1-82 ... 154 Tabel 4.110 Rute Baru Berdasarkan Permintaan Bulan Juli 2009 dst ... 172 Tabel 4.111 Rute Lama Berdasarkan Permintaan Bulan Juni 2007

Sampai Juni 2009 ... 173 Tabel 4.111(a)Rute Lama Berdasarkan Permintaan Bulan Juni 2007

Sampai Juni 2009 ... Tabel 4.111(b)Rute Baru Berdasarkan Permintaan Bulan Juni 2007

Sampai Juni 2009 ... Tabel 4.111(c)Penghematan rute baru dibanding rute lama Berdasarkan Permintaan

Bulan Juni 2007 Sampai Juni 2009 ... Tabel 4.111(d)Penghematan Rute baru Berdasarkan permintaan Bulan Juli 2009 s/d

Juni 2010 dibanding Rute Lama Berdasarkan Permintaan Bulan Juni 2007 Sampai Juni 2009 ...

(11)

Tabel 4.112 Jadwal Pengiriman Rute Baru Berdasarkan Permintaan Bulan Juli 2009 Sampai Juni 2010 ...

(12)

DAFTAR GAMBAR

Gambar 2.1 Perubahan yang terjadi dengan menggabungka customer 1

dan customer 2 ke dalam 1 rute ... 17

Gambar 2.2 Kriteria di luar kendali ... 34

Gambar 2.3 Moving Range Chart ... 35

Gambar 3.1 Langkah-Langkah Penelitian dan Pemecahan Masalah ... 19

(13)

ABSTRAKSI

Pada era globalisasi saat ini persaingan dunia usaha semakin meningkat tajam. Kemudahan dalam memperoleh informasi melalui berbagai media mengakibatkan dunia usaha dituntut semakin berkompetitif. Perusahaan tidak hanya dituntut untuk mempertahankan kinerja yang sudah diraih tapi juga harus meningkatkan service level yang sudah ada dalam memenuhi permintaan konsumen dan memenangkan persaingan. Dalam memenuhi permintaan konsumen, selain dilihat dari sisi proses produksi, juga ada faktor penting yang perlu diperhatikan, yaitu pendistribusian produk dari perusahaan ke konsumen yang tepat waktu dan efektif. Pendistribusian memegang peran yang penting karena tanpa adanya pola distribusi yang tepat, maka proses ini juga dapat memakan biaya tinggi dan mengakibatkan pemborosan dari segi waktu, jarak dan tenaga.

PT. Cahaya Sejahtera Sentosa Blitar merupakan perusahaan yang bergerak dalam industri bahan makanan. Sasaran mutu PT. Cahaya Sejahtera Sentosa Blitar adalah mutu produk yang baik, waktu pengiriman yang tepat, biaya yang efesien dan pelayanan yang baik dengan respon yang cepat dan komunikasi yang baik dengan customer. Oleh karena itu PT. Cahaya Sejahtera Sentosa Blitar juga dituntut untuk merancang kinerja distribusi yang reliabel. Sedangkan dalam permasalahan ini, perusahaan mengalami kendala dalam hal masih kurang optimalnya perencanaan pendistribusian barang ke customer. Adapun kendala tersebut adalah adanya rute distribusi produk yang hanya terdiri dari gudang ke satu customer saja tanpa memperhitungkan kapasitas armada yang digunakan sehingga dapat mengakibatkan kurang efisiennya biaya transportasi di PT. Cahaya Sejahtera Sentosa Blitar.

Dengan adanya permasalahan tersebut maka perlu dilakukan penjadwalan dan penentuan jalur atau rute yang akan dilalui sehingga dapat mengefesienkan biaya transportasi pada PT. Cahaya Sejahtera Sentosa Blitar. Metode Savings Matrix dapat digunakan untuk menentukan rute distribusi produk ke customer dengan cara menentukan urutan rute distribusi yang harus dilalui dan jumlah alat angkut berdasarkan kapasitas dari alat angkut tersebut. Metode ini diterapkan agar diperoleh rute terpendek pada daerah pemasaran produk di PT. Cahaya Sejahtera Sentosa Blitar yang meliputi kota Blitar, Nganjuk, Kediri, Surabaya, Jombang Mojokerto, Trenggalek, Lumajang, dan Probolinggo sehingga diperoleh biaya transportasi yang minimal.

Dengan Metode Savings Matrix diperoleh rute baru sebanyak 12 rute < dari rute lama sebanyak 15 rute dan dapat dihitung total biaya transportasi pada rute awal sebesar Rp Rp 4.853.402,306,-/Perjalanan/Bulan > total biaya transportasi pada rute baru (penerapan Savings Matrix) sebesar Rp 2.512.639,5,-/Perjalanan/Bulan. Sehingga diperoleh penghematan sebesar Rp 2.340.762,806,- atau efesiensi sebesar 48,22%.

Kata Kunci : Matrik Penghematan, Savings Matrix, penentuan rute distribuís, Penghematan Jarak

(14)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada era globalisasi saat ini persaingan dunia usaha semakin meningkat tajam. Kemudahan dalam memperoleh informasi melalui berbagai media mengakibatkan dunia usaha dituntut semakin berkompetitif. Perusahaan tidak hanya dituntut untuk mempertahankan kinerja yang sudah diraih tapi juga harus meningkatkan service level yang sudah ada dalam memenuhi permintaan konsumen dan memenangkan persaingan. Dalam memenuhi permintaan konsumen, selain dilihat dari sisi proses produksi, juga ada faktor penting yang perlu diperhatikan, yaitu pendistribusian produk dari perusahaan ke konsumen yang tepat waktu dan efektif. Pendistribusian memegang peran yang penting karena tanpa adanya pola distribusi yang tepat, maka proses ini juga dapat memakan biaya tinggi dan mengakibatkan pemborosan dari segi waktu, jarak dan tenaga.

Distribusi berkaitan erat dengan kegiatan transportasi yang memadai. Keduanya memungkinkan berpindahnya produk dari pabrik sampai ke customer secara tepat waktu dan jumlah yang sesuai dan dalam kondisi yang baik. Perlu adanya penentuan urutan-urutan customer yang akan dikunjungi dengan armada khusus agar distribusi dapat berjalan seefektif mungkin. Kegiatan ini melibatkan pembentukan jadwal dan penentuan rute dalam transportasi.

(15)

Supply Chain Management merupakan solusi di mana penulis berusaha menyatukan aspek-aspek yang telah ada dari semua aktivitas distribusi dari mulai barang datang sampai disalurkan ke konsumen. Melalui metode Saving Matrix (Matrik Penghematan) dapat diminimumkan jarak atau waktu atau ongkos yang akan mengarahkan perusahaan dan memberikan keuntungan, baik itu untuk perusahaan, ritel, maupun konsumen.

PT. Cahaya Sejahtera Sentosa Blitar merupakan perusahaan yang bergerak dalam industri bahan makanan. Sasaran mutu PT. Cahaya Sejahtera Sentosa Blitar adalah mutu produk yang baik, waktu pengiriman yang tepat, biaya yang efesien dan pelayanan yang baik dengan respon yang cepat dan komunikasi yang baik dengan customer. Oleh karena itu PT. Cahaya Sejahtera Sentosa Blitar juga dituntut untuk merancang kinerja distribusi yang reliabel. Sedangkan dalam permasalahan ini, perusahaan mengalami kendala dalam hal masih kurang optimalnya perencanaan pendistribusian barang ke customer. Adapun kendala tersebut adalah adanya rute distribusi produk yang hanya terdiri dari gudang ke satu customer saja tanpa memperhitungkan kapasitas armada yang digunakan sehingga dapat mengakibatkan kurang efisiennya biaya transportasi di PT. Cahaya Sejahtera Sentosa Blitar.

Dengan adanya permasalahan tersebut maka perlu dilakukan penjadwalan dan penentuan jalur atau rute yang akan dilalui sehingga dapat mengefesienkan biaya transportasi pada PT. Cahaya Sejahtera Sentosa Blitar. Metode Savings Matrix dapat digunakan untuk menentukan rute distribusi produk ke customer dengan cara menentukan urutan rute distribusi yang harus dilalui dan jumlah alat angkut berdasarkan kapasitas dari alat angkut tersebut. Metode ini diterapkan agar diperoleh

(16)

rute terpendek pada daerah pemasaran produk di PT. Cahaya Sejahtera Sentosa Blitar yang meliputi kota Blitar, Nganjuk, Kediri, Surabaya, Jombang Mojokerto, Trenggalek, Lumajang, dan Probolinggo sehingga diperoleh biaya transportasi yang minimal.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas maka dapat dirumuskan suatu permasalahan pada penelitian ini adalah

”Bagaimana penentuan jalur distribusi produk dan penjadwalan distribusi produk tepung Cassava dan Tiwul Instan ke customer guna meminimalkan biaya transportasi di PT. Cahaya Sejahtera Sentosa Blitar.”

1.3 Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Penelitian dilakukan pada produk tepung Cassava dan Tiwul Instan .

2. Rute distribusi tepung Cassava dan Tiwul Instan dari kota asal Blitar ke kota Blitar, Nganjuk, Kediri, Surabaya, Jombang, Mojokerto, Trenggalek, Lumajang, dan Probolinggo.

3. Biaya transportasi meliputi biaya bahan bakar, biaya sewa armada, biaya retribusi (tol dan lain-lain), dan biaya gaji tenaga kerja.

