PERENCANAAN RUTE DISTRIBUSI PRODUK OLIE DRUM UNTUK MEMINIMALKAN BIAYA TRANSPORTASI DENGAN METODE SAVINGS MATRIX DI PT KAMADJAJA LOGISTICS SURABAYA.

PERENCANAAN RUTE DISTRIBUSI PRODUK OLIE DRUM

UNTUK MEMINIMALKAN BIAYA TRANSPORTASI

DENGAN METODE SAVINGS MATRIX

DI PT KAMADJAJA LOGISTICS SURABAYA

SKRIPSI

Oleh :

ASTIEN ALIMUDIN NPM : 0732215011

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL”VETERAN” JAWA TIMUR

PERENCANAAN RUTE DISTRIBUSI PRODUK OLIE DRUM

UNTUK MEMINIMALKAN BIAYA TRANSPORTASI

DENGAN METODE SAVINGS MATRIX

DI PT KAMADJAJA LOGISTICS SURABAYA

SKRIPSI

Diajukan Untuk Memenuhi Persyaratan Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Tenik

Jurusan Teknik Industri

Oleh :

ASTIEN ALIMUDIN NPM : 0732215011

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL”VETERAN” JAWA TIMUR

SKRIPSI

PERENCANAAN RUTE DISTRIBUSI PRODUK OLIE DRUM UNTUK MEMINIMALKAN BIAYA TRANSPORTASI

DENGAN METODE SAVINGS MATRIX DI PT KAMADJAJA LOGISTICS SURABAYA

Oleh :

ASTIEN ALIMUDIN NPM : 0732215011

Telah dipertahankan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Industri Fakultas Teknik Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal : 17 Desember 2010

Tim Penguji Pembimbing

1.

Ir. Enny Ariyani, MT NIP 957 000 041

Mengetahui,

Dekan Fakultas Teknologi Industri

Universitas Pembangunan Nasional “Veteran” Jawa Timur

Ir. Sutiono, MT NIP 1900713 198703 1 001

2.

Ir. Endang PW, MT

NIP 19591228 198803 2 001 1.

Ir. M. Tutuk Safirin, MT NIP 19630406 198903 1 001

3.

Ir. M. Tutuk Safirin, MT NIP 19630406 198903 1 001 2.

Ir. Sumiati, MT

KATA PENGANTAR

Segala puji bagi Allah yang telah memberikan rahmat dan kasih sayangnya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini dengan judul “PERENCANAAN RUTE DISTRIBUSI PRODUK OLIE

DRUM UNTUK MEMINIMALKAN BIAYA TRANSPORTASI DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT KAMADJAJA LOGISTICS SURABAYA”. Tiada kata yang pantas untuk diucapkan selain doa

yang tulus sebagai ucapan rasa syukur dan terima kasih yang sedalam-dalamya atas segala yang diberikanNya.

Maksud penyusunan skripsi ini adalah untuk memenuhi sebagian persyaratan dalam memperoleh gelar sarjana Teknik Industri pada Fakultas Teknologi Industri Universitas Pembangunan Nasional “Veteran” Jawa Timur.

Dalam kesempatan ini pula dengan segala kerendahan hati penulis mengucapkan rasa terima kasih kepada pihak-pihak yang telah memberikan bantuan dalam penyelesaian skripsi ini baik secara langsung maupun tidak langsung kepada :

1. Bapak Prof. Dr. Ir. Teguh Sudarto, MP. Selaku Rektor Universitas

Pembangunan Nasional “Veteran” Jawa Timur.

2. Bapak Ir. Sutiyono, MT. Selaku Dekan Teknik Industri Universitas Nasional “Veteran” Jawa Timur.

3. Bapak Ir. H. MT. Safirin, MT. Selaku Ketua Jurusan Teknik Industri Pembangunan Nasional “Veteran” Jawa Timur.

4. Bapak Ir. H. MT. Safirin, MT. dan Ibu Endang PW, MMT, selaku Dosen Pembimbing.

5. Bapak dan Ibu Dosen Fakultas Teknologi Industri Jurusan Teknik Industri yang telah memberikan bekal ilmu pengetahuan kepada penulis.

6. Ibu Ari Sulistiyowati selaku pembimbing lapangan yang telah memberikan fasilitas dan bantuan kepada penulis dalam rangka penyusunan skripsi ini. 7. Orang tua tercinta yang telah memberikan dukungan, semangat dan bantuan

baik secara material maupun spiritual dalam memotivasi saya sehingga terselesainya skripsi ini.

8. Buat istriku Floria Anggraeni beserta keluarga terima kasih atas do’a dan semangatnya yang sudah diberikan kepada saya.

9. Kepada seluruh teman-teman Jurusan Teknik Industri yang telah memberikan motivasi dan tenaga dalam proses penyusunan sehingga terselesaikan skripsi ini

Semoga Allah SWT senantiasa memberikan balasan atas kebaikan yang telah diberikan. Penulis sadar bahwa skripsi ini masih jauh dari sempurna sehingga saran dan kritik yang membangun sangat diharapkan. Akhir kata, semoga hasil pemikiran yang tertuang dalam skripsi ini dapat bermanfaat bagi setiap pembaca pada umumnya dan PT. Kamadjaja Logistics Surabaya pada khususnya.

Surabaya, Desember 2010

DAFTAR ISI

Halaman

KATA PENGANTAR DAFTAR ISI

DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN BAB I PENDAHULUAN

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Penelitian ... 3

1.4 Batasan Masalah ... 3

1.5 Asumsi ... 4

1.6 Manfaat Penelitian ... 4

1.7 Sistematika Penulisan ... 5

BAB II TINJAUAN PUSTAKA 2.1 Transportasi dan Distribusi……….. 7

2.1.1 Transportasi………..7

2.1.3 Metode yang digunakan dalam

memecahkan persoalan transportasi……… 8

2.1.4 Distribusi……….. 9

2.1.5 Saluran Distribusi……….10

2.1.6 Fungsi dasar manajemen distribusi dan transportasi…………... 10

2.2 Metode Saving Matrix………... 13

2.2.1 Pengertian metode saving matrix………. 13

2.2.2 Langkah-langkah metode saving matrix……….. 14

2.3 Peramalan (Forecasting)……….. 21

2.3.1 Peramalan dalam horizon waktu……….. 22

2.3.2 Beberapa sifat hasil peramalan……… 23

2.3.3 Prosedur Peramalan………. 23

2.4 Metode Time Series………..28

2.4.1 Metode yang digunakan dalam time series……….. 29

2.4.2 Ukuran akurasi dari peramalan……… 32

2.4.3 Pola permintaan………... 34

2.5 Efisiensi penjadwalan jalur distribusi……….. 36

2.6 Analisa keputusan……… 37

2.6.1 Langkah-langkah dalam analisa keputusan………. 38

2.7 Penelitian Terdahulu……… 39

BAB III METODE PENELITIAN 3.1 Tempat dan waktu penelitian... 43

3.2 Identifikasi dan definisi operasional variabel……….. 43

3.3 Metode pengumpulan data………... 44

3.3.1 Penelitian pustaka (Library research)……….. 45

3.3.2 Penelitian lapangan (Field research)……… 45

3.4 Metode pengolahan data……….. 45

3.5 Langkah-langkah pemecahan masalah……… 48

BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan data ... 59

4.1.1 Data permintaan customer ……….. 59

4.1.2 Data kapasitas alat angkut………... 60

4.1.3 Data rute awal ………..……….. 60

4.1.4 Data biaya transportasi awal ………..……… 61

4.2 Pengolahan data……….……….. 61

4.2.1 Menghitung jarak koordinat lokasi customer…………..……… 61

4.2.2 Mengalokasikan permintaan customer tahun 2009 pada rute awal ... 65

4.2.2.1 Penentuan alokasi customer pada rute awal berdasarkan permintaan tahun 2009 ... 65

4.2.2.2 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix………... 66

4.2.3 Mengalokasikan Permintaan customer tahun 2009 dengan menggunakan Metode Savings Matrix... 69

4.2.3.1 Mengalokasikan Permintaan Customer dengan

Metode Savings Matrix... 69 4.2.3.1.1 Mengidentifikasi Matriks Jarak... 69 4.2.3.1.2 Mengidentifikasi Matriks

Penghematan (Penghematan Jarak)... 71 4.2.3.1.3 Penentuan Alokasi customer pada

Rute Baru berdasarkan Permintaan

Tahun 2009... 73 4.2.3.1.4 Mengurutkan Customer dalam rute baru………. 89 4.2.3.2 Biaya Transportasi Sesudah Penerapan

Metode Savings Matrix... 91 4.2.4 Peramalan ( forcasting) Permintaan... 93

4.2.4.1 Ploting Data Permintaan

tahun 2009... 93 4.2.4.2 Perhitungan Nilai MSE... 95

4.2.4.3 Pemilihan Nilai MSE terkecil……….. 95

4.2.4.4 Melakukan Uji MRC dari Metode Peramalan

Yang digunakan... 96 4.2.4.5 Peramalan dengan metode peramalan yang terpilih

untuk tahun 2010...………98 4.2.5 Rute Baru (Penerapan Metode Savings Matrix)

