PENENTUAN JALUR DISTRIBUSI “DAGING SAPI” DENGAN MENGGUNAKAN METODE SAVINGS MATRIX UNTUK MENGOPTIMALKAN BIAYA TRANSPORTASI DI CV. SARI JAYA MANDIRI.

PENENTUAN JALUR DISTRIBUSI

“DAGING SAPI”

DENGAN MENGGUNAKAN

METODE

SAVINGS MATRIX

UNTUK MENGOPTIMALKAN BIAYA

TRANSPORTASI DI CV. SARI JAYA MANDIRI

SKRIPSI

Oleh :

DEDI INDRA GUNAWAN

0632010087

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

JAWA TIMUR

BAB I

PENDAHULUAN

1.1 Latar Belakang

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

Distribusi berkaitan erat dengan kegiatan transportasi yang memadai. Perlu adanya penentuan customer mana yang akan dikunjungi dan urutan-urutan

customer yang akan dikunjungi dengan armada khusus agar distribusi dapat berjalan efektif dan efisien. Kegiatan ini melibatkan penentuan rute dalam transportasi. Penentuan rute transportasi dapat diselesaikan dengan metode

Savings Matrix. Metode Savings Matrix adalah metode yang digunakan untuk menentukan rute distribusi produk ke wilayah pemasaran dengan cara menetukan rute distribusi yang harus dilalui dan jumlah kendaraan berdasarkan kapasitas dari

kendaraan tersebut agar diperoleh rute terpendek dan biaya transportasi yang minimal. Metode Savings Matrix juga merupakan salah satu teknik yang digunakan untuk menjadwalkan sejumlah kendaraan terbatas dari fasilitas yang memiliki kapasitas maksimum yang berlainan.

CV. Sari Jaya Mandiri merupakan perusahaan yang bergerak dalam bidang pemotongan hewan (Sapi) dan pendistribusian produk daging sapi. Sasaran distribusi CV. Sari Jaya Mandiri adalah dapat melakukan waktu pengiriman produk secara tepat, biaya yang efisien, dan pelayanan yang baik. CV. Sari Jaya Mandiri dituntut untuk dapat merancang kinerja pengiriman yang reliabel. Sedangkan dalam pemenuhan sasaran tersebut ada beberapa keterbatasan atau permasalahan dari perusahaan, dengan proses distribusi dalam satu kali pengiriman produk hanya dilakukan pada satu customer , sehingga kurang adanya perencanaan pengiriman dan pendistribusian barang yang tepat untuk 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 serta mengakibatkan biaya tranportasi yang mahal.

Dengan adanya permasalahan tersebut, dapat dilihat biaya transportasi masih sangat tinggi maka perlu dilakukan penentuan rute yang akan dilalui sehingga dapat meminimalkan biaya trasnportasi pada CV. Sari Jaya Mandiri. Metode Savings Matrix dapat digunakan untuk menentukan rute distribusi produk ke customer dengan cara menentukan urutan rute distribusi yang harus dilalui dan jumlah alat angkut berdasarkan kapasitas dari alat angkut tersebut. Metode ini diterapkan agar diperoleh rute terpendek dan memperoleh biaya transportasi yang optimum.

1.2 Rumusan Masalah

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

“ Bagaimana menentukan jalur distribusi produk daging sapi ke customer untuk mengoptimalkan biaya transportasi?”

1.3 Batasan Masalah

Agar pembahasan pada penelitian ini lebih terarah dan hasilnya optimal, maka diberi batasan masalah sebagai berikut :

1. Pengiriman dilakukan terhadap lokasi customer yang berada di Sidoarjo dengan alokasi titik rute daerah berdasarkan daftar yang sudah ditentukan oleh peta dalam satuan kilometer (km).

2. Ukuran satuan daging sapi menggunakan satuan Kilogram

3. Penelitian dilakukan pada pendistribusian di customer yang jumlah permintaannya cukup banyak (Min. 150 Kg).

4. Rute distribusi diartikan adalah rute yang dilalui armada pengangkut produk. 5. Biaya transportasi meliputi biaya tenaga kerja dan biaya bahan bakar

(solar/bensin) serta biaya retribusi lain-lain.

1.4 Asumsi

1. Kondisi kendaraan selama perjalanan dalam kondisi stabil, tidak rusak dan tidak terjadi kebocoran.

2. Biaya bahan bakar, retribusi dan tenaga kerja tetap selama penelitian. 3. Untuk waktu pemesanan produk oleh customer tidak diperhitungkan.

4. Pengiriman dilakukan terhadap lokasi customer dengan jumlah permintaan yang berbeda disetiap lokasi dan tidak melebihi batas max. armada angkutan.

1.5 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah :

Menentukan rute yang harus ditempuh tiap alat angkut berdasarkan kapasitasnya untuk mengefisiensi jarak tempuh dan mengoptimalkan biaya transportasi dengan menggunakan metode Savings Matrix di CV. Sari Jaya Mandiri.

1.6 Manfaat Penelitian

Adapun manfaat yang diperoleh dari penelitian tugas akhir ini adalah : 1. Bagi Mahasiswa, dapat menambah wahana pelatihan dan komprehensif antara

kenyataan sesungguhnya yang sering tidak sesuai teori akademis dan dapat memberikan pengalaman peneliti pada masalah distribusi.

2. Bagi Perusahaan, dapat memberikan masukan berupa informasi yang bersifat keilmuan agar dapat dijadikan bahan pertimbangan untuk mengoptimalkan biaya pendistribusian produk oleh CV. Sari Jaya Mandiri.

3. Bagi Perguruan Tinggi, dapat memberikan referensi tambahan dibidang industri khususnya tentang transportasi dan distribusi.

1.7 Sistematika Penulisan

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

BAB I PENDAHULUAN

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

BAB II TINJAUAN PUSTAKA

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

BAB III METODE PENELITIAN

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

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

BAB V KESIMPULAN

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

DAFTAR PUSTAKA LAMPIRAN

BAB II

TINJAUAN PUSTAKA

2.1 Transportasi dan Distribusi

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

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.

2.1.1. 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.

2.1.2. Metode yang Digunakan Dalam Memecahkan Persoalan Transportasi

Metode transportasi merupakan suatu model yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang utama ke tempat-tempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur sedemikian rupa, karena terdapat perbedaan biaya-biaya alokasi dari satu sumber ke tempat tujuan-tujun yang bebeda. (Chopra,Meindl, 2001).