4. Jenis kendaraan yang dimiliki oleh PT. Cahaya Sejahtera Sentosa dalam distribusi tepung Cassava dan Tiwul Instan adalah pick up yang memiliki

(17)

5. Pengiriman produk Tepung Cassava dan Tiwul Instan untuk customer tetap dilakukan pada tanggal 1 sampai dengan 15 dalam kurun waktu periode 1 bulan. 6. Penentuan rute dan penjadwalan distribusi dengan Savings Matrix untuk produk tepung Cassava memperhitungkan adanya due date .

7. Terdapat 4 tanggal perjanjian distribusi tepung Cassava (due date) dalam periode 1 bulan untuk 4 customer tetap (due date dilayani perusahaan berdasarkan servica level) dari jumlah keseluruhan 13 customer tetap.

1.4 Asumsi

Asumsi yang digunakan adalah :

1. Kondisi kendaraan selama perjalanan diasumsikan dalam kondisi stabil, tidak rusak, dan tidak terjadi bencana alam seperti tanah longsor, banjir dan sebagainya. 2. Biaya bahan bakar, retribusi dan tenaga kerja diasumsikan tetap selama

penelitian.

3. Rute atau jalur distribusi yang dilalui pada saat pengiriman tepung Cassava dan Tiwul Instan dari pabrik ke lokasi customer diasumsikan sama dengan rute kembali dari customer ke lokasi pabrik.

4. Persediaan produk tepung Cassava dan Tiwul Instan dapat memenuhi permintaan customer.

(18)

1.5 Tujuan Penelitian

Adapun tujuan dilakukannya penelitian ini adalah sebagai berikut :

1. Menentukan rute/jalur distribusi produk yang harus dilayani oleh alat pengangkut berdasarkan kapasitas alat pengangkut.

2. Menentukan jadwal distibusi tepung Cassava dan Tiwul Instan berdasarkan rute yang sudah terdefinisi.

3. Menghitung efisiensi biaya distribusi tepung Cassava dan Tiwul Instan.

1.6 Manfaat Penelitian

Adapun manfaat dilakukannya penelitian ini adalah:

1. Bagi mahasiswa, dapat memberikan pengalaman penelitian pada masalah distribusi.

2. Bagi Perguruan Tinggi, dapat memberikan referensi tambahan di bidang industri khususnya tentang transportasi dan distribusi fisis.

3. Bagi perusahaan, mendapatkan rute/jalur pengiriman produk yang lebih baik sehingga dapat menghemat biaya distribusi pengiriman produk akhir.

(19)

1.7 Sistematika Penulisan

Pada dasarnya sistematika penulisan berisikan uraian yang akan dibahas pada masing-masing bab, sehingga dalam setiap bab akan mempunyai pembahasan topik tersendiri. Adapun sistematika penulisan dari tugas akhir ini adalah sebagai berikut :

BAB I PENDAHULUAN

Dalam bab satu dibahas mengenai latar belakang penelitian, perumusan masalah yang diteliti, tujuan dan manfaat penelitian, batasan dan asumsi yang dipakai dalam penelitian sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Pada bab ini dibahas mengenai dasar-dasar teori yang digunakan untuk mengolah dan menganalisa data-data yang diperoleh dari pelaksanaan penelitian, yaitu teori mengenai distribusi, penjadwalan dan pemilihan rute dalam transportasi dan savings matrix dan utilitinya.

BABIII METODE PENELITIAN

Pada bab tiga ini diberi langkah-langkah dalam melaksanakan penelitian ini yaitu hal-hal yang dilakukan untuk mencapai tujuan dari penelitian atau gambaran atau urutan kerja menyeluruh selama pelaksanaan penelitian.

(20)

BAB IV HASIL DAN PEMBAHASAN

Pada bab ini berisikan pengolahan dari data yang telah dikumpulkan dan melakukan analisa serta evaluasi dari data yang telah diolah untuk menyelesaikan permasalahan yang ada.

BAB V KESIMPULAN DAN SARAN

Pada bab ini berisikan kesimpulan dan saran dari analisa yang telah dilakukan sehingga dapat memberikan suatu rekomendasi sebagai masukan bagi pihak perusahaan.

DAFTAR PUSTAKA LAMPIRAN

(21)

BAB II

TINJAUAN PUSTAKA

2.1 Manajemen Distribusi dan Transportasi

Secara tradisional kita mengenal manajemen distribusi dan transportasi dalam berbagai sebutan. Sebagian perusahaan menggunakan istilah manajemen logistik, sebagian lagi menggunakan istilah distribusi fisik (phisycal distribution). Apapun istilahnya, secara umum fungsi distribusi dan transportasi pada dasarnya adalah menghantarkan produk dari lokasi di mana produk tersebut diproduksi sampai dimana mereka akan digunakan. Pada prinsipnya fungsi ini bertujuan untuk menciptakan pelayanan yang tinggi ke customer yang bisa dilihat dari tingkat service level yang dicapai, kecepatan pengiriman, kesempurnaan barang sampai ke tangan customer, serta pelayanan purna jual yang memuaskan. (Pujawan, 2005; 174).

Dalam upaya untuk memenuhi tujuan-tujuan di atas, manajemen distribusi dan transportasi pada umumnya melakukan sejumlah fungsi dasar yang terdiri dari (Pujawan, 2005; 175-176) :

1. Melakukan segmentasi dan menentukan target service level.

Segmentasi customer perlu dilakukan karena kontribusi mereka pada revenue perusahaan bisa sangat berbeda antara yang satu dengan yang lainnya. Dari segi revenue, sering kali hukum pareto 20/80 berlaku di sini. Artinya, hanya sekitar 20% dari customer atau area penjualan menyumbangkan sejumlah 80% dari pendapatan yang diperoleh perusahaan.

(22)

Perusahaan tidak bisa menomorsatukan semua customer. Dengan memahami perbedaan karakteristik dan konstribusi tiap customer atau area distribusi, perusahaan bisa mengoptimalkan kecepatan pelayanan.

2. Menentukan mode transportasi yang akan digunakan.

Tiap mode transportasi memiliki karakteristik yang berbeda dan mempunyai keunggulan serta kelemahan yang berbeda juga. Sebagai contoh, transportasi laut memiliki keunggulan dari segi biaya yang lebih rendah, namun lebih lambat dibandingkan dengan transportasi udara. Manajemen transportasi harus bisa menentukan mode apa yang akan digunakan dalam mengirimkan mendistribusikan produk-produk mereka ke customer. Kombinasi dua atau lebih mode transportasi tentu bisa atau bahkan harus dilakukan tergantung pada situasi yang dihadapi.

3. Melakukan konsolidasi informasi dan pengiriman.

Konsolidasi merupakan kata kunci yang sangat penting dewasa ini. Tekanan untuk melakukan pengiriman cepat namun murah menjadi pendorong utama perlunya melakukan konsolidasi informasi maupun pengiriman. Salah satu contoh konsolidasi informasi adalah konsolidasi data permintaan dar berbagai regional distribution center oleh central warehouse untuk keperluan pembuatan jadwal pengiriman. Sedangkan konsolidasi pengiriman dilakukan dengan menyatukan permintaan beberapa toko atau ritel yang berbeda dalam sebuah truk. Dengan cara ini, truk bisa berjalan lebih sering tanpa harus membebankan biaya lebih pada customer.

(23)

4. Melakukan penjadwalan dan penentuan rute pengiriman.

Salah satu kegiatan operasional yang dilakukan oleh distributor adalah menentukan kapan sebuah truk harus berangkat dan rute mana yang harus dilalui untuk memenuhi permintaan dari sejumlah customer. Apabila jumlah customer sedikit, keputusan ini diambil dengan relatif gampang. Namun perusahaan yang memiliki ribuan atau puluhan ribu toko atau tempat-tempat penjualan yang harus dikunjungi, penjadwalan dan penentuan rute pengiriman adalah pekerjaan yang sangat sulit dan kekurangtepatan dalam mengambil dua keputusan tersebut bisa berimplikasi pada biaya pengiriman dan penyimpanan yang tinggi.

5. Memberikan pelayanan nilai tambah.

Di samping mengirimkan produk ke customer, jaringan distribusi semakin banyak dipercaya untuk melakukan proses nilai tambah. Kebanyakan proses nilai tambah tersebut tadinya dilakukan oleh pabrik / manufacturer. Beberapa proses nilai tambah yang bisa dikerjakan oleh distributor adalah pengepakan (packaging), pelabelan harga, pemberian barcode, dan sebagainya.

6. Menyimpan persediaan

Jaringan distribusi selalu melibatkan proses penyimpanan produk baik di suatu gudang pusat atau gudang regional, maupun di toko di mana produk tersebut dipajang untuk dijual. Oleh karena itu distribusi tidak bisa dilepaskan dari manajemen pergudangan.

(24)

7. Menangani pengembalian (return).

Manajemen distribusi juga punya tanggung jawab untuk melaksanakan kegiatan pengembalian produk dari hilir ke hulu dalam supply chain. Pengembalian ini bisa karena produk rusak atau tidak terjual sampai batas waktu penjualannya habis.