4.2.5.1 Penentuan alokasi customer pada rute baru

berdasarkan permintaan tahun 2010... 99

4.2.5.2 Mengurutkan Customer dalam rute baru... 113

4.2.6 Penghitungan Biaya Transportasi tahun 2010 Sesudah Penerapan Metode Savings Matrix... 116.

4.3 Analisa dan Pembahasan... 118

4.3.1 Analisa Peramalan... 118

4.3.2 Analisa perbandingan rute / jalur distribusi... 119

4.3.3 Analisa Perbandingan Biaya Transportasi Sebelum dan Sesudah Penerapan Metode Savings Matrix... 121

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan... 122

5.2 Saran... 124

DAFTAR PUSTAKA LAMPIRAN

DAFTAR GAMBAR

Halaman Gambar 2.1 Perubahan yang terjadi dengan menggabungakn customer 1

dan customer 2 ke dalam satu rute……… 16

Gambar 2.2 Trend component (pola trend)……… 34

Gambar 2.3 Seasonal component (pola musiman)………... 35

Gambar 2.4 Cylical componentl (pola siklus) ...… 35

Gambar 2.5 Random component (pola acak)……… 36

Gambar 2.6 Siklus Analisa Keputusan……….……….... 38

Gambar 3.1 Langkah-langkah pemecahan masalah……….… 48-49 Gambar 4.1 Peta Pulau Jawa ...………..……. 62

Gambar 4.2 Diagram Pencar Data Permintaan Customer 1……… 94

DAFTAR TABEL

Tabel 2.1 Lokasi tujuan dan ukuran order... 14

Tabel 2.2 Matrix jarak dari pabrik ke customer dan antar customer... 15

Tabel 2.3 Matrix pengehematan jarak dengan menggabungan dua rute yang berbeda... 17

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 ke rute C... 20

Tabel 3.1 Matrik Jarak dari Pabrik ke Customer dan antar Customer………. 53

Tabel 3.2 Matrik penghematan jarak dengan menggabungkan dua rute berbeda ……….. 54

Tabel 3.3 Semua Customer Memiliki Rute Terpisah... 55

Tabel 3.4 Customer 4 Masuk ke Rute a dan Customer 3 Masuk ke Rute c…. 55 Tabel 4.1 Data permintaan per bulan………. 59

Tabel 4.2 Rata-rata besarnya order per bulan………. 60

Tabel 4.3 Kapasitas Alat Angkut... 60

Tabel 4.4 Rute awal pendistribusian dari gudang ke customer... 61

Tabel 4.5 Jenis dan besarnya biaya transportasi awal... 61

Tabel 4.6 Jarak dari gudang ke tiap Customer dalam koordinat dan satuan km... 64

Tabel 4.7 Biaya transportasi tahun 2009

sebelum diterapkan metode Savings Matrix………..…. 68

Tabel 4.8 Matriks Jarak………...… 70

Tabel 4.9 Matriks Penghematan……… 72

Tabel 4.10 Matriks kapasitas truk... 73

Tabel 4.11 Matriks Rekapitulasi Iterasi 1 sampai 5... 88

Tabel 4.12 Biaya transportasi tahun 2009 setelah penerapan metode savings matrix... 92

Tabel 4.13 Nilai MSE dari masing-masing metode... 95

Tabel 4.14 Metode yang digunakan untuk peramalan masing-masing customer berdasarkan MSE terkecil... 96

Tabel 4.15 Besarnya Order Size Hasil Peramalan permintaan tiap customer.... 98

Tabel 4.16 Biaya transportasi bulan Juli 2010 sampai bulan Juni 2011 setelah menggunakan metode Savings Matrix……...………...117

Tabel 4.17 Rute pengiriman Juli 2009 sampai Juni 2010 sebelum penerapan metode Savings Matrix ...119

Tabel 4.18 Rute pengiriman Juli 2009 sampai Juni 2010 sesudah penerapan metode Savings Matrix...120

ABSTRAKSI

Semakin tingginya tingkat persaingan dalam dunia industri, menuntut perusahaan untuk dapat menghadapi persaingan secara baik dan siap dengan segala resiko yang akan dihadapi. Salah satu jaminan yang harus dipenuhi perusahaan kepada pelanggan adalah pengiriman produk sesuai dengan permintaan pelanggan secara tepat waktu dan efisien. Sehingga proses distribusi yang dilaksanakan tidak mengakibatkan pemborosan segi waktu, jarak, dan tenaga.

PT Kamadjaja Logistics Surabaya merupakan perusahaan yang bergerak dalam bidang jasa pendistribusian produk olie kemasan drum milik PT Shell Lubricant Indonesia. Sasaran PT Kamadjaja Logistics adalah dapat melakukan waktu pengiriman produk secara tepat, biaya yang efisien, dan pelayanan yang baik PT Kamadjaja Loistics dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut masih ada permasalahan dari perusahaan dimana dalam pengiriman olie kemasan drum ke beberapa daerah pemasaran belum adanya perencanaan pengiriman dan pendistribusian barang yang tepat yaitu dalam menentukan jalur distribusi ke customer yang mengakibatkan jalur pengiriman yang ditempuh semakin panjang tanpa melihat terlebih dahulu kapasitas dari kendaraan dan jarak yang akan ditempuh sehingga mengakibatkan biaya tranportasi menjadi mahal dan pemenuhan permintaan produk olie kemasan drum yang diminta oleh costumer sering terlambat. Untuk mengatasi permasalahan tersebut digunakan metode Savings Matrix. 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 dan memperoleh biaya transportasi yang optimum.

Hasil penelitian di PT Kamadjaja Logisticsdengan menggunakan metode Savings

Matrix, dapat dibandingkan dari yang sebelumnya 6 rute dengan 6 truk pada rute awal

menjadi 5 rute dengan 5 truk dimana terjadi penambahan kilometer dari yang awalnya 1.770 km / kirim menjadi 1.790 km / kirim. Biaya transportasi pada rute awal sebesar Rp 465.255.456,- / tahun dan biaya transportasi sesudah penerapan metode Savings Matrix sebesar Rp 413.449.956,- / tahun sehingga diperoleh penghematan biaya trransportasi sebesar Rp 51.805.500,- / tahun atau penghematan biaya transportasi sebesar 11 %.

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada era sekarang proses distribusi yang efektif dan efisien menjadi salah satu faktor yang posisinya mulai sejajar dengan indikator-indikator yang lain dalam usahanya untuk mencapai kepuasan pelanggan. Bagi perusahaan sendiri proses distribusi yang efektif dan efisien dapat memberikan kontribusi yang signifikan pada penurunan komponen-komponen biaya pembentuk harga sebuah produk. Semakin tingginya tingkat persaingan dalam dunia industri, menuntut perusahaan untuk dapat membuat strategi-strategi distribusi yang tepat. Salah satu strategi yang dapat digunakan adalah perencanaan dan penentuan rute secara tepat, sehingga produk akan diterima pelanggan dalam jumlah tepat, kondisi baik, sesuai dengan waktu yang dijanjikan, dan biaya yang rendah.

PT Kamadjaja Logistics adalah perusahaan yang bergerak dalam bidang jasa distribusi, yang salah satu unit bisnisnya bertugas untuk mendistribusikan produk-produk dari PT Shell Lubricants Indonesia untuk kawasan Jawa Timur dan seluruh Indonesia timur. Dalam mendistribusikan produk melalui laut, PT Kamadjaja Logistics bekerja sama dengan pihak pelayaran dan beberapa agen di beberapa kota luar pulau yang menjadi tujuan pengiriman. Sedangkan untuk pendistribusian lewat darat, PT Kamadjaja Logistics menggunakan kendaraan sendiri. Dalam penelitian ini penulis akan membahas pendistribusian produk yang melewati jalan darat.

Sebagai perusahaan yang bertanggung jawab dalam pendistribusian produk, PT Kamadjaja Logistics dituntut untuk dapat menciptakan kinerja pengiriman yang reliable. Sedangkan dalam pemenuhan sasaran tersebut ada beberapa kendala yang dihadapi oleh perusahaan. Proses distribusi yang dilakukan tidak direncanakan dengan baik, sehingga mengakibatkan jarak pengiriman yang ditempuh panjang serta mengakibatkan biaya distribusi yang mahal.

Untuk mengatasi permasalahan perusahaan tersebut, penulis menggunakan metode Savings Matrix dalam melakukan perencanaan dan penentuan jalur distribusi secara tepat. Metode Savings Matrix adalah metode untuk meminimalkan jarak atau waktu atau biaya dengan melakukan pemilihan terhadap kendaraan dan rute serta mempertimbangkan kendala-kendala yang ada.

Dengan menggunakan metode Savings Matrix diharapkan perusahaan dapat memiliki perencanaan dalam menentukan jalur distribusi sehingga proses pendistribusian produk dapat berjalan optimal dengan biaya rendah.

1.2 Rumusan Masalah

Berdasarkan permasalahan yang ada di perusahaan berkaitan dengan pengiriman produk olie, maka dirumuskan permasalahan penelitian sebagai berikut :

“Bagaimana merencanakan rute pendistribusian produk olie kemasan drum untuk mengoptimalkan rutedan meminimalkan biaya distribusi di PT Kamadjaja Logistics Surabaya”.