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

1. Tentukan solusi fisibel basis awal.

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

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

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

(Vehiele Routing Problem).

2.1.3. Distribusi

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

2.1.4 Saluran Distribusi

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

1. Mengumpulkan informasi yang diperlukan untuk perencanaan dan memudahkan pertukaran.

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

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

6. Mengatur distribudi dana untuk menutup biaya saluran distribusi.

7. Menerima resiko dalam hubungan dengan pelaksana pekerjaan saluran pemasaran.

2.1.5 Fungsi Dasar Manajemen Distribusi dan Transportasi

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

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

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

1. Melakukan segmentasi dan menentukan target service level.

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

2. Menentukan mode transportasi yang akan digunakan.

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

3. Melakukan konsolidasi informasi dan pengiriman.

Konsolidasi merupakan kata kunci sangat penting dewasa ini. Tekanan untuk melakukan pengiriman cepat namun murah menjadi pendorong utama perlunya melakukan konsolidasi maupun pengiriman. Salah satu contoh

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

4. Melakukan penjadwalan dan penentuan rute pengiriman.

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

5. Memberikan pelayanan nilai tambah.

Disamping mengirimkan produk kepelanggan, jaringan distribusi semakin banyak dipercaya untuk melakukan proses nilai tambah. Kebanyakan proses nilai tambah tersebut tadinya dilakukan oleh pabrik/manufactur. Beberapa proses nilai tambah yang bisa dikerjakan oleh adalah pengepakan, pemberian barcode, dan sebagainya. Untuk mengakomodasi kebutuhan lokasi yang lebih baik, seperti industri printer, memindahkan proses konfigurasi akhir dari produknya ke distributor ke tiap-tiap Negara. Ini meningkatkan fleksibilitas produk sehingga mengurangi kelebihan stok di suatu Negara dan kekurangan di Negara lain.

6. Menyimpan persediaan.

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

7. Menangani pembelian (return).

Manajemen distribusi juga punya tanggung jawab untuk melaksanakan kegiatan pengembalian produk dari hilir ke hulu dalam supply chain. Pengembalian ini bisa karena produk rusak atau tidak terjual sampai batas waktu penjualan habis, seperti produk-produk makanan, sayuran, buah, dan sebagainya. Kegiatan pengembalian ini bisa terjadi pada produk-produk kemasan seperti botol, yang akan digunakan kembali dalam proses produksi atau harus diolah kembali untuk menghindari pencemaran lingkungan. Proses pengembalian ini lumrah dengan sebutan reverse logistic.

2.2 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).

2.2.1 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

Sumber (Pujawan, 2005: 180).

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 (Pujawan, 2005: 181) :

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.

Gambar 2.1 Perubahan yang terjadi dengan menggabungkan Customer 1 dan

Customer 2 ke dalam satu rute. (Pujawan, 2005: 182)

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

Tabel 2.3 matrik penghematan jarak dengan menggabungkan dua rute yang berbeda

Sumber (Pujawan, 2005: 183)

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 (Pujawan, 2005: 183)

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

Customer 1 Customer 2 Customer 3 Customer 4

….Customer n

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

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 (Pujawan, 2005: 184)

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 (Pujawan, 2005: 184)

selanjutnya dicari penghematan terbesar kedua didapatkan 12.9 (Customer 2 dan 4) masuk ke rute b, dan begitu seterusnya hingga customer ke-n. Jika terdapat customer yang sudah teralokasikan , tidak terjadi penggabungan.

kemudian didapatkan jumlah rute sesuai dengan kapasitas armada yang ada dan penghemtan jarak alokasi dari pabrik ke customer.(Pujawan, 2005: 183-185).

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

Ada banyak metode yang dapat digunakan untuk menentukan urutan kunjungan, namun pada penelitian ini menggunakan metode Nearest Neighbor. Metode Nearest Neighbor merupakan metode pengurutan kunjungan yang menambahkan customer yang jaraknya paling dekat dengan

customer yang akan dikunjungi terakhir. Misalnya diketahui 3 customer dalam rute a, customer 1 memiliki jarak terdekat dengan gudang / pabrik dengan jarak 6.4, kemudian cari jarak customer terdekat dengan customer 1 didapat

customer 3 dengan jarak 6.7 dan terakhir yang dikunjungi adalah customer 2 kemudian kembali ke gudang.. (Gudang-Customer1-Customer3-Customer2 -Gudang). Jika kebetulan menghasilkan rute dengan jarak yang sama maka dipilih total jarak yang minimum. (Pujawan, 2005: 185-186).

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

2.3 Peramalan (Forecasting)

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

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

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

2.3.1 Peramalan dalam Horizon Waktu

Dalam hubungannya dengan horizon waktu peramalan maka kita dapat mengklasifikasikan peramalan tersebut dalam 3 kelompok (Nasution, 2003: 26) : 1. Peramalan jangka panjang, umumnya 2 sampai 10 tahun. Peramalan ini

digunakan untuk perencanaan produk dan perencanaan sumber daya.

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

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

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

2.3.2 Beberapa Sifat Hasil Peramalan

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

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

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

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

2.3.3 Prosedur Peramalan

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

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

Trend / kecenderungan (T) adalah sifat dari permintaan dimasa lalu terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik, turun atau konstan. Siklus (C) merupakan pola permintaan suatu produk yang berulang secara periodik biasanya lebih dari satu tahun, sehingga

tidak perlu dimasukkan dalam peramalan jangka pendek. Musiman (S) adalah pola permintaan suatu produk yang naik atau turun disekitar garis trend dan biasanya berulang setiap tahun. disebabkan factor cuaca, musim libur panjang, dan lain-lain. Random (R) merupakan pola permintaan suatu produk yang mengikuti pola bervariasi secara acak karena factor bencana alam, bangkrutnya perusahaan, dan lain-lain. pola ini dibutuhkan dalam menentukan persediaan pengamatan untuk mengantispasi kekurangan persediaan bila terjadi lonjakan permintaan. (Nasution, 2003: 35).

2. Mencoba beberapa metode time series sesuai dengan pola permintaan tersebut untuk melakukan peramalan.

3. Mengevaluasi tingkat kesalahan masing-masing metode yang akan dicoba. Tingkat kesalahan masing-masing metode yang akan dicoba, tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE. Ukuran akurasi hasil peramalan merupakan ukuran kesalahan (error) permintaan, merupakan tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi.

