PENINGKATAN EFFISIENSI PENDISTRIBUSIAN KORAN DENGAN MENENTUKAN JALUR DISTRIBUSI PALING OPTIMAL DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT. HARIAN SURABAYA PAGI.

DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT.

HARIAN SURABAYA PAGI

SKRIPSI

Oleh :

RIZAL SEXTOVIANTO

05 32010 134

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

Bismillahirrohmanirrohiim

Segala puji bagi Allah yang telah memberikan rahmat dan kasih sayangnya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini dengan judul “PENINGKATAN EFFISIENSI PENDISTRIBUSIAN KORAN DENGAN MENENTUKAN JALUR DISTRIBUSI PALING OPTIMAL DENGAN MENGGUNAKAN METODE SAVINGS MATRIX DI PT. HARIAN SURABAYA PAGI”. 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, MP. Selaku Rektor Universitas Pembangunan Nasional “Veteran” Jawa Timur.

2. Bapak Ir. Sutiyono. MT Selaku Dekan Fakultas Teknologi Industri Universitas Pembangunan Nasional “Veteran” Jawa Timur.

3. Bapak Ir. MT.Safirin, MT. Selaku Ketua Jurusan Teknik Industri Universitas Pembangunan Nasional “Veteran” Jawa Timur dan sebagai pembimbing I saya..

6. Kedua Orang Tuaku, Bapak dan Ibu yang selalu memberikan nasehat-nasehat, dorongan, doa, dan kasih sayang selama ini.

7. Sahabat-sahabatku Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Pembangunan Nasional “Veteran” Jawa Timur Angkatan ’05

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.

Surabaya, Juni 2010

KATA PENGANTAR ...i

DAFTAR ISI……….. ..iii

DAFTAR TABEL……….. ..vii

DAFTAR GAMBAR………...…..ix

DAFTAR LAMPIRAN………..x

ABSTRAKSI...xi

BAB I PENDAHULUAN 1.1 Latar Belakang………...…1

1.2 Rumusan Masalah ………...2

1.3 Batasan Masalah .………3

1.4 Asumsi...……….3

1.5 Tujuan Penelitian ...………..4

1.6 Manfaat Penelitian ……….……….…4

1.7 Sistematika Penulisan ……….….5

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

2.2 Metode Savings Matrix……….13

2.2.1Pengertian Metode Savings Matrix………..13

2.3.2Beberapa Sifat Hasil Peramalan………...21

2.3.3Prosedur Peramalan………..21

2.4 Metode Time Series………..27

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

2.4.2 Ukuran akurasi dari peramalan………31

2.4.3 Pola Permintaan………...33

2.5 Efisiensi penjadwalan jalur distribusi..……….35

2.6 Analisa keputusan ...36

2.6.1 Langkah – langkah dalam analisa keputusan ...37

2.7 Penelitian terdahulu ...38

BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian………...41

3.2 Identifikasi dan Definisi Operasional Variabel……….41

3.2.1 Variabel bebas ...41

3.2.2 Variabel Terikat ...42

3.3 Metode Pengumpulan Data………...42

3.4 Metode Pengolahan Data………...…………...43

3.5 Langkah-Langkah Pemecahan Masalah………45

BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan Data………..56

4.1.3 Data Rute Awal………...58

4.1.4 Data Biaya Transportasi Awal………59

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……….64

4.2.2.1 Penentuan Alokasi customer Pada Rute Awal berdasarkan Permintaan Tahun 2009...64

4.2.2.2 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009...66

4.2.3 Mengalokasikan Permintaan Customer Tahun 2009 pada Rute Baru (Penerapan Metode Savings Matrix)…………...68

4.2.3.1 Mengalokasikan Permintaan customer dengan Metode Savings Matrix………....…...…...68

4.2.3.2 Biaya Transportasi Sesudah Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009...85

4.2.4 Peramalan Permintaan Tiap Customer ...87

4.2.4.1 Ploting Data Permintaan Tahun 2008...87

4.2.4.2 Penetapan Metode Peramalan...88

yang Digunakan...90 4.2.4.6 Peramalan Permintaan Tahun 2010...91 4.2.5 Rute Baru (Penerapan Metode Savings Matrix)

Berdasarkan Permintaan Tahun 2010...92 4.2.6 Perhitungan Biaya Transportasi Rute Baru Untuk tahun 2010...93 4.2.7 Rekomendasi Jalur Distribusi Untuk Tahun 2010...95 4.3 Analisa dan Pembahasan ...95