1.3 Tujuan Penelitian

Adapun tujuan penelitian ini adalah :

1. Menentukan rute pengiriman produk olie kemasan drum yang optimal 2. Meminimalkan biaya transportasi dengan metode savings matrix

1.4 Batasan Masalah

Batasan masalah dalam penelitian ini adalah :

1. Penelitian hanya diterapkan untuk pendistribusian produk lewat darat

2. Data permintaan yang digunakan adalah bulan Januari 2009 - September 2010 3. Penelitian hanya dilakukan pada produk olie berkemasan drum

4. Rute distribusi produk olie kemasan drum dari kota asal Surabaya ke kota Surabaya sektor 4 (Jl. Demak), Surabaya sektor 5 (Rungkut Industri 3), Surabaya sektor 6 (Tambak Langon), Sidoarjo, Gresik, Banyuwangi, Bekasi, Semarang, Situbondo

5. Biaya distribusi meliputi biaya bahan bakar, biaya handling cost, insentive sopir dan biaya retribusi

6. Jenis kendaraan yang digunakan dalam distribusi olie antara lain : (1 drum = 209 liter = 202 kg)

a. Colt Diesel Double (CDD) = max. 21 drum = 4389 liter = 4257.33 kg

b. Fuso Engkel = max. 40 drum = 8360 liter = 8109.20 kg c. Wing Box = max. 60 drum = 12540 liter = 12163.80 kg

d. Container 20’ = max. 80 drum = 16720 liter = 16218.40 kg

7. Perhitungan jarak menggunakan satuan kilometer, disesuaikan pada skala peta

1.5 Asumsi

Asumsi yang digunakan dalam penelitian ini adalah :

1. Kondisi kendaraan diasumsikan dalam kondisi stabil, tidak ada rusak, dan tidak terjadi bencana alam selama periode tersebut.

2. Biaya bahan bakar, biaya handling cost, insentive sopir dan biaya lain-lain diasumsikan tetap selama penelitian dilakukan

3. Kegiatan bongkar di customer dilakukan selama 24 jam

4. Rute atau jalur distribusi yang dilalui pada saat pengiriman produk olie kemasan drum dari gudang ke lokasi customer diasumsikan sama dengan rute kembali dari lokasi customer ke gudang

1.6 Manfaat Penelitian

Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah : 1. Bagi Perusahaan

a. Mendapatkan jalur distribusi produk yang akan dilayani berdasarkan kapasitas alat angkut

b. Memberikan alternatif rute distribusi kepada perusahaan secara tepat waktu dan efisien dalam meminimalkan biaya distribusi

2. Bagi Mahasiswa

a. Mendapatkan pengalaman dan pengetahuan secara langsung dalam bidang distribusi.

b. Mampu mengaplikasikan ilmu yang telah diterima di Jurusan Teknik Industri

3. Bagi Universitas

a. Menjalin hubungan yang erat antara perguruan tinggi yakni Universitas Pembangunan Nasional Jawa Timur dengan perusahaan yang bergerak dalam bidang penyedia jasa pengiriman/logistic khususnya PT Kamadjaja Logistics.

1.7 Sistematika Penulisan

Sistematika penulisan yang digunakan dalam pelaksanaan penelitian ini adalah :

BAB I PENDAHULUAN

Pada bab ini berisi tentang latar belakang masalah, perumusan masalah, tujuan penelitian, manfaat, asumsi, dan sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Pada bab ini berisi tentang landasan teori-teori yang digunakan dalam pelaksanaan penelitian sebagai penunjang untuk mengolah dan menganalisa data-data yang diperoleh secara langsung maupun tidak langsung yaitu teori tentang distribusi, penjadwalan dan penentuan jalur dalam distribusi dan Savings Matrix.

BAB III METODE PENELITIAN

Pada bab ini berisi tentang langkah-langkah dalam melakukan penelitian, mulai dari lokasi pencarian data, metode pengambilan data, identifikasi variabel, dan metode pengolahan data, yang

6 dilakukan untuk mencapai tujuan dari penelitian selama pelaksanaan penelitian.

BAB IV HASIL ANALISA DAN PEMBAHASAN

Pada bab ini berisi tentang data-data yang telah terkumpul, kemudian diolah dengan menggunakan metode yang digunakan untuk menyelesaikan masalah yang ada.

BAB V KESIMPULAN DAN SARAN

Pada bab ini merupakan penutup tulisan yang berisi kesimpulan dan saran mengenai analisa yang telah dilakukan sehingga dapat memberikan suatu rekomendasi sebagai masukan ataupun perbaikan bagi pihak perusahaan.

DAFTAR PUSTAKA LAMPIRAN

BAB II

TINJAUAN PUSTAKA

2.1 Transportasi dan Distribusi 2.1.1 Transportasi

Salah satu faktor yang memegang peranan utama dalam penetapan lokasi industri atau kegiatan ekonomi lainnya adalah besar biaya transportasi. Hal tersebut disebabkan karena biaya transportasi merupakan salah satu komponen biaya produksi. Apabila biaya transportasi lebih murah akan mengakibatkan biaya produksi lebih rendah dan harga produk lebih rendah, sehingga menambah daya saing produk dan memperluas lokasi daerah pemasaran.

Transportasi Cost/km =

Jarak st TranportCo

Transportasi adalah kegiatan pemindahan barang (muatan) dan penumpang dari suatu tempat ke tempat lain. Dalam transportasi terlihat ada 2 unsur yang tepenting yaitu (Salim,2002) :

a. Pemindahan / pergerakan (movement).

b. Secara fisik mengubah tempat dari barang (komoditi) dan penumpang ke tempat lain.

Adapun definisi lain transportasi merupakan pemindahan produk dari satu lokasi ke lokasi lain mulai rantai pasok pertama sampai ke tangan konsumen. Transportasi memainkan peran penting dalam tiap-tiap rantai pasok sebab produk

jarang diproduksi dan dikonsusmsi pada tempat yang sama. (Chopra,Meindl,

2001).

Transportasi mempunyai peranan penting bagi industri karena produsen mempunyai kepentingan agar barangnya diangkut sampai kepada konsumen tepat waktu, tepat pada tempat yang ditentukan dan barang dalam kondisi baik.

2.1.2 Persoalan Transportasi

Persoalan transportasi membahas masalah pendistribusian suatu komoditas atau produk dari sejumlah sumber (supply) kepada sejumlah tujuan

(destination,demand), dengan tujuan meminimalkan ongkos pengangkutan yang

terjadi.

Ciri-ciri khusus persoalan transportasi adalah (Salim,2002) :

1. Kuantitas komoditas atau barang yang didistribusikan dari setiap sumber dan yang diminta oleh setiap tujuan, besarnya tertentu.

2. Komoditas yang dikirim atau diangkut dari suatu sumber ke suatu tujuan, besarnya sesuai dengan permintaan dan atau kapasitas sumber.

3. Ongkos pengangkutan komoditas dari suatu sumber ke suatu tujuan, besarnya tertentu.

2.1.3 Metode yang Digunakan Dalam Memecahkan Persoalan Transportasi

Metode transportasi merupakan suatu model yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang utama ke tempat-tempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur

sedemikian rupa, karena terdapat perbedaan biaya-biaya alokasi dari satu sumber ke tempat tujuan-tujun yang bebeda. (Chopra,Meindl, 2001).

Untuk menyelesaikan persoalan transportasi, harus dilakukan langkah-langkah sebagai berikut (Dimyati, 1992) :

1. Tentukan solusi fisibel basis awal.

2. Tentukan entering variabel dari variabel-variabel nonbasis. Bila semua variabel sudah memenuhi kondisi optimum, STOP. Bila belum, lanjutkan ke langkah 3.

3. Tentukan leaving variabel diantara variabel-variabel basis yang ada, kemudian hitung yang baru. Kembali kelangkah ke 2.

Dalam memecahkan masalah transportasi ini penelitian menggunakan metode Penentuan Rute dengan memepertimbangkan kapasitas kendaraan

(Vehiele Routing Problem).

2.1.4 Distribusi

Pengertian distribusi menurut Frank H. Woodward (1996) dalam bukunya yang berjudul “Managing the Transport Service Function” dijelaskan didalam industri, distribusi telah diterima sebagai pencapaian dari semua aktivitas bisnis melibatkan penggerakan barang-barang dari titik memproses atau membuat langsung atau penjualan kepada pelanggan dan termasuk warehousing, pengendalian persediaan barang yang telah jadi, penanganan material dan pengemasan, dokumentasi dan pengiriman, lalu lintas dan transportasi, dan layanan pasca jual ke pelanggan.

2.1.5 Saluran Distribusi

Saluran distribusi adalah saluran yang digunakan untuk menyalurkan suatu produk dari produsen ke konsumen (konsumen akhir atau pemakai produk industri). Fungsi saluran distribusi adalah :

1. Mengumpulkan informasi yang diperlukan untuk perencanaan dan

memudahkan pertukaran.

2. Mengembangkan dan menyebarkan komunikasi mengenai tawaran. 3. Melakukan pencarian dan berkomunikasi dengan calon pembeli.

4. Mengusahakan perundingan untuk mencapai persetujuan akhir atas harga dan ketentuan lainnya mengenai tawaran agar perpindahan pemilikan dapat terjadi. 5. Melaksanakan pengangkutan dan penyimpanan produk.

6. Mengatur distribudi dana untuk menutup biaya saluran distribusi.

7. Menerima resiko dalam hubungan dengan pelaksana pekerjaan saluran

pemasaran.

