PENJADWALAN DISTRIBUSI KARUNG DENGAN METODE SAVINGS MATRIX DI PT. PERKEBUNAN NUSANTARA XI (PERSERO) PK. ROSELLA BARU SURABAYA.

PENJADWALAN DISTRIBUSI KARUNG

DENGAN METODE SAVINGS MATRIX

DI PT. PERKEBUNAN NUSANTARA XI (PERSERO)

PK. ROSELLA BARU SURABAYA

SKRIPSI

Oleh :

CHRISTIAN HARI TRIONO

0632010063

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

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.

PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut masih ada permasalahan dari perusahaan dimana dalam pengiriman karung plastik ke beberapa daerah pemasaran belum adanya perencanaan pengiriman dan pendistribusian barang yang tepat sehingga mengakibatkan biaya tranportasi menjadi mahal dan pemenuhan permintaan produk karung plastik yang diminta oleh costumer sering terlambat.

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

Jalur atau rute distribusi yang diperoleh untuk melayani permintaan Karung Plastik berdasarkan kapsitas alat angkut tahun 2010, yaitu Rute A: urutan kunjungan dari Gudang–Probolinggo–Lumajang–Bondowoso–Madiun–Ngawi–Jember–Situbondo– Magetan–Gudang,total jarak perjalanan 1119,36 km. Rute B: urutan kunjungan dari Gudang–Pasuruan–Mojokerto–Gudang, total jarak perjalanan 217,46 km. Biaya Transportasi dengan metode awal sebesar Rp 9.637.202,- dengan 7 rute pengiriman barang dan biaya transportasi dengan metode saving matrix sebesar Rp. 4.392.615,- dengan 2 rute pengiriman barang. Dengan menggunakan metode saving matrix bisa menghasilkan penghematan biaya transportasi sebesar Rp. 5.424.587,- atau dengan penghematan biaya transportasi sebesar 54,42 %.

BAB I PENDAHULUAN

1.1 Latar Belakang

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.

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 dan sesuai dengan batas waktu permintaan.

PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya merupakan perusahaan yang bergerak dalam industri karung plastik dan benang multifilamen. Sasaran distribusi PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya adalah dapat melakukan waktu pengiriman produk secara tepat, biaya yang efisien, dan pelayanan yang baik. PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut masih ada permasalahan dari perusahaan dimana dalam pengiriman karung plastik 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 karung plastik yang diminta oleh costumer sering terlambat.

Berdasarkan permasalahan perusahaan tersebut, maka perusahaan membutuhkan suatu penjadwalan dan penentuan jalur distribusi secara tepat untuk mengurangi pemborosan dalam segi waktu, jarak, dan tenaga serta mendapatkan biaya transportasi yang lebih murah. Dengan adanya permasalahan tersebut maka dilakukan penelitian dengan metode saving matrix dengan harapan dapat di tentukan jalur pengiriman karung plastik yang lebih cepat sehingga di hasilkan biaya transportasi yang lebih murah dan penyerahan produk karung plastik ke

costumer tepat waktu.

1.2 Rumusan Masalah

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

“ Bagaimana menentukan penjadwalan jalur distribusi optimal di PT.

Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya sehingga dapat

1.3 Tujuan Penelitian

Adapun tujuan penelitian ini adalah :

1. Menentukan penjadwalan jalur distribusi pengiriman karung plastik. 2. Menghasilkan biaya distibusi yang minimum

1.4 Batasan Masalah

Batasan masalah dalam penelitian ini adalah :

1. Penelitian hanya dilakukan pada produk karung plastik dengan netto 120 gram karena pada produk benang multifilamen hasil produksi hanya di gunakan untuk Internal perusahaan dan hanya di distribusikan di daerah Surabaya.

2. Rute distribusi karung plastik dari kota asal Surabaya ke kota Surabaya, Ngawi, Magetan, Madiun, Pasuruan, Probolinggo, Lumajang, Jember, Situbondo.

3. Biaya Transporasi meliputi biaya bahan bakar, biaya sewa armada dan biaya retribusi (Tol dan lain-lain) tahun 2009.

4. Jenis kendaraan yang digunakan dalam distribusi karung plastik adalah pick up, Truk tronton, dan Truk gandeng.

5. Data permintaan produk karung plastik yang di ambil mulai Januari – Desember 2009.

1.5 Asumsi

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

2. Biaya retribusi, biaya sewa armada dan biaya bahan bakar diasumsikan tetap selama penelitian dilakukan.

3. Rute atau jalur distribusi yang dilalui pada saat pengiriman karung plastik dari pabrik ke lokasi customer diasumsikan sama dengan rute kembali dari lokasi

customer ke pabrik.

1.6 Manfaat Penelitian

Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah : 1. Mendapatkan jalur distribusi produk karung Plastik yang akan dilayani

berdasarkan kapasitas alat angkut

2. Mendapatkan saving jarak dan efisiensi biaya distribusi karung plastik dengan metode savings matrix.

3. Memberikan alternatif rute distribusi kepada perusahaan secara tepat waktu dan efisien dalam meminimalkan biaya transportasi.:

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

5. Menjalin hubungan yang erat antara perguruan tinggi yakni Universitas Pembangunan Nasional Jawa Timur dengan perusahaan yang bergerak dalam bidang industri khususnya PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya.

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 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.

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

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.

Transportasi merupakan kegiatan memindahkan atau mengangkut barang dari produsen sampai konsumen dengan menggunakan salah satu moda transportasi, yang dapat meliputi moda transportasi darat, laut atau sungai, maupun udara. (Salim, 1993;

25).

Dengan lancarnya transportasi, tepat waktu, adanya keselamatan barang dan biaya relatif murah akan mempengaruhi harga atau mutu komoditi sampai pada konsumen. Selain itu peranan transportasi dalam penetapan lokasi industri atau kegiatan ekonomi lainya adalah besarnya biaya transportasi, 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. Dapat dirumuskan masalah tarnsportasi dan jarak yang ada, yaitu :

Jarak ost TransportC si

transporta costkm

Masalah transportasi berhubungan dengan distribusi suatu produk tunggal dan beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan

permintaan tertentu, pada biaya transportasi minimum. Dalam permasalahan transportasi ini, kita mengenal 3 metode transportasi yang sering digunakan, yaitu : 1. Metode North-West Corner

Metode Nort-West Corner merupakan metode yang paling sederhana diantara tiga

metode yang telah disebutkan untuk mencari solusi awal.(Mulyono, 1991: 109).

2. Metode Least Cost

Metode Least Cost merupakan metodee transportasi yang berusaha mencapai

tujuan untuk minimasi biaya dengan alokasi sistematik kepada kotak-kotak sesuai dengan besarnya biaya transportasi per unit. (Muyono, 1991: 111).

3. Metode Aproksimasi Vogel (VAM)

Metode Aproksimasi Vogel (VAM) selalu memberikan suatu solusi awal yang

lebih baik dibanding metode Nort West Corner dan sering kali lebih baik dari

pada metode Least Cost. VAM melakukan alokasi dalam suatu cara yang akan

meminimumkan penalty (Oportunity cost) dalam memilih kotak yang salah untuk

suatu lokasi. (Mulyono, 1991; 112).