4.3.1 Analisa Penentuan dan Urutan Kunjungan pada

Jalur Distribusi...95 4.3.2 Analisa Perbandingan Rute atau Jalur Distribusi Sebelum

dan Sesudah Penerapan Metode Savings Matrix……..………..98 4.3.3 Perbandingan Biaya Transportasi Sebelum dan

Sesudah Penerapan Metode Savings Matrix ………..…..100

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan………...102

5.2 Saran………..………103

DAFTAR PUSTAKA

Tabel 2.1 Lokasi Tujuan dan Ukuran order………..14 Tabel 2.2 Matrik Jarak dari Pabrik ke customer dan antar customer………15 Tabel 2.3 Matrik Penghematan Jarak dengan menggabungkan dua rute

yang berbeda..……….17 Tabel 2.4 Langkah Awal Semua Customer Memiliki Rute Terpisah…………...17 Tabel 2.5 Semua Customer Memiliki Rute Terpisah……….…………...18 Tabel 2.6 Customer 4 Masuk ke Rute a dan Customer 3 Masuk

ke Rute……….………....18 Tabel 3.1 Matrik Jarak Dari Pabrik ke Customer dan Antar Customer…………50 Tabel 3.2 Matrik Penghematan Jrak dengan Menggabungkan

2 Rute yang Berbeda………51 Tabel 3.3 Semua Customer Memiliki Rute Terpisah………51 Tabel 3.4 Customer 4 Masuk ke Rute a dan Customer 3 Masuk ke Rute c……..52 Tabel 4.1 Data Permintaan Koran (exemplar)

Selama Tahun 2009………..56 Tabel 4.2 Rata-rata besarnya Order Size perbulan Tiap Customer

Untuk Tahun 2009………57 Tabel 4.3 Kapasitas Alat Angkut………...58 Tabel 4.4 Rute Awal Pendistribusian Koran dari Pabrik ke Customer…...58 Tabel 4.5 Jarak Total Perjalanan dan Beban Order Pendistribusian

Koran dari Pabrik ke Customer pada Rute Awal…...…………..59 Tabel 4.6 Daftar Harga Untuk Biaya Transportasi Awal………...59

Koordinat Dan Satuan km………...………63

Tabel 4.9 Matrik Jarak....………...69

Tabel 4.10 Savings Matrix……….71

Tabel 4.24 Matriks Rekapitulasi iterasi 1 sampai 12……….78

Tabel 4.25 Nilai MSE dari 3 Metode Peramalan...89

Tabel 4.26 Nilai MSE Terkecil dan Metode Yang Digunakan...90

Tabel 4.27 Rata-rata Besarnya Order Size Perbulan Untuk 2010...92

Tabel 4.28 Urutan Kunjungan Untuk Rute Awal………...96

Tabel 4.29 Urutan Kunjungan Untuk Rute Baru………...96

Tabel 4.30 Rute Awal dan Total Jarak Tempuh………98

Tabel 4.31 Rute Baru dan Total JarakTempuh………..99

Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix…..100

Gambar 2.1 Perubahan yang terjadi dengan menggabungkan customer1

dan customer 2 ke dalam satu rute………16

Gambar 2.2 Trend component ( pola permintaan )………33

Gambar 2.3 Seasonal component ( pola musiman )………...34

Gambar 2.4 Cyclical component ( pola siklus )……….34

Gambar 2.5 Random component ( pola acak)………35

Gambar 2.6 Siklus analisa keputusan ………37

Gambar 3.1 Langkah-langkah Pemecahan Masalah……….46

Lampiran A : Gambaran Umum Perusahaan Lampiran B : Plot Data Permintaan Tahun 2009 Lampiran C : Hasil Uji MRC

Lampiran D : Jarak sesungguhnya Lampiran E : Perhitungan Matrik Jarak Lampiran F : Perhitungan Savings Matrix Lampiran G : Hasil Iterasi 1 Sampai 12

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. Harian Surabaya Pagi merupakan perusahaan yang bergerak dalam industri Percetakan surat kabar. PT. Harian Surabaya Pagi Baru memiliki permasalahan dalam proses distribusi, dimana dalam satu kali pengiriman produk hanya dilakukan pada satu

customer, sehingga mengakibatkan jalur pengiriman yang ditempuh semakin panjang

tanpa melihat terlebih dahulu kapasitas dari kendaraan dan jarak yang akan ditempuh serta mengakibatkan biaya tranportasi yang mahal.