2.1.6 Fungsi Dasar Manajemen Distribusi dan Transportasi

Secara tradisional kita mengenal manajemen distribusi dan trasnportasi dengan berbagai sebutan. Sebagian perusahaan istilah manajemen logistic, disebagian lagi menggunakan istilah distribusi fisik (physical distribution).

Kegiatan distribusi dan transportasi biasa dilakukan perusahaan manufaktur dengan membentukan bagian distribusi atau transportasi diserahkan kepada pihak ketiga. Dalam upayanya memenuhi tujuan-tujuan diatas, siapa pun yang melaksanakannya (internal perusahaan atau mitra pihak ketiga).

Manajemen distribusi dan transportasi pada umumnya melakukan sejumlah fungsi dasar yang terdiri dari :

1. Melakukan segmentasi dan menentukan target service level.

Segmentasi pelanggan perlu dilakukan karena kontribusi mereka pada revenue perusahaan sangat bervariasi dan karakteristik pelanggan biasanya sangat berbeda antara satu dengan yang lain. Dari revenue, sering kali hukum pareto 20/80 berlaku disini. Artinya hanya sekitar 20% dari pelanggan atau area penjualan menyumbangkan sejumlah 80% dari pendapatan yang diperoleh perusahaan. Perusahaan tidak biasa menomorsatukan semua pelanggan. Dengan mengalami perbedaan karakteristik dan kontribusi pelanggan atau area distribusi, perusahaan biasa mengoptimalkan alokasi persediaan maupun kecepatan pelayanan.

2. Menentukan mode transportasi yang akan digunakan.

Transportasi memiliki karakteristik yang berbeda-beda dan mempunyai keunggulan dan kelemahan yang berbeda juga, sebagai contoh : transportasi laut memiliki keunggulan dari segi biaya yang rendah ; namun lebih lambat jika dibandingkan dengan transportasi udara. Manajemen transportasi harus bisa mengirimkan dan mendistribusikan produk-produk mereka ke pelanggan kombinasi dua atau lebih model transportasi tentu bisa atau bahkan harus dilakukan tergantung pada situasi yang dihadapi.

3. Melakukan konsolidasi informasi dan pengiriman.

Konsolidasi merupakan kata kunci sangat penting dewasa ini. Tekanan untuk melakukan pengiriman cepat namun murah menjadi pendorong utama

perlunya melakukan konsolidasi maupun pengiriman. Salah satu contoh konsolidasi informasi adalah konsolidasi data permintaan dari berbagai regional distribusi center oleh sentral warehouse untuk pembuatan jadwal pengiriman. Sedangkan konsolidasi pengiriman dilakukan misalnya dengan menyatukan permintaan beberapa toko yang berbeda dalam satu truk. Dengan cara ini truk bisa berjalan lebih sering tanpa harus membebankan biaya lebih kepada pelanggan atau klien yang mengirimkan produk tersebut.

4. Melakukan penjadwalan dan penentuan rute pengiriman.

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

5. Memberikan pelayanan nilai tambah.

Disamping mengirimkan produk kepelanggan, jaringan distribusi semakin banyak dipercaya untuk melakukan proses nilai tambah. Kebanyakan proses nilai tambah tersebut tadinya dilakukan oleh pabrik/manufactur. Beberapa proses nilai tambah yang bisa dikerjakan oleh adalah pengepakan, pemberian barcode, dan sebagainya. Untuk mengakomodasi kebutuhan lokasi yang lebih

baik, seperti industri printer, memindahkan proses konfigurasi akhir dari produknya ke distributor ke tiap-tiap Negara. Ini meningkatkan fleksibilitas produk sehingga mengurangi kelebihan stok di suatu Negara dan kekurangan di Negara lain.

6. Menyimpan persediaan.

Jaringan distribusi selalu melibatkan proses penyimpanan produk baik disuatu gudang pusat atau gudang regional, maupun di toko dimana produk tersebut dijual. Oleh karena itu manajemen distribusi tidak bisa dari manajemen pergudangan.

7. Menangani pembelian (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 penjualan habis, seperti produk-produk makanan, sayuran, buah, dan sebagainya. Kegiatan pengembalian ini bisa terjadi pada produk-produk kemasan seperti botol, yang akan digunakan kembali dalam proses produksi atau harus diolah kembali untuk menghindari pencemaran lingkungan. Proses pengembalian ini lumrah dengan sebutan reverse logistic.

2.2 Metode Saving Matrix

2.2.1 Pengertian Metode Savings Matrix

Savings Matrix merupakan salah satu teknik yang digunakan untuk

menjadwalkan sejumlah terbatas kendaraan dari suatui fasilitas dan jumlah

kendaraan dalam armada ini dibatasi dan mereka mempunyai kapasitas maksimum yang berlainan. Tujuan metode ini adalah untuk memilih penugasan kendaraan dan routing sebaik mungkin. (Bowersox, 2002: 232).

Metode Savings Matrix adalah metode untuk meminimumkan jarak atau waktu atau ongkos dengan mempertimbangkan kendala-kendala yang ada.

(Pujawan, 2005: 180).

2.2.2 Langkah-Langkah Metode Savings Matrix

Sebelum melakukan perhitungan Savings Matrix, terlebih dahulu menentukan titik koordinat jarak dari pabrik / gudang ke tiap-tiap customer

(Pujawan, 2005: 180) :

Tabel 2.1 Lokasi Tujuan dan Ukuran Order

Customer Tujuan Koordinat x Koordinat y Ukuran Order

Customer 1 1 y1 A Unit

Customer 2 2 y2 B Unit

Customer 3 3 y3 C Unit

Customer 4 4 y4 D Unit

. . . Customer n

. . .

n



. . .

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 :

1. Mengidentifikasi Matrix Jarak

Pada langkah ini perlu jarak antara pabrik ke masing-masing customer. sehingga mengunakan lintasan terpendek sebagai jarak antar lokasi. Jadi dengan mengetahui koordinat masing-masing lokasi maka jarak antar dua lokasi bisa dihitung dengan menggunakan rumus jarak standar.

Tabel 2.2 Matrik Jarak Dari Pabrik Ke Customer dan Antar Customer

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



1,y1



dan



2, y2



maka Perhitungan matrik jarak dua lokasi tersebut adalah (Pujawan, 2005: 181) :

J

  

1,2  ₁₂

 

2 y₁y₂



2

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

2. Mengidentifikasi Matrik Penghematan (Savings Matrix)

Savings matrix mempresentasikan penghematan yang dapat direalisasikan dengan menggabungkan dua pelanggan ke dalam satu rute. Misalkan menggabungkan Customer 1 dan Customer 2 ke dalam satu rute maka jarak yang akan dikunjungi adalah dari gudang ke Customer 1 kemudian ke

Customer 2 dan dar Customer 2 balik ke gudang.

Gudang Gudang

Customer 1 Customer 2 Customer 1 Customer 2

Gambar 2.1 Perubahan yang Terjadi Dengan Menggabungkan Customer 1 dan

Customer 2 ke Dalam Satu Rute.

Dari gambar diatas terjadi perubahan jarak adalah sebesar jarak kiri dikurangi total jarak kanan yang besarnya adalah (Pujawan, 2005: 182):

 

G J

       

G



J G J J G



J ,1 2 ,2 ,1 1,2 2,

2    

     

G,1 J G,2 J 1,2

J  



dengan jarak

   

x,y  y,x

       

x y J G x J G y J x y S ,  ,  ,  ,

dimana :

 

x y 

S , Penghematan jarak (Savings) yang diperoleh dengan

menggabungkan rute x dan y menjadi satu

 

G x 

J , Jarak dari gudang ke customer x

 

G y 

J , Jarak dari gudang ke customer y

 

x y 

J , Jarak dari customer x ke customer y

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

Tabel 2.3 Matrik Penghematan Jarak Dengan Menggabungkan Dua Rute yang Berbeda

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

Pabrik/ Gudang

Custome

r 1

Custome

r 2

Custome

r 3

Custome

r 4

…Custome

r n

Customer 1 Rute a

Customer 2 Rute b

Customer 3 Rute c

Customer 4 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 armada yang ada, dengan melihat nilai penghematan terbesar pada tabel matrix penghematan jarak.Misalkan didapat matrik penghematan jarak sebagai berikut :

Tabel 2.5 Semua Customer Memiliki Rute Terpisah

Pabrik/Gudang

Customer

1

Customer

2

Customer

3

Customer

4

Customer

1

Rute a 0,0

Customer

2

Rute b 14,8 0,0

Customer

3

Rute c 12,5 8,2 0,0

Customer

4

Rute d 24,9 12,9 12,6 0,0

Order 320 85 300 150

dari tabel diatas didapat penghematan terbesar pada customer 1 dan 4 sebesar 24,9

sehinga customer 4 bergabung ke rute a (diasumsikan kapasitas truk memadai)

Tabel 2.6 Customer 4 Masuk ke Rute a dan Customer 3 Masuk ke Rute c

Pabrik/Gudang

Customer

1

Customer

2

Customer

3

Customer

4

Customer

1

Rute a 0,0

Customer

2

Rute b 14,8 0,0

Customer

3

Rute c 12,5 12,9(2) 0,0

Customer

4

Rute a 24,9(1) 8,2 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 yang sudah teralokasikan , tidak terjadi penggabungan. kemudian didapatkan jumlah rute sesuai dengan kapasitas armada yang ada dan penghemtan jarak alokasi dari pabrik ke customer.(Pujawan, 2005:

183-185).

