MINIMASI TOTAL BIAYA DISTRIBUSI DENGAN
DISTRIBUTION REQUIREMENT PLANNING DAN
SAVING MATRIX DI INDUSTRI BAHAN KIMIA
Oleh
Arianto R. Saraka
NIM: 004200900106
Diajukan untuk Memenuhi Persyaratan Akademik
Mencapai Gelar Strata Satu
pada Fakultas Teknik
Program Studi Teknik Industri
2013
i
LEMBAR PERSETUJUAN PEMBIMBING
Skripsi dengan judul “Minimasi total biaya distribusi dengan
Distribution Requirement Planning dan Saving Matrix di Industri
Bahan Kimia” dibuat oleh Arianto R. Saraka dan telah siap
dipertahankan di depan dewan penguji sebagai persyaratan untuk
memperoleh gelar Sarjana Teknik Program Srata satu President
University Program Studi Teknik Industri.
Cikarang, Indonesia, 30 April 2013
Johan Oscar Ong, ST, MT
ii
PERNYATAAN ORISINALITAS
Skripsi dengan judul “Minimasi total biaya distribusi dengan
Distribution Requirement Planning dan Saving Matrixdi Industri
Bahan Kimia” adalah hasil karya saya sendiri tanpa menyadur dan
menyalin serta belum pernah diterbitkan di Universitas manapun,
semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan
benar.
Cikarang, Indonesia, 30 April 2013
Arianto R Saraka
iii
Minimasi Total Biaya Distribusi dengan Distribution
Requirement Planning dan Saving Matrix di Industri
Bahan Kimia
Oleh
Arianto R Saraka
NIM: 004200900106
Disetujui oleh
Johan Oscar Ong, ST, MT Herwan Yusmira, B.Sc. MET, MTech
Dosen Pembimbing Ketua Program Studi Teknik Industri
Dr.-Ing Erwin Sitompul
Dekan Fakultas Teknik
v
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT, karena berkat rahmat dan
karunia-Nya penulis dapat menyelesaikan skripsi ini dengan judul “Minimasi total
biaya distribusi dengan Distribution Requirement Planning dan Saving Matrix di
Industri Bahan Kimia”.
Berbagai hambatan dan kesulitan penulisan dalam penyusunan dan penulisan
skripsi ini, akhirnya dapat diatasi berkat kerja keras, doa dan bantuan dari
berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan
terima kasih kepada:
1. Mr. Johan Oscar Ong, ST, MT selaku dosen pembimbing yang selalu
memberikan pengarahan dalam menyelesaikan skripsi ini serta
memberikan motivasi agar skripsi ini dapat selesai tepat pada waktunya.
2. Kepada Staff Akademik President University yang telah membantu dalam
pengumpulan data untuk menyelesaikan skripsi ini.
3. Ibu dan Ayah yang tak henti-hentinya mengirimkan doa serta dukungan
baik moril maupun materil sehingga skripsi ini dapat selsai tepat pada
waktunya.
4. Kekasih yang tercinta yang selalu memberi support untuk penulis dan
selalu setia mendampingi penulis disaat suka dan duka
5. Teman-temanku: Leonardus Edi, Eko Wahyu Diranto, Dede Julianti, Nur
Ahmad Imam Sejatidan Faizah Fathony yang juga sedang menyelesaikan
skripsi semoga kita semua bisa menjadi manusia yang bermanfaat bagi
Nusa dan Bangsa, Amin.
Sebagai manusia yang mempunyai keterbatasan, skripsi ini mungkin masih
banyak terdapat kekurangan meskipun sudah berusaha semaksimal mungkin,
karena kesempurnaan hanyalah milik Allah SWT. Oleh karena itu, kritik dan
saran sangat diharapkan dari kekurangan penulis sebagai motivasi untuk belajar
vi
lebih baik lagi dari sebelumnya. Penulis berharap mudah-mudahan hasil dalam
penelitian ini dapat memberikan manfaat bagi kita semua.
Cikarang, 30 April 2013
Arianto R Saraka
004200900106
vii
DAFTAR ISI
LEMBAR PERSETUJUAN PEMBIMBING .......................................................... i
PERNYATAAN ORISINALITAS ......................................................................... ii
LEMBAR PENGESAHAN ................................................................................... iii
ABSTRAK ............................................................................................................. iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI ......................................................................................................... vii
DAFTAR TABEL .................................................................................................. ix
DAFTAR GAMBAR ............................................................................................ xii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang .............................................................................................. 1
1.2 Perumusan Masalah ....................................................................................... 2
1.3 Tujuan Penelitian ........................................................................................... 2
1.4 Asumsi ........................................................................................................... 2
1.5 Batasan Masalah ............................................................................................ 3
1.6 Sistematika Penulisan .................................................................................... 3
BAB II LANDASAN TEORI ................................................................................. 5
2.1 Konsep Distribution Requirement Planning (DRP) ..................................... 5
2.2 Fungsi Distribution Requirement Planning (DRP) ....................................... 6
2.3 Sistem Distribusi Dorong (push) dan Tarik (pull) ........................................ 7
2.4 Penyebab dan Fungsi Persediaan .................................................................. 8
2.5 Lotting ........................................................................................................... 8
2.6 Sistem Persediaan Demand Independent Economic Order Quantity ......... 11
2.7 Safety Stock ................................................................................................ 12
2.8 Peramalan .................................................................................................... 15
2.8.1 Metode Peramalan ................................................................................ 18
2.8.2 Kriteria performance Peramalan .......................................................... 22
2.8.3 Uji verifikasi Peramalan ....................................................................... 23
2.9 Penentuan Rute Distribusi ........................................................................... 24
2.9.1 Metode Saving Matrix.......................................................................... 25
BAB III METODOLOGI PENELITIAN.............................................................. 27
3.1 Observasi ..................................................................................................... 27
3.2 Identifikasi Masalah .................................................................................... 27
viii
3.3 Identifikasi variabel ..................................................................................... 27
3.4 Tujuan Penelitian ........................................................................................ 28
3.5 Penerapan metode peramalan dipilih .......................................................... 28
3.6 Perhitungan DRP berdasarkan peramalan yang terpilih ............................. 29
3.7 Penentuan rute distribusi menggunakan Saving Matrix .............................. 29
3.8 Hasil dan Pembahasan................................................................................. 30
3.9 Kesimpulan ................................................................................................. 30
3.10 Diagram Metodologi ................................................................................. 30
BAB IV DATA DAN ANALISIS ........................................................................ 32
4.1 Pengumpulandata aktual 2010 .................................................................... 32
4.1.1 Data permintaan produk HCl periodejanuari 2010 sampai dengan
desember 2010 .............................................................................................. 32
4.1.2 Datapermintaan produk NaOH periodejanuari 2010 sampai dengan
desember 2010 .............................................................................................. 34
4.1.3 Data permintaan produk H2SO4 periodejanuari 2010 sampai dengan
desember 2010 .............................................................................................. 35
4.1.4 Biaya simpan dan persediaan produk perusahaan periode januari 2010
sampai dengan desember 2010...................................................................... 37
4.1.5 Perhitungan biaya distribusi perusahaan .............................................. 39
4.2 Perhitungan Peramalan................................................................................ 42
4.2.1 Pemilihan Metode Peramalan .............................................................. 44
4.2.2 Penentuan Lot Sizing ........................................................................... 46
4.3 Pengolahan data aktual dengan metode DRP (Distribution Requirement
Planning) ........................................................................................................... 47
4.3.1 Perhitungan EOQ (Economic Order Quantity) .................................... 47
4.3.2 Perhitungan SS (Safety Stock) .............................................................. 48
4.3.3 Perhitungan DRP (Distribution Requirement Planning) ..................... 49
4.3.4 Perbandingan metode perusahaan dan metode DRP (Distribution
Requirement Planning) ................................................................................. 51
4.4 Penentuan Rute Distribusi ........................................................................... 52
4.4.1 Data Penentuan Rute Distribusi ........................................................... 52
4.4.2 Perhitungan Jarak ................................................................................. 53
4.4.3 Perhitungan Metode Saving Matriks .................................................... 56
4.4.4 Perbandingan selisih jarak tempuh rute perusahaan dan metode Saving