Kegiatan distribusi ini dapat berjalan lebih efektif dan efisien, jika perusahaan merencanakan penjadwalan dan urutan-urutan rute dalam transportasi. Penjadwalan dan penentuan jalur transportasi dapat diselesaikan dengan metode Savings Matrix.

Dari pengolahan data dan pembahasan permasalahan jalur distribusi menggunakan metode Savings Matrix didapat 5 rute baru yang meliputi rute A sebesar 248,576 Km, rute B sebesar 318,28 Km, rute C sebesar 56,578 Km, rute D sebesar 75,472Km, dan rute E sebesar 31,592 Km. Dengan total jarak sebesar 730,498 Km. Penghematan jarak dan efisiensi biaya yang diperoleh dari 7 rute dengan total jarak sebesar 734,764 Km menjadi 5 rute dengan total jarak sebesar 730,498 Km, sehingga penghematan total jarak tempuh sebesar 4,266 km atau sebesar 29,53 %. Serta Penghematan Biaya Transportasi dari rute awal sebesar Rp. 707.636 menjadi Rp. 621.323 pada rute baru. Maka penghematan biaya sebesar Rp.86.313 atau penghematan Biaya Transportasi sebesar 27 %.

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 dituntutsemakin berkompetitif. Perusahaan tidak hanya dituntut untuk mempertahankan kinerja yang sudah diraihtapi juga harus meningkatkan tingkat permintaan yang sudah ada dalam memenuhi permintaan konsumen dan memenangkan persaingan. Dalam memenuhi permintaan konsumen, selain dilihat dari proses produksi juga ada satu faktor yang perlu diperhatikan, yaitu pendistribusian produk dari perusahaan ke konsumen yang tepat waktu dan efektif. Pendistribusian memegang faktor penting, dikarenakan tanpa adanya pola pendistribusian yang tepat, maka proses ini juga akan memakan biaya tinggi dan mengakibatkan pemborosan dari segi waktu, jarak dan tenaga Distribusi merupakan salah satu faktor penting bagi perusahaan untuk dapat melakukan pengiriman produk secara tepat kepada pelanggan. Ketepatan pengiriman produk kepada pelanggan harus memiliki dasar penjadwalan dan penentuan rute secara tepat, sehingga customer yang akan dikunjungi menerima produk dalam kondisi baik.

Agar kegiatan distribusi ini dapat berjalan lebih efektif dan efisien, perusahaan melibatkan pembentukan jadwal dan urutan-urutan rute dalam transportasi. Penjadwalan dan penentuan jalur transportasi dapat diselesaikan dengan metode Savings Matrix. Metode Savings Matrix merupakan metode yang

digunakan dalam menentukan jalur/rute disribusi produk ke outlet dengan cara menentukan jalur yang harus dilalui dan jumlah alat angkut berdasarkan kapasitas dari alat angkut tersebut agar diperoleh jalur terpendek dan biaya transportasi yang optimum.

PT. Harian Surabaya Pagi merupakan perusahaan yang bergerak dalam industry percetakan koran. Sasaran distribusi PT. Harian Surabaya Pagi adalah dapat melakukan waktu pengiriman produk dengan biaya yang efisien, dan pelayanan yang baik. Sehingga PT. Harian Surabaya Pagi dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut ada beberapa keterbatasan dari perusahaan, kurangnya perencanaan pengiriman dan pendistribusian barang yang tepat untuk menentukan jalur distribusi ke customer, sehingga mengakibatkan jalur pengiriman yang ditempuh semakin panjang tanpa melihat terlebih dahulu kapasitas dari kendaraan dan jarak yang akan ditempuh, sehingga mengakibatkan biaya tranportasi yang mahal.

Berdasarkan permasalahan perusahaan tersebut, maka perusahaan membutuhkan suatu usulan penjadwalan dan penentuan jalur distribusi secara tepat untuk mengurangi pemborosan dalam segi jarak, dan tenaga sehingga mendapatkan biaya transportasi yang lebih efisien.