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

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 :



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)

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 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

F_t  _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)



a a t



Ct

t  _0,1 ₁. dengan : a₀ a_0,2N 

 

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 absoluteprocentage of error (MAPE).

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

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

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

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

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

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

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

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

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

2.4.1 Metode yang Digunakan dalam Times Series

1. Single Exponential Smoothing

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



1



ˆ 1

ˆ



 

 t t

t f f

f  

dimana :

t

 = suatu nilai (0< <1) yang ditentukan secara subyektif

t

f = permintaan actual pada periode t

1

ˆ



t

f = perkiraan permintaan pada periode t-1

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 :

t

fˆ = ramalan permintaan (real untuk periode t)

t

f = permintaan actual 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 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 :

1 ,a

ao adalah parameter proses dan e mempunyai nilai harapan dari 0 dan

sebuah variasi 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 :

 2

Xt = F’t = peramalan double exponential smoothing  = faktor smoothing dan  1

Xt = Ft

4. Winter’s

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

Formulasi untuk metode Winter’s adalah :

t t a t C a

t ( _0,  ₁.)

dengan :

t t t a a f C . 1 0  

 

1 2

, 0

0 a 2N a

a  _N 

N f f a 2 1

1   N f f N N t t



   2 1 2 N f f N t t



  1 1 2 1 1 2 2 , 0  

 f a N

a N 1

1 



 N C N t t

2.4.2 Ukuran Akurasi dari Peramalan

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

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







n F A MAD t t

Dimana :

At = Permintaan aktual pada periode-t.

Ft = Peramalan permintaan (Forecast) pada periode-t.

n = Jumlah periode peramalan yang terlibat.

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

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











n F A MSE t t

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 ) (Baroto, 2002).

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.

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 ) (Baroto, 2002)

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.

2.5 Variabel

Definisi variabel adalah semua ciri atau faktor yang mempunyai variansi nilai, yang diukur dan diuji untuk menjelaskan hubungan (diungkapkan atau tidak diungkapkan dalam hipotesis) guna pemecahan permasalahan penelitian. Eksistensi variabel mempunyai kaitan dan bisa saling mempengaruhi. Jika hubungan antar variabel diketahui maka dapat meramalkan dan menjelaskan fenomena teori. Variabel juga berarti : obyek atau subyek yang memiliki karakter dengan nilai yang berbeda dan bervariasi.(Buku ajar Metodologi Penelitian,13/14) 2.5.1 Klasifikasi variabel

Klasifikasi variabel yang benar memerlukan penguasaan dasar teori yang kuat dan mendalam serta memerlukan model serta kerangka teoristis yang mantap. Berdasarkan fungsi atau hubungannya, variabel dibedakan atas :

a. Variabel sebab atau disebut juga variabel pengaruh/ peubah/ variabel indikator/ variabel eksperimen/ variabel bebas (Independent variabel), adalah variabel yang menjadi pokok permasalahan yang ingin diteliti.

b. Variabel penghubung(Intervening variabel) adalah variabel yang tidak dapat diamati secara langsung peristiwanya tetapi dapat dinikmati hasilnya

c. Variabel akibat atau variabel terikat atau variabel terpengaruh atau variabel terganrung (Dependent variabel) adalah variabel yang tergantung besarnya tergatung dari variabel bebas yang di ukur untuk menentukan ada atau tidaknya pengaruh dari variabel bebas.

Berdasarkan keberadaannya dalam model analisis, variabel dibedakan atas : a. Variabel endogen yakni variabel yang dimasukkan ke dalam model. b. Variabel oksogen yakni variabel yang tidak dimasukkan ke dalam model.

Berdasarkan keberadaannya dalam model analisis, variabel dibedakan atas : a. Variabel numerik atau kuantitatif, meliputi :

 Variabel ordinal, yaitu variabel yang menunjukan tingkata-tingkatan.

 Variabel interval, yaitu variabel yang mempunyai jarak jika dibandingkan

dengan variabel lain, sedang jarak itu sendiri dapat diketahui dengan pasti.

 Variabel ratio, yaitu variabel perbandingan. Variabel ini hubungan antar

sesamanya merupakan ”sekian kali” b. Variabel numerik distrit (bilangan bulat)

c. Variabel anumerik atau kuantitatif atau kategoris, meliputi :

 Variabel kategori perbedaan derajat (Strata)

 Variabel kategori perbedaan jenis (klaster)

2.5.2 Hubungan variabel

Inti penelitian ilmiah adalah mencari hubungan dan kaitan pengaruh antar variabel. Pada dasarnya terdapat tiga jenis hubungan antar variabel, yaitu:

a. Hubungan simetris, apabila variabel yang satu tidak disebabkan/ dipengaruhi oleh variabel lainnya.

b. Hubungan timbal balik (recipprocal), apabila suatu waktu variabel X mempengaruhi variabel Y dan diwaktu lain variabel Y mempengaruhi X.

c. Hubungan asimetris, dimana variabel independent tidak pernah menjadi

dependent dan sebaliknya. Disini terdapat beberapa hubungan asimetris, yaitu: 1. Hubungan stimulus-respons.

2. Hubungan disposisi-respons.

4. Hubungan permanen antara dua variabel. 5. Hubungan antara tujuan dengan cara.

(Buku ajar Metodologi Penelitian, 13-14)

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 Aplikasi Rute/ Jalur Distribusi Setelah Dilakukan Penentuan Alokasi CustomerKe Tiap Alat Angkut

- Iterasi 2: Dari saving matriks, diperoleh penghematan tertinggi sebesar 1389,02 = (C12,C13) dengan mengkombinasikan rute untuk customer 12 dan customer 13 dalam satu rute, yaitu rute A. Selanjutnya dilakukan pengecekan apakah pengkombinasian tersebut layak dilakukan atau tidak, layak dilakukan jika total order size kurang dari kapasitas truk.

Beban untuk rute A = order size custr 12 + order size custr 13 = 9 + 32 = 41 (<71) layak (dst)

- Iterasi 6 : Penghematan tertinggi selanjutnya yaitu 1233,3 = S(C12,C14), 1233,34 = S(C13,C14) , 1230,62 = S (C14,C16) tetapi karena sudah masuk rute A, maka dicari penghematan tertinggi selanjutnya yaitu 1162,7 = S(C11,C13), sehingga pada tahap ini dilakukan pengecekan apakah customer 11 dapat ditambahkan pada rute A.

Beban untuk rute A=order size custr.12 + custr.13 + custr.16 + custr. 15 + custr. 14 + custr. 11 = 9 + 32 + 10 + 10 + 9 + 44 = 114 (<71) tidak layak.