Matrix ............................................................................................................ 59
4.5 Analisis data penelitian ............................................................................... 59
4.5.1 Hasil peramalan per produk & verifikasi peramalan terpilih ............... 59
ix
4.5.2 Hasil Penerapan Distribution Requirement Planning (DRP)............... 64
4.5.3 Penerapan Rute menggunakan Saving Matrix setelah menggunakan
metode DRP .................................................................................................. 68
BAB V SIMPULAN DAN SARAN ..................................................................... 72
5.1 Simpulan ..................................................................................................... 72
5.2 Saran ............................................................................................................ 72
LAMPIRAN .......................................................................................................... 72
LAMPIRAN 1 Perhitungan Biaya Simpan Perusahaan produk HCl, NaOH dan
H2S04 .................................................................................................................... 73
LAMPIRAN 2 Perhitungan Peramalan menggunakan WinQSB.......................... 76
LAMPIRAN 3 Perhitungan Economic Order Quantity produk HCl, NaOH dan
H2SO4 ................................................................................................................... 80
LAMPIRAN 4 Perhitungan Safety Stock untuk masing-masing daerah produk
HCl, NaOH dan H2SO4 ........................................................................................ 84
LAMPIRAN 5 Perhitungan Tabel Logika Distribution Requirement Planning
untuk masing-masing daerah produk HCl, NaOH dan H2SO4 ............................ 87
LAMPIRAN 6 Perhitungan Matrik Jarak dan matrik penghematanproduk HCl,
NaOH dan H2SO4............................................................................................... 107
LAMPIRAN 7 Perhitungan Moving Range Chart produk HCl, NaOH dan H2SO4
............................................................................................................................. 117
DAFTAR PUSTAKA ......................................................................................... 120
x
DAFTAR TABEL
Tabel 2.1 Integrasi Distribusi dan Manufaktur ....................................................... 6
Tabel 2.2 Model Lot Sizing .................................................................................. 10
Tabel 2.3 Kategori sasaran peramalan .................................................................. 16
Tabel 4.1 Permintaan HCL 2010 pada gudang pusat ............................................ 32
Tabel 4.2 Permintaan HCl 2010 tiap wilayah ....................................................... 33
Tabel 4.3 Permintaan NaOH 2010 pada gudang pusat ......................................... 34
Tabel 4.4 Permintaan NaOH 2010 tiap wilayah ................................................... 35
Tabel 4.5 Permintaan H2SO4 pada gudang pusat ................................................. 36
Tabel 4.6 Permintaan H2SO4 2010 tiap wilayah .................................................. 36
Tabel 4.7 Rincian biaya simpan perusahaan ......................................................... 37
Tabel 4.8 Biaya simpan HCL 2010 ....................................................................... 38
Tabel 4.9 Biaya simpan NaOH 2010 .................................................................... 38
Tabel 4.10 Biaya simpan H2SO4 .......................................................................... 39
Tabel 4.11 Total biaya simpan perusahaan keseluruhan produk 2010 ................. 39
Tabel 4.12 Rincian biaya kendaraan jenis truk ..................................................... 40
Tabel 4.13 Rincian biaya kendaraan jenis pick up ................................................ 40
Tabel 4.14 Biaya pengiriman kendaraan truk 2010 .............................................. 41
Tabel 4.15 Biaya pengiriman kendaraaan pick up 2010 ....................................... 41
Tabel 4.16 Hasil perhitungan nilai kesalahan peramalan produk HCl .................. 42
Tabel 4.17 Hasil perhitungan nilai kesalahan peramalan produk NaOH .............. 43
Tabel 4.18 Hasil perhitungan nilai kesalahan peramalan produk H2SO4 ............ 43
Tabel 4.19 Hasil peramalan terpilih AES untuk produk HCl tiap wilayah ........... 44
Tabel 4.20 Hasil peramalan terpilih SEST untuk produk NaOH tiap wilayah ..... 45
Tabel 4.21 Hasil peramalan terpilih AES untuk produk H2SO4 tiap wilayah ..... 45
Tabel 4.22 Nilai EOQ keseluruhan produk ........................................................... 47
Tabel 4.23 Nilai Safety Stock keseluruhan produk................................................ 49
Tabel 4.24 Logika DRP produk HCl wilayah Jababeka ....................................... 50
Tabel 4.25 Total biaya distribusi metode DRP keseluruhan produk .................... 50
Tabel 4.26 Koordinat lokasi distribusi .................................................................. 53
Tabel 4.27 Kapasitas kendaraan ............................................................................ 53
xi
Tabel 4.28 Matriks Jarak ....................................................................................... 54
Tabel 4.29 Rute dan total jarak tempuh metode perusahaan ................................ 55
Tabel 4.30 Matriks penghematan bulan januari 2010 setelah penerapan DRP..... 56
Tabel 4.31 Pengelompokan rute bulan januari 2010 metode Saving Matrix ........ 57
Tabel 4.32 Rute dan total jarak bulan januari 2010 metode Nearest Neightbor ... 58
Tabel 4.33 Rute dan nilai jarak tempuh metode saving matrix setelah penerapan
DRP ....................................................................................................................... 58
xii
DAFTAR GAMBAR
Gambar 3.1 Metodologi Penelitian ....................................................................... 31
Gambar 4.1 Peta Lokasi distribusi skala 1 : 5 ....................................................... 52
Gambar 4.2 Perbandingan peramalan produk HCl vs aktual 2010 ....................... 60
Gambar 4.3 MRC HCl .......................................................................................... 60
Gambar 4.4 Perbandingan peramalan produk NaOH ramalan vs aktual 2010 ..... 61
Gambar 4.5 MRC NaOH....................................................................................... 62
Gambar 4.6 Perbandingan peramalan produk H2SO4 ramalan vs aktual 2010 .... 63
Gambar 4.7 MRC H2SO4 ..................................................................................... 63
Gambar 4.8 Grafik nilai EOQ produk HCl ........................................................... 65
Gambar 4.9 Grafik nilai EOQ produk NaOH ....................................................... 66
Gambar 4.10 Grafik nilai EOQ produk H2SO4 .................................................... 67
Gambar 4.11 Sebaran persentase pengiriman masing-masing kendaraan ............ 68
Gambar 4.12 Sebaran persentase truk 1,2 dan 3 setelah penerapan saving matrix 70
Gambar 4.13 Sebaran persentase kendaraan pick up setelah penerapan saving
matrix .................................................................................................................... 70
iv
ABSTRAK
Perencanaan dan penjadwalan distribusi barang di PT. Senatama Laboranusa
belum terkoordinasi dengan baik, sehingga permintaan untuk semua masing
produk kurang terkontrol mengakibatkan terjadinya kekurangan atau kelebihan
persediaan, baik pada pabrik maupun pada masing-masing warehouse.
Permasalahan ini akan berdampak pada biaya distribusi yang dikeluarkan
perusahaan.Dalam penelitian ini dilakukan pengolahan data distribusi
menggunakan metode Distribusion Requirement Planning dan pengolahan rute
distribusi menggunakan Saving Matrix dimana kedua metode tersebut dapat
mengelompokan jadwal pengiriman dan alur rute distribusi secara teratur. Dari
perhitungan DRP akan dihasilkan PORelease yang berisi waktu dan jumlah
pemesanan tiap wilayah, ukuran lot yang digunakan metode EOQ (Economic
Order Quantity). Dari perhitungan Saving Matrix urutan rute diterapkan metode
Nearest Neightbor. Setelah adanya penerapan Distribution Requirement Planing
penurunan biaya yang dihasilkan sebesar 29,75% dan adanya selisih jarak setelah
penerapan Saving Matrix sebesar 938,3 Km.Dengan adanya perencanaan dan
penjadwalan aktivitas distribusi yang baik, keberhasilan dalam pemenuhan
permintaan pelanggan akan menjadi lebih optimal, kinerja penjualan meningkat
dalam memenuhi order dengan tepat waktu dan tepat jumlah sehingga biaya
distribusi dapat ditekan seminimum mungkin.
Kata kunci: data distribusi, peramalan, Lot Sizing, Safety Stock, Economic Order
Quantity, Distribution Requirement Planning, Saving Matrix,
Nearest Neightbor, Moving Range Chart.
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan dunia usaha mengalami persaingan yang begitu kuat dan
peningkatan pelayanan lebih bagi pelanggan. Dalam memenangkan persaingan
tersebut perusahaan menggunakan berbagai cara diantaranya meningkatkan
kepuasan pelanggan melalui produk berkualitas, ketepatan waktu pengiriman, dan
efisiensi biaya. Kebijaksanaan untuk pengendalian persediaan produk pada suatu
lokasi tertentu dapat menimbulkan masalah pada manajemen dalam
mengkoordinasikan perencanaan distribusi dari bagian pemasaran.
Masalah distribusi seringkali menjadi permasalahan bagi setiap perusahaan
semakin luas wilayah pemasaran yang dimiliki perusahaan maka semakin banyak
permasalahan yang timbul. Penempatan persediaan pada setiap lokasi perlu
diperhatikan dan ditangani dengan baik agar persediaan dapat optimal atau tidak
terlalu melakukan penyimpanan yang terlalu besar.