1.2 Rumusan Masalah

Berdasarkan permasalahan yang ada di perusahaan berkaitan dengan pengiriman produk surat kabar ( Koran ), maka dirumuskan permasalahan penelitian sebagai berikut :

“ Bagaimana meningkatkan effisiensi pendistribusian Koran di PT. HARIAN

SUARABAYA PAGI dengan menentukan jalur distribusi paling optimal dengan metode saving matrix ”

1.3 Batasan Masalah

Batasan masalah dalam penelitian ini adalah : 1. Penelitian hanya dilakukan pada produk koran

2. Rute distribusi diartikan adalah jalur yang dilalui armada sampai ke masing-masing customer yaitu di daerah Jawa Timur (Surabaya, Sidoarjo, Mojokerto, Lamongan, Jember, Malang, Madura)

3. Biaya Transporasi meliputi biaya tenaga kerja, biaya bahan bakar, serta biaya retribusi (Tol dan lain-lain).

1.4 Asumsi

Asumsi yang digunakan dalam penelitian ini adalah :

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

2. Biaya retribusi, biaya tenaga kerja, biaya bahan bakar diasumsikan tetap selama penelitian dilakukan.

1.5 Tujuan Penelitian

Adapun tujuan penelitian ini adalah :

1. Menentukan jalur distribusi produk yang akan dilayani berdasarkan kapasitas alat angkut.

2. Mendapatkan penghematan biaya transportasi setelah dilakukan perbaikan jalur distribusi.

1.6 Manfaat Penelitian

Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah : 1. bagi mahasiswa,

 Dapat memberikan pengalaman penelitian dalam masalah distribusi.  Agar dapat membandingkan teori yang didapat dikampus dengan

keadaan sebenarnya dilapangan. 2. bagi universitas,

 Dapat memberikan refrensi tambahan di bidang industri khususnya tentang transportasi dan distribusi.

 Menjadi acuan bagi mahasiswa lain untuk menambah dan mengembangkan ilmu pengetahuan tentang teori saving matrix.

3. bagi perusahaan, Perusahaan mendapatkan masukan dalam penghematan biaya transportasi setelah dilakukan perbaikan jalur distribusi.

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 distribusii, penjadwalan dan penentuan jalur dalam transportasi 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 dilakukan untuk mencapai tujuan dari penelitian selama pelaksanaan penelitian.

BAB IV 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

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.

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. (Woodward, 1996)

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 (Salim,2002) :

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 (Salim,2002):

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 y ₃ C Unit

Customer 4 ₄ y₄ D Unit .

. . Customer n

. . . n



. . . n

y

. . . N Unit Sumber : supply chain management, I Nyoman Pujawan.2005

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/Guda

ng

Custome r 1

Custome r 2

Custome r 3

Custome r 4

…Custom

er n Custome

r 1 Custome

r 2 Custome

r 3 Custome

r 4

. . .

Custome r n

Sumber : supply chain management, I Nyoman Pujawan.2005

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

Sumber : supply chain management, I Nyoman Pujawan.2005

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

Sumber : supply chain management, I Nyoman Pujawan.2005 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/Guda ng Custome r 1 Custome r 2 Custome r 3 Custome r 4 …Custom er n Custome r 1 Rute a Custome r 2

Rute b

Custome r 3

Rute c

Custome r 4

Rute d

. . . Custome r n Rute z

Order A B C D …N Unit

Sumber : supply chain management, I Nyoman Pujawan.2005

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

Sumber : supply chain management, I Nyoman Pujawan.2005

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

Sumber : supply chain management, I Nyoman Pujawan.2005

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 (Nasution,

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..

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.

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

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 lebih kecil dibandingkan kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut :

n F A

MAD  t  t

Dimana :

A = permintaan aktual pada periode – t

Ft = hasil peramalan (forecast) pada periode – t

n = jumlah periode peramalan yang terlibat

b) Rata-rata Kuadarat 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 t t

2

c) Rata-rata Persentase Kesalahan Absolut (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 actual

selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara sistematis sebagai berikut : 



       t t t A F A n MAPE 100

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

1

c = bobot masing-masing data yang digunakan





, ditentukan secara subyektif

1 1 

c

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-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



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 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 (Baroto, 2002) : 1. Hasil peramalan tidak falid, 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.

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 

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

t X Xt 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

dengan : t t t a a f C . 1 0   N f f a 2 1

1

 

 

1

2 , 0

0 a 2N a

a  _N 

N f f N t N f f N N t t



_   2 1 2 t 



1 1 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 (Nasution, 2003 ) :

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.