Dengan lancarnya transportasi, tepat waktu, adanya keselamatan barang dan biaya relative murah akan mempengaruhi harga atau mutu komoditi sampai pada konsumen. Selain itu peranan dalam penetapan lokasi industri atau kegiatan ekonomi lainnya adalah besarnya biaya transportasi dalam penetapan lokasi industri, karena biaya transportasi merupakan salah satu komponen biaya produksi. Apabila biaya transportasi lebih murah akan mengakibatkan biaya produksi lebih rendah dan harga produk menjadi lebih rendah, sehingga menambah daya saing produk dan memperluas lokasi daerah pemasaran. Dapat dirumuskan hubungan transportasi dan jarak yang ada yaitu ;

Jarak t km

cos si

Transporta t Transport Cos

Masalah transportasi berhubungan dengan distribusi suatu produk tunggal dan beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan permintaan tertentu, pada biaya transportasi minimum. Dalam permasalahan transportasi ini, kita mengenal 4 metode transportasi yang sering digunakan, yaitu ;

(25)

1. Metode North_West-Corner

Metode North_West-Corner merupakan metode yang paling sederhana di antara tiga metode yang disebutkan untuk mencari solusi awal. (Mulyono, 1991; 109)

2. Metode Least Cost

Metode Least Cost merupakan metode transportasi yang berusaha mencapai tujuan untuk meminimasi biaya dengan alokasi sistematik kepada kotak-kotak sesuai dengan besarnya biaya transportasi per unit. (Mulyono, 1991; 111).

3. Metode Aproksimasi Vogel (VAM)

Metode Aproksimasi Vogel (VAM) selalu memberikan suatu solusi awal yang lebih baik dibanding metode North West Corner dan sering kali lebih baik daripada metode Least Cost. VAM melakukan alokasi dalam suatu cara yang akan meminimumkan penalty (Oportunity Cost) dalam memilih kotak yang salah untuk suatu lokasi. (Mulyono, 1991; 112).

4. Metode Linier Progamming

Persolan angkutan yang sering muncul dalam kehidupan sehari-hari, merupakan golongan tersendiri dalam persolan progam linier. Karena itu, cara umum penyelesaian persoalan program linier yang digunakan salah satunya seperti cara simpleks. (Siagian, 1987; 154).

Sedangkan masalah transportasi dalam penentuan jadwal serta rute pengiriman dari satu lokasi tujuan merupakan keputusan operasional paling penting yang berhubungan dengan transportasi di dalam supply chain adalah penentuan rute dan penjadwalan pengiriman. Manajer harus menentukan customer yang akan

(26)

dikunjungi dengan sebuah kendaraan khusus dan urutan yang akan dikunjungi. Keputusan jadwal pengiriman serta rute yang akan ditempuh oleh setiap kendaraan akan berpengaruh terhadap biaya-biaya pengiriman, kapasitas kendaraan atau armada pengangkutan.

2.2 Efisiensi Penjadwalan Jalur Distribusi

Penjadwalan yang efisien dan penyusunan rute yang baik dapat menghemat waktu pengiriman bagi kendaraan, dan hasilnya jumlah biaya operasi dapat berkurang. Untuk mencapai tingkat susunan rute dan jadwal perjalanan yang lebih baik bagi kendaraan ialah dengan menggunakan sistem peta jalan atau jarak lokasi customer dengan menggunakan skala perbandingan. Misalkan dengan menggunakan skala perbandingan 1:1.100.000, berarti 1 cm pada peta mewakili 1.100.000 cm pada jarak lokasi customer sebenarnya atau sama dengan 11 km.

Perencanaan rute merupakan bagian penting untuk mencapai angkutan produk perusahaan dengan biaya minimal. Setiap kendaraan yang meninggalkan lokasi pabrik harus mengikuti rute sesuai dengan jadwal yang telah direncanakan sebelumnya, agar menghasilkan efisiensi biaya dalam jumlah yang besar. Kendaraan tidak saja harus siap dimuati, tetapi juga siap diservis, pengisian bahan bakar, sehingga pengemudi dan kendaraan harus dijauhkan dari kemungkinan terjadinya kecelakaan. Dengan mempertimbangkan kemungkinan yang akan terjadi maka kita dapat melakukan penjadwalan yang efisien dan pengiriman barang yang optimal.

Dapat dikatakan bahwa penjadwalan yang efisien dan pengiriman barang yang optimal dapat mengurangi pemborosan dalam segi waktu, jarak, dan tenaga

(27)

sehingga mendapatkan biaya transportasi yang lebih efisien serta produk yang dikirim tepat waktu dan dalam kondisi baik. (Hadinoto, 1996; 112-113).

Dalam penentuan jadwal serta rute pengiriman terdapat 2 metode dalam supply chain, yaitu: (Pujawan, 2005; 179-180).

a. Metode Savings Matrix b. Metode General Assignment

Metode Savings Matrix mendasarkan penyelesaian permasalahan transportasi dengan melakukan penjadwalan dan penentuan rute pengiriman produk dari pabrik ke customer, dengan tujuan dapat meminimumkan jarak atau waktu atau ongkos dengan mempertimbangkan kendala-kendala yang ada. Kendala yang terjadi adalah satu kali pengiriman produk dilakukan dalam satu rute untuk satu customer. Dengan adanya permasalahan tersebut maka metode savings matrix dapat memberikan solusi yang tepat untuk menyelesaikan kendala-kendala yang terjadi.

Agar penjadwalan distribusi dengan menentukan jalur distribusi dapat optimal, maka dalam pengiriman tersebut harus disesuaikan dengan jumlah permintaan produk oleh customer dan kapasitas dari kendaraan atau armada yang ada, sehingga dilakukan teknik peramalan permintaan pada tiap-tiap customer dengan menggunakan metode peramalan Time Series.

(28)

2.3 Metode Savings Matrix

2.3.1 Pengertian Metode Savings Matrix

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

2.3.2 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 x₁ y₁ A Unit

Customer 2 x₂ y₂ B Unit

Customer 3 x₃ y₃ C Unit

Customer 4 x₄ y₄ D Unit

- - - Customer n

- - - n x

- - - n y

- - - N Unit

Kemudian melakukan perhitungan dalam meminimumkan jarak yang ditempuh menggunakan metode Savings Matrix. Terdapat beberapa langkah-langkah dalam meminimumkan jarak yang ditempuh, yaitu (Pujawan, 2005; 180-186) : 1. Mengidentifikasikan Matrik Jarak

Pada langkah ini perlu jarak antara pabrik ke masing-masing customer sehingga menggunakan 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.

(29)

Tabel 2.2 Matrik Jarak dari Pabrik ke Customer dan antar Customer

Pabrik/Gudang Customer

1 Customer 2 Customer 3 Customer 4 ...Customer n Customer 1 Customer 2 Customer 3 Customer 4 - - - Customer n

Misalkan dua lokasi masing-masing dengan koordinat ( , ) dan ( , ) maka perhitungan matrik jarak dua lokasi tersebut adalah :

x y₁ x₂ y₂

J(1,2)= 2

2 1 2 2

1 ) ( )

(x x  y y

Hasil perhitungan jarak ini digunakan untuk menentukan matrik penghematan Savings Matrix) yang akan dikerjakan pada langkah berikutnya.

2. Mengidentifikasikan 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 ke customer 2 dan dari customer 2 balik ke gudang.

(30)

Gudang

Customer 1 Customer 2 Customer 1 Customer 2

Gudang

Gambar 2.1 Perubahan yang terjadi dengan menggabungkan customer 1 dan customer 2 ke dalam satu rute.

Dari gambar di atas terjadi perubahan jarak adalah sebesar jarak kiri dikurangi total jarak kanan yang besarnya adalah :

2J(G,1)+2J(G,2)-[J(G,1)+j(1,2)+j(2,G)] = J(G,1)+J(G,2)-J(1,2)

Dengan jarak (x,y) = (y,x) S(x,y) = J(G,x)+J(G,y)-J(x,y) Di mana :

S(x,y)= Penghematan jarak (savings) yang diperoleh dengan menggabungkan rute x dan y menjadi satu

J(G,x)= Jarak dari gudang ke customer x J(G,y)= Jarak dari gudang ke customer y J(x,y)= Jarak dari customer x ke customer y

Kemudian dibuat tabel matrik penghematan jarak dengan menggabungkan dua rute yang berbeda.

(31)

Tabel 2.3 Matrik penghematan jarak dengan menggabungkan dua rute yang berbeda 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

PabrikGudang Customer

1 Customer 2 Customer 3 Customer 4 ...Customer n Customer 1

Rute a

Customer

Rute b

Customer

Rute c

Customer

Rute d

- - - Customer n - - - Rute z

Order A B C D N Unit

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

(32)

armada yang ada, dengan melihat nilai penghematan terbesar pada tabel matrik penghematan jarak. Misalkan didapat matrik penghematan jarak sebagai berikut :

Tabel 2.5 Semua customer memiliki rute terpisah

Pabrik/Gudang Customer 1 Customer 2 Customer 3 Customer 4 Customer 1

Rute a 0.0

Customer

Rute b 14.8 0.0

Customer

Rute c 12.5 8.2 0.0

Customer

Rute d 24.9 12.9 12.6 0.0

Order 320 85 300 150

Dari tabel didapat penghematan terbesar pada customer 1 dan 4 sebesar 24.9 sehingga customer 1 dan 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

Pabrik/Gudang Customer 1 Customer 2 Customer 3 Customer 4 Customer 1

Rute a 0.0

Customer

Rute b 14.8 0.0

Customer

Rute c 12.5 8.2 0.0

Customer

Rute d 24.9(1) 12.9(2) 12.6 0.0

Order 320 85 300 150

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

(33)

yang sudah teralokasikan, tidak terjadi penggabungan kemudian didapatkan jumlah rute sesuai dengan kapasitas armada yang ada dan penghematan jarak alokasi dari pabrik ke customer.

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 akan dikunjungi terakhir. Misalkan diketahui 3 customer dalam rute 1, 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.

Dengan dilakukan penyelesaian permasalahan tersebut menggunakan metode savings matrix, maka dapat dihasilkan jalur distribusi yang optimal dengan biaya transportasi yang lebih efesien.