PT. Senatama Laboranusa merupakan perusahaan yang bergerak pada bidang
Water Treament, Oil Filed Chemical dan Commodity General Chemical (bahan
kimia umum) dan mampu memasok produk di Pulau Jawa yang didukung
beberapa distributor. Perusahaan telah dipercaya untuk mendistribusikan produk
ke berbagai daerah Pulau Jawa dan Sumatra. Pengiriman produk dilakukan sesuai
dengan permintaan masing-masing konsumen dengan menggunakan sarana
transportasi darat. Perencanaan distribusi yang dilakukan perusahaan PT.
Senatama Laboranusa pada saat ini dilakukan secara heuristik, dimana metode
yang digunakan hanya sebatas trial dan error. Selain itu, persediaan buffer yang
ada ditetapkan berdasarkan permintaan terkecil yang terkadang persediaan tidak
ada sama sekali selama masa pengiriman, yang mengkibatkan seringnya terjadi
keterlambatan. Di dalam perusahaan ini belum adanya suatu perencanaan dan
penjadwalan aktivitas distribusi produk yang terkoordinasi dengan baik sehingga
2
permintaan untuk semua masing produk kurang terkontrol yang mengakibatkan
terjadinya kekurangan atau kelebihan persediaan, baik pada pabrik maupun pada
masing-masing customer di pulau jawa. Akibat dari hal ini, biaya distribusi
perusahaan mengalami pembengkakan biaya.
Oleh karena itu, perlu adanya suatu metode yang tepat untuk dapat diterapkan
dalam perusahaan. Sehingga dapat meminimasi biaya distribusi dan
mengoptimalkan rute yang dilalui oleh perusahaan.
1.2 Perumusan Masalah
Permasalahan yang diamati dalam penelitian ini adalah:
“Bagaimana merencanakan penjadwalan aktivitas distribusi untuk meminimasi
biaya distribusi dan mengoptimalkan rute distribusi di PT. Senatama
Laboranusa?”.
1.3 Tujuan Penelitian
Adapun tujuan penelitian ini sebagai berikut:
1. Merencanakan penjadwalan aktivitas distribusi untuk meminimasi biaya
distribusi perusahaan.
2. Mengoptimalkan rute yang dilalui oleh kendaraan perusahaan.
1.4 Asumsi
Dalam penelitian ini menggunakan beberapa asumsi yaitu sebgai berikut:
1. Kapasitas penyimpanan produk pada warehouse pusat dan warehouse
setiap daerah cukup tersedia.
2. Pola permintaan mengikuti Distribusi Normal.
3. Kondisi kendaraan dalam kondisi baik dan tidak terjadi bencana alama
selama periode tersebut.
4. Biaya bahan bakar, biaya handling cost, insentive sopir dan biaya lain-
lainnya diasumsikan tetap selama penelitian.
5. Kegiatan bongkar muat di warehouse pusat dan warehouse setiap daerah
kirim dilakukan selama 24 jam.
3
6. Waktu kerja dalam 1 bulan dihitung selama 26 hari kerja.
7. Rute distribusi yang dilalui pada saat pengiriman produk bahan kimia dari
Gudang pusat ke lokasi warehouse diasumsikan sama dengan rute kembali
dari lokasi warehouse ke Gudang pusat.
1.5 Batasan Masalah
Adapun batasan masalah sebagai berikut:
1. Produk yang diteliti adalah produk bahan kimia umum (HCL, H2SO4 dan
NaOH).
2. Data yang diolah adalah data permintaan dan distribusi yang didapatkan
dari perusahaan pada bulan januari 2010 sampai dengan Desember 2010.
3. Biaya pengiriman meliputi biaya bahan bakar, biaya handling cost,
instentive sopir dan biaya retribusi.
4. Angkutan yang digunakan yaitu Truck dan Pick Up (bak terbuka).
1.6 Sistematika Penulisan
Adapun sistematika penulisan dari skripsi ini adalah sebagai berikut:
BAB I Pendahuluan
Pada Bab I ini menjabarkan sekilas tentang latar belakang dari
masalah serta sekilas gambaran umum dari PT. Senatama
Laboranusa, lalu perumusan masalah, asumsi, batasan masalah,
tujuan dari penelitian, dan terakhir adalah sistematika penulisan
skripsi ini.
BAB II Landasan Teori
Pada Bab II berisi tentang teori-teori yang dijadikan referensi dan
dasar/panduan melakukan penelitian ini. Teori –teori ini didapat
dari berbagai sumber baik berupa buku maupun jurnal-jurnal teknik
industri.
BAB III Metodologi Penelitian
Pada Bab III menjabarkan tentang metode-metode yang dilakukan
selama melakukan penelitian mulai dari observasi, identifikasi
masalah, identifikasi variabel, tujuan penelitian, pengumpulan data
distribusi, penerapan metode peramalan, perhitungan berdasarkan
4
metode DRP, penentuan rute distribusi, hasil dan pembahasan, dan
terakhir kesimpulan.
BAB IV Data dan Analisis
Pada Bab IV berisi tentang data yang diperoleh dari PT. Senatama
Laboranusa lalu kemudian data tersebut dihitung dan dianalisis
menggunakan teori-teori yang dijadikan referensi dan dasar
melakukan penelitian.
BAB V Simpulan dan Saran
Pada Bab V adalah Bab terakhir pada skripsi ini, berisi tentang
kesimpulan yang didapat dari hasil penelitian terhadap masalah dan
saran yang dapat diberikan sebagai masukan terhadap
pengembangan laporan penelitian agar lebih akurat.
5
BAB II
LANDASAN TEORI
2.1 Konsep Distribution Requirement Planning (DRP)
Distribution Requirement Planning adalah sesuatu metode untuk menangani
pengadaan persediaan dalam suatu jaringan distribusi multi eselon. Multi eselon
adalah sistem distribusi yang bertingkat dimulai dari customer sampai dengan
supplier. Metode ini menggunakan demand independent, dimana demand tersebut
dipengaruhi secara langsung oleh permintaan pasar dan tidak terkait dengan item
lain yang diproduksi atau dipesan. DRP dilakukan dengan meramalkan demand
untuk untuk memenuhi struktur pengadaannya kemudian menentukan persediaan
pengaman guna menanggulangi ketidakpastian permintaan yang meningkat.
Penentuan ukuran lot atau besarnya jumlah pesanan pada DRP bergantung pada
besarnya permintaan dan biaya-biaya persedian.
Distribution Requirement Planning lebih menekankan pada aktivitas
pengendalian dari pada kegiatan pemesanan. DRP mengantisipasi kebutuhan
mendatang dengan perencanaan pada setiap level pada jaringan distribusi.
Langkah-langkah menghitung tabel logika dasar DRP adalah sebagai berikut
(Tersine,1994):
1. Tentukan Gross Requirement (kebutuhan kotor) yang diperoleh dari hasil
Forecasting.
2. Hitung Net Requirement (kebutuhan bersih). Berikut rumus dalam periode
n:
Net Requirement = (Gross Requirment + Safety Stock) – (Schadule
Receipt + Project on Hand periode sebelumnya). Net Requirement
tersebut mengidentifikasi kapan level persediaan Gross Requirement
terpenuhi. Nilai net Requirement yang dicatat (Recorded) adalah nilai yang
bernilai positif.
3. Tentukan Planned Order Receipt sejumlah Net Requirement tersebut
(ukuran lot tertentu) pada periode tersebut.
4. Hitung Projected On Hand pada periode n tersebut:
6
Project On Hand = (Project On Hand Periode sebelumnya + Schedule
Receipt + Planned Order Receipt).
5. Tentukan hari dimana harus melakukan pemesanan tersebut (Planned
Order Release) dengan mengurangkan hari terjadwalnya Planned Order
Receipt dengan Lead Time.
2.2 Fungsi Distribution Requirement Planning (DRP)
Distribution Requirement Planning sangat berperan baik untuk sistem distribusi
manufaktur yang terintegrasi maupun sistem tidak terintegrasi. Dengan kebutuhan
kemampuan persediaan time phasing pada tiap level dalam jaringan distribusi
sehingga DRP memiliki kemampuan untuk memprediksi suatu masalah yang
terjadi karena dengan kemampuan tersebut dapat mengatasi kekurangan atau
kelebihan persediaan tiap level nya dengan memperhitungkan kebutuhan yang
akan datang dan sisa persediaan yang ada. Sistem Distribution Requirement
Planning bekerja berdasarkan penjadwalan yang telah dibuat untuk permintaan di
masa yang akan datang sehingga mampu mengantisipasi perencanaan masa depan
dengan perencanaan yang lebih dini pada setiap level distribusi. Pada organisasi
manufaktur yang memproduksi untuk pemenuhan persediaan serta untuk dijual
melalui jaringan distribusinya sendiri, Performansinya dapat ditingkatkan dengan
mengintegrasikan sistem MRP dan DRP sekaligus.