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 )

Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003

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 )

Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003

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 )

Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003

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 )

Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003

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-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

Sumber : perencanaan dan pengendalian produksi, Arman Hakim N. 2003

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 probabilistik

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.

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 Biaya Transportasi

Bahan bakar untuk kendaraan biasanya unsur biaya terpenting untuk transportasi dan masukan yang berkas – berkasnya biasanya cukup baik. Jika anda tidak memiliki catatan pengeluaran, konsumsi bahan bakar dapt diperkirakan berdasarkan kilometter kendaraan. Jika catatan sebenarnya tidak tersedia untuk semua jenis kendaraan, wawancara pengemudi untuk mengisi informasi yang kurang dan tanyakan menurut pengalaman mereka, berapa rata-rata biaya bahan bakar.

Menghitung besarnya biaya transportasi dapat dihitung dengna rumus:

Rata-rata kilometer perjalanan/ jarak tempuh x konsumsi bahan bakar (liter / km) x harga per liter bahan bakar

Sumber :http//aim.path.org/ (advanced immunization management, April 2009)

2.8 Penelitian Terdahulu

1. Tria Melati, 2008 : PENENTUAN RUTE DISTRIBUSI PRODUK DENGAN MENGGUNAKAN METODE SAVINGS MATRIX UNTUK MEMINIMALKAN BIAYA TRANSPORTASI. (Study Kasus di PT. SNS Garuda Food Group Cabang Banjarmasin)

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 :

1. Rute atau jalur distribusi yang dilalui truk sampai kedistributor setelah diurutkan menggunakan prosedur Nearest Neighbour adalah :

 Rute A : (DC-D2-D4-D11-D12-DC) atau (Warehouse, Banjarbaru, Pelaihari, Batulicin, Kotabaru, Warehouse). Total jarak yang ditempuh 567 km.

 Rute B : (DC-D5-D6-D7-D8-D10-DC) atau (Warehouse, Marabahan, Rantau, Kandang, Barabal, Tanjung, Warehouse). Total karak tempuh 504 km.

 Rute C : (DC-D3-D9-DC) atau (Warehouse, Martapura, Amuntai, Warehouse). Total jarak tempuh 305 km.

 Rute D : (DC-D1-DC) atau (Warehouse, Banjarmasin,

2. Kendaraan atau alat angkut yang akan ditugaskan pada tiap-tiap rute yaitu

 Rute A : Menggunakan 1 buah truk box roda 6  Rute B : Menggunakan 1 buah truk box roda 6  Rute C : Menggunakan 1 buah truk box roda 6  Rute D : Menggunakan 1 buah truk box roda 4

3. Dari kondisi awal perusahaan diketahui biaya pengiriman produk sebesar Rp. 1.539.462 setelah dilakukan perhitungan dengan menggunakan metode savings matrix diperoleh biaya pengiriman produk sebesar Rp. 1.189.325 sehingga didapatkan penghematan biaya pengiriman sebesar Rp. 350.135/hari atau sebesar 22,75%.

2. ONNY SETYONO (2006) : PERANCANGAN SISTEM RUTE 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.

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Data yang digunakan dalam penelitian ini diperoleh dari PT. Harian Surabaya Pagi yang berlokasi di jalan Gunung Sari 11d, Surabaya. Waktu pengambilan data sekunder dimulai bulan September 2009 sampai selesai.

3.2 Identifikasi dan Definisi Operasional Variabel

Dalam penelitian ini akan menentukan variabel-variabel sebagai ukuran performansi dan masalah yang diteliti. Variabel yang digunakan sebagai berikut :

3.2.1 Variabel Bebas

Yaitu variabel yang mempengaruhi variasi perubahan nilai variabel terikat, meliputi :

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

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

c) Rute awal distribusi

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

d) Biaya transportasi ( termasuk biaya restribusi )

Variabel ini menyatakan total biaya yang dikeluarkan oleh perusahaan dalam setiap pengiriman dari perusahaan ke customer dalam 1 rute.

3.2.2 Variabel Terikat

Yaitu variabel yang nilainya tergantung dari variasi perubahan variabel bebas.