2.4 Metode General Assignment

General Assignment atau sering disebut dengan Assignment Problem adalah salah satu permasalahan yang optimasi kombinatorial pada cabang optimal . Metode General assignment menggunakan algoritma branch and bound dalam menyelesaikan masalahnya.

(34)

Metode General assignment hampir sama dengan metode Savings Matrix, namun perbedaan metode general assignment menggunakan solusi percabangan, dimana pada setiap percabangan terdapat agent yang memiliki task atau secara general problem state dari permasalahan ini adalah ada sejumlah agent dan task dan setiap agent sehingga dibebani cost, kemudian mengatur pemberian setiap task kepada tepat satu agent sehingga semua task dapat dijalankan dengan cost seminimal mungkin. Sedangkan pada metode Savings Matrix solusi yang diberikan tanpa memberikan sejumlah agent dalam menyelesaikan permasalahan distribusinya, tetapi persamaan dari kedua metode ini terdapat pada aspek waktu, jarak, dan biaya yang dipertimbangkan.

Prosedur dalam metode General Assignment terdapat beberapa tahap-tahap : 1. Diberikan sejumlah agent dan task dalam penyelesaian masalahnya. 2. Setiap agent tertentu memiliki cost untuk task tertentu.

3. Menempatkan sebuah agent untuk tiap-tiap rute

1) Di mana agent pada tiap-tiap rute mempunyai armada dan beban pengalokasian produk untuk tiap agent disesuaikan dengan kapasitas armada. 2) Rute pengiriman dari satu agent untuk beberapa customer dikirim dengan

rute sesuai arah jarum jam.

3) Pemilihan setiap agent berada di tengah di antara beberapa customer atau dengan jarak yang sama jika dilihat dari jarak gudang.

(35)

4. Mengevaluasi besarnya biaya dalam orbit penempatan untuk tiap customer. Untuk tiap penempatan (Sk), Customer i, dan biaya penempatan (cik). Untuk menghitung perjalanan customer dari gudang ke penempatan dan kembali. Dengan rumus sebagai berikut : cik = Dist (DC, i) + Dist (i, Sk) – Dist (DC, Sk)

5. Keputusan penempatan customer untuk rute

Keputusan penempatan customer pada tiap agent, dengan melihat dari total biaya penempatan terkecil.

6. Rangkaian customer dalam rute

Setelah dilakukan penempatan customer pada tiap agent berdasarkan besarnya jarak dan biaya penempatan maka diperoleh beberapa rangkaian customer pada setiap agent dengan urutan distribusi searah jarum jam.

Metode-metode Penentuan Urutan Customer

Ada beberapa metode / prosedur penentuan urutan customer dalam satu rute (Chopra, 2001; 442-443) :

a) Farthest Insert

Memasukkan konsumen yang memberikan perjalanan paling jauh. Urutan setiap customer yang belum termasuk dalam satu trip, evaluasi minimum kenaikan jarak tempuh jika customer ini dimasukkan dalam trip dan memasukkan customer dengan kenaikan minimum terbesar.

b) Nearest Insert

Memasukkan customer yang memberikan perjalanan terpendek. Untuk setiap customer yang belum termasuk dalam satu trip, evaluasi minimum kenaikkan

(36)

jarak tempuh jika customer ini dimasukkan dalam trip dan memasukkan customer dengan kenaikkan minimum terkecil.

c) Nearest Neighbour

Mulai dari DC, prosedur ini menambah customer yang terdekat untuk melengkapi trip. Pada tiap langkah, trip dibangun dengan menambahkan customer yang terdekat dari titik terakhir yang dikunjungi oleh kendaraan sampai customer terkunjungi.

d) Sweep

Dalam metode ini, point / titik manapun pada jaringan dipilih (umumnya DC itu sendiri) dan jalur dibersihkan searah jarum jam atau berlawanan arah jarum jam dari titik point. Perjalanan dibentuk dengan mengurutkan customer yang ditemui selama proses.

2.5 Peramalan Permintaan

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran, kuantitas, kualitas, waktu dan lokasi yang dibutuhan dalam rangka memenuhi permintaan barang ataupun jasa. (Nasution, 2003; 25)

Sedangkan peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisir untuk jangka waktu tertentu pada masa yang akan datang. Peramalan permintaan ini digunakan untuk meramalkan permintaan dari produk yang bersifat bebas (tidak bergantung), seperti peramalan produk jadi. (Nasution, 2003; 26)

(37)

Metode peramalan dibagi dua yaitu ; metode peramalan Time Series dan metode peramalan non time series. Dalam penelitian ini menggunakan metode peramalan time series yang merupakan metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan.

2.5.1 Peramalan dalam Horizon Waktu

Dalam hubungannya dengan horizon waktu peramalan maka kita dapat mengklasifikasikan peramalan tersebut dalam 3 kelompok (Nasution, 2003; 26) :

1. Peramalan jangka panjang, umumnya 2 sampai 10 tahun. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber daya.

2. Peramalan jangka menengah, umunya 1 sampai 24 bulan. Peramalan ini lebih mengkhususkan dibandingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.

3. Peramalan jangka pendek, umumnya 1 sampai 5 minggu. Peramalan ini digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja dan lain-lain keputusan kontrol jangka pendek.

Dalam penelitian ini menggunakan peramalan jangka menengah yang umunya dilakukan 1 atau 2 tahun yang digunakan untuk menentukan jalur distribusi paling optimal berdasarkan data permintaan sebelumnya.

(38)

2.5.2 Beberapa Sifat Hasil Peramalan

Dalam membuat permalan atau menerapkan hasil suatu peramlan maka ada beberapa hal yang harus dipertimbangkan, yaitu (Nasution, 2003; 29) :

1. Peramalan pasti mengandung kesalahan, artinya hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak akan menghilangkan ketidakpastian tersebut.

2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan maka penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

3. Peramlan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan semakin pangjang periode peramalan, maka semakin besar pula kemingkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

2.5.3 Prosedur Peramalan

Dalam melakukan peramalan terdapat beberapa prosedur, yaitu : 1. Tentukan pola data permintaan

Dilakukan dengan cara memplotkan data secara grafis dan menyimpulkan apakah data berpola trend, musiman, siklikal atau siklus, eratik / random.

(39)

Trend / kecenderungan (T) adalah sifat dari dari permintaan di masa lalu terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik, turun atau konstan. Siklus (C) merupakan pola permintaan suatu produk yang berulang secara periodik biasanya lebih dari satu tahun, sehingga tidak perlu dimasukkan dalam peramalan jangka pendek. Musiman (S) adalah pola permintaan suatu produk yang naik atau turun disekitar garis trend dan biasanya berulang setiap tahun disebabkan faktor cuaca, musim libur panjang, dan lain-lain. Random (R) merupakan pola permintaan suatu produk yang mengikuti pola bervariasi secara acak karena faktor bencana alam, bangkrutnya perusahan dan lain-lain pola ini dibutuhkan dalam menentukan persediaan pengamatan untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan. (Nasution, 2003; 5).

2. Mencoba beberapa metode Time Series sesuai dengan pola permintaan tersebut untuk melakukan peramalan.

3. Mengevaluasi tingkat kesalahan masing-masing metode yang akan dicoba. Tingkat kesalahan masing-masing metode yang akan dicoba, tingkat

kesalahan diukur dengan kriteria MAD, MSE, MAPE. Ukuran akurasi hasil peramalan merupakan ukuran kesalahan (error) permintaan, merupakan tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi.

Dalam peramalan Time Series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan, kriteria ini adalah, yaitu (Nasution, 2003; 30-31) :

(40)

a) Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau tetap kecil dibandingkan kenyataan. Secara matematis, MAD dirumuskan sebagai berikut :







n F A

MAD t t

Dimana :

At = permintaan aktual pada periode t

Ft = hasil peramalan (forecast) pada periode t n = jumlah periode peramalan yang terlibat

b) Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan. Peramalan pada tiap periode dan membaginya dengan jumlah periode peramalan. Secara sistematis MSE dirumuskan sebagai berikut :











n F A MSE

2 t t

c) Rata-rata Persentase Kesalahan Absolute (Mean Absolute Percentage Error – MAPE)

MAPE merupakan ukuran kesalahan relative. MAPE biasanya lebih berarti bila dibandingkan MAD. Karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase

(41)

kesalahan terlalu tinggi atau terlalu rendah. Secara sistematis sebagai berikut :



        t t t A F A n 100 MAPE

4. Memilih metode peramalan terbaik diantara metode yang dicoba.

Metode terbaik akan memberikan tingkat kesalahan terkecil dibandingkan metode lainnya dan tingkat kesalahan tersebut berada di bawah tingkat kesalahan yang telah ditetapkan.

Metode yang digunakan dalam Time Series, yaitu :

a. Metode Rata-rata bergerak Tertimbang (Weighted Moving Average)

Dalam metode rata-rata bergerak memberikan timbangan yang sama bagi seluruh data pengamatan, walaupun data yang paling akhir lebih penting dan perlu dipertimbangkan dalam penyusunan ramalan sedangkan dalam metode rata-rata bergerak tertimbang memberikan timbangan yang berbeda terhadap data tersebut sesuai dengan peranan atau pentingnya data tersebut pada penyusunan ramalan pada periode berikutnya (Ariyani, 2003; 33).