Tabel 2.1 Integrasi Distribusi dan Manufaktur
MPS
MDC
RDC
LTC LDC
LTC
Komponen
Komponen Sub Assembly
Komponen Komponen
Komponen
Perencanaan
7
Sumber : Tersine, 1994
Kedua sistem tersebut digabungkan melalui Master Production Schedulle (MPS).
Dimana DRP akan menyatukan jumlah permintaan yang harus dipenuhi
berdasarkan ramalan, yang akan dijadikan sebagai input untuk MPS. Dan
selanjutnya proyeksi kebutuhan produk jadi dari Master Production Schedulle
(MPS) menjadi input bagi MRP, yang akan menghitung kebutuhan komponen dan
sub assembly yang harus dipenuhi seperti yang ditunjukan gambar 2.1.
Keterangan:
MPS = Master Production Schedulle
MDC = Master Distribution Center
RDC = Regional Distribution Center
LDC = Lower Distribution Center
LTC = Lower Trade Center
(Tersine, 1994)
Keuntungan yang didapat dari penerapan metode DRP adalah (Tersine,1994):
1. Dapat dikenali saling ketergantungan antara persediaan distribusi dan
manufaktur.
2. DRP menyusun kerangka kerja untuk seluruh pengendalian logistik dari
distribusi ke manufaktur untuk pembelian.
3. DRP menyediakan masukan untuk perencanaan penjadwalan distribusi
dari sumber penawaran ke bagian distribusi.
2.3 Sistem Distribusi Dorong (push) dan Tarik (pull)
Ada dua (2) perbedaan penting tentang penimbunan persediaan, yaitu sistem Pull
dan sistem Push. Sistem ini didefinisikan sebagai berikut (Nasution,2006):
1. Sistem Tarik (Pull)
Suatu sistem dimana operasi (produksi, pengadaan, pemindahan material,
distribusi, produk, dan sebagainya) terjadi sebagai respon atas tanda atau isyarat
yang diberikan oleh pemakai pada eselon yang lebih rendah dari sistem
(distribusi). Tujuan sistem ini adalah untuk membeli, menerima, memindahkan,
8
membuat dengan tepat apa yang dibutuhkan, dan agar tidak terjadi penyimpanan
atas item yang tidak dibutuhkan.
2. Sistem Dorong (Push)
Suatu sistem dimana operasi-operasi diatas terjadi sebagai respon atas jadwal
yang telah dibuat sebelumnya tanpa harus mempertimbangkan status nyata dari
operasi tersebut. Tujuan seperti ini adalah untuk menjaga konsistensi jadwal yang
telah dibuat.
2.4 Penyebab dan Fungsi Persediaan
Persediaan merupakan suatu hal yang tak terhindarkan. Penyebab timbulnya
persediaan adalah sebagai berikut (Baroto, 2003):
1. Mekanisme pemenuhan atas permintaan
2. Keinginan untuk meredam ketidakpastian
3. Keinginan melakukan spekulasi yang bertujuan mendapatkan
keuntungan besar dari kenaikan harga di masa mendatang.
Persediaan mempunyai beberapa fungsi dalam memenuhi kebutuhan, diantaranya
adalah sebagai berikut (Assauri, 1993):
1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-
bahan yang dibutuhkan perusahaan.
2. Menghilangkan resiko dari material yang dipesan tidak baik sehingga
harus dikembalikan.
3. Mempertahankan stabilitas operasi perusahaan atau menjamin
kelancaran arus produksi.
4. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya,
dimana keinginan pelanggan pada suatu waktu dapat dipenuhi atau
memberikan jaminan tetap tersedianya barang tersebut.
2.5 Lotting
Lotting adalah suatu proses untuk menentukan besarnya jumlah pesanan optimal
untuk setiap item secara individual didasarkan pada hasil perhitungan kebutuhan
bersih yang telah dilakukan. Ukuran lot menentukan besarnya jumlah komponen
yang diterima setiap kali pesan. Penentuan ukuran lot ini sangat bergantung pada
9
besarnya biaya-biaya persedian, seperti biaya pesan, biaya simpan, biaya modal,
dan harga barang itu sendiri. Ada banyak alternatif metode untuk menentukan
ukuran lot. Beberapa teknik diarahkan untuk meminimalkan total biayaset-up dan
biaya simpan.
Model untuk pengambilan keputusan jumlah lot size biasa disebut lot sizing
models. Terdapat banyak model lot sizing dan dapat dibagi menjadi dua kategori
yaitu:
1. Static lot sizing, digunakan untuk menentukan lot size dimana permintaan
sepanjang horizon perencanaan konstan
2. Dynamic lot sizing, digunakan untuk menentukan lot size dimana
permintaan sepanjang horizon tidak konstan. Diasumsikan permintaan
diketahui dengan pasti, dan biasa disebut lumpy.
Teknik-teknik lot sizing berdasarkan pembagian tersebut dapat dilihat pada
gambar 2.2 berikut (Sipper dkk, 1997):
10
Tabel 2.2 Model Lot Sizing
Dynamic Lot Sizing digunakan untuk menganalisa permintaan yang tidak konstan
(lumpy). Salah satu satu teknik yang dapat digunakan untuk menganalisa pola
permintaan ini adalah dengan menggunakan Peterson-Silver Rule. Peterson-Silver
mengusulkan suatu pengukuran variabilitas permintaan dan menyebutnya
koefisien variabilitas. Rumus dari koefisien variabilitas ini adalah sebagai berikut
(Sipper dkk, 1997) :
𝑉 = 𝐷𝑡2𝑛𝑡 = 1
𝐷𝑡𝑛𝑡=1 2
– 1 (2-1)
Dimana:
Dt adalah permintaan diskrit tiap periode dan n adalah panjang horizon
Peterson-Silver mengajukan penentuan pola permintaan dengan aturan sebagai
berikut:
Bila V < 0,25 , gunakan model EOQ dengan 𝐷 sebagai estimasi permintaan
Lot Sizing Models
Static Lot Sizing
Economic Order Quantity
Economic Production
Quantity
Resource Constraints
Fixed Order Quantity
Dynamic Lot Sizing
Simple
Fixed Order
Period Order Quantity
Lot for Lot
Optimum Wagner-Within
Heuristic
Silver -Meal
Least Unit Cost
Part Period Balancing
11
Bila V ≥ 0,25 , gunakan metode DLS
2.6 Sistem Persediaan Demand Independent Economic Order Quantity
Dalam sistem persediaan demand independent sistem economic order quantity
(EOQ), Ukuran dari sebuah order yang meminimumkan total biaya persediaan
dikenal sebagai economic order quantity (EOQ). Model persediaan yang paling
sederhana ini memakai asumsi-asumsi sebagai berikut (Tersine, 2004):
1. hanya satu item yang diperhitungkan.
2. Kebutuhan (permintaan) setiap periode diketahui.
3. Produk yang dipesan diasumsikan dapat segera tersedia.
4. Lead time bersifat konstan.
5. setiap pesanan diterima dalam sekali pengiriman dan langsung dapat
digunakan.
6. Tidak ada pesanan ulang (back order) karena kehabisan persediaan
(storage).
7. Tidak ada quantity discount.
Tidak adanya stock out, total biaya persediaan maka formulasinya:
Total biaya annual = titik order pembelian + titik order pemesanan + titik
order penyimpanan
TC(Q) = RP + 𝐶𝑅
𝑄 +
𝐻𝑄
2 (2-2)
Dimana:
R = permintaan tahunan dalam unit
P = Biaya pembeliaan dari sebuah item
C = Biaya pemesanan tiap kali pesan
H = Biaya penyimpanan per unit per tahun
Q = ukuran lot atau besarnya order dalam unit
F= Fraksi biaya penyimpanan
Untuk mendapatkan ukuran lot dengan biaya minimum (EOQ),
diturunkan total biaya annual terhadap ukuran lot (Q) dan semakin
mendekati hasil nol.