Dari iterasi di atas kemudian diperoleh empat (4) rute yaitu : • rute A : {12, 13, 16, 15, 14 },

• rute B : {11, 10 },

• rute C : {9, 8, 7, 6, 5 }, dan • rute D : {3, 4, 2, 1}

yang berarti pabrik membutuhkan 4 truk. Truk pertama akan mengirimkan atau melayani produk ke customer 12, 13, 16, 15, 14, truk kedua melayani customer

11, 10, truk ketiga melayani customer 9, 8, 7, 6, 5, dan truk keempat melayani customer3,4,2,1.

2.7.1 Pengurutan rute pengiriman dengan prosedur Nearest Neighbour Untuk Rute B {11, 10}

• Iterasi 1: Awal perjalanan dimulai dari DC dengan total jarak = 0

- Dengan menuju ke customer 11 maka perjalanan bertambah jarak 582,99 - Dengan menuju ke customer 10 maka perjalanan bertambah jarak 575,87

Dengan menggunakan prosedur nearest neighbour, maka diperoleh solusi pada iterasi 1 adalah menuju customer 10.

• Iterasi 2 : Perjalanan dari DC ke customer 10 dilanjutkan menuju customer terdekat berikutnya yaitu customer 11.

- Dengan menuju ke customer 11 maka perjalanan bertambah jarak 7,57 sehingga diperoleh solusi ( DC-C10-C11-DC ) dengan panjang : = 575,87 + 7,57 + 582,99 = 1166,43 dan seterusnya sampai rute D mendapatkan pengurutan rute pengiriman dengan menggunakan prosedur Nearest Neighbour.

2.7.2 rute pengiriman sesuai prosedur Nearest Neighbour

• Rute A : ( DC-C14-C15-C16-C12-C13-DC) atau (Pabrik, PT.Pindodeli , PT.Conitex Sonoco, PT.Paul Buana, PT.Bintang Abadi, PT.IKPP Serang, Pabrik). Dengan panjang perjalanan 1411,54 km

• Rute B : ( DC-C10-C11-DC) atau (Pabrik, PT.Agung Abadi , PT.Alkindo, Pabrik) Dengan panjang perjalanan 1166,43 km.

• Rute C : (DC-C5-C6-C7-C8-C9-DC) atau (Pabrik, PT.Surya Zig-Zag, PT.Taman Sriwedari, PT.Surya Pamenang, PT.Surya Bentata, PT.Purinusa , Pabrik). Dengan panjang perjalanan 612,02 km

• Rute D : (DC-C1-C2 -C3 -C4 -DC) atau (Pabrik, PT.Bentoel, PT.KSI , PT.Kedawung, PT.Wong Hendri, Pabrik). Dengan panjang perjalanan 188,93 km.

2.7.3 Penghitungan Biaya Transportasi Sebelum dan Sesudah Penerapan MetodeSaving Matriks

• Sebelum

Biaya tenaga kerja = Rp. 20.000 / hari.

Biaya bahan bakar = jarak tempuh x 1/4 lt x harga bahan bakar. - Rute 1 = 89 x 1/4 x Rp. 4300,- = Rp. 95.675,00 - Rute 2 = 183,74 x 1/4 x Rp.4300,- = Rp. 197.520,5 - Rute 3 = 203,12 x 1/4 x Rp.4300,- = Rp. 218.354,00 - Rute 4 = 557,18 x 1/4 x Rp.4300,- = Rp. 598.968,5 - Rute 5= 1166,43 x 1/4 xRp.4300,- = Rp. 1.253.912,25 - Rute 6= 1492,06 x 1/4 xRp.4300,- = Rp. 1.603.964,5 - Rute 7= 1378,08 x 1/4 xRp.4300,- = Rp. 1.481.350,00

Biaya total = Total biaya tenaga kerja + Total biaya bahan bakar + Biaya retribusi = Rp. 280.000,- + Rp. 5.449.744,75 + Rp. 600.000,- = Rp. 6.329.744,75 / hari Hari kerja dalam 1 bulan = 25 hari, maka :

Biaya total 1 bulan = Rp. 5.449.744,75 x 25 = Rp. 158.243.618,8

• Sesudah

Sesudah penerapan metode saving matriks, maka didapatkan rute baru yaitu : - Rute A = 1411,54 x 1/4 x Rp.4300,- = Rp. 1.517.405,5

- Rute B = 1166,43 x 1/4 x Rp.4300,- = Rp. 1.253.912,25 - Rute C = 612,02 x 1/4 x Rp. 4300,- = Rp. 657.921,5 - Rute D = 188,93 x 1/4 x Rp. 4300,- = Rp. 203.099,75

Biaya total = Total biaya tenaga kerja + Total biaya bahan bakar + Biaya retribusi = Rp. 200.000,- + Rp. 3.632.339,- + Rp. 600.000,- = Rp. 4.432.339,- / hari

Hari kerja dalam 1 bulan = 25 hari, maka : Biaya total 1 bulan = Rp. 4.432.339,- x 25 = Rp. 110.808.475,-

2.8 Penelitian Terdahulu

1. Verliana Septian, 2008 : PENJADWALAN DISTRIBUSI KARUNG

DENGAN MENENTUKAN JALUR DISTRIBUSI OPTIMAL DENGAN

MENGGUNAKAN METODE SAVINGS MATRIX DI PT. PERKEBUNAN

NUSANTARA XI (PERSERO) PK. ROSELLA BARU SURABAYA a. Permasalahan :

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

b. Hasil Akhir :

Kesimpulan yang dapat diperoleh dari penelitian ini adalah :

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

o dari Pabrik - PT. Srikandi Ratu – PT. Asikin – CV. KHS – Pabrik dengan total jarak perjalanan 656,539 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman produk antara Tanggal 15-20 tiap bulan.

o dari Pabrik - PTPN IX – Pabrik dengan total jarak perjalanan 428,439 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 21-25 tiap bulan.

o dari Pabrik - UD. Laksana – PT. Temporejo – Pabrik dengan total jarak perjalanan 290,983 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 21-25 tiap bulan.

o dari Pabrik – PT. Perhutani – Pabrik dengan total jarak perjalanan 144,68 km dan Armada yang digunakan 1 buah truk gandeng dengan jasa sewa serta jadwal pengiriman antara Tanggal 10-15 tiap bulan.