Sedangkan masalah transportasi dalam penentuan jadwal serta rute pengiriman dari satu lokasi ke beberapa lokasi tujuan merupakan keputusan operasional paling penting yang berhubungan dengan transportasi di dalam supply chain adalah perutean dan penjadwalan pengiriman, manajer harus menentukan

customer yang akan dikunjungi dengan sebuah kendaraan khusus dan urutan yang

akan di kunjungi. Keputusan jadwal pengiriman serta rute yang akan ditempuh oleh setiap kendaraan akan sangat berpengaruh terhadap biaya-biaya pengiriman, kapasitas

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

a. Metode Savings Matrix

b. Metode General Assignment

Metode savings matrix mendasarkan penyelesaian permasalahan transportasi

dengan melakukan penjadwalan dan penentuan rute pengiriman produk dari pabrik ke

customer, dengan tujuan dapat meminimumkan jarak atau waktu atau ongkos dengan

mempertimbangkan kendala-kendala yang ada. Kendala yang terjadi adalah satu kali pengiriman produk dilakukan dalam satu rute untuk satu customer. Dengan adanya

permasalahan tersebut maka metode savings matrix dapat memberikan solusi yang

tepat untuk menyelesaikan kendala-kendala yang terjadi.

Agar penjadwalan distribusi dengan menentukan jalur distribusi dapat optimal, maka dalam pengiriman tersebut harus disesuaikan dengan jumlah permintaan produk oleh customer dan kapasitas dari kendaraan atau armada yang ada,

sehingga dilakukan teknik peramalan permintaan pada tiap-tiap customer dengan

menggunakan metode peramalan Time Series.

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 suatu fasilitas dan jumlah kendaraan dalam armada ini dibatasi dan 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/G udang

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

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.

Gudang

Customer 1 Customer 2

Gudang

Customer

2

Customer

Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda

Tabel 2.4 Langkah awal semua customer memiliki rute terpisah

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 :

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

Customer 1

Customer 2

Customer 3

Customer 4

. . .

Customer n

Pabrik/Gudan g

Customer

1

Customer

2

Customer

3

Customer

4

…C

usto mer

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

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

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 Metode General Assigment

General assignment atau sering disebut dengan Assignment problem adalah

salah satu permasalahan yang optimasi kombinatorial pada cabang optimasi. Metode

General assignment sering digunakan untuk mencari solusi optimum dalam suatu

permasalahan. metode General assignment menggunakan algoritma branch and bound dalam menyelesaikan masalahnya

Metode General assignment hampir sama dengan metode Savings matrix,

namun perbedaan metode General assignment menggunakan solusi percabangan,

dimana pada setiap percabangan terdapat agent yang memiliki task atau secara general problem state dari permasalahan ini adalah ada sejumlah agent dan task dan

setiap agent dibebani cost, kemudian mengatur pemberikan setiap task kepada tepat

sedangkan pada metode Savings matrix solusi yang diberikan tanpa memberikan

sejumlah agent dalam menyelesaikan permasalahan distribusinya, tetapi

persamaannya dari kedua metode ini aspek waktu,jarak dan biaya juga dipertimbangkan.

Prosedur dalam metode General assignment terdapat beberapa tahap-tahap :

1. Diberikan sejumlah agent dan task dalam penyelesaian masalahnya

2. Setiap agent tertentu memiliki cost untuk task tertentu

3. Menempatkan sebuah agent untuk tiap-tiap rute

1) Dimana agent pada tiap-tiap rute mempunyai armada dan beban

pengalokasian produk untuk tiap agent disesuaikan dengan kapasitas

armada.

2) Rute pengiriman dari satu agent untuk beberapa customer dikirim dengan

rute sesuai arah jarum jam.

3) Pemilihan setiap agent berada ditengah diantara beberapa customer atau

dengan jarak yang sama jika dilihat dari jarak gudang.

5. Mengevaluasi besarnya biaya dalam orbit penempatan untuk tiap customer

Untuk tiap penempatan (Sk), Customer i , dan biaya penempatan (cik). Untuk menghitung Perjalanan customer dari gudang ke penempatan dan kembali.

Dengan rumus sebagai berikut : cik Dist(DC,i)Dist(i,Sk)Dist(DC,Sk) 6. Keputusan penempatan customer untu rute

Keputusan penempatan customer pada tiap agent, dengan melihat dari total

7. Rangkaian customer dalam rute

Setelah dilakukan penempatan customer pada tiap agent berdasarkan besarnya

jarak dan biaya penempatan, maka diperoleh beberapa rangkaian customer pada

setiap agent dengan urutan rute distribusi searah jarum jam.

2.4 Peramalan Permintaan

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.

2.4.1 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.

2.4.2 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.

2.4.3 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

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)

c) 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

d) 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 :

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)

:

dimana :

 t

f ^

ramalan permintaan (real) untuk peride t

 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)

 

t c ft c ft cmft m

f  _{1 1}  _{2 2}  _

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 a₀, a₁ adalah parameter proses dan e mempunyai nilai harapan dari

0 dan sebuah variasi _e2. 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

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

2.5 Verifikasi dan Pengendalian Peramalan (Moving Range Chart)

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

2.5.1 Peta Moving Range

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai peramalan. Setelah metode peramalan digunakan, maka peta Moving

Range digunakan untuk menguji kestabilan sistem sebab akibat yang mempengaruhi

permintaan. Moving Range dapat didefinisikan sebagai (Enny, 2006; 49-50)

) y y ( ) y y (

MR _{t 1 t 1}

^ t t ^       Di mana :

MR = Moving Range

t

y ^

= Hasil peramalan permintaan pada periode t

t

y = Permintaan pada periode t

1 ^

 t

y = Hasil peramalan permintaan pada periode t-1

1

 t

y = Permintaan pada periode t-1.

Adapun rata-rata Moving Range didefinisikan sebagai :

1 n

MR MR

n

1 t

 





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

BKA = +2,66 MR

BKB = -2,66 MR

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

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

2.6 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).

2.7 Peneliti Terdahulu

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

1) Dany Isyadi (2008) Judul :

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

Ringkasan :

PT. Ekamas Fortuna Malang dituntut untuk merancang kinerja pengiriman yang efisien. Tetapi terdapat beberapa keterbatasan dalam pendistribusian barang yang tepat untuk menentukan jalur distribusi produk ke customer. Permasalahan ini dapat diselesaikan dengan mengunakan metode Savings Matrix, dengan terlebih dahulu melakukan peramalan permintaan menggunakan metode time

series melalui perangkat lunak MINITAB 14 untuk menentukan order size.

sehingga didapatkan alokasi Customer pada tiap truk disesuaikan dengan kapasitas truk, dimana jumlah truk yang dibutuhkan sebelumnya 7 unit menjadi 4 unit truk, dengan rute A (DC-C14-C15-C16-C12-C13-DC) dengan pengiriman sebanyak 17 Roll menempuh jarak 1500 km, B (DC-C10-C11-DC) dengan pengiriman sebanyak 67 Roll menempuh jarak 1166,85 km, C (DC-C5-C6-C7-C8-C9-DC) dengan pengiriman sebanyak 65 Roll menempuh jarak 613,1 km, D (DC-C1-C2-C3-C4-DC) dengan pengiriman sebanyak 70 Roll menempuh jarak 220,68 km. Sehingga terjadi penghematan sebesar Rp. 5.216.739,32 atau sebesar 28,03 % dari biaya transportasi semula.

2) Onny Setyono (2006) Judul :

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

Ringkasan :

PT. Karya Mandiri Kencana, 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.