Formula metode Weighted Moving Average adalah (Baroto, 2002 : 38) :

m t m t t t

t c f c f c f

f  _₁  ₂ _₂  _ ^

dimana :

t f ^

(42)

 t

f = permintaan actual pada periode t-1

= robot masing-masing data yang digunakan ( ) ditentukan secara subyektif

c ci 1

m = jumlah periode yang digunakan untuk peramalan (subyektif)

Pada metode WMA peramalan permintaan untuk setiap periode mendatang diasumsikan sama.

b. Metode Pemulusan Eksponensial Tunggal (Single Exponential Smoothing)

Kelemahan metode Moving Average dalam hal kebutuhan akan data masa lalu yang cukup banyak dapat diatasi dengan menggunakan metode pemulusan eksponensial (Ariyani, 2005; 54).

Formula untuk metode Single Exponential Smoothing adalah (Baroto, 2002; 39) :

1 t ^ t t ^ f α) (1 αf

f    

Di mana :

= perkiraan permintaan periode t t

f ^

 = suatu nilai (0<<1) yang ditentukan secara subyektif = permintaan actual periode t

t f

= perkiraan permintaan pada periode t-1 1

t ^ f 

(43)

Metode SES mengasumsikan peramalan permintaan untuk setiap periode ke depan selalu sama.

c. Metode Pemulusan Eksponensial Ganda (Double Exponential Smoothing) Dasar pemikiran dari metode pemulusan eksonensial yang linier ini adalah baik nilai pemulusan eksponensial tunggal maupun ganda terdapat pada waktu sebelum data sebenarnya, bila itu adalah trend. Di samping itu untuk menyesuaikan trend, maka nilai-nilai pemulusan eksponential tunggal ditambahkan nilai-nilai pemulusan eksponensial ganda (Ariyani, 2003; 40).

Formula Double Exponential Smoothing adalah (Baroto, 2002; 40) :

t 1 0 t ^ e t α α

F   

Di mana adalah parameter proses dan e mempunyai nilai harapan dari 0 dan sebuah variasi .

1 0,α

2 e

σ Misalkan β1α, sehingga :

0 t 1 1 t 2 t 2 1 t t

t αf αβf αβ f ... αβ f β f

F   _  _    

Persamaan di atas dapat pula ditulis ulang sebagai berikut :

0 t i t 1 t 0 t i

t α βf βf

F  _ 

 



Double Exponential Smoothing adalah modifikasi dari Single Exponential Smoothing yang dirumuskan sebagai berikut :

1 t βX αXt

(44)

Di mana :

= peramalan double exponential smoothing 

(2)

Xt t

^ F

α = faktor smothing

β = 1α dan Xt= Ft d. Metode Winter’s

Metode peramalan Winter’s digunakan untuk suatu data yang berpola musiman. (Baroto, 2002; 44)

Formulasi untuk metode Winter’s adalah : t 1 t

0, α .t)C (α

t 

Dengan :

1 0,2N

0 α (2N)α

α  

N f f

α 2 1



 dimana

N f f N 1 t t 1



_

 dan

N f f 2N 1 N t t 2



_   2 1 N α f α0,2N 2 1

   = t C 1.t 0 t α α f

 dimana N 1

C N 1 t t 



_

(45)

2.5.4 Verifikasi dan Pengendalian Peramalan (Moving Range Chart)

Langkah penting setelah peramalan dibuat adalah melakukan verifikasi peramalan sehingga hasil peramalan tersebut benar-benar mencerminkan data masa lalu dan sistem sebab akibat yang mendasari permintaan tersebut. Sepanjang aktualitas peramalan tersebut dipercaya, hasil peramalan akan terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, harus dicari metode lain yang lebih cocok. (Enny, 2008; 49).

2.5.4.1 Peta Moving Range

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai peramalan. Setelah metode peramalan digunakan, maka peta Moving Range digunakan untuk menguji kestabilan sistem sebab akibat yang mempengaruhi permintaan. Moving Range dapat didefinisikan sebagai (Enny, 2006; 49-50)

) y y ( ) y y (

MR _t ₁ _t ₁

^ t t ^       Di mana :

MR = Moving Range

t y ^

= Hasil peramalan permintaan pada periode t

y = Permintaan pada periode t

1 ^

 t

y = Hasil peramalan permintaan pada periode t-1

 t

(46)

Adapun rata-rata Moving Range didefinisikan sebagai :

1 n

MR MR

1 t

 





Garis tengah peta Moving Range adalah pada titik nol. Batas kontrol atas dan bawah pada peta Moving Range adalah :

BKA = +2,66 MR BKB = -2,66 MR

Kebutuhan jumlah data bila kita ingin membuat peta Moving Range sekurang-kurangnya adalah 10. Batas ini ditetapkan dengan harapan hanya akan ada tiga dari 1000 titik yang berada di luar batas kendali. Jika ditemukan satu titik yang berada di luar batas kendali, maka harus diselidiki penyebabnya.

Jika semua titik berada dalam batas kendali, diasumsikan peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali maka jelas bahwa peramalan yang didapat kurang baik dan harus direvisi.

2.5.4.2 Uji Kondisi di Luar Kendali

Uji yang paling tepat bagi kondisi di luar kendali adalah adanya titik di luar batas kendali. Selain dari pada itu, terdapat pula uji lainnya. Uji ini dilakukan dengan cara membagi peta kendali ke dalam enam bagian dengan selang yang sama. Daerah A adalah daerah di luar 2/3 (2,66 MR ) =  1,77 MR (di atas +1,77 dan di bawah -1,77 MR ). Daerah B adalah daerah di luar  1/3 (2,66 MR ) = 0,89  MR

(47)

(di atas + 0,89 MR dan di bawah -0,89 MR ). Daerah C adalah daerah di atas atau di bawah garis tengah.

Out of Control Out of Control

B A

C B

UCL = 2,66 MR

A = 2/3 UCL E

R R O R

B= 1/3 UCL C= Sentral

B= 1/3 LCL A = 2/3 LCL LCL = -2,66 MR

PERIODE

Gambar 2.2 Kriteria di Luar Kendali Uji kondisi di luar kendali kendali, adalah :

a. Dari titik-titik berturut-turut, ada dua atau lebih titik yang berada di daerah A. b. Dari lima titik-titik berturut-turut ada empat atau lebih titik yang berada di titik

yang berada di daerah B.

c. Ada delapan titik berturut-turut titik yang berada di salah satu sisi (di atas atau di bawah garis tengah).

(48)

2.5.4.3 Penggunaan Moving Range untuk Verifikasi Peramalan

Contoh dari peramalan permintaan model regresi linear akan digunakan untuk menggambarkan proses verifikasi peramalan. Perhitungan yang dibutuhkan untuk menverifikasi peramalan linier yang dibuat ditunjukkan dalam tabel berikut ini. (Enny, 2006; 51).

Tabel 2.7 Peramalan Permintaan Model Regresi

Bulan Ramalan ( _t)

y Permintaan (yt ) ytyt

^ Moving Range Januari 2000 Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 197 224 250 277 304 331 358 384 411 438 465 492 150 220 225 300 324 350 400 410 30 420 435 460 47 4 25 -23 -21 -19 -42 -26 -19 18 30 32 - 43 21 48 2 2 23 16 7 37 12 2

- - - - 213

MR 60

BKA= 51,5

Gambar 2.3 Moving Range Chart 2

1 3 4 5 6 7 8 9 10 11 12

4 25 -23 -21 -19 -42 -26 -19 18 30 40 32 20 0 -20 -40 BKB= -51,5 -60 Periode

(49)

Dari gambar di atas, dapat dilihat bahwa terdapat sistem yang stabil dan dapat dinyatakan secara statistik bahwa peramalan linear tersebut valid, artinya metode regresi linear tersebut dapat digunakan untuk peramalan permintaan di periode mendatang.

2.6 Peneliti Terdahulu

Beberapa peneliti terdahulu dengan menggunakan metode Savings Matrix, antara lain :

1) Dany Isyadi (2008) Judul :

“Penentuan Jalar Distribusi Produk Kertas ke Customer Untuk Memunimalkan Biaya Transportasi dengan Metode Savings Matrix di PT. Ekamas Fortuna Malang”

Ringkasan :

PT. Ekamas Fortuna Malang dituntut untuk merancang kinerja pengiriman yang efisien. Tetapi terdapat beberapa keterbatasan dalam pendistribusian barang yang tepat untuk menentukan jalur distribusi produk ke customer. Permasalahan ini dapat diselesaikan dengan menggunakan metode Savings Matrix, dengan terlebih dahulu melakukan peramalan permintaan menggunakan metode time series melalui software MINITAB versi 14 untuk menentukan order size sehingga didapatkan alokasi customer pada tiap truk disesuaikan dengan kapasitas truk, dimana jumlah truk yang dibutuhkan sebelumnya 7 unit menjadi 4 unit truk, dengan rute A (DC-C14-C15-C16-C12-C13-DC) dengan pengiriman sebanyak 17 roll menempuh jarak

(50)

1500 km, rute B (DC-C10-C110DC) dengan pengiriman sebanyak 67 roll menempuh jarak 1166,85 km, rute C (DC-C5-C6-C7-C8-C9-DC) dengan pengiriman sebanyak 65 roll menempuh jarak 613,1 km, rute D (DC-C1-C2-C3-C4-DC) dengan pengiriman sebanyak 70 roll menempuh jarak 220,68 km. Sehingga terjadi penghematan sebesar Rp 5.216.739,32 atau sebesar 28,03% dari biaya transportasi semula.