o dari Pabrik – PT. Alcon – CV. Wahyu – PT Indonesia Tri Sembilan – Pabrik dengan total jarak perjalanan 94,01 km dan Armada yang digunakan 1 buah truk tronton milik sendiri serta Jadwal pengiriman antara Tanggal 15-25 tiap bulan.

o Pabrik – PT. Wonosari Jaya – PT. Bisi – Pabrik dengan total jarak perjalanan 82,475 km dan Armada yang digunakan 1 buah truk tronton milik sendiri serta Jadwal pengiriman antara Tanggal 01-10 tiap bulan.

o dari Pabrik – PT. Teja Seakawan – CV. Borneo – Pabrik dengan total jarak perjalanan 31,645 km dan Armada yang digunakan 1 buah pick up milik sendiri serta Jadwal pengiriman antara Tanggal 21- 25 tiap bulan.

o dari Pabrik - CV. Afandi Tata Tjin - Pabrik dengan total jarak perjalanan 9,838 km dan Armada yang digunakan 1 buah pick up milik sendiri serta Jadwal pengiriman antara Tanggal 1-6 tiap

Penghematan jarak dan efisiensi biaya distribusi dengan penerapan metode

Savings Matrix, yaitu : Penghematan Jarak

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

Penghematan Biaya Transportasi (efisiensi biaya)

Dari Tabel 4.32 Biaya Transportasi Sebelum Penerapan Metode

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

Savings Matrix diperoleh total biaya transportasi pada rute baru sebesar Rp. 14.351.031,1 sehingga diperoleh penghematan Biaya Transportasi dari Rp. 20.365.233,45 menjadi Rp. 14.351.031,1 dengan penghematan sebesar Rp. 6.014.202,35 km atau penghematan Biaya Transportasi sebesar 29,53 %.

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

PENJADWALAN PENGIRIMAN BARANG DI PT. KARYA MANDIRI KENCANA SURABAYA.

a. Permasalahan :

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

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

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

BAB III

METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Dalam Penelitian ini pencarian data dilakukan di CV. Sari Jaya Mandiri yang berlokasi di Jalan Ki Hajar Dewantoro No.8 Krian-SDA. Sedangkan waktu penelitian dimulai pada bulan April 2010 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 :

3.2.1. Variabel Bebas

Variabel bebas adalah Variabel yang mempengaruhi variabel terikat, meliputi :

a. Biaya transportasi

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

b. Jarak

Variabel ini menunjukan berapa jarak yang dibutuhkan untuk mencapai rute yang optimal berdasarkan kapasitas alat angkut.

c. Permintaan Customer

Variabel ini menunjukan berapa jumlah permintaan Customer selama penelitian dan permintaan Customer diperiode yang akan datang.

d. Kapasitas Alat angkut

Variabel ini merupakan variabel bebas yang menunjukan kapasitas alat angkut dalam melakukan pengangkutan produk.

3.2.2. Variabel Terikat

Variabel terikat adalah variabel yang nilainya tergantung dari variabel bebas. Variabel terikatnya yaitu : perencanaan rute dan meminimalkan 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) dan Field Research (Penelitian Lapangan).

3.3.1 Library Research (Penelitian Pustaka)

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

3.3.2 Field Reseach (Penelitian Lapangan)

Dalampenelitian lapangan, terdapat tiga cara yang dilakukan, antara lain :

1. Metode Wawancara ( Interview)

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

2. Metode Pengamatan

Yaitu teknik pengambilan data dengan mengadakan pengamatan langsung pada obyek yang diteliti (Jarak Distributor ke customer)

3. Metode Dokumentasi

Yaitu teknik pengambilan data yang berupa arsip-arsip atau catatan (Jumlah alat angkut, Data permintaan)

3.4 Metode Pengolahan Data

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

1. Peramalan Jumlah Permintaan

Peramalan jumlah permintaan untuk 3 periode dengan menggunakan perangkat lunak WIN QS untuk mengetahui rata-rata permintaan tiap periode pada masing-masing kota customer berdasarkan data masa lalu (Double Eksponential Smothing, Moving Average, Simple 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     

dimana :

 

1,2 

J pengehematan jarak antara customer 1 dan customer 2



X1,X2



Jarak customer 1 dan customer 2 di koordinat x.



Y1,Y2



Jarak customer 1 dan customer 2 di koordinat y.

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 ,  ,  ,  ,

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 

5. Penentuan Alokasi Customer ke dalam tiap alat angkut

Penentuan alokasi customer ke dalam tiap alat angkut didasarkan pada penghematan jarak dan disesuaikan dengan kapasitas tiap armada yang ada. 6. Penentuan Rute atau Jalur Distribusi

Penentuan rute atau jalur distribusi dilakukan dengan menggunakan metode

Nearest Neighbour.

7. Perhitungan Biaya Transportasi Sebelum dan Sesudah Penerapan Metode

Savings Matrix.

8. Mengevaluasi Biaya yang Dikeluarkan Perusahaan Sebelum dan Sesudah menggunakan Metode Savings Matrix.

9. Merekomendasikan Jalur Distribusi yang Menghasilkan Biaya Transportasi yang terkecil dan diperoleh keuntungan yang optimum.

3.5 Langkah-langkah Pemecahan Masalah

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

Tidak Mulai

Studi Lapangan Studi Literatur

Perumusan Masalah

Tujuan Penelitian

Identifikasi Variabel - Variabel Bebas

- Variabel Terikat

Pengumpulan Data - Data permintaan - Data biaya - Data jarak

Peramalan Permintaan masing-masing cutomer

Metode peramalan Time series

Perhitungan MSE dari tiap metode

Metode dengan nilai MSE

terkecil

A B

Biaya transportasi setelah penerapan metode < biaya transportasi awal ya

Penentuan alokasi ke tiap alat angkut

Kesimpulan dan Saran

Selesai

Penentuan Hasil Distribusi

Perhitungan biaya transportasi

Biaya transportasi awal

Hasil dan Pembahasan Ya

Tidak Tidak

C A B

Hasil Peramalan Pembuatan Matriks jarak

Perhitungan saving matriks

Jarak rute usulan < Jarak rute awal

Penjelasan Langkah – Langkah Pemecahan Masalah :

1. Mulai

Langkah awal penelitian dalam menentukan topik permasalahn

2. Studi lapangan

Studi lapangan dilakukan dengan maksud dapat mengetahui kondisi nyata obyek yang akan diteliti. Hal ini untuk menghindari terjadinya ketidaksesuaian antara tujuan peneliti dengan kondisi obyek penelitian.