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

matriks dipergunakan untuk menentukan langganan mana yang akan terlebih

dahulu dimasukkan ke dalam sebuah rute. Langganan dengan savings yang terbesar akan terlebih dahulu dimasukkan ke dalam sebuah rute pengiriman, diikuti dengan langganan-langganan lain yang memiliki rute yang lebih kecil. Dari contoh data pengiriman untuk wilayah Gresik pada tanggal 6 Desember 2005 maka dapat dibuat suatu rute pengiriman barang sebagai berikut; 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. 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., yang mana jauh lebih rendah daripada biaya pengiriman sebelumnya.

3) Julianus Hutabarat (2006)

Judul : “Penentuan Jalur Distribusi Pada rantai Supply Dengan Metode

Saving Matriks.” Ringkasan :

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

PT. X merupakan perusahaan yang bergerak dalam industri kertas, mempunyai kapasitas produksi sebesar 14.000 ton kertas per bulan, yang dihasilkan dari PM 1 sebesar 5000 ton kertas PM 2 sebesar 9000 ton kertas. Hasil produksi PT. X adalah Paper Roll dan Paper Tub.

Penelitian di PT. X diawali dengan penentuan rute / jalur distribusi pabrik ke konsumen dengan metode Savings Matriks. Dengan kombinasi

perhitungan matrik jarak dan jumlah permintaan kertas tiap konsumen diperoleh matrik penghematan atau Savings Matriks.

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

BAB III

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Dalam Penelitian ini pencarian data dilakukan di PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru Surabaya yang berlokasi di Jalan Ngagel Timur Surabaya. Sedangkan waktu penelitian dimulai pada bulan Maret 2010 hingga bulan April 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 variable 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) 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 (Karung plastik)

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

c) Rute awal distribusi

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

d) Biaya Transportasi rute distribusi

Biaya transportasi rute distribusi merupakan variable bebas yang menunjukkan banyaknya total biaya yang dikeluarkan oleh perusahaan dalam setiap pengiriman dari perusahaan ke gudang dalam 1 rute.

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 Lybrari Reseach (Penelitian

Pustaka) yang mempunyai pengertian pengumpulan data sebagai dasar teoritis

yang dipakai pedoman dalam menganalisa pada obyek yang akan diteliti, dapat diperoleh dari berbagai literatur. Dan Field Research (Penelitian Lapangan), terdapat tiga cara yang dilakukan, antara lain :

1. Metode Wawancara ( Interview)

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

2. Metode Pengamatan

Yaitu tekink pengambilan data dengan mengadakan pengamatan langsung pada obyek yang diteliti (Jenis Produk, Data permintaan)

3. Metode Dokumentasi

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

3.3 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 (Simple Average,

Single Eksponential Smooting, Weighted Moving Average, Moving Average)

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 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 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.

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

4.1.1 Data Permintaan Customer

Data permintaan karung plastik tiap customer pada tiap bulan selama tahun 2009.

Tabel 4.1 Data permintaan karung plastik (lembar) per bulan selama tahun 2009.

Sumber : PTPN XI (Persero) PK Rosella Baru-Surabaya

Keterangan :

Customer1 :PG. Soedhono(Ngawi) Customer6 : PG.Djatiroto (Lumajang)

Customer2 :PG.Poerwodadi(Magetan) Customer7 : PG.Semboro (Jember)

Customer3 :PG.Pagottan(Madiun) Customer8: PG.Olean (Situbondo)

Customer4 :PG.Kedawoeng(Pasuruan) Customer9: PG.Prajakan (Bondowoso)

Customer5:PG.Gending(Probolinggo) Customer10: PT.IndonesiaTri9 (Mojokerto)

Permintaan Karung Plastik (lembar) per periode (bulan) tahun 2009 Nama

Customer Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des

Customer1 Customer2 Customer3 Customer4 Customer5 Customer6 Customer7 Customer8 Customer9 Customer10 600 200 350 3.300 2.500 5.720 800 150 2.500 2.000 1.000 200 365 4.350 2.300 5.700 800 200 3.000 2.500 1.000 200 280 4.500 2.500 5.800 800 100 3.000 2.200 1.700 200 290 6.000 2.150 5.750 700 150 1.000 3.000 500 400 360 5.000 2.500 5.700 700 150 2.500 1.500 600 300 360 6.000 2.300 5.700 850 150 1.700 2.300 800 300 280 3.000 2.300 5.700 900 200 2.700 4.000 500 300 200 4.350 2.500 5.750 900 200 2.990 2.500 800 200 200 4.000 2.500 5.800 1.000 250 2.710 2.100 1.000 200 300 4.000 3.000 5.800 2.000 200 3.000 3.500 1.000 200 300 4.000 3.000 6.000 1.000 200 2.500 2.700 1.000 300 300 3.700 2.500 6.000 1.000 150 2.800 2.600

Contoh penjumlahan order Size untuk customerI :

875 12

000 . 1 ... 000 . 1 600

 

 

Sehingga didapat rata-rata besarnya order size seluruh customer untuk tahun 2009, sebagai berikut :

Table 4.2 Rata-rata Besarnya Order Size per bulan tiap customer Untuk Tahun 2009

No Customer Order Size

(Lembar/bulan)

1 PG. Soedhono 875

2 PG. Poerwodadi 235

3 PG. Pagottan 299

4 PG Kedawoeng 4.350

5 PG. Gending 2.504

6 PG. Djatiroto 5.781

7 PG. Semboro 954

8 PG. Olean 175

9 Pg. Prajakan 2.533

10 PT. Indonesia Tri 9 2.575

4.1.2 Data Kapasitas Alat Angkut

Jenis alat angkut atau armada yang digunakan dalam pendistribusian karung plastik dari pabrik ke customer adalah :

Tabel 4.3 Kapasitas Alat Angkut

Jenis Alat Angkut Kapasitas Jumlah Keterangan

Truck Tronton

Pick Up

20 Ton = 18180 Lembar karung plastik

1 Ton = 909 Lembar Karung plastik

1

1

Milik Sendiri

Milik Sendiri

4.1.3 Data Rute Awal

Data Rute awal yang pendistribusian karung plastik dari pabrik ke

customer, adalah:

Tabel 4.4 Rute awal yang pendistribusian karung plastik dari pabrik ke customer

Rute Nama Customer Kode Kota

I Pabrik – PG Soedhono – PT Indonesia Tri 9 – Pabrik

G – C1 – C10 - G Ngawi - Mojokerto

II Pabrik – PG Olean – Pabrik G – C8 – G Situbondo

III Pabrik – PG Kedawoeng – PG. Djatiroto – Pabrik

G – C4 – C6 – G Pasuruan - Lumajang

IV Pabrik – PG Gending – Pabrik G – C5 – G Probolinggo

V Pabrik – PG Prajakan – Pabrik G – C9 – G Bondowoso

VI Pabrik – PGSemboro – Pabrik G – C7 – G Jember

VII Pabrik – PG Poerwodadi – PG Pagottan – Pabrik

G – C2 – C3 – G Magetan - Madiun

Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya

Tabel 4.5 Jarak Total Perjalanan dan Beban Order pendistribusian karung plastik dari pabrik ke customer pada Rute Awal