2) Onny Setyono (2006) Judul :

“Perancangan Sistem Rute dan Penjadwalan Pengiriman Barang di PT. Karya Mandiri Kencana Surabaya “

Ringkasan :

PT. Karya Mandiri Kencana merupakan distributor produk tinta yang memiliki jaringan pendistribusian yang sangat kompleks dan luas di seluruh Jawa Timar, permasalahan perencanaan rute dan jadwal pengiriman barang merupakan permasalahan operasional yang harus dihadapi. Dengan menggunakan metode Savings Matrix dapat ditentukan suatu rute yang optimal sehingga meminimalkan biaya dan waktu pengiriman. Rute dan penjadwalan ini disusun dengan mengeliminasi total perjalanan, yaitu berapa jarak dan biaya perjalanan dengan tetap memenuhi permintaan pelanggan.

Untuk mendapatkan hasil rute dan penjadwalan yang terbaik diperlukan data-data yang spesifik, seperti jarak antar node serta data-data kecepatan kendaraan yang sesuai dengan realita yang ada. Selain itu, riset ini perlu dilakukan secara berkala agar perubahan yang terjadi dapat diamati dengan baik. Data Savings Matrix

(51)

dipergunakan untuk menentukan langganan mana yang akan terlebih dahulu dimasukkan ke dalam sebuah rute pengiriman, diikuti dengan langganan-langganan lain yang memiliki rute yang lebih pendek. Dari contoh data pengiriman untuk wilayah Gresik pada tanggal 6 Desember 2005 maka dapat dibuat suatu rute pengiriman barang sebagai berikut; Truk 1 (DC-BJ-AC-AE-BM-AZ-BV-AX-BS-DC) dengan total muatan sebesar 770 kg dan jumlah tempuh 44 km, sehingga biaya yang timbal sebesar $3.28. Truk 2 (DC-AW-BA-DB-DC) dengan total muatan sebesar 715 kg dan jarak tempuh 30 km, sehingga biaya yang timbal biaya pengiriman barang selama bulan Desember adalah sebesar Rp 2.658.000 yang mana jauh lebih rendah daripada biaya pengiriman sebelumnya.

3. Julianus Hutabarat (2006)

Judul : “Penentuan Jalur Distribusi Pada rantai Supply Dengan Metode Savings Matriks.”

Ringkasan :

Lemahnya Manajemen Transportasi pada suatu perusahaan bisa berakibat pada tingginya biaya transportasi. Hal ini ditandai dengan lemahnya perencanaan untuk menentukan jenis alat angkut transportasi apa yang akan digunakan, berapa jumlahnya serta jalur mana saja yang akan dilalui, ingá sampai ke consumen. Berkaitan dengan hal tersebut, maka perusahaan perlu melakukan evaluasi terhadap Manajemen Transportasi yang dilakukan saat ini.

PT. X merupakan perusahaan yang bergerak dalam industri kertas, mempunyai kapasitas produksi sebesar 14.000 ton kertas per bulan, yang dihasilkan

(52)

dari PM 1 sebesar 5000 ton kertas PM 2 sebesar 9000 ton kertas. Hasil produksi PT. X adalah Paper Roll dan Paper Tub.

Penelitian di PT. X diawali dengan penentuan rute / jalur distribusi pabrik ke konsumen dengan metode Savings Matriks. Dengan kombinasi perhitungan matrik jarak dan jumlah permintaan kertas tiap konsumen diperoleh matrik penghematan atau Savings Matriks.

Dengan metode Savings Matriks diperoleh alokasi customer pada tiap truk yang disesuaikan dengan kapasitas truk. Jumlah truk yang semula 7 unit untuk melayani Pulau Jawa menjadi 4 unit truk dengan rute A (DC-C14-C15-C16-C12-C13-DC), rute B (DC-C10-C11-DC), rute C (DC-C5-C6-C7-C8-C9-DC), rute D (DC-C1-C2-C3-C4-DC). Dan diperoleh penghematan jarak sebesar 33,39% atau sepanjang 1693,69 km, sehingga didapatkan penghematan biaya transportasi sebesar 29,98% atau sebesar Rp 47.435.143,8 / bulan.

(53)

BAB III

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Data yang digunakan dalam penelitian ini diperoleh dari PT. Cahaya Sejatera Sentosa yang berlokasi di Jalan Raya Kediri Desa Jatilengger Ponggok Blitar. Waktu pengambilan data dimulai bulan Juni 2009 hingga data yang dibutuhkan sudah terpenuhi.

3.2 Identifikasi dan Definisi Operasional Variabel

Definisi operasional variabel adalah suatu indikator yang berupa variabel yang ada pada metode yang digunakan dalam suatu penelitian yang kemudian dijalankan dalam penelitian tersebut.

Mengacu pada judul penelitian, maka dapat diidentifikasikan variable-variabel yang berhubungan dengan permasalahan dan nantinya akan dianalisa adalah sebagai berikut :

1. Variabel Bebas

Variabel bebas adalah variabel yang menjadi sebab timbulnya berubahnya variabel terikat. Yang termasuk variabel bebas di sini adalah :

(54)

a) Kapasitas alat angkut

Kapasitas alat angkut merupakan variabel bebas yang menunjukkan kekuatan yang dimiliki oleh kendaraan atau armada dalam melakukan pengangkutan barang atau produk.

b) Permintaan Produk (Tepung Cassava dan Tiwul Instan)

Permintaan produk merupakan variabel bebas yang menunjukkan banyaknya permintaan tepung Cassava dan Tiwul Instan untuk setiap customer pada periode tertentu. Dalam penelitian ini merupakan data permintaan tepung cassava dan Tiwul Instan selama tiga tahun.

c) Rute awal distribusi

Rute awal distribusi merupakan variabel bebas yang menunjukkan rute awal yang dilalui armada dalam pendistribusian tepung cassava dan Tiwul Instan dari pabrik sampai pada lokasi customer.

d) Biaya Transportasi

Biaya transportasi merupakan variabel yang menunjukkan besarnya biaya-biaya yang harus dikeluarkan perusahaan untuk mendistribusikan produknya hingga sampai ke customer secara tepat waktu dan efektif. Biaya-biaya tersebut meliputi biaya bahan bakar, biaya sewa armada, biaya retribusi, dan biaya gaji tenaga kerja.

e) Due Date

Due Date merupakan variabel yang menunjukkan adanya penentapan tanggal perjanjian pengiriman produk antara pihak customer dan perusahaan. Adanya pemenuhan tanggal perjanjian

(55)

pengiriman tersebut biasanya ditentukan berdasarkan service level yang ditetapkan oleh perusahaan.

2. Variabel Terikat

Variabel terikat adalah variabel yang dipengaruhi atau yang menjadi akibat adanya variabel bebas. Yang termasuk variabel terikat di sini adalah penjadwalan jalur distribusi dengan menentukan jalur distribusi yang optimal, di mana penentuan jalur distribusi yang tepat dapat mengakibatkan efisiensi transportasi.

3.3 Populasi

Populasi yang diambil adalah produk tepung Cassava dan Tiwul Instan dan alat angkut berupa mobil pick up dengan kapasitas 850 kg dan 1050 kg yang dimiliki PT. Cahaya Sejahtera Sentosa Blitar.

Karena adanya keterbatasan waktu, biaya, dan tenaga kerja maka dalam penelitian ini tidak mengambil keseluruhan populasi sebagai obyek penelitian.

3.4 Metode Pengumpulan Data

Pengumpulan data merupakan suatu cara yang dilakukan untuk mendapatkan data atau informasi yang akan digunakan dalam penyusunan skripsi. Adapun data yang digunakan adalah sebagai berikut :

(56)

3.4.1 Field Research (Penelitian Lapangan)

Field research adalah metode pengumpulan data yang didapat dengan cara pengamatan langsung ke lapangan dari obyek yang akan diteliti. Metode ini dilakukan melalui tiga pendekatan, antara lain :

1. Observasi atau Pengamatan

Merupakan suatu teknik pengumpulan data yang didapat dari observasi pada obyek penelitian, seperti jenis produk, jenis alat angkut yang digunakan, dan jumlah tenaga kerja.

2. Wawancara

Merupakan suatu teknik pengumpulan data dengan mengadakan tanya jawab langsung dengan pihak-pihak yang bersangkutan, seperti jenis customer, data biaya tenaga kerja, biaya bahan bakar, dan biaya retribusi.

3. Dokumentasi

Merupakan suatu teknik pengumpulan data yang berupa arsip-arsip atau catatan yang telah ada, seperti data permintaan produk tiap customer, data jumlah alat angkut, dan data jarak masing-masing customer.

3.4.2 Library Research (Penelitian Pustaka)

Pengumpulan data sebagai dasar teoritis yang dipakai pedoman dalam menganalisa pada obyek yang akan diteliti dapat diperoleh dari berbagai literatur.

3.5 Metode Pengolahan Data

Dalam kegiatan pelaksanaan penelitian ada beberapa langkah-langkah sistematis yang harus dilakukan dalam pengolahan data adalah sebagai berikut :

(57)

1. Peramalan jumlah permintaan masing-masing customer untuk 12 periode mendatang dengan metode peramalan yang sesuai dengan pola historis data. Peramalan permintaan dilakukan dengan bantuan program WinQSB untuk mengetahui rata-rata permintaan tiap periode pada masing-masing kota customer berdasarkan data permintaan masa lalu.

Peramalan dilakukan dengan menggunakan beberapa metode peramalan. Metode yang dapat digunakan antara lain :

a. Single Exponential Smoothing b. Double Exponential Smoothing c. Weighted Moving Everage d. Winter’s Method

2. Perhitungan Mean Absolute Procentage of Error (MAPE), mean absolute deviation (MAD), mean square of error (MSE) masing-masing metode.