𝑑𝑇𝐶
𝑑𝑄 =
𝐻
2–𝐶𝑅
𝑄2 = 0 (2-3)
12
Sehingga didapat formulasi EOQ sebagai berikut:
Q* = 2𝐶𝑅
𝐻 =
2𝐶𝑅
𝑃𝐹 (2-4)
Dimana:
R = permintaan tahunan dalam unit
P = Biaya pembeliaan dari sebuah item
C = Biaya pemesanan tiap kali pesan
H = Biaya penyimpanan per unit per tahun
Q = ukuran lot atau besarnya order dalam unit
F= Fraksi biaya penyimpanan
2.7 Safety Stock
Pengertian menurut Assauri (2004) yaitu persediaan tambahan yang diadakan
untuk melindungi atau menjaga kemungkinan terjadi kekurangan bahan
(Stockout), Sedangkan pengertian menurut Zulfikarijah (2005) Safety
stockmerupakan persediaan yang digunakan dengan tujuan supaya tidak terjadi
stockout (kehabisan stock). Safety stock merupakan dilema, dimana adanya stock
out akan berakibat terganggunya proses produksi karena adanya stock yang
berlebihan akan membengkakkan biaya penyimpanannya.Dalam penentuan safety
stock padalevel tertentu tergantung pada jenis pemesanan persediaan di masing-
masing perusahaan apakah didasarkan pada quantity. Tujuan safety stock adalah
untuk meminimalkan terjadinya stockout danmengurangi penambahan biaya
penyimpanan dan biaya stockout total, biaya penyimpanan disini akan bertambah
seiring dengan adanya penambahan yang berasal dari reorder point oleh karena
adanya safety stock. Keuntungan adanya safety stock adalah pada saat jumlah
permintaan mengalami lonjakan, maka persediaan pengaman dapat digunakan
untuk menutup permintaan tersebut.
Faktor Pendorong safety Stock Menurut ada beberapa faktor yang dapat
menyebabkan perusahaan melakukan safety stock yaitu (Zulfikarijah, 2005):
1) Biaya atau kerugian yang disebabkan oleh stockout tinggi. Apabila bahan
yang digunakan untuk proses produksi tidak tersedia, maka aktivitas
perusahaan akan terhenti yang menyebakan terjadinya idle tenaga kerjadan
13
fasilitas pabrik yang pada akhirnya perusahaan akan kehilangan
penjualannya.
2) Variasi atau ketidakpastian permintaan yang meningkat. Adanya
jumlahpermintaan yang meningkat atau tidak sesuai dengan peramalan
yang ada diperusahaan menyebabkan tingkat kebutuhan persediaan yang
meningkatpula, oleh karena itu perlu dilakukan antisipasi terhadap safety
stock agar semua permintaan dapat terpenuhi.
3) Resiko stockout meningkat. Keterbatasan jumlah persediaan yang
adadipasar dan kesulitan yang dihadapi perusahaan mendapatkan
persediaan akan berdampak pada sulitnya terpenuhi persediaan yang ada
diperusahaan, kesulitan ini akan menyebabkan perusahaan mengalami
stockout.
4) Biaya penyimpanan safety stock yang murah. Apabila perusahaan
memiliki gudang yang memadai dan memungkinkan, maka biaya
penyimpanan tidaklah terlalu besar hal ini dimaksudkan untuk
mengantisipasi terjadinya stockout.
Metode penentuan safety stock dalam menentukan safety stock terdapat metode
yang dapat digunakan sebagai berikut (Zulfikarijah, 2005):
1) Intuisi
Persediaan ditentukan berdasarkan jumlah safety stock pengalaman
sebelumnya misalnya 1,5 kali; 1,4 kali dan seterusnya selama lead time.
2) Service level tertentu.
Metode ini mengukur seberapa efektif perusahaan mensuplai permintaan
barang dari stoknya. Dalam perhitungan digunakan probalitas untuk
memenuhi permintaan, untuk itu diperlukan informasi yang lengkap
tentang probabilitas berbagai tingkatan permintaan selama lead time
karena sering kali terjadi variasi. Variasi ini disebabkan oleh fluktuasi
lama leadtime dan tingkat permintaan rata-rata. Hal ini akan menghasilkan
14
ukuran variasi yang lebih besar, namun dapat diterapkan sebagai
perhitungan dalam keadaan normal untuk menentukan stok pengaman
guna mencapai tingkat pelayanan yang diinginkan yaitu:
SS = z x s (2-5)
Dimana:
SS = Safety Stock yang disediakan untuk menghadapi ketidakpastian
permintaan
z = nilai service level pada tabel distribusi normal
s = Standar deviasi permintaan
3) Permintaan dengan distribusi empiris.
Metode ini didasarkan pada pengalaman empiris dimana dalam penentuan
stock didasarkan pada kondisi nyata yang dihadapi oleh perusahaan.
4) Permintaan distribusi normal
Permintaan yang dilakukan oleh beberapa pelanggan memiliki jumlah
yang berbeda-beda, walaupun demikian dengan menggunakan asumsi
permintaan bersifat total akan dapat dilakukan perhitungan dengan
distribusi normal.
5) Permintaan berdistribusi Poisson.
Pada saat jumlah permintaan total merupakan permintaan dari beberapa
pelanggan dimana setiap pelanggan hanya membutuhkan sedikit barang,
maka sedikit sekali kemungkinan produsen akan memenuhi kebutuhan
satu pelanggan dalam jumlah yang besar. Dengan adanya rata-rata tingkat
pemesanan yang konstan dan interval waktu jumlah pemesanan tidak
tergantung pada yang lainnya, maka penentuan safety stocknya dapat
menggunakan pendekatan distribusi poisson dengan syarat jumlah
permintaan rata-rata selama lead time sama atau kurang dari 20.
15
6) Lead time tidak pasti.
Adanya jumlah permintaan yang tidak pasti pada periode tertentu akan
berakibat lead time untuk setiap siklus pemesanan bervariasi. Untuk itu
perusahaan akan berusaha menyediakan safety stock atau buffer stock
selama lead time.
7) Biaya stock out
Peningkatan biaya penyimpanan akan meningkatkan service level,
sehingga semua usaha yang digunakan untuk menutup semua level yang
memungkinkan pada saat terjadi lead time permintaan merupakan tujuan
yang sangat sulit dicapai. Untuk semua produk, permintaan maksimum
akan lebih murah dibandingkan dengan terjadinya stockout.