Rute Kode Jarak Total perjalanan () Beban oder Armada

I G – C1 – C10 - G 183 Km 3450 Lembar Truck Tronton

II G – C8 – G 205 Km 175 Lembar Pick Up

III G – C4 – C6 – G 154 Km 10131 Lembar Truck Tronton

IV G – C5 – G 102 Km 2504 Lembar Truck Tronton

V G – C9 – G 231 Km 2533 Lembar Truck Tronton

VI G – C7 – G 198 Km 954 Lembar Pick Up

VII G – C2 – C3 – G 274 Km 534 Lembar Pick Up

Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya

4.1.4 Data Biaya Transportasi

Data biaya yang berkaitan dengan pendistribusian karung plastik sampai pada customer

Tabel 4.6 Daftar Harga Untuk Biaya Transportasi

No. Jenis Biaya Jumlah

Biaya bahan bakar

Premium Rp. 4.500,-/liter

1

Solar Rp. 4.500,-/liter

2 Biaya retribusi :

1.Jika kendaraan Tanpa Melewati Tol

2.Jika kendaran Melewati Tol Rp. 45.000/PP _{Rp. 65.000/PP}

Gaji 3

Untuk sopir truk tronton Rp. 1.200.000,-/ bulan

Untuk sopir truk pick up RP. 1.000.000,- / bulan

Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya

Tabel 4.7 Jenis Biaya Transportasi Awal

Rute Customer Jenis Biaya

a. Biaya bahan bakar Truck Tronton (Solar) I Pabrik – PG Soedhono – PT

Indonesia Tri 9 b. Biaya Retribusi

a. Biaya bahan bakar Pick up (Premium) II Pabrik – PG Olean

b. Biaya Retribusi

a. Biaya bahan bakar Truck Truck Tronton (Solar) III Pabrik – PG Kedawoeng –

Djatiroto b. Biaya Retribusi

a. Biaya bahan bakar Truck Tronton (Solar) IV Pabrik – PG Gending

b. Biaya Retribusi

a. Biaya bahan bakar Truck Tronton (Solar) V Pabrik – PG Prajakan

b. Biaya Retribusi

a. Biaya bahan bakar Truck Tronton (Solar) VI Pabrik – PG Semboro

b. Biaya Retribusi

a. Biaya bahan bakar Pick up (Premium) VI Pabrik – PG Poerwodadi - PG

Pagottan.

b. Biaya Retribusi

Sumber: PTPN XI (Persero) PK Rosella Baru-Surabaya

Keterangan : 1 Liter Premium dapat menempuh jarak 10 km 1 Liter Solar dapat menempuh jarak  6 km

4.2 Pengolahan Data

4.2.1 Menghitung Jarak Koordinat Lokasi customer

Sumber : www.google.com (Java Map-© 2009 Lonely Planet Publications)

Gambar 4.1 Peta Pulau Jawa

Menghitung jarak (kota) customer dari pabrik atau gudang ke tiap

customer diperoleh dengan cara mengukur jarak kota customer pada peta pulau

jawa sebagai berikut :

Gambar peta pulau jawa diatas merupakan contoh gambar peta pulau jawa timur, sedangkan peta pulau jawa timur yang digunakan dalam penentuan jarak lokasi unntuk Customer dalam penelitian ini merupakan peta pulau jawa timur dengan skala 1 : 500.000. Penentuan besarnya jarak lokasi antara pabrik dengan

customer dan jarak lokasi antara satu customer dengan customer lainnya, dengan cara penarikan titik koordinat.

Kemudian pada peta pulau jawa timur dibuat titik koordinat, dengan lokasi pabrik sebagai titik pusat koordinat (0,0) sedangkan untuk lokasi dari tiap

customer disesuaikan berdasarkan garis kordinat x dan garis koordinat y yang ada pada peta pulau jawa timur, kemudian koordinat yang telah diketahui diubah per satuan kilometer dengan menggunakan perbandingan skala pada peta yaitu 1 : 500.000 (1 cm pada peta mewakili 500.000 cm atau 5 km pada jarak sebenarnya). Sehingga di dapat jarak dalam koordinat tiap kota seperti tabel di bawah ini. Tabel 4.8.1 Jarak dalam koordinat ke tiap Customer dalam koordinat

Kode Nama customer Kota Jarak dalam Koordinat

(x,y)

C1 PG. Soedhono Ngawi 28,5 ; - 3,5

C2 PG. Poerwodadi Magetan 31,5 ; -9

C3 PG. Pagottan Madiun 27 ; - 8,3

C4 PG Kedawoeng Pasuruan -3,7 ; -8,9

C5 PG. Gending Probolinggo -10,3 ; -11

C6 PG. Djatiroto Lumajang -10,3 ; -19,4

C7 PG. Semboro Jember -21 ; -20

C8 PG. Olean Situbondo -27,9 ; -10

C9 PG. Prajakan Bondowoso -23 ; - 14,4

C10 PT. Indonesia Tri 9 Mojokerto 7,1 ; -5

Sumber: Hasil pengamatan data primer

Contoh perhitungan jarak lokasi per satuan kilometer untuk customer 1 (PG Soedhono) :

  

 



2

2 1 2 2 1

2 ,

1 y y

J     

Contoh perhitungan jarak dari gudang ke lokasi PG Soedhono :



 

 



2

1 2

1

1

,C _{G C} y_G y_C G



G,C1







0 28,5

 

2  0 (3,5)



2 28,71

J

Kemudian dihitung jarak dalam satuan km :





km

eta etaxskalap Jarakpadap

Jarak

000 . 100 





143,55

000 . 100

500000 71

, 28 1

,C  x 

G

J km

Untuk perhitungan customer selanjutnya dapat dilihat pada Lampiran E

Tabel 4.8.2 Jarak lokasi dari Pabrik ke tiap Customer dalam koordinat dan satuan km

Kode Nama customer Kota Jarak dalam

Satuan km

C1 PG. Soedhono Ngawi 143,55

C2 PG. Poerwodadi Magetan 163,8

C3 PG. Pagottan Madiun 141,2

C4 PG Kedawoeng Pasuruan 48,19

C5 PG. Gending Probolinggo 75,48

C6 PG. Djatiroto Lumajang 109,9

C7 PG. Semboro Jember 145

C8 PG. Olean Situbondo 148,18

C9 PG. Prajakan Bondowoso 135,67

C10 PT. Indonesia Tri 9 Mojokerto 43,41

Sumber: Hasil pengamatan data primer

Dalam pembuatan Matriks jarak, terlebih dahulu menghitung besarnya jarak dari pabrik ke tiap-tiap customer dan dari satu customer ke customer lainnya, karena jarak dari pabrik ke tiap customer sudah dihitung sebelumnya dan hasil perhitungan dapat dilihat pada Tabel 4.8 Jarak lokasi dari Pabrik ke tiap

Customer dalam koordinat dan satuan km, maka pada perhitungan selanjutnya

dilakukan perhitungan untuk jarak lokasi dari satu customer ke customer lainnya, dengan menggunakan rumus sebagai berikut :

  

 



2 2 1 2 2 1 2 ,

1 y y

J     

Contoh perhitungan jarak dari lokasi PG Soedhono ke lokasi PG Poerwodadi :



 

 



2

2 1 2 2 1 2 ,

1C _{C C} y_C y_C

C

J     



 

 

 