Variabel terikatnya yaitu : peningkatan efisiensi dengan menentukan jalur distribusi yang optimal, dimana penentuan jalur distribusi yang tepat dapat mengakibatkan efisiensi biaya transportasi.

3.3 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 :

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 pendekatan antara lain :

1. Observasi atau Penelitian

Merupakan suatu teknik pengumpulan data yang didapat dari observasi pada obyek penelitian, seperti jenis produk, data produksi, waktu produksi 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, 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, data jarak masing-masing customer.

Library Research (Penelitian Pustaka)

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

3.4 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 software WINQSB untuk mengetahui rata-rata permintaan tiap periode pada masing-masing kota customer berdasarkan data masa lalu (Single

2. Perhitung 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 pabrik 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 didasrakan 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

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

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

Mulai

Studi Lapangan Studi Literatur

Ya

Tidak

A

Menghitung jarak koordinat lokasi dari pabrik ke tiap-tiap customer

Mengalokasikan permintaan

customer tahun

2009 pada rute awal

Perhitungan Biaya Transportasi pada rute awal untuk

tahun 2009

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 tahun 2009 Rute baru dengan

penerapan Savings

Matrix berdasarkan

permintaan tahun 2009

Biaya Transportasi Sesudah Penerapan Savings Matrix < Biaya Transportasi Sebelum penerapan Savings Matrix

untuk tahun 2009?

Perumusan Masalah dan Tujuan Penelitian

Identifikasi Variabel

Pengumpulan Data:

 Data permintaan tiap kota customer tahun 2009

 Data kapasitas alat angkut

 Data rute awal distribusi dari pabrik ke tiap kota

customer

 Data biaya transportasi dengan rute awal tahun 2009

Gambar 3.1 Langkah-Langkah Pemecahan Masalah

A

B

Penetapan Metode Peramalan

Perhitungan Nilai MSE Ploting data permintaan tahun 2009

Melakukan uji MRC dari metode peramalan yang digunakan

Data Terkontrol ?

Selesai

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

Rekomendasi jalur distribusi untuk 2010

Analisa dan Pembahasan

Kesimpulan dan Saran

Perhitungan Biaya Transportasi pada rute baru untuk tahun 2010 Rute baru dengan penerapan Savings Matrix berdasarkan permintaan tahun 2010

Ya

Tidak Pilih Nilai MSE Terkecil

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

PT. Harian Surabaya Pagi adalah dapat melakukan waktu pengiriman produk secara tepat, biaya yang efisien, dan pelayanan yang baik. Sehingga PT. Harian Surabaya Pagi dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sehingga Perumusan dari permasalahan ini adalah Bagaimana menentukan penjadwalan jalur distribusi optimal di PT. Harian Surabaya Pagi sehingga dapat meningkatkan efisiensi biaya?

Dalam menyelesaikan permasalahan tersebut, digunakan Metode

Savings Matrix di PT. Harian Surabaya Pagi

Tujuan dari Penelitian ini yaitu Menentukan jalur distribusi produk Surat Kabar yang akan dilayani berdasarkan kapasitas alat angkut, menentukan jadwal pengiriman Surat Kabar dan mendapatkan efisiensi jalur distribusi surat kabar 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-data sebagai bahan untuk pengolahan data. 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 (koran), Rute awal distribusi. Sedangkan variabel terikat adalah penjadwalan jalur distribusi yang optimal, dimana penentuan jalur distribusi yang tepat dapat mengakibatkan efisiensi biaya transportasi.

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 Surat Kabar tahun 2009

b) Rute awal pengiriman produk Surat Kabar ke customer c) Data Kapasitas alat angkut

d) Data Biaya Transportasi (Biaya sewa armada, biaya bahan bakar, biaya retribusi)

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

Dalam menghitung jarak koordinat dari pabrik 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 tahun 2009 pada rute awal

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

7. Perhitungan biaya Transportasi tahun 2009 dengan rute awal

Setelah pengalokasian permintaan customer untuk tahun 2009 pada rute awal, selanjutnya melakukan Perhitungan biaya transportasi tahun 2009

8. Mengalokasikan permintaan customer tahun 2009 pada rute baru (Penerapan Metode Savings Matrix)

Mengalokasikan permintaan customer tahun 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 

 

x y 

J , Jarak dari customer x ke customer y

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

Tabel 3.2 matrik penghematan jarak dengan menggabungkan dua rute berbeda

Customer

1

Customer

2

Customer

3

Customer

4

….Customer n

Customer 1

Customer 2

Customer 3

Customer 4

. . .