Permasalahannya adalah menentukan tingkat safety stock yang dapat
menyeimbangkan biaya penyimpanan dengan biaya safety stockout. Dari uraian
diatas pentingnya safety stock disebabkan oleh karena kerugian yang akan
ditanggung oleh perusahaan karena proses terhenti, variasi permintaan yang
sangat variatif, resiko stockout dipasar (pemasok) meningkat dan kemungkinan
biaya safety stock yang lebih murah. Penentuan safety stock dapat dilakukan mulai
perhitungan yang sangat sederhana yaitu dengan menggunakan intuisi sampai
dengan menggunakan pendekatan ilmiah atau menggunakan alat statistik baik
dengan distribusi normal maupun poisson yang seluruhnya bertujuan untuk
menentukan safety stock yang terbaik.(Zulfikarijah, 2005)
2.8 Peramalan
Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang
yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang
dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan
permintaan relatif kecil. Dalam kondisi pasar bebas, permintaan pasar lebih
bersifat kompleks dan dinamis karena permintaan tersebut tergantung dari
keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing, dan produk
16
subtitusi. Oleh karena itu, peramalan yang akurat merupakan informasi yang
sangat dibutuhkan dalam pengambilan keputusan manajemen. (Nasution, 2006)
Peramalan memerlukan berbagai kegiatan untuk mengenali dan memantau
berbagai sumber permintaan akan produk dan jasa, yang meliputi peramalan,
mencatat pesanan, membuat janji penyerahan, menentukan kebutuhan unit-unit
operasional untuk mengkoordinasikan seluruh kegiatan secara terpadu. Sasaran
peramalan dapat dikategorikan berdasarkan jangka waktu ke dalam sasaran jangka
panjang, jangka menengah, jangka pendek dan segera. Cakupan sasaran
peramalan untuk setiap departemen sebagaimana terlihat pada tabel 2.3. (Baroto,
2003)
Tabel 2.3 Kategori sasaran peramalan
Segera(kurang
dari 1 bulan
Jangka pendek (1-
2 bulan)
Jangka menengah
(3 bln – 1th)
Jangka Panjang (2
tahun)
Marketing:
penjualan setiap
jenis produk,
penjualan oleh
pelanggan,
kompetitor, harga,
dan level inventory
Total penjualan
kategori produk,
kelompok
produk,harga
Total penjualan
kategori produk,
kelompok produk,
harga, kondisi,
kondisi ekonomi
secara umum
Total penjualan
kategori produk,
kelompok produk,
harga, titik
kematangan dari
produk yang ada,
preferensi
pelanggan
Produksi:
permintaan
masing-masing
produk,
pembebanan
pabrik
Total permintaan
dari kategori
produk dan
kemlompok
produk,
penjadwalan,
tingkat tenaga
kerja, biaya
Biaya alokasi
anggran, beli atau
pesan peralatan
dan pemesinan,
tingkat tenaga
kerja
Biaya investasi
fasilitas, ekspansi
pabrik dan
peralatan,
permintaan
fasilitas produk
yang baru,
teknologi baru
17
Segera (kurang
dari 1 bulan
Jangka pendek
(1-2 bulan)
Jangka
menengah (3 bln
– 1th)
Jangka Panjang
(2 tahun)
Inventory:
permintaan masing-
masing produk,
permintaan untuk
material, demand
untuk barang
setengah jadi, cuaca
permintaan untuk
material, demand
untuk barang
setengah jadi,
demand untuk
produk jadi
Kemungkinan
pemasok baru atau
fasilitas
transportasi
Total penjualan
ekspansi gudang
Keuangan dan
akutansi: penerimaan
penjualan, biaya
produksi, biaya
inventory, kas masuk
dan kas keluar
Total demand, level
persediaan, aliran kas,
pembelian jangka
pendek, harga
Alokasi anggaran
aliran kas
Total penjualan,
pemilihan investasi,
modal, alokasi sumber
daya, program untuk
modal, aliran kas
Pembelian:
produksi,
ketersediaan dana,
pembeliaan dari
pemasok
Demand untuk
produk, demand
untuk material, lead
time pembelian
Demand produk,
demand raw
material dan
material yang lain
Subkontrak atau
membeli raw
material, preferensi
konsumen
R & D: Pengenalan
produk baru
seleksi R&D
Total penjualan,
teknologi, sosial,
politik dan kondisi
ekonomi yang ada,
pengembagan
produk baru
Top management: Total penjualan
penetapan harga
Demand penjualan,
biaya yang
dikeluarkan, posisi
kas, kondisi ekonomi
secara umum,
pengendalian tujuan
Total penjualan,
biaya, sosial dan
trend ekonomi, goal,
tujuan dan strategi,
produk baru,
kebijakan harga
18
Segera (kurang
dari 1 bulan
Jangka pendek
(1-2 bulan)
Jangka
menengah (3 bln
– 1th)
Jangka Panjang
(2 tahun)
Unit ekonomi: Level aktivitas
ekonomi
Kondisi ekonomi
umum, titik balik
dalam ekonomi,
tingkat kegiatan
ekonomi
State dan tipe
ekonomi, tingkat
aktivitas ekonomi,
penjualan di
industri
2.8.1 Metode Peramalan
Metode peramalan merupakan suatu metode atau teori pendekatan kemungkinan
akan terjadinya suatu kejadian di masa yang akan datang dengan menganalisa
keadaan di waktu-waktu lalu. Penyusunan peramalan yang berdasarkan pada data
historis yang ada seringkali menggunakan trend untuk melaksanakan perhitungan
peramalan penjualan.
Berikut model peramalan yang dipaparkan, yaitu:
1) Model peramalan kualitatif
Peramalan kualitatif umumnya bersifat subyektif, artinya peramalan ini lebih
menekankan pada keputusan hasil diskusi, pendapat pribadi, intuisi. Meskipun
kelihatan kurang ilmiah tetapi dapat memberikan hasil yang lebih baik.
Dalam peramalan kualitatif ada 2 metode yang umum digunakan, yaitu:
1. Metode DELPHI
2. Metode penelitian pasar
2) Model peramalan kuantitatif
Model kuantitatif dapat dipergunakan dalam prakiraan, pada dasarnya dapat
dikelompokan dalam dua jenis, yaitu:
1. Metode time series
Prosedur utama dalam penggunaan metode time series ialah
mengidentifikasi pola historis dari data aktual permintaan dengan
menggambarkan pola data ke dalam bentuk grafik, pemilihan model
peramalan yang sesuai dilanjutkan menganalisa data ramalan yang
tepat berdasarkan MAD (Mean Absolute Deviation) dan terakhir
19
kendala dari metode ramalan yang dipilih diperiksa berdasarkan peta
kontrol tracking signal. Berikut rumus dari Mean absolute deviation
sebagai berikut:
MAD = (absolut dari forecast error )
n (2-6)
Sehingga tracking signal dapat dihitung:
Tracking signal = RSFE
MAD (2-7)
Dimana:
RSFE = kumulatif error
Pada metode time series terbagi menjadi 3 model metode peramalan
yaitu:
1) Metode Moving Average, terdiri atas:
a. Single Moving average Model
Model ini menggunakan sejumlah data aktual permintaan yang
baru untuk membangkitkan nilai ramalan permintaan di masa
yang akan data. Metode MVA ini akan efektif diterapkan bila
kita dapat mengasumsikan (dari pola permintaan yang ada)
bahwa permintaan terhadap produk akan tetap stabil sepanjang
waktu.
Man-periode = (𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑑𝑎𝑙𝑎𝑚𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡𝑒𝑟𝑑𝑎 ℎ𝑢𝑙𝑢 )
𝑛 (2-8)
n = banyaknya periode dalam rata-rata bergerak
Man = (Y dalam n periode terdahulu)
b. Linier Moving Average
Dasar dari metode ini adalah penggunaan moving average kedua
untuk memperoleh penyesuain bentuk pola trend. Metode linier
moving average adalah:
Hitung “single moving average” dari data dengan periode
perata-rataan tertentu, hasilnya dinotasikan dengan St’.
Setelah semua single average dihitung, hitung moving
average kedua yaitu moving averagedari St’ dengan
periode perata-rataan yang sama. Hasilnya dinotasika
dengan : St”
20
Hitung komponen At dengan rumus : At = St’ + (St’ – St”)
Hitung komponen trend bt dengan rumus:
bt = 2
𝑁 − 1 (St’ – St”) (2-9)
Peramalan untuk periode kedepan setelah t adalah sebagai
berikut: Ft+m = at +bt . m
c. Double Moving Average
Notasi yang diberikan adalah MA (M x N), artinya M – periode
MA dan N – periode MA
d. Weighted moving averages
Model ini lebih responsif terhadap perubahan karena data dari
periode terbaru diberi bobot lebih besar dari data periode
sebelumnya. Secara umum pembobotan data untuk WMA
adalah:
Periode Koefisien pembobot (p)
1 periode yang lalu n
2 periode yang lalu n – 1
3 periode yang lalu n – 2
... n – (n-2) = 2
n periode yang lalu n – (n-1) = 1
Jumlah
Berikut rumus dari Weighted Moving Average (WMA) adalah
WMAn = 𝑝𝑒𝑚𝑏𝑜𝑏𝑜𝑡 𝑢𝑛𝑡𝑢𝑘 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 (𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑎𝑘𝑡𝑢𝑎𝑙 𝑑𝑎𝑙𝑎𝑚 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)
(𝑝𝑒𝑚𝑏𝑜𝑏𝑜𝑡 ) (2-10)
2) Metode Exponental Smoothing, terdiri atas:
a. Single Exponential smoothing
Model ini bekerja aktual sama dengan alat thermostat, jika error
ramalan (forecast error) positif, yang sama berarti nilai aktual
permintaan lebih tinggi dari ramalan (Y –𝑌 >0), dan jika error
ramalan negatip berarti nilai permintaan lebih kecil dari hasil
ramalan (Y –𝑌 )<0. Berikut rumus dari ramalan metode
Exponential smoothing:
21
𝑌𝑡 = 𝑌 𝑡−1 + 𝑎 (𝑌𝑡−1 − 𝑌 𝑡−1) (2-11)
Dimana:
𝑌𝑡 = nilai ramalan untuk periode waktu ke-t
𝑌 𝑡−1= nilai ramalan untuk satu periode waktu yang lalu, t-1
𝑌𝑡−1= nilai permintaan aktual untuk satu periode waktu yang
lalu, t-1
𝑎 = konstanta pemulusan (smoothing constant) nilai a adalah
0<a<1 pemilihan besar kecilnya nilai a ini ditentukan
oleh fluktuasi data. Jika fluktuasinya kecil, angkat
yang dipilih mendekati 0 (nol). Jika fluktuasinya besar,
a yang diplih sebaiknya mendekati 1.
b. Double Exponential Smoothing, terdiri atas:
Satu parameter (Brown’s Linear Method), merupakan
metode yang hampir sama dengan metode linear moving
average, disesuaikan dengan menambahkan satu parameter.