Dari masing-masing metode tersebut dihitung nilai MAPE, MAD, MSE dari metode yang mempunyai nilai paling kecil kemudian direkombinasi untuk permintaan masing-masing kota customer untuk beberapa periode mendatang.

3. Pembuatan matriks jarak

Dalam pembuatan matriks jarak diperlukan data jarak yaitu jarak dari pabrik ke kota customer dan data jarak antar kota customer.

Jarak antar lokasi A yang terletak pada koordinat (Xa, Ya) dan lokasi B yang terletak pada koordinat (Xb, Yb) dicari dengan menggunakan rumus :

(58)

2 b a 2 b

a X ) (Y Y )

(X B) (A,

Dist    

Sehingga didapat besarnya jarak dari pabrik ke tiap-tiap kota customer dan jarak dari customer yang satu ke customer yang lainnya. Hasil yang didapat ditabelkan dalam bentuk matrik jarak.

4. Perhitungan Savings Matrix.

Perhitungan Savings Matrix bertujuan untuk menghitung besarnya penghematan masing-masing kota customer dan kemudian ditabelkan dalam bentuk Savings Matrix. Dengan rumus perhitungan Savings Matrix :

y) J(x, y) J(G, x) J(G, y) (x,

S   

5. Penentuan alokasi Customer ke dalam tiap alat angkut.

Penentuan alokasi customer ke dalam tiap alat angkut didasarkan pada penghematan jarak dan disesuaikan dengan kapasitas tiap armada yang ada. 6. Penentuan rute atau jalur distribusi

Penentuan rute atau jalur distribusi dilakukan dengan menggunakan metode Nearest Neighbour.

7. Perhitungan biaya transportasi sebelum dan sesudah penerapan metode Savings Matrix.

8. Mengevaluasi biaya yang dikeluarkan perusahaan sebelum dan sesudah menggunakan Metode Savings Matrix.

9. Merekombinasikan jalur distribusi yang menghasilkan biaya transportasi yang terkecil dan diperoleh keuntungan yang optimum.

(59)

3.6 Langkah-Langkah Penelitian dan Pemecahan Masalah

Langkah-langkah penelitian dan pemecahan masalah diperlukan sebagai pedoman pelaksanaan penelitian agar proses penelitian dapat berjalan secara sistematis dan terarah. Adapun langkah-langkah pemecahan masalah yang dilakukan dapat dilihat pada gambar 3.1

Studi Literatur

Tujuan Penelitian

Pengumpulan Data :

 Data permintaan tiap kota customer Juni 2007 sampai dengan Juni 2009

 Data kapasitas alat angkut

 Data rute awal distribusi dari pabrik ke tiap kota

customer

 Data biaya transportasi dengan rute awal

 Data tanggal pengiriman dan due date dengan rute awal

Identifikasi Variabel Perumusan Masalah

Studi Lapangan Mulai

Menghitung jarak koordinat lokasi dari pabrik ke tiap-tiap customer

Rute baru dengan penerapan Savings

Matrix berdasarkan

permintaan periode juni 2007 sampai dengan Juni 2009

Mengalokasikan permintaan customer

bulan Juni 2007 sampai Juni 2009

(60)

Perhitungan Biaya Transportasi (pada rute awal untuk periode Juni 2007 sampai dengan Juni

2009)

Perhitungan Savings Matrix Langkah-langkah metode Savings Matrix :  Mengidentifikasikan matrik jarak

 Mengidentifikasikan matrik penghematan (Savings

Matrix)

 Mengalokasikan customer ke kendaraan atau rute  Mengurutkan customer dalam rute yang sudah

terdefinisi.

Perhitungan Biaya Transportasi pada rute baru untuk permintaan periode Juni 2007 sampai dengan Juni 2009

Biaya transportasi sesudah penerapan Savings Matrix < Biaya transportasi sebelum penerapan Savings Matrix?

Ploting data permintaan periode Juni 2007sampai dengan Juni 2009

Penetapan Metode Peramalan

Perhitungan nilai MSE

Pilih nilai MSE terkecil

Melakukan uji MRC(Moving Range Chart) dari metode peramalan yang digunakan

Nilai Moving Range berada di dalam batas

kontrol?

Tidak

(61)

C D

Peramalan dengan metode terpilih ntuk periode mendatang (Peride Juli 2009 dst)

Penetapan rute baru dengan penerapan savings matrix berdasarkan hasil peramalan permintaan untuk periode mendatang (Juli 2009 dst)

Perhitungan Biaya Transportasi pada rute baru untuk periode mendatang (Juli 2009 dst)

Rekombinasi jalur distribusi untuk periode mendatang (Juli 2009 dst)

Hasil dan Pembahasan

Kesimpulan dan Saran

Selesai

Gambar 3.1 Langkah-langkah Penelitian dan Pemecahan Masalah Penjelasan langkah-langkah penelitian dan pemecahan masalah :

1. Studi Literatur dan Studi Lapangan

Pengumpulan data sebagai dasar teoritis yang dipakai pedoman damalm menganalisa obyek yang akan diteliti, dapat diperoleh dari berbagai literatur dan studi lapangan untuk mendapatkan data-data sebagai bahan untuk pengolahan data. Data-data yang didapat sebagian besar merupakan data primer.

(62)

2. Perumusan Masalah dan Tujuan Penelitian

Dalam melakukan kegiatan distribusi produk tepung Cassava dan Tiwul Instan, PT. Cahaya Sejahtera Sentosa Blitar dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sehingga perumusan dari permasalahan ini adalah ”Bagaimana penentuan jalur distribusi produk ke customer dan penjadwalan produk guna meminimalkan biaya transportasi di PT. Cahaya Sejahtera Sentosa Blitar.”

Adapun tujuan dari penelitian ini adalah menentukan rute/jalur distribusi produk yang harus dilayani oleh alat pengangkut berdasarkan kapasitas alat pengangkut, menentukan jadwal pengiriman tepung Cassava dan Tiwul Instan, dan menghitung efisiensi biaya distribusi tepung Casava dan Tiwul Instan dengan metode Savings Matrix.

3. Identifikasi Variabel

Melakukan identifikasi variabel berdasarkan permasalahan yang didapat pada saat dilakukan studi literatur dan studi lapangan, sehingga dapat diketahui variabel bebas dalam penelitian ini adalah kapasitas alat angkut, permintaan produk (tepung Cassava dan Towul Instan), rute awal distribusi. Sedangkan variabel terikat adalah penjadwalan jalur distribusi dengan menentukan jalur distribusi yang optimal, di mana penentuan jalur distribusi yang tepat dapat mengakibatkan efisiensi transportasi.

(63)

4. Pengumpulan Data

Peneliti mengumpulkan data dan informasi yang diperlukan perusahaan untuk memecahkan masalah. Data-data yang dibutuhkan dalam pemecahan masalah ini, antara lain :

a) Data permintaan tepung Cassava dan Tiwul Instan periode Juni 2007 sampai dengan Juni 2009

b) Rute awal pengiriman produk tepung Cassava dan Tiwul Instan ke customer.

c) Data kapasitas alat angkut.

d) Data Biaya Transportasi (biaya bahan bakar, retribusi dan tenaga kerja diasumsikan tetap selama penelitian).

e) Data tanggal pengiriman dan due date dengan rute awal. 5. Menghitung jarak koordinat lokasi dari pabrik ke tiap-tiap customer.

Dalam menghitung jarak koordinat dari pabrik ke tiap-tiap lokasi customer, digunakan peta Jawa Timur dengan menggunakan skala perbandingan. Misalkan dengan menggunakan skala perbandingan 1:1.100.000, berarti 1 cm pada peta mewakili 1.100.000 cm pada jarak lokasi customer sebenarnya atau sama dengan 11 km.

6. Mengalokasikan permintaan customer periode awal (Juni 2007 sampai dengan Juni 2009) pada rute awal

Besarnya permintaan customer periode bulan Juni 2007 sampai dengan Juni 2009 dialokasikan pada rute awal atau rute yang dimiliki perusahaan untuk pengiriman produk.

(64)

7. Perhitungan biaya transportasi pada rute awal.

Setelah mengalokasikan permintaan customer untuk periode bulan Juni 2007 sampai dengan Juni 2009 pada rute awal, selanjutnya melakukan perhitungan biaya transportasi.

8. Mengalokasikan permintaan customer periode bulan Juni 2007 sampai dengan Juni 2009 pada rute baru (Penerapan Metode Savings Matrix)

9. Perhitungan Savings Matrix

Dalam perhitungan Savings Matrix ada beberapa langkah-langkah, yaitu : a. Mengidentifikasikan Matrik Jarak

b. Mengidentifikasikan Matrik Penghematan (Savings Matrix) c. Mengalokasikan customer ke kendaraan atau rute

d. Mengurutkan Tujuan Customer dalam rute yang sudah terdefinisi.

Ada banyak metode yang dapat digunakan untuk menentukan urutan kunjungan, namun pada penelitian ini menggunkan metode Nearest Neighbour. Metode Nearest Neighbour merupakan metode pengurutan kunjungan yang menambahkan customer yang jaraknya paling dekat dengan customer yang akan dikunjungi terakhir.

10. Penghitungan biaya transportasi berdasarkan rute baru untuk periode Juni 2007 sampai dengan Juni 2009.

Biaya transportasi dihitung berdasarkan biaya tenaga kerja, biaya bahan bakar, biaya sewa, dan biaya retribusi selama perjalanan dengan rute yang dilalui sebelum maupun sesudah penerapan metode Savings Matrix, kemudian mengevaluasi biaya yang dikeluarkan perusahaan sesudah maupun sebelum

(65)

penerapan metode Savings Matrix, apakah terjadi penghematan biaya transportasi setelah dilakukan perbaikan jalur distribusi.