2    



2 

) 9 , 0 ( 5 , 3 ) 5 , 31 5 , 28 2 , 1 C C J 31,6

Kemudian dihitung jarak dalam satuan km :





km eta etaxskalap Jarakpadap Jarak 000 . 100 





  000 . 100 1100000 6 , 131 2 ,

1C x

C

J 158 km

Untuk perhitungan customer selanjutnya dapat dilihat pada Lampiran E Tabel 4.9 Matriks Jarak

4.2.2 Mengidentifikasi Matrix Jarak

4.2.2.1Penentuan Alokasi customer pada Rute Awal berdasarkan Permintaan Tahun 2009

Untuk mengalokasikan customer ke kendaraan atau rute, dengan menghitung terlebih dahulu mengalokasikan customer pada rute awal dan menghitung total jarak tempuh pendistribusian karung plastik dengan rute awal

Perhitungan total jarak pada rute awal : 1. Rute I (G – C1 – C10 – G)

G C1 C2 C3 C4 C5 C6 C7 C8 C9 C10

C1 143,55 0,0

C2 163,8 158 0,0

C3 141,2 25,1 292,5 0,0

C4 48,19 163,24 176 157,54 0,0

C5 75,48 197,52 209,2 186,98 34,63 0,0

C6 109,9 209,65 215,37 194,58 62,01 42 0,0

C7 145 260,65 268,20 247,02 102,77 69,90 53,58 0,0

C8 148,18 260,88 297,04 274,63 121,1 88,1 99,5 60,74 0,0 C9 135,67 283,86 273,83 251,85 100,34 65,73 68,24 172,29 124,43 0,0

Panjang Perjalanan = J(G,C1) + J(C1,C10) +J(C10,G) = 143,55 + 107,26 + 43,41 = 294,22

Beban order rute I = C1 + C10 = 3450 Lembar

Armada yang digunakan adalah Truk Tronton (Milik sendiri) 2. Rute II (G – C8 - G)

Panjang Perjalanan = J(G,C8) + J(C8,G) = 148,18 + 148,18 = 296,36 Beban order rute II = C2 = 175 Lembar

Armada yang digunakan adalah Pick up (Milik sendiri) 3. Rute III (G – C4 – C6 – G)

Panjang Perjalanan = J(G,C4) + J(C4,C6) + J(C6,G) = 48,19 + 62,01 + 109,9 = 220,1

Beban order rute III = C4 +C6 = 10131 Lembar

Armada yang digunakan adalah Truk Tronton (Milik sendiri) 4. Rute IV (G – C5 - G)

Panjang Perjalanan = J(G,C5) + J(C5,G) = 75,48 + 75,48 = 150,96 Beban order rute IV = C5 = 2504 Lembar

Armada yang digunakan adalah Truk Tronton (Milik sendiri) 5. Rute V (G – C9 – G)

Panjang Perjalanan = J(G,C9) + J(C9,G) = 135,67 + 135,67 = 271,34 Beban order rute V = C9 = 2533 Lembar

Armada yang digunakan adalah Truk Tronton (Milik sendiri) 6. Rute VI (G – C7 – G)

Panjang Perjalanan = J(G,C7)) + J(C7,G) = 145 + 145 = 290 Beban order rute VI = C7 = 954 Lembar

Armada yang digunakan adalah Truk Tronton (Milik sendiri) 7. Rute VII (G – C2 – C3 – G)

Panjang Perjalanan = J(G,C2) + J(C2,C3) + J(C3,G) = 163,8 + + 292,5 + 141,2 = 597,5 Km

Beban order ruteVII = C3 = 534 Lembar

Armada yang digunakan adalah Pick up (Milik Sendiri)

4.2.3 Biaya Transportasi Pada Rute Awal tahun 2009

Biaya transportasi sebelum penerapan metode savings matrix pada rute awal dihitung untuk 1 kali pengiriman setiap bulan untuk masing-masing rute berdasarkan permintaan tahun 2009

Untuk menghitung besarnya biaya transportasi rute awal, dengan melihat pada Tabel 4.5 Jenis Biaya Transportasi awal, Tabel 4.6 Biaya Transportasi Awal, Tabel 4.8 Jarak lokasi, maka dapat menghitung biaya total transportasi untuk rute awal :

Rute I (G – C1 – C10 – G) Menggunakan Armada Truck Tronton = Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 294,22 km x 1/6 x Rp. 4500,-/liter = Rp. 220.665,- / perjalanan/bulan Rute II (G – C8 - G) Menggunakan Armada Pick up

= Total Jarak tempuh x 1/10 x harga bahan bakar (Premium)

= 296,36 km x 1/10 x Rp. 4500,-/liter = Rp. 133.362,-/ Perjalanan / bulan Rute III (G – C4 – C6 – G) Menggunakan Armada Truck Tronton

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

Rute IV (G – C5 - G) Menggunakan Truck Tronton

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 150,96 km x 1/6 x Rp. 4500,-/liter = Rp. 113.220,- / Perjalanan / bulan Rute V (G – C9 – G) Menggunakan Armada Truck Tronton

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 271,34 km x 1/6 x Rp. 4500,-/liter = Rp. 203.505,- / Perjalanan / bulan Rute VI (G – C7 – G) Menggunakan Armada Truck Tronton

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 290 km x 1/6 x Rp. 4500,-/liter = Rp. 217.500,- Perjalanan / bulan Rute VII Rute VII (G – C3 - G) Menggunakan Armada Pick up.

= Total Jarak tempuh x 1/10 x harga bahan bakar (Premium)

= 597,5 x 1/10 x Rp. 4500,-/liter = Rp. 268.875,- / Perjalanan / bulan Jadi, biaya total transportasi untuk rute awal, adalah :

Biaya transportasi = Rute I + Rute II + Rute III + Rute IV + Rute V + Rute VI + Rute VII = Rp. 220.665,- / Perjalanan/bulan + Rp. 133.362,-/ Perjalanan / bulan + Rp. 165.075,- / perjalanan/bulan + Rp. 113.220,- / Perjalanan / bulan + Rp. 203.505,- / Perjalanan / bulan + Rp. 217.500,- Perjalanan / bulan + Rp. 268.875,- / Perjalanan / bulan = Rp. 1.322.202,- / Perjalanan / bulan

Gaji = Rp. 1.200.000,- x 5 (Sopir Ttruck Tronton) + Rp.1.000.000,- x 2 (sopir pick up ) = Rp 8.000.000,-

Biaya Retribusi = Rp. 45.000 x 7 = Rp. 315.000,-

Total Biaya Transportasi = Biaya transportasi + Gaji + Biaya Retribusi = Rp. 1.322.202,- + Rp. 8.000.000,- + Rp. 315.000,-

= Rp. 9.637.202,- / Perjalanan / bulan

4.2.4 Mengalokasikan Permintaan customer Tahun 2009 Pada Rute Baru (Penerapan Metode Savings Matrix)

4.2.4.1 Mengidentifikasi Matriks Penghematan (Penghematan Jarak)

Dalam menghitung penghematan jarak dari pabrik ke tiap-tiap customer dan dari satu customer ke customer lainnya, menggunakan rumus sebagai berikut :

       

x y J G x J G y J x y

S ,  ,  ,  ,

Berdasarkan data pada Tabel 4.9 Matrik Jarak, dapat dihitung penghematan jarak sebagai berikut :

Contoh perhitungan penghematan jarak dari lokasi C1 (PG. Poerwodadi) ke C2 (PG Soedhono) :



C1,C2

 

J G,C1

 

J G,C2

 

J C1,C2



S   



CI,C2



143,55163,8158149,35

S km

Untuk perhitungan penghematan jarak selanjutnya, dapat dilihat pada Lampiran F. Tabel 4.10 Savings Matriks

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 0

C2 149,35 0

C3 259,65 12,5 0

C4 28,5 35,99 31,85 0

C5 21,51 30,08 29,7 89,04 0

C6 43,8 58,33 56,52 96,08 143,38 0

C7 27,67 40,6 39,18 90,42 150,58 201,32 0

C8 7,87 14,94 14,75 75,27 135,56 158,58 232,44 0

C9 16,02 25,64 25,02 83,52 145,42 177,33 108,38 159,42 0

4.2.4.2 Pengalokasian customer pada Kendaraan dan Rute Baru Tahun 2009

1) Iterasi 1

Tiap customer dialokasikan seperti pada rute awal (Tabel 4.5) yang memiliki 7 rute pendistribusian produk, sehingga pada iterasi 1 diperoleh 7 rute dalam pendistribusian produk ke customer.