S’t = α Xt + (1-α)S’t-1 (2-12)
S”t = α S”t + (1-α)S”t-1(2-13)
Dimana S’t merupakan single exponential smoothing,
sedangkan S”t merupakan double exponential smoothing
αt = S’t + (S’t – S”t) = 2S’t – S”t(2-14)
bt = α
1−α (S’t – S”t) (2-15)
Dua Parameter (Holt’s Method)
Merupakan metode DES untuk time series dengan trend
linier. Terdapat konstanta yaitu α dan β. Adapun rumusnya
adalah sebagai berikut:
St = α Dt + (1 - α)(St-1 + Gt-1) (2-16)
Gt = β(St – St-1) + (1 – β)Gt-1 (2-17)
Dimana : St = intercept pada waktu t
Gt = slope pada waktu t
22
2. Metode Kausal
Dengan mengasumsikan bahwa faktor yang diperkirakan/ diramalkan
menunjukan adanya hubungan sebab-akibat dengan satu atau lebih
variabel bebas. Maksud dari model kausal adalah menemukan bentuk
hubungan tersebut dan menggunakannya untuk meramalkan nilai
mendatang dari variabel tidak bebas. (Spyros dkk, 1995)
2.8.2 Kriteria performance Peramalan
Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau
paling tidak dapat memberikan gambaran yang paling mendekati sehingga
rencana yang dibuatnya merupakan rencana realistis. Ketepatan atau ketelitian
inilah yang menjadi kriteria performance suatu metode peramalan. Ketepatan atau
penelitian tersebut dapat dinyatakan sebagai kesalahan dalam peramalan.
Kesalahan yang kecil memberikan arti ketelitian peramalan yang tinggi, dengan
kata lain keakuratan hasil peramalan tinggi begitu pula sebaliknya.Besar
kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara lain
adalah: (Spyros dkk, 1995)
a. Mean Square Error (MSE)
MSE = (𝑋𝑡–𝐹𝑡)2𝑁𝑡=1
𝑁 (2-18)
Dimana : Xt = data aktual periode t
Ft = nilai ramalan periode t
N = banyaknya periode
b. Standard Error of Estimate (SEE)
(𝑋𝑡–𝐹𝑡)2𝑁𝑡=1
𝑁−𝑓 (2-19)
Dimana : f = derajat kebebasan
Untuk data konstanta, f = 1
Untuk data linear, f = 2
Untuk data kwadartis, f = 3
Untuk data siklis, f = 3
23
c. Percentage Error (PEt)
PEt = 𝑋𝑡–𝐹𝑡
𝑋𝑡 x 100% (2-20)
Dimana : Xt = data aktual periode t
Ft = nilai ramalan periode t
PEt bias positip ataupun negatip
d. Mean Absolute Percentage Error (MAPE)
MAPE = 𝑃𝐸𝑡 𝑁𝑡=1
𝑁 (2-
21)
Dimana : N = banyaknya periode
PEt bias positip ataupun negatip.
2.8.3 Uji verifikasi Peramalan
Pengujian dilakukan dengan menggunakan metode MRC (Moving Range Chart)
dengan tujuan untuk memeriksa peramalan-peramalan yang telah dilakukan,
apakah data hasil peramalan sudah dalam kondisi yang terkecil atau belum.
Langkah-langkah dalam pembuatan MRC sebagai berikut (Jhon E. Biegel, 1992):
1. Menghitung rentang gerak (Moving Range)
MR = 𝑌𝑡 − 𝑌𝑡 − 𝑌𝑡−1 − 𝑌 𝑡−1 (2-22)
Dimana : Yt = data actual tahun tertentu
𝑌 = data hasil peramalan tahun tertentu
2. Menghitung rata-rata rentang bergerak
𝑀𝑅 = 𝑀𝑅
𝑛−1 (2-23)
3. Menghitung batas-batas control
Batas atas (BA) = +2,66 𝑀𝑅
Batas bawah (BW) = -2,66 𝑀𝑅
4. Menghitung titik-titik simpangan 𝑌𝑡 − 𝑌 𝑡 ke dalam peta kendali.
Fungsi peramalan terpilih dapat dipergunakan, apabila semua titik berada
dalam batas kontrol. Tetapi bila mendapatkan suatu titik tak terkendali (out
24
of control) sewaktu memeriksa peramalan, maka harus mencari peramalan
yang baru. Hal ini membuktikan bahwa metode peramalan tersebut tidak
cocok untuk digunakan.
2.9 Penentuan Rute Distribusi
Menurut Pujawan (2005) salah satu keputusan operasional yang sangat penting
dalam manajemen distirbusi adalah penentuan rute pengiriman dari satu lokasi ke
beberapa lokasi tujuan. Keputusan seperti ini sangat penting bagi mereka yang
harus mengirimkan barang dari satu lokasi (misalnya gudang regional) ke
berbagai warehouse yang tersebar disebuah kota. Keputusan rute yang akan
ditempuh oleh tiap kendaraan akan sangat berpengaruh terhadap biaya-biaya
pengiriman.
Namun demikian, biaya bukanlah satu-satunya faktor yang perlu dipertimbangkan
dalam proses pengiriman. Mungkin perusahaan juga memiliki target bahwa tiap
konsumen di sebuah tempat harus sudah mendapatkan pesanannya selambat-
lambatnya dalam batas waktu tertentu. Dengan kata lain, ada constraint (kendala)
waktu yang sering dinamakan time window. Disamping itu, rute sering kali juga
harus mempertimbangkan kendala lain seperti kapasitas kendaraan atau armada
pengangkutan.
Secara umum permasalahan penentuan rute pengiriman bias memiliki beberapa
tujuan yang ingin dicapai seperti tujuan untuk meminimumkan waktu, atau
meminimumkan jarak tempuh. Dalam bahasa pemograman matematis, salah satu
dari tujuan tersebut bisa menjadi fungsi tujuan (objective function) dan yang
lainnya menjadi kendala (constraint). Misalnya, fungsi tujuannya adalah
meminimumkan biaya pengiriman, namun ada kendala time windowdan kendala
maksimum jarak tempuh tiap kendaraan, di samping kendala lain seperti kapasitas
kendaraan atau kendala lainnya.
Dalam penentuan rute pengiriman, pekerjaan pertama yang harus dilakukan
adalah menentukan alokasi kendaraan, sebagai contoh digunakan truk sebagai alat
25
pengiriman. Artinya, perlu diketahui truk mana yang akan mengunjungi
warehouse yang mana. Tahap kedua adalah menentukan rute perjalanan masing-
masing truk. (Pujawan, 2005)
2.9.1 Metode Saving Matrix
Selanjutnya dilakukan pengolahan data untuk menentukan distribusi dan data
parameternya dalam menghasilkan solusi optimal. Salah satu metode yang dapat
digunakan untuk pengolahan adalah saving matrix. Metode saving matrix pada
hakekatnya adalah metode untuk meminimumkan jarak atau waktu atau ongkos
dengan mempertimbangkan kendala-kendala yang ada. Digunakan jarak sebagai
fungsi tujuan apabila diketahui koordinat tujuan pengiriman, lalu jarak yang akan
ditempuh oleh semua kendaraan akan diminimumkan. Langkah – langkah yang
harus dikerjakan adalah sebagai berikut(Pujawan,2005):
1. Hitung jarak dari warehousepusatke masing-masing pelanggan(warehouse).
Diasumsikan koordinat warehouse pusat adalah (0,0). Dan perhitungan jarak
yang dapat dihitung adalah:
D(0,0) = (𝑥1 − 𝑥2)2 + (𝑦1 − 𝑦2)2 (2-24)
2. Hitung Saving distance berdasarkan kombinasi rute x dan rute y dalam 1 arah.
Saving distance dapat dihitung menggunakan:
S(x,y) = D(W,x) + D(w,Y) – D(x,y) (2-25)
3. Mengalokasikan setiap pelanggan terhadap rute dengan mengkombinasi
pelanggan ke rute yang dimulai dari nilai savingterbesar. Karena dengan nilai
saving terbesar akan memaksimalkan total savings.
4. Tentukan pelanggan(warehouse) terhadap rute menggunakan 2 metode,yaitu:
a. Nearest Insert Methods
Prosedur ini merupakan kebalikan dari farthest insert dimana prosedur ini
dimulai dari penentuan rute kendaraan ke konsumen yang memiliki jarak
yang paling dekat. Kemudian prosedur ini akan terus berulang hingga
semua konsumen masuk ke dalam rute perjalanan.
b. Nearest Neighbor Methods
Prosedur ini memulai rute kendaraannya dari jarak yang paling dekat
dengan tempat tujuan. Kemudian rute selanjutnya yaitu konsumen yang
26
paling dekat dengan konsumen pertama yang sudah dikunjungi. Prosedur
ini akan terus berulang sampai semua konsumen masuk ke dalam rute
perjalanan.