4. Mengurutkan Customer (Tujuan) dalam rute yang sudah terdefinisi

Ada banyak metode yang dapat digunakan untuk menentukan urutan kunjungan, namun pada penelitian ini menggunakan metode Nearest

Neighbor. Metode Nearest Neighbor merupakan metode pengurutan

kunjungan yang menambahkan customer yang jaraknya paling dekat dengan

customer yang akan dikunjungi terakhir. Misalnya diketahui 3 customer dalam

rute a, customer 1 memiliki jarak terdekat dengan gudang / pabrik dengan jarak 6.4, kemudian cari jarak customer terdekat dengan customer 1 didapat

customer 3 dengan jarak 6.7 dan terakhir yang dikunjungi adalah customer 2

kemudian kembali ke gudang.. (Gudang-Customer1-Customer3-Customer2-Gudang). Jika kebetulan menghasilkan rute dengan jarak yang sama maka dipilih total jarak yang minimum. (Pujawan, 2005: 185-186).

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

2.3 Peramalan (Forecasting)

Peramalan adalah proses untuk memperkirakan berapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran, kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.(Nasution, 2003: 25)

Sedangkan peramalan permintaan merupakan tingkat permintan 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 tergantung), seperti peramalan produk jadi.(Nasution, 2003: 26)

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

2.3.1 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, umumnya 1 sampai 24 bulan. Peramalan ini lebih mengkhususkan dinandingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran khas, 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 lai-lain keputusan kontrol jangka pendek.

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

2.3.2 Beberapa Sifat Hasil Peramalan

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

1. Peramalan pasti mengandung kesalahan, artinya peramal hanya bisa

mengurangi ketidakpastian yang akan terjadi, tetapi tidak akan menghilangkan ketidakpastian tersebut.

2. Peramalan seharusnya memberikan informasi tentang berapa ukuran

kesalahan, artinya karena peramalan pasti mengandung kasalahan maka penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

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

2.3.3 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.

Trend / kecenderungan (T) adalah sifat dari permintaan dimasa 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 factor cuaca, musim libur panjang, dan lain-lain. Random (R) merupakan pola permintaan suatu produk yang mengikuti pola bervariasi secara acak karena factor bencana alam, bangkrutnya perusahaan, dan lain-lain. pola ini dibutuhkan dalam menentukan persediaan pengamatan untuk mengantispasi kekurangan persediaan bila terjadi lonjakan permintaan. (Nasution, 2003: 35).

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 tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. 4. Memilih metode peramalan terbaik diantara metode yang dicoba.

Metode terbaik akan memberikan tingkat kesalahan terkecil dibanding metode lainnya dan tingkat kesalahan tersebut berada dibawah 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 atau data tersebut, dengan peranan atau pentingnya data tersebut pada penyusunan ramalan pada periode berikutnya (Ariyani, 2008: 33)

Formula metode Weighted Moving Average adalah (Baroto, 2002:

38) :

 

t c ft c ft cmft m

f  _{1 1} _{2 2} _ ^

dimana :

ramalan permintaan (real) untuk peride t

 t

f ^

 t

f permintaan aktual pada periode t

1

c = bobot masing-masing data yang digunakan



c₁ 1



, ditentukan secara subyektif

m = jumlah periode yang digunakan untuk peramalan (Subyektif)

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

b. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing)

Kelemahan metode Moving Average dalam kebutuhan akan data-data masa lalu yang cukup banyak dapat diatasi dengan metode pemulusan eksponensial.(Ariyani, 2008: 34)

Formula untuk metode Single Eksponential Smoothing (SES) adalah

(Baroto, 2002: 39) :





1

^ ^

1 _



 t t

t f f

f  

dimana :

 t

f ^

perkiraan permintaan pada peride t



 suatu nilai



0 1



yang ditentukan secara subyektif

 t

f permintaan aktual pada periode t



1 ^

t

f perkiraan permintaan pada peride t-1

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

c. Metode Pemulusan Eksponansial Ganda (Double Eksponential Smoothing) Dasar pemikiran dari metode pemulusan eksponensial yang linier ini adalah baik nilai pemulusan eksponensial tunggal maupun ganda terdapat pada waktu sebelum data sebenarnya, bila pada itu adalah trend. Disamping itu untuk menyesuaikan trend, maka nilai-nilai pemulusan eksponensial tunggal ditambahkan nilai-nilai pemulusan eksponensial ganda. (Ariyani. 2008: 36)

Formula Double Eksponential Smoothing adalah (Baroto, 2002: 40)

t

t a at e

F"  0  1 

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

1 0, a a

2

e



Misalkan  1 , sehingga :

0 1 1 1 2 1

... f f

f f

Ft  t  t  t 

 

persamaan diatas dapat pula dituliskan ulang sebagai :

0 1 1 0 f f

F i _t t

t i

t   

 

Double Eksponential Smoothing adalah modifikasi dari Single Ekspnential Smoothing yang diruuskan sebagai berikut :

 2     2 ₁

t  t  t

dimana :

  _{F t}

t2  '

 = Peramalan double exponential smoothing



 Faktor smoothing dan  1 , t  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 :



a a t



Ct

t  0,1 1. dengan : a0 a0,2N 

 

2N a1

N f f

a 2 1

1     N f f t N t 1 1     N f f N N t t



_    2 1 2 27

2 1 1 2 2 , 0  

 f a N

a N t t a a f C . 1 0 1 





1 1

N C

N

t t

5. Melakukan peramalan dengan metode terbaik yang dipilih

2.4 Metode Time Series

Metode yang digunakan dalam penelitian ini adalah metode time series. Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan.

Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Criteria ini berupa mean absolute deviation (MAD), mean square of error (MSE), atau mean absolute procentage of error (MAPE).

Peramalan dengan time series memiliki prosedur yang harus dilaksanakan secara utuh. Bila tidak, maka resiko-resiko berikut akan terjadi :

1. Hasil peramalan tidak valid, sehingga tidak dapat diterapkan.

2. Kesulitan mendapatkan/memilih metode peramalan yang akan memberikan validitas ramalan yang tinggi.

3. Memerlukan waktu dalam melakukan analisis dan peramalan.

Prosedur peramalan permintaan dengan metode time series adalah sebagai berikut (Baroto, 2002) :

1. Tentukan pola data permintaan. Dilakukan dengan cara memplotkan data secara grafis dan menyimpulkan apakah data berpola trend, musiman, siklikal, atau random.

2. Mencoba beberapa metode time series dengan pola permintaan tersebut untuk melakukan peramalan. Metode yang dicoba semakin banyak semakin baik. 3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba.

Tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE atau yang lainnya. Sebaiknya nilai tingkat kesalahan (apakah MAD, MSE, MAPE) ini ditentukan dulu. Tidak ada ketentuan mengenai berapa tingkat kesalahan maksimal dalam peramalan.

4. Memilih metode peramalan terbaik diantara metode yang dicoba. Metode terbaik adalah metode yang memberikan tingkat kesalahan terkecil dibanding metode lainnya dan tingkat kesalahan tersebut berada dibawah tingkat kesalahan yang telah diterapkan.

5. Melakukan peramalan permintaan dengan metode terbaik yang telah dipilih.

2.4.1 Metode yang Digunakan dalam Times Series

1. Single Exponential Smoothing

Formula untuk metode Single Exponential Smoothing (SES) adalah (Baroto,

2002) :



1



ˆ 1 ˆ



 

 t t

t f f

f  

dimana :

= perkiraan permintaan pada periode t t

fˆ

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

t

f

= perkiraan permintaan pada periode t-1

1 ˆ



t

f

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

2. Weighted Moving Average

Formula metode Meighted Moving Average adalah (Baroto, 2002) :

 

t c ft c ft cmft m

fˆ  1 _1  2 _2  _

dimana :

= ramalan permintaan (real untuk periode t) t

fˆ

= permintaan actual pada periode t t

f

= bobot masing-masing data yang digunakan

1

c





c1 1



, ditentukan secara

subyektif

m = jumlah periode yang digunakan untuk peramalan (subyektif)

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

3. Double Exponential Smoothing

Formula metode Double Exponential Smoothing adalah (Baroto, 2002) : t

t a at e

F'  ₀  ₁  dimana :

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

1 , a a_o 2 e  30

Misalkan  1 0 1 1 2 2

... f f

f f

F_t  _t  _t  t t

Persamaaan diatas dapat pula ditulis ulang sebagai :



_    1 0 0 1 t i t t i

t f f

F   

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

 2  2 ₁

 

 Xt X t

Xt  

dimana :

= F’t = peramalan double exponential smoothing

 2 Xt

 = faktor smoothing dan  1

Xt = Ft

4. Winter’s

Metode peramalan Winter’s digunakan untuk suatu data yang berpola

musiman. (Baroto,2002)

Formulasi untuk metode Winter’s adalah : t

t a t C

a

t ( 0,  1.)

dengan :

t t t a a f C . 1 0   N f f

 

2N a1

a0 a0,2N  a₁  2 1

N f f N t t



_  1 1 N f f N N t t



_   2 1 2 1 1 



_ N C N t t 2 1 1 2 2 , 0  

 f a N

a N

2.4.2 Ukuran Akurasi dari Peramalan

Ukuran hasil peramalan yang merupakan ukuran kesalahan peramalan adalah ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. Ada 4 ukuran yang biasa digunakan, yaitu : 1. Rata – Rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

Merupakan rata – rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil permalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :







n F A

MAD t t

Dimana :

At = Permintaan aktual pada periode-t.