Alokasi armada yang digunakan untuk pengiriman karung plastik ke lokasi customer adalah pick up dan truck Tronton. Armada Pick up digunakan pada C2, C3, C7 dan C8. Armada truck Tronton di gunakan pada C1, C4, C5, C6, C9, C10. Dimana hal ini telah digunakan untuk pendistribusian produk pada rute awal. Hasil iterasi 1 ini dapat dilihat pada Tabel 4.11 iterasi 1 pada lampiran G.

2) Iterasi 2

Dari tabel 4.10 Savings Matrix, didapat penghematan jarak terbesar yaitu 259,65 = S(C1,C3) dengan mengkombinasikan rute untuk C1 dan C3 dalam 1 rute, yaitu Rute A. Kemudian dilakukan pengecekkan apakah pengkombinasian tersebut layak dilakukan atau tidak dengan berdasarkan nilai total order size customer tersebut dan kapasitas armada yang ada (Truck tronton dan Pick up). Untuk perhitungan beban dari tiap dilihat berdasarkan Tabel 4.2 Rata-rata Besarnya Order Size per bulan tiap customer untuk Tahun 2009, dengan perhitungan beban rute sebagai berikut :

Beban Rute A = Order size C1 + C3 = 875+ 299 = 1.174 Lembar < 18.180 Lembar dari kapasitas Truck Tronton, sehingga dikatakan layak.

(C1 dan C3 dikatakan layak untuk dialokasikan pada rute B )

3) Iterasi 3

Pada iterasi 3 didapat penghematan jarak terbesar selanjutnya yaitu 232,44 = S(C7,C8) dengan mengkombinasikan rute untuk C7 dan C8 dalam 1 rute, yaitu Rute B. Kemudian dilakukan pengecekkan apakah pengkombinasian tersebut layak dilakukan atau tidak dengan berdasarkan nilai total order size customer tersebut dan kapasitas armada yang ada (Truck tronton dan Pick up). Beban rute B = order size C7 + C8 = 954 + 175 = 1.129 < 18.180 Lembar dari kapasitas truck Tronton. Karena beban rute B masi layak bila di masukkan ke rute A (Beban Rute A + Beban C7 dan C8 = 1.174 + 1.129 = 2.303 < 18.180) , maka C7 dan C8 dapat dikatakan layak untuk dialokasikan pada rute A. Hasil iterasi 3 ini dilihat pada Tabel 4.15 iterasi 5 pada lampiran G.

4) Iterasi 4

Pada iterasi 4 didapat penghematan jarak terbesar selanjutnya yaitu 177,33 = S(C6,C9) karena C6 dan C9. Kemudian dihitung beban pada rute B dengan menambahkan order size C6 dan C9 pada beban rute B.

Beban Rute B = Order size C6 + C9 = 5.781 + 2.533 = 8.314 < 18.180 Lembar dari kapasitas truck Tronton . Karena beban rute B masi layak bila di masukkan ke rute A (Beban Rute A + Beban C6 dan C9 = 2.303 + 8.314 = 10.617 < 18.180) , maka C6 dan C9 dapat dikatakan layak untuk dialokasikan pada rute A.

Hasil iterasi 4 ini dapat dilihat pada Tabel 4.14 iterasi 4 pada lampiran G. 5) Iterasi 5

Pada iterasi 5 didapat penghematan jarak terbesar selanjutnya yaitu 159,42 = S(C8,C9), 159,42 = S(C8,C9) karena C8 dan C9 sudah dialokasikan pada Rute A, maka di cari penghematan jarak terbesar selanjutnya yaitu 158,58 = S(C6,C8 ) karena C6 dan C8 sudah dialokasikan pada rute A, maka dicari penghematan jarak terbesar selanjutnya yaitu 150,58 = S (C5,C7) Karena C7 sudah dialokasikan ke rute A, maka C5 dialokasikan pada rute A kemudian dihitung beban pada rute D :

Beban Rute B = Order size C5 = 2.504 < 18.180 Lembar dari kapasitas truk tronton . Karena beban rute B masi layak bila di masukkan ke rute A (Beban Rute A + Beban C5 = 10.617 + 2.504 = 13.121 < 18.180) , maka C5 dapat dikatakan layak untuk dialokasikan pada rute A

Hasil iterasi 5 ini dilihat pada Tabel 4.15 iterasi 5 pada lampiran G. 6) Iterasi 6

Pada iterasi 6 didapat penghematan jarak terbesar selanjutnya yaitu 149,35 = S(C1,C2), karena C1 sudah dialokasikan pada rute sebelumnya dan lokasi C2 berada pada arah koordinat yang sama dengan rute A maka C2 dialokasikan pada rute B, kemudian dihitung beban pada rute B :

Beban Rute B = Order size C2 = 235 < 18.180 Lembar dari Truck Tronton. Karena beban rute B masi layak bila di masukkan ke rute A (Beban Rute A + Beban C2 = 13.121 + 235 = 13.356 < 18.180) , maka C2 dapat dikatakan layak untuk dialokasikan pada rute A

Hasil iterasi 6 ini dapat dilihat pada Tabel 4.16 iterasi 6 pada lampiran G.

Pada iterasi 7 didapat penghematan jarak terbesar selanjutnya yaitu 145,42 = S(C5,C9) karena C5 dan C9 sudah dialokasikan pada Rute A, maka dicari penghematan jarak terbesar selanjutnya yaitu 143,38 = S(C5,C6) karena C5 dan C6 sudah dialokasikan pada Rute A, maka dicari penghematan jarak terbesar selanjutnya yaitu 135,56 = S(C5,C8) karena C5 dan C8 sudah dialokasikan pada Rute A, maka dicari penghematan jarak terbesar selanjutnya yaitu 65,74 = S (C4,C10)

Beban Rute B = Order size C4 + C10 = 4.350 + 2.575 = 6.925 < 18.181 Lembar dari kapasitas truck tronton. maka C4 dan C10 dapat dikatakan layak untuk dialokasikan pada rute B.