11. Memplot data permintaan customer periode Juni 2007 sampai dengan periode Juni 2009.

Data permintaan periode Juni 2008 sampai dengan Juni 2009 untuk mengetahui model data permintaan sebelum dilakukan peramalan permintaan customer untuk periode mendatang. Model data yang ada berhubungan dengan metode peramalan yang digunakan.

12. Penetapan Metode Peramalan

Berdasarkan hasil plot data, kita melakukan penetapan metode peramalan yang akan digunakan untuk melakukan peramalan permintaan customer untuk periode mendatang.

13. Perhitungan nilai MSE

Dari hasil penetapan metode peramalan permintaan untuk periode mendatang dilakukan perhitungan nilai MSE.

14. Pilih Nilai MSE Terkecil

Dari hasil perhitungan nilai MSE kemudian dicari nilai MSE terkecil. 15. Melakukan uji MRC

Pengujian MRC dilakukan untuk mengetahui apakah metode peramalan yang digunakan untuk meramalkan besarnya permintaan tepung Cassava dan tiwul instan untuk periode mendatang (Juli 2009 dst) sesuai atau layak digunakan. Metode layak digunakan jika berada diantara batas kendali pada MRC.

(66)

16. Peramalan dengan metode peramalan yang terpilih untuk periode mendatang. Melakukan peramalan permintaan dari tiap customer untuk periode

mendatang (Bulan Juli 2009 dst).

17. Penetapan rute baru dengan penerapan metode Savings Matrix berdasarkan hasil peramalan permintaan pada periode mendatang (bulan Juli 2009 dst)

Dengan diketahui metode Savings Matrix dapat diterapkan karena menghasilkan penghematan jarak maupun biaya transportasi, maka metode savings matrix diterapkan kembali pada rute baru berdasarkan hasil peramalan permintaan pada periode mendatang. Kemudian dilakukan penghitungan savings matrix dengan mengalokasikan besarnya permintaan dari customer pada periode mendatang.

18. Perhitungan biaya transportasi rute baru untuk periode mendatang (Juli 2009 dst) Melakukan perhitungan biaya transportasi untuk periode mendatang (Juli 2009 dst) berdasarkan hasil perhitungan savings matrix.

19. Rekomendasi rute / jalur distribusi untuk periode mendatang (Juli 2009 dst)

Merekomendasikan rute / jalur yang menghasilkan jalur distribusi yang efisien dengan biaya transportasi terkecil kepada perusahaan.

20. Analisa dan Pembahasan

Dari hasil perhitungan kemudian dilakukan analisa dan pembahasan dengan berdasarkan pada permasalahan yang ada.

21. Kesimpulan dan Saran

Berisi tentang hasil penerapan metode savings matrix, apakah tujuan yang ingin dicapai melalui penelitian ini dapat tercapai atau tidak. Tujuan tersebut

(67)

antara lain menentukan rute/jalur distribusi produk yang harus dilayani oleh alat pengangkut berdasarkan kapasitas alat pengangkut, menentukan jadwal pengiriman tepung Cassava dan Tiwul Instan, dan menghitung efisiensi biaya distribusi tepung Cassava dan Tiwul Instan.

(1)

(2)

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari pengolahan data dan pembahasan pada bab 4 dan tujuan penelitian diperoleh kesimpulan bahwa :

1. Rute baru distribusi produk yang harus dilayani oleh armada berdasarkan kapasitas armada sesudah penerapan Savings Matrix terdiri dari 12 rute untuk Tepung Cassava dan Tiwul Instan, sebagai berikut :

a. Rute A, dengan urutan kunjungan sebagai berikut ;

PT. Cahaya Sejahtera Sentosa – UD. Barokah – Jember – Bedadung Jaya – UD. Bintang Semeru – PT. Cahaya Sejahtera Sentosa

b. Rute B, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Larrisa – Probolinggo - PT. Cahaya Sejahtera Sentosa

c. Rute C, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Sumber Makmur – PT. Aneka Indo Makmur - PT. Bintang Indo Jaya - PT. Cahaya Sejahtera Sentosa

d. Rute D, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – CV. Indah – Sri Wahyudah - CV. Bintang Baru Snack – Mojokerto - PT. Cahaya Sejahtera Sentosa

(3)

e. Rute E, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Kediri – Dua Macan - PT. Cahaya Sejahtera Sentosa

f. Rute F, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Blitar – UD. A. Rahmad - PT. Cahaya Sejahtera Sentosa

g. Rute G, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – PT. Eka Jaya Food Sukses - PT. Cahaya Sejahtera Sentosa

h. Rute H, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Jombang - PT. Cahaya Sejahtera Sentosa i. Rute I, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Nganjuk - PT. Cahaya Sejahtera Sentosa j. Rute J, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Trenggalek - PT. Cahaya Sejahtera Sentosa k. Rute K, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Surabaya - PT. Cahaya Sejahtera Sentosa l. Rute L, dengan urutan kunjungan sebagai berikut :

PT. Cahaya Sejahtera Sentosa – Lumajang - PT. Cahaya Sejahtera Sentosa

2. Ditentukan jadwal distribusi Tepung Cassava dan Tiwul Instan berdasarkan rute baru (penerapan Savings Matrix) sebagai berikut :

a. Rute A, Jadwal Pengiriman Tanggal 13 tiap bulan (due date) dengan waktu tempuh 29 jam 42 menit.

(4)

b. Rute B, Jadwal Pengiriman Antara Tanggal 1 s/d 3 tiap bulan dengan waktu tempuh 21 jam 31 menit.

c. Rute C, Jadwal Pengiriman Tanggal 6 tiap bulan (due date) dengan waktu tempuh 12 jam 42 menit.

d. Rute D, Jadwal Pengiriman Antara Tanggal 1 s/d 3 tiap bulan dengan waktu tempuh 13 jam 28 menit.

e. Rute E, Jadwal Pengiriman Antara Tanggal 1 s/d 3 tiap bulan dengan waktu tempuh 4 jam 27 menit

f. Rute F, Jadwal Pengiriman Tanggal 12 tiap bulan (due date) dengan waktu tempuh 12 jam 20 menit

g. Rute G, Jadwal Pengiriman Tanggal 4 tiap bulan (due date) dengan waktu tempuh 12 jam 43 menit.

h. Rute H, Jadwal Pengiriman Antara Tanggal 7 s/d 12 tiap bulan dengan waktu tempuh 8 jam 59 menit.

i. Rute I, Jadwal Pengiriman Antara Tanggal 7 s/d 12 tiap bulan dengan waktu tempuh 29 jam 39 menit.

j. Rute J, Jadwal Pengiriman Antara Tanggal 12 s/d 15 tiap bulan dengan waktu tempuh 7 jam 5 menit.

k. Rute K, Jadwal Pengiriman Antara Tanggal 12 s/d 15 tiap bulan dengan waktu tempuh 18 jam 12 menit.

l. Rute L, Jadwal Pengiriman Antara Tanggal 12 s/d 15 tiap bulan dengan waktu tempuh 20 jam 35 menit.

(5)

3. Dapat dihitung total biaya transportasi pada rute awal sebesar Rp Rp 4.853.402,306,-/Perjalanan/Bulan > total biaya transportasi pada rute baru (penerapan Savings Matrix) sebesar Rp 2.512.639,5,-/Perjalanan/Bulan. Sehingga diperoleh penghematan sebesar Rp 2.340.762,806,- atau efesiensi sebesar 48,22%.

5.2 Saran

Pada akhir penelitian ini diharapkan dapat memberikan saran baik bagi PT. Cahaya Sejahtera Sentosa Blitar maupun bagi peneliti yang lain, sebagai berikut : 1. PT. Cahaya Sejahtera Sentosa Blitar diharapkan dapat menentukan jalur distribusi

yang tepat dan optimal, sehingga dapat meminimalkan biaya transportasi.

2. Metode Savings Matrix merupakan metode yang tepat untuk memimalkan jarak tempuh yang dapat meminimalkan biaya transportasi.

3. PT. Cahaya Sejahtera Sentosa Blitar diharapkan dapat menggunakan jalur distribusi baru, di mana jalur distribusi tersebut merupakan hasil dari penerapan metode Savings Matrix.

4. PT. Cahaya Sejahtera Sentosa Blitar dapat mempertimbangkan dalam pengalokasian armada pick up bak yang tidak terpakai untuk pendistribusian Tepung Cassava dan Tiwul Instan pada rute baru untuk dialihkan penggunaanya yaitu sebagai armada distribusi bahan baku. Sehingga diharapkan dapat menambah jumlah customer yang dapat dilayani oleh PT. Cahaya Sejahtera Sentosa Blitar.

(6)

DAFTAR PUSTAKA

Ariyani, Enny. 2008. Buku Ajar Sistem Produksi. Lembaga Penerbitan Fakultas Teknologi Industri Universitas Pembangunan Nasional ”Veteran” JATIM

Bowersox, Donald, J. 1987. Logistical Management 2. Terjemahan A. Hasyim Ali Manajemen Logistik 2. Bumi Aksara, Jakarta.

Pujawan, I Nyoman. 2005. Supply Chain Management edisi pertama. Guna Widya;Surabaya

Abbas Salim, H.A. 2004. Manajemen Transportasi. PT. Raja Grafindo Persada;Jakarta

Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Ghalia Indonesia;Jakarta.