3. Studi literatur

Untuk menunjang pelaksanaan kegiatan penelitian beberapa literatur diperlukan guna memperdalam teori sebagai bahan dasar penelitian. Literatur diperoleh dari berbagai sumber antara lain dari perpustakaan maupun perusahaan dan studi penelitian sebelumnya yang berkaitan dengan topik permasalahan sebelumnya. Studi ini berhubungan dengan pemilihan metode pemecahan masalah yang digunakan dalam penelitian ini.

4. Perumusan masalah

Perumusan masalah dari penelitian ini adalah bagaimana mengoptimalkan rute pendistribusian produk kepada customer agar dapat meminimumkan total biaya yang dikeluarkan oleh perusahaan ? Untuk menjawab persoalan diatas maka digunakan metode Savings Matrix di CV. Sari Jaya Mandiri.

5. Tujuan penelitian

Tujuan penelitian ini adalah merencanakan rute yang harus ditempuh tiap kendaraan berdasarkan kapasitasnya untuk megoptimalkan total jarak tempuh, merencanakan penugasan kendaraan dalam pendistribusian produk serta

mendapatkan penghematan biaya transportasi setelah menggunakan metode

Savings Matrix.

6. Identifikasi Variabel

Mengidentifikasi semua variabel yang diperlukan untuk menyelesaikan masalah.

7. Pengumpulan data

Dalam pencarian data diperlukan sumber data yang benar-benar akurat. Sumber data yang dimaksud adalah subyek atau dari mana data itu diperoleh. Pengumpulan data ini dilakukan dengan bantuan staf-staf/pegawai CV. Sari Jaya Mandiri. Pengumpulan data-data yang dibutuhkan dalam pengolahan data adalah sebagai berikut :

a. Data permintaan tiap customer.

b. Data jarak yaitu data jarak dari distributor ke masing-masing customer dan data jarak antara customer satu dengan kota customer yang lain.

c. Data transportasi yaitu data alat angkut.

8. Peramalan permintaan masing-masing customer

Peramalan permintaan dilakukan dengan bantuan progam WinQSB untuk mengetahui rata-rata permintaan tiap periode pada masing-masing customer berdasarkan data permintaan masa lalu.

9. Metode peramalan time series

Peramalan dilakukan dengan cara menggunakan beberapa motode peramalan time series. Metode yang digunakan adalah metode :

 Double Exponential Smoothing

 Simple Average

10.Perhitungan Mean Square of Error (MSE).

Dari masing-masing metode tersebut dihitung nilai MSE yang mempunyai nilai terkecil kemudian direkomendasikan untuk permintaan masing-masing kota gudang untuk beberapa periode mendatang.

11.Hasil peramalan

Setelah perhitungan forcest error maka ditentukan dan dikelompokkan hasil peramalan yang mempunyai nilai terkecil.

12.Pembuatan matriks jarak

Menghitung jarak antara distributor dengan gudang dan jarak antar gudang dengan gudang lain kemudian ditabelkan dalam bentuk matriks jarak.

13.Perhitungan Savings Matrix

Setelah menghitung matriks jarak kemudian menghitung Savings Matrix

dengan melakukan perhitungan besarnya penghematan masing-masing customer

dan kemudian ditabelkan dalam bentuk Saving Matrix. 14.Penentuan alokasi customer ke dalam tiap alat angkut

Penentuan alokasi customer ke tiap angkut atau rute harus bisa memaksimalkan penghematan. Yaitu dengan melakukan pencarian solusi dilakukan dengan prosedur iterative yang pertama tiap konsumen dialokasikan pada alat angkut/rute yang berbeda-beda, kedua yaitu rute selanjutnya dapat digabungkan pada satu rute/kendaraan dengan didasarkan pada penghematan yang paling tinggi yang bisa diperoleh. Selanjutnya dilakukan pengecekan apakah pengkombinasian tersebut layak atau tidak. Dikatakan layak jika total pengiriman yang harus dilalui melalui rute tersebut tidak melebihi kapasitas kendaraan.

15.Penentuan rute/jalur distribusi

Penentuan rute dilakukan melalui beberapa iterasi. a. Iterasi 1, tiap customer dialokasikan pada rute yang terpisah.

b. Iterasi 2, dari matriks penghematan atau savings matrix, dicari penghematan tertinggi dan nilai tersebut terletak pada customer berapa, kemudian kombinasikan kedua rute dari customer tersebut menjadi satu rute. Selanjutnya dilakukan pengecekan apakah pengkombinasian tersebut layak atau tidak, layak dilakukan jika total order size kurang dari kapasitas alat angkut (Pick Up). Metode/prosedur untuk penentuan urutan gudang dalam satu rute adalah dengan menggunakan prosedur Nearest Neighbour yaitu :

 Rute perjalanan dibuat dengan menambahkan customer terdekat dari titik terkhir yang dikunjungi oleh kendaraan. Iterasi dimulai dari DC kemudian perjalanan dilakukan menuju ke customer yang paling dekat dengan DC, dan seterusnya.

16.Penghitungan biaya transportasi sebelum dan sesudah penerapan metode Savings Matrix

Biaya transportasi dihitung berdasarkan biaya tenaga kerja, biaya bahan bakar, dan biaya retribusi selama perjalanan berdasarkan rute yang dilalui sebelum dan sesudah penerapan metode Savings Matrix. Biaya transportasi awal dihitung berdasarkan data alat angkut dan biaya transportasi awal, kemudian mengevaluasi biaya yang dikeluarkan oleh perusahaan sebelum dan sesudah penggunaan metode

17.Analisa dan Pembahasan

Setelah perhitungan biaya transportasi langkah berikutnya adalah menganalisis perbandingan sebelum dan sesudah perhitungan dengan menggunakan savings matrix.

18.Rekomendasi Rute Distribusi

Merekomendasikan jalur distribusi yang menghasilkan biaya transportasi yang terkecil agar diperoleh keuntungan yang optimum.

19.Kesimpulan dan Saran

Berisikan tentang kesimpulan apakah dengan menerapkan metode Savings Matrix akan mengurangi biaya transportasi serta saran untuk perusahaan agar mempertimbangkan untuk menggunakan metode ini.

3.6 Langkah-langkah Metode Peramalan

Penjelasan Langkah – langkah Metode Peramalan : 1. Mulai.