(C4 dan C10 dikatakan layak untuk dialokasikan pada rute B)

Hasil iterasi 7 ini dapat dilihat pada Tabel 4.17 iterasi 7 pada lampiran G. 8) Iterasi 8

Berdasarkan iterasi 1 sampai 8, sehingga pada iterasi 8 diperoleh 2 rute baru yaitu :

a. Rute A = C1,C2,C3,C5,C6,C7,C8, dan C9 Beban rute A = 13.356

Armada : truk tronton (milik sendiri) b. Rute B = C4, C10

Beban rute B = 6.925

4.2.4.3 Mengurutkan Customer dalam Rute Baru

Dalam mengurutkan kunjungan dalam pendistribusian karung plastik dari pabrik sampai pada customer terakhir hingga kembali ke pabrik menggunakan metode mengurutkan kunjungan Nearest Neighbour , dengan urutan kunjungan sebagai berikut :

1. Rute A (C1, C3, C7, C8, C6, C9, C5, C2) a. Iterasi 1

Perjalanan dari pabrik (G) ke customer (C), ada 8 kemungkinan terjadi untuk kunjungan pertama yang akan dilalui dalam rute A, yaitu :

1) Menuju customer 1 (C1) dengan jarak 143,55 km 2) Menuju customer 3 (C3) dengan jarak 141,2 km 3) Menuju customer 7 (C7) dengan jarak 145 km 4) Menuju customer 8 (C8) dengan jarak 148,18 km 5) Menuju customer 6 (C6) dengan jarak 109,9 km 6) Menuju customer 9 (C9) dengan jarak 135,67 km 7) Menuju customer 5 (C5) dengan jarak 75,48 km 8) Menuju customer 2 (C2) dengan jarak 163,8 km

Dari 8 kemungkinan yang terjadi untuk kunjungan pertama dari pabrik adalah C5, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer 5 dengan jarak 75,48 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C1 C3 C7 C8 C6 C9 C2

b. Iterasi 2

Perjalanan dari customer 5 (C5) selanjutnya, ada 7 kemungkinan terjadi yaitu kunjungan kedua yang akan dilalui dalam rute A, yatu :

1) Menuju customer 1 (C1) dengan jarak 143,55 km 2) Menuju customer 3 (C3) dengan jarak 141,2 km 3) Menuju customer 7 (C7) dengan jarak 145 km 4) Menuju customer 8 (C8) dengan jarak 148,18 km 5) Menuju customer 6 (C6) dengan jarak 109,9 km 6) Menuju customer 9 (C9) dengan jarak 135,67 km 7) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 7 kemungkinan yang terjadi untuk kunjungan kedua dari pabrik adalah C6, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer6 dengan jarak 109,9 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C1 C3 C7 C8 C9 C2

c. Iterasi 3

Perjalanan dari customer5 ke customer6 selanjutnya, ada 6 kemungkinan terjadi yaitu kunjungan ketiga yang akan dilalui dalam rute A, yatu :

1) Menuju customer 1 (C1) dengan jarak 143,55 km 2) Menuju customer 3 (C3) dengan jarak 141,2 km 3) Menuju customer 7 (C7) dengan jarak 145 km 4) Menuju customer 8 (C8) dengan jarak 148,18 km 5) Menuju customer 9 (C9) dengan jarak 135,67 km

6) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 6 kemungkinan yang terjadi untuk kunjungan ketiga dari pabrik adalah C9, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer9 dengan jarak 135,67 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C9 C1 C3 C7 C8 C2.

d. Iterasi 4

Perjalanan dari customer5 ke customer6 ke customer9 selanjutnya, ada 5 kemungkinan terjadi yaitu kunjungan keempat yang akan dilalui dalam rute A, yatu :

1) Menuju customer 1 (C1) dengan jarak 143,55 km 2) Menuju customer 3 (C3) dengan jarak 141,2 km 3) Menuju customer 7 (C7) dengan jarak 145 km 4) Menuju customer 8 (C8) dengan jarak 148,18 km 5) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 5 kemungkinan yang terjadi untuk kunjungan keempat dari pabrik adalah C3, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer3 dengan jarak 141,2 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C9 C3 C1 C7 C8 C2

e. Iterasi 5

Perjalanan dari customer5 ke customer6 ke customer9 ke

customer3 selanjutnya, ada 4 kemungkinan terjadi yaitu kunjungan

1) Menuju customer 1 (C1) dengan jarak 143,55 km 2) Menuju customer 7 (C7) dengan jarak 145 km 3) Menuju customer 8 (C8) dengan jarak 148,18 km 4) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 4 kemungkinan yang terjadi untuk kunjungan kelima dari pabrik adalah C1, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer1 dengan jarak 143,55 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C9 C3 C1 C7 C8 C2

f. Iterasi 6

Perjalanan dari customer5 ke customer6 ke customer9 ke

customer3 ke customer1 selanjutnya, ada 3 kemungkinan terjadi yaitu

kunjungan ketigat yang akan dilalui dalam rute A, yatu : 1) Menuju customer 7 (C7) dengan jarak 145 km 2) Menuju customer 8 (C8) dengan jarak 148,18 km 3) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 3 kemungkinan yang terjadi untuk kunjungan keenam dari pabrik adalah C7, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer7 dengan jarak 145 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C9 C3 C1 C7 C8 C2

g. Iterasi 7

Perjalanan dari customer5 , customer6 , customer9, customer3,

customer1 ke customer7 selanjutnya, ada 2 kemungkinan terjadi yaitu

kunjungan kedua yang akan dilalui dalam rute A, yatu : 1) Menuju customer 8 (C8) dengan jarak 148,18 km 2) Menuju customer 2 (C2) dengan jarak 163, 8 km

Dari 2 kemungkinan yang terjadi untuk kunjungan ketujuh dari pabrik adalah C8, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer8 dengan jarak 145 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C5 C6 C9 C3 C1 C7 C8 C2

h. Iterasi 8

Perjalanan dari customer5 , customer6 , customer9, customer3, customer1,

customer7 ke customer8 ada 1 kemungkinan terjadi yaitu kunjungan ke

customer2 (C2) dengan jarak 163,8 km, sehingga urutan kunjungan

pendistribusian karung plastik dari pabrik (G) ke customer (C) yaitu : G C5 C6 C9 C3 C1 C7 C8 C2 G

Dengan total jarak perjalanan =

75,48 + 42 + 68,24 + 141,2 + 143,55 +260,55 + 60,74 + 163,8 + 163,8 =

1119,36 Km

2. Rute B (C4, C10) a. Iterasi 1

Perjalanan dari pabrik (G) ke customer (C), ada 2 kemungkinan terjadi untuk kunjungan pertama yang akan dilalui dalam rute A, yaitu :

1. Menuju customer 4 (C4) dengan jarak 48,19 km 2. Menuju customer 10 (C10) dengan jarak 43,41 km

Dari 2 kemungkinan yang terjadi untuk kunjungan pertama dari pabrik adalah C10, karena memiliki jarak paling dekat dengan pabrik, sehingga dari pabrik langsung menuju ke customer 10 dengan jarak 43,41 km dan urutan kunjungan ke customer, sementara untuk rute A dimulai dari C10 C4

b. Iterasi 2

Perjalanan dari customer 10(C10) selanjutnya, ada 1 kemungkinan terjadi yaitu kunjungan ke customer 4 (C4) dengan jarak 48,19 km, sehingga urutan kunjungan pendistribusian karung plastik dari pabrik (G) ke customer (C) yaitu G C10 C4 G.