Ft = Peramalan permintaan (Forecast) pada periode-t. n = Jumlah periode peramalan yang terlibat.

2. Rata – Rata Kuadrat Kesalahan (Mean Square Error = MSE)

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











n F A

MSE t t

2

3. Rata – Rata Kesalahan Peramalan (Mean Forecast Error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak bias, maka nilai MFE akan mendekati nol. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. Secara matematis, MFE dinyatakan sebagai berikut :







  n F A

MFE t t

4. Rata – Rata Persentase Kesalahan Mutlak (Mean Absolute Percentage Error = MAPE)

MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan actual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara matematis, MAPE dinyatakan sebagai berikut :



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

Dalam hal ini metode peramalan dianggap terbaik bila nilai MAPE memiliki persentase terkecil. (Nasution, 2003 )

2.4.3 Pola Permintaan

Dalam peramalan time series perlu diketahui dulu pola / komponen time series. Pola permintaan dapat diketahui dengan membuat “Scatter Diagram”, yaitu pengeplotan data historis selama interval waktu tertentu. Dalam time series terdapat empat jenis pola permintaan (Baroto, 2002) :

1. Pola trend

Pola trend adalah bila data permintaan menunjukan pola kecenderungan gerakan penurunan atau kenaikan jangka panjang. Bila data berpola trend, maka metode peramalan yang sesuai adalah metode regresi linier, single

eksponential smoothing atau double eksponential smoothing.

Gambar 2.2 Trend Component ( Pola Trend )

2. Pola musiman

Bila data yang kelihatan berfluktuasi, namun fluktuasi tersebut akan terlihat berulang dalam suatu interval waktu tertentu, maka data tersebut berpola musiman. Metode peramalan yang sesuai dengan pola musiman adalah metode

winter (sangat sesuai), moving average, atau weight moving everage.

Gambar 2.3 Seasonal Component ( Pola Musiman )

3. Pola siklikal

Pola siklikal adalah bila fluktuasi permintaan secara jangka panjang membentuk pola sinusoid atau gelombang atau siklus. Metode yang sesuai bila data berpola siklikal adalah metode moving average, weigh moving

average, dan eksponential smoothing.

Gambar 2.4 Cyclical Component ( Pola Siklis )

4. Pola eratik/random

Pola eratik (random) adalah bila fluktuasi data permintaan dalam jangka panjang tidak dapat digambarkan oleh ketiga pola lainnya. Fluktuasi permintaan bersifat acak atau tidak jelas. Tidak ada metode peramalan yang

direkomendasikan untuk pola ini. Hanya saja tingkat kemampuan seorang analis peramalan sangat menentukan dalam pengambilan kesimpulan mengenai pola data.

Gambar 2.5 Random Component ( Pola Acak )

2.5 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.

Perencanaan rute merupakan bagian penting untuk mencapai angkutan produk perusahaan dengan biaya minimal. Setiap kendaraan yang meninggalkan lokasi pabrik harus mnegikuti rute yang 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 kendaraa harus dijauhkan dari kemungkinan 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 jika dapat mengurangi pemborosan dalam segi waktu, jarak, dan tenaga sehingga mendapatkan biaya transportasi yang lebih efisien serta produk yang dikirim tepat waktu dan dalam kondisi baik. (Hadinoto, 1996: 112-113).

2.6 Analisa Keputusan

Analisa keputusan dapat dipandang sebagai gabungan dari dua disiplin ilmu yang telah ada lebih dahulu, yaitu Teori Keputusan dan Metodelogi Pemodelan Sistem.

Teori Keputusan adalah teori yang mempelajari bagaimana sikap fikir yang rasional dalam situasi yang amat sederhana, tetapi yang mengandung ketidakpastian, seperti dalam permainan lotre. Karena itu maka peranannya dalam menghadapi situasi yang kompleks adalah sangat kecil.

Sedangkan Metodelogi Pemodelan Sistem mempelajari bagaimana memperlakukan aspek yang dinamis dan kompleks dari suatu lingkungan.

Jadi Analisa Keputusan yang merupakan gabungan dari keduanya, mengkombinasi kemampuan untuk menangani system yang kompleks dan dinamis, dan kemampuan untuk menangani ketidakpastian dalam satu disiplin keilmuan.

Karenanya, Analisa Keputusan pada dasarnya adalah suatu prosedur logis dan kuantitatif yang tidak hanya menerangkan mengenai proses pengambilan

keputusan tetapi juga merupakan suatu cara untuk membuat keputusan. Dengan kata lain cara untuk membuat model suatu keputusan memungkinkan dilakukan pemeriksaan dan pengujian (Kuntoro,Trisnadi,1983).

2.6.1 Langkah-langkah Dalam Analisa Keputusan

Tahap

Deterministik Keputusan

Tahap informasional Tahap

Probabilistik

Pengumpulan Informasi

Informasi Baru Informasi BaruPengumpulan

Tindakan Informasi

Awal

Gambar 2.6 Siklus Analisa Keputusan

Dari gambar tersebut dapat dlihat bahwa didalam prosedur analisa keputusan akan terdapat tiga tahapan utama, yaitu (Kuntoro,Trisnadi,1983) :

1. Tahapan deterministik

Dalam tahap ini variable-variabel yang mempengaruhi keputusan perlu didefinisikan dan saling hubungkan, perlu dilakukan penetapan nilai dan selanjutnya tingkat kepentingan variable ukur tanpa terlebih dahulu memperhatikan unsur ketidakpastiannya.

2. Tahapan probabilistic

Ini merupakan tahap penetapan besarnya ketidakpastian yang melingkupi variabel-variabel yang penting, dan menyatakannya dalam bentuk suatu nilai. Dalam tahapan ini juga diulakukan penetapan preferensi atas risiko.

3. Tahap informasional

Intinya adalah meninjau hasil dari dua tahap terdahulu guna menentukan nilai ekonomisnya bila kita ingin mengurangi ketidakpastian pada suatu variabel yang dianggap penting. Dengan demikian dari tahap ini kita dapat menentukan apakah masih diperlukan pengumpulan informasi tambahan untuk dapat mengurangi ketidakpastian. Bila ternyata kita mendapatkan bahwa nilai informasi lebih kecil dari ongkos yang dikeluarkan, maka tidak perlu mencari informasi tambahan, sehingga hasil dari proses pertamalah yang kita jalankan.

2.7 Penelitian Terdahulu

1. Verliana Septian, 2008 : PENJADWALAN DISTRIBUSI KARUNG

DENGAN MENENTUKAN JALUR DISTRIBUSI OPTIMAL DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT. PERKEBUNAN NUSANTARA XI (PERSERO) PK. ROSELLA BARU SURABAYA

a. Permasalahan :

Bagaimana menentukan rute pendistribusian produk kepada konsumen agar memperpendek jarak dan meminimasi jarak dan meminimasi biaya yang dikeluarkan oleh perusahaan.

b. Hasil Akhir :

Kesimpulan yang dapat diperoleh dari penelitian ini adalah :

Jalur atau rute distribusi yang diperoleh untuk melayani permintaan karung goni berdasarkan kapsitas alat angkut dengan penerapan metode Savings

Matrix , yaitu :

o dari Pabrik - PT. Srikandi Ratu – PT. Asikin – CV. KHS – Pabrik

dengan total jarak perjalanan 656,539 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman produk antara Tanggal 15-20 tiap bulan.

o dari Pabrik - PTPN IX – Pabrik dengan total jarak perjalanan 428,439

km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 21-25 tiap bulan.

o dari Pabrik - UD. Laksana – PT. Temporejo – Pabrik dengan total

jarak perjalanan 290,983 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 21-25 tiap bulan.

o dari Pabrik – PT. Perhutani – Pabrik dengan total jarak perjalanan

144,68 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 10-15 tiap bulan. o dari Pabrik – PT. Alcon – CV. Wahyu – PT Indonesia Tri Sembilan –

Pabrik dengan total jarak perjalanan 94,01 km dan Armada yang digunakan 1 buah truk tronton milik sendiri serta Jadwal pengiriman antara Tanggal 15-25 tiap bulan.

o Pabrik – PT. Wonosari Jaya – PT. Bisi – Pabrik dengan total jarak

perjalanan 82,475 km dan Armada yang digunakan 1 buah truk tronton milik sendiri serta Jadwal pengiriman antara Tanggal 01-10 tiap bulan. o dari Pabrik – PT. Teja Seakawan – CV. Borneo – Pabrik dengan total

jarak perjalanan 31,645 km dan Armada yang digunakan 1 buah pick up milik sendiri serta Jadwal pengiriman antara Tanggal 21- 25 tiap bulan.

o dari Pabrik - CV. Afandi Tata Tjin - Pabrik dengan total jarak

perjalanan 9,838 km dan Armada yang digunakan 1 buah pick up milik sendiri serta Jadwal pengiriman antara Tanggal 1-6 tiap

Penghematan jarak dan efisiensi biaya distribusi dengan penerapan metode

Savings Matrix, yaitu : Penghematan Jarak

Dari Tabel 4.30 Rute awal dan Total jarak Tempuh dan Tabel 4.31 Rute baru dan Total jarak Tempuh diperoleh penghematan rute dari 12 rute menjadi 8 rute dan penghematan total jarak tempuh dari 2421,679 km menjadi 1738,706 km dengan penghematan sebesar 682,973 km atau sebesar 24,20 %. Penghematan Biaya Transportasi (efisiensi biaya)

Dari Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode

Savings Matrix diperoleh total biaya transportasi pada rute awal sebesar Rp. 20.365.233,45 dan Tabel 4.33 Biaya Transportasi Sesudah Penerapan Metode

Savings Matrix diperoleh total biaya transportasi pada rute baru sebesar Rp. 14.351.031,1 sehingga diperoleh penghematan Biaya Transportasi dari Rp.