Customer n

c. Mengalokasikan customer ke kendaraan atau rute

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 3.3 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

dari tabel diatas didapat penghematan terbesar pada customer 1 dan 4 sebesar 24.9 sehinnga customer 4 bergabung ke rute a (diasumsikan kapasitas truk memadai)

Tabel 3.4 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. d. 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

10. Penghitungan biaya transportasi berdasarkan rute baru untuk tahun 2009 Biaya transportasi dihitung berdasarkan biaya tenaga kerja, biaya bahan bakar, dan biaya retribusi selama perjalan dengan rute yang dilalui sebelum maupun sesudah penerapan metode Savings Matrix. kemudian mengevaluasi biaya yang dikeluarkan perusahan sesudah maupun sebelum penerapan metode Savings Matrix, apakah terjadi penghematan biaya transportasi setelah dilakukan perbaikan jalur distribusi.

11.Memplot data permintaan customer tahun 2009

Data permintaan tahun 2008 diplot untuk mengetahui model data permintaan sebelum dilakukan peramalan permintaan customer untuk tahun 2009. model data yang ada berhubungan dengan metode peramalan yang digunakan.

12.Penetapan Metode Peramalan

Berdasarkan hasil plot data, kita melakukan penetapan metode permalan yang akan digunakan untuk melakukan permalan permintaan

customer tahun 2010

13.Perhitungan Nilai MSE

Dari Hasil Penetapan Metode peramalan permintaan untuk tahun 2010 dilakukan perhitungan MSE terkecil.

14.Plih Nilai MSE Terkecil

Sehingga setelah penerapan metode Savings Matrix diperoleh penghematan rute dari 7 rute menjadi 5 rute dan penghematan total jarak tempuh dari 734,764 km menjadi 730,498 km dengan penghematan sebesar 4,266 km.dengan persentase sebesar 29,53%

4.3.3 Perbandingan Biaya Transportasi sebelum dan Sesudah Penerapan Metode Savings Matrix

Perbandingan Biaya Transportasi sebelum dan Sesudah Penerapan Metode Savings Matrix. Yaitu dengan membandingkan hasil perhitungan Biaya Transportasi sebelum (rute awal) dan Sesudah Penerapan Metode Savings Matrix (rute baru) untuk permintaan customer tahun 2009.

Biaya Transportasi dalam pengiriman produk ke customer memiliki total Biaya Transportasi, sebagai berikut :

Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode Savings Matrix

Rute Customer pada Rute Awal Biaya Transportasi I _{G – C1 – C2 – G} Rp. 33248

II _{G – C3 – C5 - G} Rp. 41117 III G – C4 – C6 – G Rp. 37198

IV _{G – C7 – G} Rp. 180192

V _{G – C9 – C8 –G} Rp. 110542 VI _{G – C10 – C11 – G} Rp. 265893

VII G – C12 – C13 – C14 – G Rp. 39446 Total Biaya Transportasi pada rute Awal Rp. 707636

Biaya Transportasi dalam pengiriman produk ke customer memiliki total Biaya Transportasi, sebagai berikut :

Tabel 4.33 Biaya Transportasi Sesudah Penerapan Metode Savings Matrix

No Rute Baru Biaya Transportasi

A (G-C7-G) Rp. 180192

B (G-C12-C13-C14-C10-C11-G) Rp. 262494

C (G-C9-G) Rp. 63793

D (G-C3-C5-C8-G) Rp. 72295

E (G-C4-C6-C1-C2-G) Rp. 42549

Total Biaya Transportasi pada rute Baru Rp. 621323

Dari Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode Savings

Matrix diperoleh total biaya transportasi pada rute awal sebesar Rp. 707636 dan Tabel 4.33 Biaya Transportasi Sesudah Penerapan Metode

Savings Matrix diperoleh total biaya transportasi pada rute baru sebesar Rp. 621323 sehingga diperoleh penghematan Biaya Transportasi dari Rp. 707636

menjadi Rp. 621323 dengan penghematan sebesar Rp. 86313. dengan persentase sebesar 27,25%

Karena didapatkan penghematan rute, jarak tempuh maupun biaya transportasi setelah melakukan penerapan metode Savings matrix maka untuk tahun 2010, perusahaan dapat menggunakan jalur distribusi dari savings matrix yaitu rute A sampai E dengan total biaya transportasi sebesar Rp. 621323 /perjalanan.