Dengan total jarak perjalanan = 143,41+ 25,86 + 48,19 = 217,46 km

4.2.5 Biaya Transportasi Sesudah Penerapan Metode Savings Matrix Berdasarkan Permintaan Tahun 2009

Untuk menghitung apakah biaya transportasi lebih kecil setelah penerapan metode Savings Matrix, maka kita melakukan perhitungan biaya transportasi setelah penerapan metode Savings Matrix berdasarkan Permintaan 2009 dan Tabel 4.6 Daftar Harga Untuk Biaya Transportasi awal, yaitu :

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 1119,36 km x 1/6 x Rp. 4500,-/liter = Rp. 839.520,-/ Perjalanan / bulan Rute B (C4 ,C10) Menggunakan Armada Truck Tronton

= Total Jarak tempuh x 1/6 x harga bahan bakar (Solar)

= 217,46 km x 1/6 x Rp. 4500,-/liter = Rp. 163.095,-/ Perjalanan / bulan Jadi, biaya total transportasi untuk rute Baru, adalah :

Biaya transportasi = Rute A + Rute B = Rp. 839.520,-/ Perjalanan / bulan + Rp. 163.095,-/ Perjalanan / bulan

= Rp. 1.002.615,- / perjalanan/bulan

Gaji = Upah Standar + ( Insentif setiap kota x jumlah kota)

= Rp. 1.200.000,- x 2 (Sopir Ttruck Tronton) + Rp.150.000,- x 6 (kota)

= Rp 3.300.000,-

Biaya Retribusi = Rp. 45.000 x 2 = Rp. 90.000,-

Total Biaya Transportasi = Biaya transportasi + Gaji + Biaya Retribusi = Rp. 1.002.615,- + Rp. 3.300.000,- + Rp.90.000,- = Rp 4.392.615,- / Perjalanan / bulan

Penghematan = Total Biaya Transportasi awal–Total biaya metode saving matrix = Rp. 9.637.202,- / Perjalanan / bulan - Rp 4.392.615,- / Perjalanan / bulan

= Rp. 5.244.587,- / Perjalanan / bulan = 54,42 %

4.2.6 Peramalan ( forcasting) Permintaan 4.2.6.1 Ploting Data Permintaan Tahun 2009

Dalam menghitung peramalan permintaan karung plastik bantuan Microsoft Excel, data historis (permintaan karung plastik tahun 2009) dari 10

Customer diinputkan pada Microsoft Excel dan dilakukan peramalan

menggunakan Time series dengan terlebih dahulu melakukan plot data untuk mengetahui model data sehingga dapat diketahui jenis metode yang akan digunakan dalam peramalan permintaan karung plastik untuk tahun 2010.

Contoh plot data dari PG. Soedhono

Untuk hasil Plot Data customer selanjutnya dapat dilihat pada Lampiran B

4.2.6.2 Penetapan Metode Peramalan

Plot data yang telah diketahui digunakan untuk menetapkan metode peramalan, dimana metode peramalan yang digunakan untuk melakukan peramalan permintaan tahun 2010 ditetapkan atau ditentukan berdasarkan bentuk atau pola dari plot data tersebut. Dari data permintaan customer tahun 2010 didapat metode peramalan permintaan yang digunakan yaitu metode peramalan

Simple Average, Moving Average, dan Double Exponential Smoothing untuk

Customer 1, Customer 2, Customer 3, Customer 4, Customer 5, Customer 7,

Customer 8, Customer 9, Customer 10. Sedangkan unutk customer 6

menggunakan Linear regresion, Double Exponential Smoothing with trend dan

Holt Winter additive algorithm.

4.2.6.3Perhitungan Nilai MSE

Berdasarkan metode peramalan yang digunakan dicari nilai MSE terkecil dari metode peramalan, dengan nbilai MSE untuk masing-masing metode dapat dilihat pada tabel 4.25 sebagai berikut :

Tabel 4.25 Nilai MSE dari 3 Metode Peramalan Customer Simple Average Moving Average Double

Exponential Smoothing Customer 1 14.3974,9 21.454,5 154.486

Customer 2 5.491,328 6.363,636 562.087,9

Customer 3 3.781,173 3.204,545 5.438,825

Customer 4 1.112.321 1.343.855 1.491.818

Customer 5 78.106,57 82.272,73 67.023,23

Customer 7 133.454,4 185.909,1 134.626,9

Customer 8 2.023,49 2.272,727 1.729,808

Customer 9 475.884,3 793.327,3 440.500,3

Customer 10 348.473,7 1.070.909 56.2087,9

Tabel 4.26 Nilai MSE dari 3 Metode Peramalan Customer Linear regresion Double

Exponential

Smoothing with trend

Holt Winter additive

algorithm.

Data Rute Awal yang pendistribusian Karung Plastik dari PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru-Surabaya ke customer

Rute Nama Customer Armada

I Pabrik – PG Soedhono – PT Indonesia Tri 9 – Pabrik Truck Tonton

II Pabrik – PG Olean – Pabrik Pick Up

III Pabrik – PG Kedawoeng – Djatiroto – Pabrik Truck Tonton IV Pabrik – PG Gending – Pabrik Truck Tonton V Pabrik – PG Prajakan – Pabrik Truck Tonton

VI Pabrik – Semboro – Pabrik Pick Up

Jenis Biaya Transportasi Awal Di PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru-Surabaya ke customer

Rute Customer Jenis Biaya

a. Biaya bahan bakar Truck Tonton (Solar) I Pabrik – PG Soedhono – PT Indonesia Tri 9

b. Biaya Retribusi

a. Biaya bahan bakar Pick up (Premium) II Pabrik – PG Olean

b. Biaya Retribusi

a. Biaya bahan bakar Truck Tonton (Solar) III Pabrik – PG Kedawoeng – Djatiroto

b. Biaya Retribusi

a. Biaya bahan bakar Truck Tonton (Solar) IV Pabrik – PG Gending

b. Biaya Retribusi

a. Biaya bahan bakar Truck Tonton (Solar) V Pabrik – PG Prajakan

b. Biaya Retribusi

a. Biaya bahan bakar Pick up (Premium) VI Pabrik – PG Semboro

b. Biaya Retribusi

a. Biaya bahan bakar Pick up (Premium) VI Pabrik – PG Pagottan

b. Biaya Retribusi

Hak Cipta © milik UPN "Veteran" Jatim :

Daftar Harga Untuk Biaya Transportasi Di PT. Perkebunan Nusantara XI (Persero) PK. Rosella Baru-Surabaya ke customer Tahun 2009

No. Jenis Biaya Jumlah

Biaya bahan bakar

Premium Rp. 4.500,-/liter

1

Solar Rp. 4.500,-/liter

2 Biaya retribusi :

1. Jika kendaraan Tanpa Melewati Tol 2. Jika kendaran Melewati Tol

Rp. 45.000/PP Rp. 65.000/PP Gaji

3

Untuk sopir truk tronton Rp. 1.200.000,-/ bulan

Untuk sopir truk pick up RP. 1.000.000,- / bulan

Gambar Layout PT. Perkebunan Nusantara XI (Persero) PK Rosella Baru-Surabaya

Hak Cipta © milik UPN "Veteran" Jatim :

STRUKTUR ORGANISASI PTPN XI (Persero) PK ” ROSELLA BARU “ ADMINISTRATUR KEPALA AKU Kasie Litbang Kasie Besali/Kendaraan Kasie Service/PTL Kasie

Teknolog Regu I &II Kasie Keamanan Kasie Gudang Kasie Hak/Umum Kasie Pembukuan Kasie Keuangan KEPALA PRODUKSI

Hak Cipta © milik UPN "Veteran" Jatim :