2. Mengumpulkan data permintaan Juli 2009 sampai dengan Juni 2010. 3. Buat Diagram Pencar.

Data-data permintaan Juli 2009 sampai dengan Juni 2010 diplotkan pada diagram pencar, agar kita dapat mengetahui pola/trend dari data permintaan tersebut.

4. Mengetahui Trend Data.

Dengan diagram pencar tersebut kita dapat mengetahui trend dari data permintaan tersebut, sehingga dapat menentukan model-model peramalan yang dapat digunakan untuk meramalkan sesuai dengan trend data.

5. Menyiapkan model peramalan yang dianggap sesuai untuk melakukan peramalan permintaan produk periode berikutnya.

6. Menghitung MSE.

Dari masing-masing model yang digunakan untuk meramalkan kita hitung nilai MSE-nya.

7. Mengurutkan MSE dari yang terkecil sampai terbesar.

Dari hasil perhitungan MSE tersebut kita rangking dari yang terkecil sampai terbesar. Karena kita akan memilih metode peramalan dengan nilai MSE yang paling kecil.

8. Uji verifikasi dengan menggunakan peta rentang bergerak (MRC).

Kita melakukan uji verifikasi untuk data-data dari metode peramalan dengan nilai MSE terkecil tersebut. Untuk mengetahui apakah ada data yang out of control.

9. Apakah data terkontrol, jika data tidak terkontrol atau ada data yang out of control, maka kembali pada pengurutan MSE yang terkecil dan memilih nilai MSE yang terkecil berikutnya untuk dilakukan uji verifikasi lagi. Jika data terkontrol maka berlanjut ke langkah berikutnya dan metode peramalan tersebut dapat digunakan.

10. Menggunakan metode peramalan yang telah lolos dari uji verifikasi untuk meramalkan permintaan produk pada periode berikutnya.

11. Kemudian kita akan mendapatkan hasil peramalan permintaan produk untuk periode berikutnya dan dapat digunakan untuk melakukan perencanaan pengendalian persediaan selanjutnya.

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data Permintaan Daging Sapi

Data permintaan daging sapi, rata-rata per hari setiap bulan pada periode bulan Juli 2009 – Juni 2010.

Tabel 4.1 Data permintaan daging sapi, rata-rata per hari setiap bulan pada periode, bulan Juli 2009 – Juni 2010.

Permintaan Daging Sapi (Kg)

Customer

1 _{2 3 4 5 6 7 8 9 10 11 12}

Customer1 500 500 480 500 520 500 500 500 550 500 500 500

Customer2 300 300 260 310 300 300 300 350 300 300 300 300

Customer3 350 400 300 300 350 350 350 350 350 350 370 350

Customer4 400 400 400 450 400 400 400 420 400 380 400 400

Customer5 450 500 500 500 500 510 500 440 500 500 500 500

Customer6 450 450 450 400 430 450 450 450 450 450 450 450

Customer7 500 500 350 400 500 500 500 500 500 450 450 450

Customer8 500 500 440 500 500 500 450 500 500 500 500 480

Customer9 300 300 300 350 380 400 400 400 400 400 400 400

Customer10 400 350 350 350 350 350 370 450 350 300 350 350

Sumber : CV. Sari Jaya Mandiri

Keterangan data dan customer :

Data diatas diperoleh dari lampiran A, yaitu data permintaan tiap minggu yang dikalkulasikan menjadi bulanan dan sudah diambil rata-rata tiap hari.

Customer 1 : Pasar Krian Customer 6 : Pasar Tulangan

Customer 2 : Pasar Surungan Customer 7 : Pasar Krembung

Customer 3 : Pasar Tarik Customer 8 : Pasar Sepanjang

Customer 4 : Pasar Temu Customer 9 : Pasar Sukodono

Sehingga didapat rata-rata besarnya order size untuk Daging sapi pada periode, bulan Juli 2009 – Juni 2010. Perhitungan rata- rata Order Size didapat dari jumlah permintaan customer selama 12 bulan dari bulan Juli 2009 – Juni 2010. Untuk perhitungan Order Size salah satu customer, Yaitu customer 1 (Pasar Krian):





periode Jumlah 2010 Juni -2009 Juli periode selama permintaan Jumlah OrderSize 12 500) 500 500 550 500 500 500 520 500 480 500

(500          



1 . 504



Untuk perhitungan Order Size customer selanjutnya dapat dilihat pada lampiran B.

Tabel 4.2 Rata-rata besarnya Order Size untuk tiap customer untuk periode bulan Juli 2009 – Juni 2010.

No Customer Order Size

(Daging sapi / Kg) 1 Pasar Krian 504.1 2 Pasar Surungan 301.6 3 Pasar Tarik 347.5 4 Pasar Temu 404.1 5 Pasar Candi 491.6 6 Pasar Tulangan 444.1 7 Pasar Krembung 466.6 8 Pasar Sepanjang 489.1 9 Pasar Sukodono 369.1 10 Pasar Suko 360

4.1.1 Rute Awal

Data Rute awal pendistribusian dari Distributor ke customer adalah: Tabel 4.3 Rute awal pendistribusian dari Distributor ke customer

Rute Nama Customer Kode 1. Distributor – Pasar Krian – Pasar Surungan – Distributor Dc – C1 – C2 – Dc 2. Distributor – Pasar Tarik – Distributor Dc – C3 – Dc 3. Distributor – Pasar Temu – Distributor Dc – C4 – Dc 4. Distributor – Pasar Candi – Distributor Dc – C5 – Dc 5. Distributor – Pasar Tulangan – Distributor Dc – C6 – Dc 6. Distributor – Pasar Krembung – Distributor Dc – C7 – Dc 7. Distributor – Pasar Sepanjang – Distributor Dc – C8 – Dc 8. Distributor – Pasar Sukodono – Distributor Dc – C9 – Dc 9. Distributor – Pasar Suko – Distributor Dc – C10 – Dc

Sumber: CV. Sari Jaya Mandiri

4.1.2 Data Alat Angkut

Jenis alat angkut atau armada yang digunakan dalam pendistribusian dari Distributor ke customer adalah :

Tabel 4.4 Kapasitas alat angkut

Jenis Alat Angkut Kapasitas Jumlah Keterangan

Pick Up (L300)  1250 Kg 2 Milik Sendiri

Sumber: CV. Sari Jaya Mandiri

4.4.4 Pembahasan Perbandingan Biaya Transportasi Sebelum dan Sesudah Penerapan Metode Savings Matrix

Tabel 4.29 Perbandingan biaya transportasi Total biaya transportasi

pada rute awal (Rp)