42 20.365.233,45 menjadi Rp. 14.351.031,1 dengan penghematan sebesar Rp. 6.014.202,35 km atau penghematan Biaya Transportasi sebesar 29,53 %.

2. Onny S (2006) : PERANCANGAN SISTEM RUTE DISTRIBUSI DAN

PENJADWALAN PENGIRIMAN BARANG DI PT. KARYA MANDIRI KENCANA SURABAYA.

a. Permasalahan :

PT. Karya Mandiri Kencana, distributor produk tinta yang memiliki jaringan pendistribusian produk yang sangat kompleks dan luas di seluruh Jawa Timur, permasalahan perencanaan rute dan jadwal pengiriman barang merupakan permasalahan operasional yang harus dihadapi. Dengan menggunakan Metode Savings Matrik, dapat ditentukan suatu rute yang optimal sehingga dapat 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. b. Hasil Akhir

Kesimpulan yang dapat diperoleh dari penelitian ini adalah :

Rute A : Truck 1(DC – BJ – AC – AE – BM – AZ – BV – AX – BS – DC) dengan total muatan sebesar 770 kg dan jarak tempuh 44 km, sehingga biaya yang timbul sebesar $3.28.

Rute B : Truck 2 (DC – AW – BI –BH– DC) dengan total muatan sebesar 715 kg dan jarak tempuh 30 km, sehingga biaya yang timbul biaya pengiriman barang selama bulan Desember adalah sebesar Rp.2.658.000.

BAB III

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Dalam Penelitian ini pencarian data dilakukan di PT. Kamadjaja Logistics Surabaya yang berlokasi di Jalan Kalianak Barat 66 Surabaya. Sedangkan waktu penelitian dimulai pada bulan Januari 2010 hingga bulan Maret 2010 atau sampai dengan data dari penelitian ini 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 penulisan, maka dapat diidentifikasi variabel – 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 disini adalah: a) Permintaan Produk (Olie kemasan drum)

Permintaan produk merupakan variabel bebas yang menunjukkan banyaknya permintaan olie untuk setiap customer pada periode tertentu. Dalam penelitian ini merupakan data permintaan olie selama satu tahun.

b) Kapasitas alat angkut

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

c) Rute awal distribusi

Rute awal distribusi merupakan variabel bebas yang menunjukkan rute awal yang dilalui armada dalam pendistribusian olie dari pabrik atau gudang sampai pada lokasi customer.

d) Biaya transportasi

Variabel ini menyatakan total biaya yang dikeluarkan oleh Pabrik dalam setiap pengiriman dari gudang ke custome.

2. Variabel Terikat

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

3.3 Metode Pengumpulan Data

Berisi tentang bagaimana data dikumpulkan sebelum diolah dan dianalisa. Data yang dikumpulkan berisi tentang data primer maupun data sekunder, dimana data sekunder lebih banyak di dalam pengumpulan data ini. Peneliti juga

menggunakan beberapa cara, antara lain melalui Library Reseach (Penelitian

Pustaka) dan Field Research (Penelitian Lapangan).

3.3.1 Library Research (Penelitian Pustaka)

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

3.3.2 Field Reseach (Penelitian Lapangan)

Dalam penelitian lapangan, terdapat tiga cara yang dilakukan, antara lain : 1. Metode Wawancara ( Interview)

Yaitu teknik pengumpulan data dengan menggunakan tanya jawab secara langsung dengan pimpinan, karyawan dan pihak-pihak yang terlibat langsung dalam proses distribusi olie.

2. Metode Dokumentasi

Yaitu teknik pengambilan data yang berupa arsip-arsip atau catatan (Jumlah alat angkut, jarak masing-masing customer, jenis produk, data permintaan)

3.4 Metode Pengolahan Data

Dalam penelitian ini metode-metode yang digunakan dalam pengolahan data, yaitu :

1. Peramalan Jumlah Permintaan

Peramalan jumlah permintaan untuk 12 periode dengan menggunakan perangkat lunak WINQSB untuk mengetahui rata-rata

permintaan tiap periode pada masing-masing kota customer berdasarkan data masa lalu (Moving Average, Weighted Moving Average, Single

Exponential Smoothing, Double Exponential Smoothing)

2. Perhitungan, Mean Square Error (MSE), dengan melihat nilai kesalahan peramalan terkecil untuk beberapa periode mendatang.

3. Pembuatan Matrik Jarak

Pembuatan matrik jarak, dengan terlebih dahulu menentukan koordinat jarak dari gudang ke tiap kota customer, kemudian dihitung jaraknya dengan rumus:

  

 



2

2 1 2 2 1 2

,

1 y y

J     

sehingga didapat besarnya jarak dari pabrik ke tiap-tiap kota customer dan jarak dari customer satu ke customer yang lainnya, hasil yang didapat ditabelkan dalam bentuk matrik jarak.

4. Perhitungan Savings Matrix

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

Savings Matrix :

       

x y J G x J G y J x y 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. Merekomendasikan Jalur Distribusi yang Menghasilkan Biaya

Transportasi yang Terkecil dan diperoleh keuntungan yang optimum.

3.5 Langkah-Langkah Pemecahan Masalah

Perhitungan Savings Matrix. Langkah-langkah metode Savings matrix :

 Mengidentifikasi matrik jarak

 Mengidentifikasi matrik penghematan (Savings Matrix)

 Mengalokasikan customer ke kendaraan atau rute

 Mengurutakan customer (tujuan) dalam rute yang sudah terdefinisi

Perhitungan Biaya Transportasi pada rute baru untuk Jan 09 – Des 09 (Bu)

Rute baru Savings

Matrix berdasarkan

permintaan Jan 09 – Des 09 Mulai

Studi Lapangan Studi Literatur

Menghitung jarak koordinat lokasi dari gudang ke tiap-tiap customer Perumusan Masalah dan Tujuan Penelitian

Identifikasi Variabel

Pengumpulan Data:

 Data permintaan tiap kota customer Jan 09 – Des 09

 Data kapasitas alat angkut

 Data rute awal distribusi dari gudang ke tiap kota

customer

 Data biaya transportasi Jan 09 – Des 09

Mengalokasikan permintaan

customer Jan 09 –

Des 09 pada rute awal

Perhitungan Biaya Transportasi pada rute awal Jan 09 –

Des 09 (Ba)

Bu < Ba?

Ya

A _{B Tidak}

Gambar 3.1 Langkah-Langkah Pemecahan Masalah

Ya

Tidak A

Penetapan Metode Peramalan

Perhitungan Nilai MSE Ploting data permintaan tahun 2009

Melakukan uji MRC dari metode peramalan yang digunakan

Data Terkontrol ? Pilih nilai MSE terkecil

Selesai

Peramalan dengan metode peramalan yang terpilih untuk periode Mendatang (tahun 2010)

Rute baru dengan penerapan Savings Matrix

Rekomendasi jalur distribusi Perhitungan Biaya Transportasi pada rute baru

Hasil Analisa dan Pembahasan

Kesimpulan dan Saran

B

Penjelasan Langkah-Langkah Pemecahan Masalah : 1. Perumusan Masalah dan Tujuan Penelitian

Target dari PT. Kamadjaja Logistics Surabaya adalah dapat melakukan waktu pengiriman produk secara tepat, biaya yang efisien, dan pelayanan yang baik. PT. Kamadjaja Logistics Surabaya dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sehingga perumusan dari permasalahan ini adalah “Bagaimana merencanakan rute

pendistribusian produk olie kemasan drum untuk meminimalkan biaya transportasi di PT Kamadjaja Logistics Surabaya”

Untuk menyelesaikan permasalahan tersebut, digunakan Metode

Savings Matrix di PT. Kamadjaja Logistics Surabaya. Tujuan dari

penelitian ini yaitu menentukan jalur distribusi produk olie yang akan dilayani berdasarkan kapasitas alat angkut, menentukan jadwal pengiriman olie dan mendapatkan efisiensi jalur distribusi olie dengan metode savings

matrix.