5.1 Kesimpulan

Dari pengolahan data dan pembahasan permasalahan pada bab 4 dapat disimpulkan bahwa rute yang ditentukan meliputi rute A sampai dengan E.

1. Jalur atau rute distribusi yang diperoleh untuk melayani permintaan koran berdasarkan kapsitas alat angkut dengan penerapan metode Savings Matrix , yaitu :

a. Rute A: urutan kunjungan dari Pabrik – Sumenep – Pabrik (G-C7-G), total jarak perjalanan 248,576 km. Dengan beban rute A = 1860 exemplar. menggunakan armada pick up yg memiliki kapasitas sebesar 3600 exemplar .

b. Rute B: urutan kunjungan dari Pabrik – Sriwijaya Air, Juanda – Merpati Air, Juanda – Citilink, Juanda – Malang – Jember – Pabrik (G-C12-C13-C14-C10-C11-G), total jarak perjalanan 318,28 km. Dengan beban rute B = 8670 exemplar. Menggunakan armada truck box. Dengan kapasitas truck box sebesar 10.000 exemplar

c. Rute C: urutan kunjungan dari Pabrik – Mojokerto – Pabrik (G-C9-G), total jarak perjalanan 56,578 km. Dengan beban rute C = 3082 exemplar. Menggunakan armada pick up yg memiliki kapasitas sebesar 3600 exemplar.

d. Rute D: urutan kunjungan dari Pabrik – JMP, Surabaya – Perak, Surabaya – Lamongan – Pabrik (G-C3-C5-C8-G), total jarak perjalanan

e. Rute E: urutan kunjungan dari Pabrik – Menanggal, Surabaya – Buduran, Sidoarjo – Bukit mas, Surabaya – Darmo, Surabaya – Pabrik (G-C4-C6-C1-C2-G), total jarak perjalanan 31,592 km. Degan beban rute E = 2988 exemplar. Menggunakan armada pick up yg memiliki kapasitas sebesar 3600 exemplar.

2. Penghematan jarak dan efisiensi biaya distribusi dengan penerapan metode Savings Matrix, yaitu :

a.. Penghematan Jarak

Penghematan rute dari 7 rute dengan jarak total sebesar 734,764 km menjadi 5 rute dengan jarak total sebesar 730,498 sehingga didapatkn penghematan total jarak tempuh sebesar 4,266 km. dengan persentase sebesar 29,53%

b. Penghematan Biaya Transportasi (efisiensi biaya)

Penghematan Biaya Transportasi dari Rp. 707636 menjadi Rp.621323 dengan penghematan sebesar Rp. 86313. dengan persentase sebesar 27,25%.

5.2 Saran

Pada akhir penelitian ini dapat diberikan beberapa saran baik bagi PT. HARIAN SURABAYA PAGI maupun bagi peneliti yang lain, adalah sebagai berikut :

1. PT. HARIAN SURABAYA PAGI diharapkan dapat menentukan jalur distribusi yang tepat dan optimal, sehingga dapat meminimalkan biaya transportasi.

2. PT. HARIAN SURABAYA PAGI diharapkan dapat menggunakan jalur distribusi baru, dimana jalur distribusi baru tersebut merupakan hasil dari penerapan metode Savings Matrix.

Ariyani, Enny. 2008. Buku Ajar Sistem Produksi. Lembaga Penerbitan Fakultas teknologi Indudtri Universitas Pembangunan Nasional Veteran

Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia Bowersox, Donald, J. 1978. Logistical Management 2. Terjemahan A. Hasyim Ali

Manajemen Logistik 2. Jakarta: Bumi Aksara. 1986

Dimyati, Tjutju Tarliah. 1992. Operations Research Model-Model Pengambilan Keputusan. Bandung : Sinar Baru Algendo.

Mulyono, Sri. 1991. Operations Research. Lembaga Penerbitan Fakultas Ekonomi Universitas Indonesia.

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

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

Salim, H. Abbas. 1993. Manajemen Transportasi. Jakarta: PT. Grafindo Persada. Woodward, Frank, H. 1996. Managing The Transport Service Function

Terjemahan P. Hadinoto. Manajemen Transpor. Jakarta: CV. Terna Grafica. 1996.