Total biaya transportasi pada rute usulan (Rp)

Penghematan (Rp)

Penghematan (%)

Rp. 204.025/ hari Atau

Rp. 74.469.125 / tahun

Rp. 122.852 / hari Atau

Rp. 44.840.980 / tahun

Rp. 81.173/ hari Atau

Rp. 29.628.145 /tahun

39.7%

Dari Tabel 4.29 Biaya transportasi sebelum penerapan metode Savings

Matrix diperoleh total biaya transportasi pada rute awal sebesar Rp. 204.025/hari atau Rp. 74.469.125/tahun dan biaya transportasi sesudah

penerapan metode Savings Matrix diperoleh total biaya transportasi pada rute baru sebesar Rp. 122.852/hari atau Rp. 44.840.980/tahun sehingga diperoleh penghematan biaya trransportasi sebesar Rp. 81.173/hari atau Rp. 29.628.145/tahun atau penghematan biaya transportasi sebesar 39.7 %. Karena didapatkan penghematan jarak tempuh maupun biaya transportasi setelah penerapan metode Savings matrix maka untuk pengiriman selanjutnya perusahaan dapat menggunakan jalur distribusi dari savings matrix yaitu rute A sampai D dengan total biaya transportasi sebesar Rp. 122.852 / hari atau Rp. 44.840.980/tahun.

Hak Cipta © milik UPN "Veteran" Jatim :

Tabel 4.30 Perbandingan Order Size Awal dan Peramalan Order Size

Awal (Kg)

Order Size Peramalan (Kg)

Peningkatan order size dalam prosentase

4177.8 4218.25 0.9%

Dari tabel 4.30 diketahui bahwa terjadi peningkatan pada order size peramalan sebesar 36.2 Kg atau 0.9 % per hari untuk 10 customer. Dengan meningkatnya order size untuk peramalan tetapi tidak mempengaruhi biaya transportasi pada rute usulan. Jadi perusahaan selain bisa menghemat biaya transportasi, perusahaan juga memperoleh tambahan omset karena permintaan untuk 10 customer bertambah.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari pengolahan data dan pembahasan pada bab 4 dapat disimpulkan bahwa dari 9 rute awal pendistribusian berubah menjadi 4 rute baru, rute yang ditentukan meliputi rute A sampai dengan D dengan total jarak tempuh 95.23 Km. Dimana 4 rute baru tersebut didapat setelah penerapan metode savings matrix dan diperoleh efisiensi jarak dan biaya yang optimal.

Rute baru setelah penerapan metode saving matriks pada pengiriman daging sapi ke customer :

 Rute A (DC – C10 – C9 – C8 – DC) dengan Panjang 12.08 + 4.51 + 7.56 + 15.94 = 40.09 Km.

 Rute B (DC – C7 – C6 – DC) dengan panjang = 11.74 + 4.03 + 10.72 = 26.49 Km.

 Rute C (DC – C4 – C3 – C2 – DC) dengan panjang 3.62 + 5.62 + 5.3 + 4.99 = 19.53 Km.

 Rute D (DC – C1 – C5 – DC) dengan panjang = 0.45 + 4.11 + 4.56 = 9.12 Km.

Penghematan biaya transportasi setelah penerapan metode Savings Matrix, yaitu : Diperoleh total biaya transportasi pada rute awal sebesar Rp. 204.025/hari atau Rp. 74.469.125/tahun dan biaya setelah penerapan metode Savings Matrix diperoleh total biaya transportasi pada rute baru dari A sampai D sebesar Rp. 122.852/hari atau Rp. 44.840.980/tahun sehingga diperoleh penghematan biaya

Hak Cipta © milik UPN "Veteran" Jatim :

transportasi sebesar Rp. 81.173/hari atau Rp. 29.628.145/tahun atau penghematan biaya transportasi sebesar 39.7 %.

5.2 Saran

Saran dari penelitian ini untuk CV. Sari Jaya Mandiri, adalah sebagai berikut :

CV. Sari Jaya Mandiri diharapkan dapat menggunakan jalur distribusi baru yang merupakan hasil dari penelitian di perusahaan tersebut, dengan menggunakan metode Savings Matrix yang dapat mengefisiensi jarak dan diperoleh biaya transportasi yang optimal.

DAFTAR PUSTAKA

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

Ballow, H Ronald. 2004. Internasional Edition Bussines Logistik / Supply Chain Managenent. Prentice Hall : Finh Edition.

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

Bowersox, Donald J. 2002. Manajemen Logistik : Integrasi Sistem-sistem Manajemen Distribusi Fisik dan Manajemen Material. Edisi ketiga. Jakarta : PT. Bumi Aksara.

Bryan, Lislie A. 2000. Traffic Management in Industry. New York : The Dryden Press.

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

Christoper, Martin. 1998. Logistical and Supply Chain Management : Strategic for Reducing cost and Improving service. London : Prentice Hall, inc.

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

Hutabarat, Julianus.2008.Penentuan jalur distribusi pada rantai supply dengan metode Savings Matrixs.Surabaya : Prosiding Seminar Nasional manajemen Teknologi VIII institute Teknologi Sepuluh Nopember.

Indrajit, Richardus Eko dan Richardus Djokoprinito. 2002. Konsep Manajemen Supply Chain. Jakarta : Gramedia Widia Sarana.

Isyadi, Dani.2003.Penentuan jalur distribusi produk kertas ke customer untuk meminimalkan biaya transportasi dengan Metode Savings Matrix di PT. Ekamas.Malang

Mangkusubroto, Kuntoro dan listiarini Trisnadi. 1983. Analisa Keputusan : Pendekatan Sistem Dalam Manajemen Usaha dan Proyek. Bandung : Ganeka Exact Bandung.

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

Hak Cipta © milik UPN "Veteran" Jatim :

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

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

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

Taff, Charles A. 1998. Manajement of physical Distribution Transportation. Terjemah Drs. Marianus Sinaga. Manajemen Transportasi dan Distribusi Fisis. Jakarta : Erlangga. 1990.

Woodward, Frank H. 1990. Managing The Transport Service Function. Terjemah P Hadinoto. Manajemen Transpor. Jakarta : Pustaka Binaman Pressindo, 1996.

Jurnal, Prosiding Seminar Nasional Manajemen Teknologi VIII, Program Studi MMT – ITS, Surabaya 2 Agustus 2008.