2. Studi Literatur dan Studi Lapangan

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

3. Identifikasi Variabel

Melakukan identifikasi variabel berdasarkan permasalahan yang didapat pada saat dilakukan studi literatur dan studi lapangan, sehingga dapat diketahui varibel bebas dalam penelitian ini adalah kapasitas alat angkut, permintaan produk (olie), rute awal distribusi. Sedangkan variabel terikat adalah penjadwalan jalur distribusi yang optimal, dimana penentuan jalur distribusi yang tepat dapat menurunkan biaya transportasi. 4. Pengumpulan Data

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

a) Data permintaan olie bulan Januari 2009 – Desember 2009 b) Rute awal pengiriman produk olie ke customer

c) Data kapasitas alat angkut

d) Data biaya transportasi (biaya bahan bakar, uang jalan sopir, biaya retribusi, biaya bongkar muat, dll)

5. Menghitung jarak koordinat lokasi dari pabrik ke tiap-tiap customer

Dalam menghitung jarak koordinat dari gudang ke tiap-tiap lokasi, digunakan peta pulau jawa dengan skala perbandingan 1: 1.100.000, dimana 1 cm pada peta mewakili 1.100.000 cm pada jarak lokasi customer sebenarnya atau sama dengan 11 km

6. Mengalokasikan permintaan customer Januari 2009 – Desember 2009 pada rute awal

Besarnya permintaan customer untuk Januari 2009 – Desember 2009 dialokasikan pada rute awal atau rute yang dimiliki perusahaan untuk pengiriman produk..

7. Perhitungan biaya Transportasi Januari 2009 – Desember 2009 dengan rute awal

Setelah pengalokasian permintaan customer pada rute awal, selanjutnya melakukan Perhitungan biaya transportasi Januari 2009 – Desember 2009

8. Mengalokasikan permintaan customer Januari 2009 – Desember 2009 pada rute baru (Penerapan Metode Savings Matrix)

Mengalokasikan permintaan customer Januari 2009 – Desember 2009 pada rute baru dengan Penerapan Metode Savings Matrix.

9. Perhitungan Savings Matrix

Dalam Perhitungan Savings matrix, ada beberapa langkah-langkah, yaitu : a. Mengidentifikasi Matrik jarak

Pembuatan matrik jarak, dengan terlebih dahulu menentukan koordinat jarak dari pabrik ke tiap kota customer, kemudian dihitung jaraknya dengan rumus:

  

 



2

2 1 2 2 1 2

,

1 y y

J     

Tabel 3.1 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

b. Mengidentifikasi matrik penghematan (Savings Matrix) dengan jarak

   

x,y  y,x

       

x y J G x J G y J x y S ,  ,  ,  ,

dimana :

 

x y 

S , Penghematan jarak (Savings) yang diperoleh dengan

menggabungkan rute x dan y menjadi satu

 

G x 

J , Jarak dari gudang ke customer x

 

G y 

J , Jarak dari gudang ke customer y

 

x y 

J , Jarak dari customer x ke customer y

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

Dengan menggunakan metode savings matriks, didapatkan 5 rute dan 6 kendaraan yang melayani 9 customer yang tersebar di seluruh pulau jawa

Rute setelah diterapkan metode Savings Matrix

Tabel 4.18 Rute Pengiriman Tahun 2009 Sesudah Penerapan Metode Savings Matrix

Dari tabel diatas dapat dilihat bahwa pada rute ke 5, customer 1 dilayani oleh 2 armada. Hal ini terjadi karena truk yang tersisa dioptimalkan untuk mampu melayani sisa order yang ada. Sehingga didapatkan untuk tiap truk CDD (dari 2 CDD yang ada) mendapatkan jumlah muatan yang sama besar untuk melayani Customer 1 ( PT Chrysanta Artha Pratama).

Pada tabel diatas juga menunjukkan bahwa secara kilometer rute yang baru tidak memberikan penghematan dan sebaliknya jumlah kilometer menjadi bertambah. Hal ini disebabkan oleh adanya 2 truk CDD yang melayani 1 customer pada rute 5 sehingga jumlah kilometer pun bertambah.

Setelah dilakukan peramalan permintaan, untuk periode tahun 2010 didapatkan 4 rute dan 5 truk untuk melayani 9 customer yang tersebar di pulau jawa. Berdasarkan hal ini perusahaan secara dini dapat membuat rencana untuk

mengoptimalkan kendaraan yang tidak terpakai (1 CDD) untuk melakukan pengiriman produk lainnya.

4.3.3 Analisa Perbandingan Biaya Transportasi Sebelum dan Sesudah Penerapan Metode Savings Matrix

Walaupun secara kilometer metode ini tidak memberikan penghematan, tetapi metode ini memberikan penghematan dalam hal biaya transportasi. Berikut adalah penghematan yang dapat diperoleh dari penerapan metode ini

Tabel 4.19 Perbandingan Biaya Transportasi

Berdasarkan tabel diatas diketahui:

Biaya Transportasi Sebelum Savings Matrix = Rp 465.255.456,- / tahun Biaya Transportasi Setelah Savings Matrix = Rp 413.449.956,- / kirim

Berdasarkan perhitungan Biaya Transportasi didapat penghematan sebesar Rp 51.805.500,- / tahun atau sebesar 11 %, maka rute baru dengan penerapan Savings Matrix dapat direkomendasikan sebagai rute baru untuk pengiriman permintaan customer untuk periode selanjutnya.

Setelah dilakukan peramalan permintaan untuk periode tahun 2010 total biaya transportasi pada rute baru sebesar Rp 681.901.716,- / kirim.

BAB V

KESIMPULAN DAN SARAN

5.1Kesimpulan

Kesimpulan yang dapat diperoleh dari penelitian ini adalah :

1. Berdasarkan penerapan metode saving matriks perusahaan dapat mengoptimalkan jumlah truk yang ada untuk melayani 9 customer yang ada pulau Jawa dengan 5 rute, rute – rute tersebut antara lain:

a. Rute 1 : (G – C5 – C8 - G)

Gudang Surabaya – Semarang – Bekasi – Gudang Surabaya

Dengan beban order sebanyak 423 drum/bulan dan total lead time pengiriman 4 hari/kirim, perusahaan menggunakan truk Container 20’ dengan kemampuan muat 520 drum/bulan

b. Rute 2 : (G – C6 – C9 - G)

Gudang Surabaya – Situbondo – Banyuwangi – Gudang Surabaya

Dengan beban order sebanyak 387 drum/bulan dan total lead time pengiriman 2 hari/kirim, perusahaan menggunakan truk Fuso dengan kemampuan muat 520 drum/bulan

c. Rute 3 : (G – C3 – C2 - G)

Dengan beban order sebanyak 1.202 drum/bulan dan total lead time pengiriman 1 hari/kirim, perusahaan menggunakan truk Wing Box dengan kemampuan muat 1560 drum/bulan

d. Rute 4 : (G – C7 – C4 - G)

Gudang Surabaya – Surabaya Sektor 4 – Surabaya Sektor 6 – Gudang Surabaya

Dengan beban order sebanyak 587 drum/bulan dan total lead time pengiriman 1 hari/kirim, perusahaan menggunakan truk Fuso dengan kemampuan muat 1040 drum/bulan

e. Rute 5 : (G – C1 - G)

Gudang Surabaya – Gresik – Gudang Surabaya

Dengan beban order sebanyak 709 drum/bulan dan total lead time pengiriman 1 hari/kirim, perusahaan menggunakan 2 truk CDD dengan kemampuan muat masing-masing 546 drum/bulan atau total 1.092 drum/bulan

2. Berdasarkan rute diatas terdapat penambahan jumlah kilometer dari yang awalnya 1.770 km / kirim menjadi 1.790 km / kirim atau terjadi peningkatan sebesar 1 % per kirim. Untuk biaya transportasi diperoleh penghematan sebesar 11% dimana awalnya sebesar Rp 465.255.456,- / tahun menjadi Rp 413.449.956,- / tahun setelah menggunakan metode savings matrix.

5.2Saran

Saran yang dapat peneliti sampaikan adalah :

1. Perusahaan sebaiknya mempertimbangkan rute usulan pengiriman olie kemasan drum ke customer di wilayah pulau Jawa karena dengan rute baru tersebut diperoleh biaya transportasi yang lebih rendah dari sebelumnya.

2. Pada rute yang baru, khususnya pada rute 5, perusahaan dapat menggunakan 1 truk Fuso Engkel dengan kapasitas yang lebih besar untuk mengganti 2 truk CDD yang melayani PT Chrysanta Artha Pratama dimana secara jumlah kilometer dan biaya transportasi hasilnya lebih rendah. Sehingga perusahaan hanya mengalokasikan 5 truk saja dan 2 truk CDD tersisa dapat digunakan untuk pengiriman produk yang lain untuk menambah pendapatan

3. Perlu dilakukan pengujian atau trial terhadap perhitungan setelah adanya penerapan metode untuk menguji sejauh mana metode ini dapat diterapkan di lapangan.

DAFTAR PUSTAKA

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

Chopra, Sunil dan Peter Meindl. 2001. Supply Chain Management. Ney Jersey : Prentice Hall.

Dimyati, Tjatju Tarliah. 1992. Operations Research Model-Model Pengambilan Keputusan. Bandung : Sinar Baru Algensindo.

Nasution, Arman Hakim. 2003. Perencanaan dan Pengendalian Produksi. Edisi pertama. Jakarta : Guna Widya.

Pakis, Spyros Makri dan Steven C. Wheelwright. 1995. Metode dan Aplikasi Peramalan. Jakarta : Penerbit Erlangga.

Pujawan, I Nyoman.2001. Supply Chain Management.Jakarta : institute teknologi Sepuluh Nopember

Salim, H.A Abbas. 2002. Manajemen Transportasi. Edisi ke-empat. Jakarta : PT. Raja Grafindo Prasada.