27
BAB III
METODOLOGI PENELITIAN
Pengertian metode penelitian secara umum adalah membahas bagaimana secara
sistematis suatu penelitian dilakukan, yaitu dengan alat apa dan prosedur
bagaimana suatu penelitian dilakukan.
3.1 Observasi
Observasi adalah mengumpulkan data aktual keterangan yang harus dijalankan
dengan melakukan usaha pengamatan secara langsung ke tempat yang akan
diselidiki. Observasi dalam penelitian ini didapat secara langsung dan terlibat
dengan apa yang dilihat pada lokasi penelitian. Observasi dilakukan di PT.
Senatama Laboranusa secara langsung dan terlibat
3.2 Identifikasi Masalah
Identifikasi masalah ditentukan berdasarkan latar belakang yang ada kemudian
ditentukan metode yang tepat dan sesuai dalam penyelesaian masalah tersebut.
3.3 Identifikasi variabel
Dalam penyelesain permasalahan perencanaan distribusi produk bahan kimia
umum di PT. Senatama Laboranusa yang akan direncanakan distribusinya pada
pulau jawa meliputi:
1. Berbagai daerah di Jakarta
2. Berbagai daerah di Jawa Barat
Adapun Produknya adalah sebagai berikut:
1. HCl
2. H2SO4
3. NaOH
Identifikasi variabel yang dilakukan dengan mengidentifikasi variabel-variabel
yang berpengaruh dengan permasalahan dan berhubungan erat dengan bangunan
28
kerangka pola perencanaan Distribution Requirement Planning dan Saving
Matrix. Variabel-variabel yang digunakan anatara lain:
1. Variabel terikat
Varibel terikat adalah variabel yang dipengaruhi oleh variabel yang
lain. Dalam hal ini adalah total biaya distribusi.
2. Variabel bebas
Variabel bebas adalah variabel yang akan mempengaruhi variabel
terikat. Variabel-variabel tersebut adalah:
a. Data permintaan
b. Persediaan Produk
c. Data lead time
d. Biaya simpan
e. Data Jarak
f. Data kapasitas kendaraan
g. Biaya kirim
3.4 Tujuan Penelitian
Penelitian dilakukan di PT. Senatama Laboranusa untuk mendapatkan informasi
mengenai masalah-masalah yang ada di perusahaan khususnya perencanaan dan
rute distribusi. Ditemukan bahwa terdapat masalah mengenai perencanaan dan
rute distribusi produk yang belum terkontrol dengan optimum dikarenakan tidak
menggunakan metode apapun. Dengan demikian tujuan penelitian adalah
menentukan perencanaan untuk meminimalkan biaya distribusi menggunakan
Distribution Requirement Planning (DRP) dan mengoptimalkan rute yang dilalui
dengan Saving Matrix.
3.5 Penerapan metode peramalan dipilih
Hal yang terpenting adalah menentukan metode peramalan mana yang digunakan
untuk masing-masing keadaaan berdasarkan nilai kesalahan atau error terkecil.
Metode peramalan yang baik yaitu menghasilkan penyimpangan/ kesalahan
sekecil mungkin dengan data aktual. Perhitungan nilai kesalahan terkecil yang
digunakan dalam penelitian ini adalah Mean Absolute Percentage Error (MAPE)
29
sebagai dasar untuk merencanakan kegiatan peramalan mendatang. Adapun
model-model peramalan permintaan yang dapat digunakan dalam software
WinQSB versi 2.00 metode time series.
3.6 Perhitungan DRP berdasarkan peramalan yang terpilih
Pada masalah ini metode DRP dipilih karena dapat menghasilkan biaya distribusi
yang terkecil yang nantinya akan dipergunakan sebagai perencanaan distribusi
masa yang akan datang. Penentuan lot sizing pada DRP ditentukan berdasarkan
nilai variansi permintaan dengan aturan Silver-Peterson. Dimana aturan Silver-
Peterson tersebut akan menentukan lot sizing yang akan digunakan pada DRP.
Data yang dibutuhkan untuk menghitung Safety Stockpada DRP diantaranya
service level yang telah ditetapkan perusahaan dan standar deviasi dari permintaan
per tahun. Safety stock digunakan untuk pada tabel logika DRP guna menghitung
kebutuhan bersih (net requirement). Lot Sizing yang telah ditetapkan berdasarkan
perhitungan lot sizing adalah Economic Order Quantity (EOQ), data perhitungan
yang dibutuhkan diantaranya rata-rata permintaan per tahun produk tiap wilayah,
biaya ongkos kirim pulang pergi (PP) kendaraan pengiriman, dan biaya simpan
produk per tahun. EOQ pada tabel logika guna menentukan POReceipt atau
ukuran quantity pengiriman. Sehingga biaya distribusi dapat ditentukan
berdasarkan penjumlahan biaya simpan dan biaya pengiriman dimana biaya
simpan pada tabel logika DRP diperoleh dari project on hand yang dikalikan
dengan biaya simpan masing-masing produk per tahun. Sedangkan biaya
pengiriman diperoleh berdasarkan jumlah kendaraan yang digunakan sesuai
dengan kapasitasnya. Dimana jumlah kendaraan yang digunakan hasil bagi jumlah
PORelease per tahun produk per wilayahnya dibagi dengan kapasitas muat
kendaraan. Hasil dari biaya DRP akan dibandingkan dengan biaya yang dihasilkan
perusahaan selama periode 2010.
3.7 Penentuan rute distribusi menggunakan Saving Matrix
Pada penentuan rute yang dilalui kendaraan distribusi produk, dihitung jarak
masing-masing lokasi pengiriman terhadap gudang pusat. Ditentukan rute
berdasarkan penghematan terbesar sampai terkecil sesuai dengan kapasitas muat
30
kendaraan. Rute terbaik kendaraan secara spesifik ditentukan dengan metode
nearest neighbor.
3.8 Hasil dan Pembahasan
Dilakukan analisa terhadap pengaruh dari peramalan terhadap permintaan barang,
pengaruh sistem perencanaan distribusi dengan metode DRPdalam hal biaya
distribusi dan pengoptimalan rute distribusi dengan metode Saving Matrix.
3.9 Kesimpulan
Tahap terakhir yang dilakukan adalah penarikan kesimpulan dari seluruh tahap
yang telah dilakukan. Kesimpulan harus dapat mengutarakan dan menjelaskan
hal-hal pokok yang diperoleh dari intisari penelitian.
3.10 Diagram Metodologi
Berdasarkan sistematika penulisan metode Distribution Requirement Planning
dan Saving Matrix, maka diagram metodologi penelitian distribusi adalah sebagai
berikut:
31
Gambar 3.1 Metodologi Penelitian
Observasi
Identifikasi Masalah
Identifikasi Variabel
Tujuan Penelitian
Pengumpulan Data Distribusi Perusahaan:
• Data Permintaan Januari 2010 sampai dengan Desember 2010
• Data Biaya Simpan & lead time
• Data Biaya Kirim
Penerapan metode peramalan terpilih:
• Perhitungan menggunakan WinQSB
• Perhitungan nilai MAPE terkecil
Perhitungan DRP berdasarkan Metode Ramalan terpilih:
• Menentukan Lot Sizing yang diterapkan
• Perhitungan Safety Stock
• Perhitungan EOQ
• Perhitungan Biaya Distribusi
• Perbandingan biaya perusahaan VS biaya DRP
Penentuan Rute Distribusi menggunakan Saving Matriks
• Perhitungan Jarak
• Perhitungan Matriks Penghematan
• Penentuan Rute dengan Nearest Neightbor
Hasil dan Pembahasan
Kesimpulan
32
BAB IV
DATA DAN ANALISIS
4.1 Pengumpulandata aktual 2010
Data yang dikumpulkan secara aktual di lapangan pada periode januari–desember
2010 di PT. Senatama Laboranusa, sebagai berikut:
1. Data Permintaan Periode Januari – Desember 2010
2. Biaya Simpan produk per tahun
3. Persediaan barang
4. Biaya Distribusi periode Januari – Desember 2010
5. Frekuensi Pengiriman per tujuan
4.1.1 Data permintaan produk HCl periodejanuari 2010 sampai dengan
desember 2010
Data permintaan produk HCl periode januari–desember 2010 adalah sebagai
berikut:
Tabel 4.1 Permintaan HCL 2010 pada gudang pusat
Data permintaan tersebut disebar keberbagai daerah tujuan berdasarkan
permintaan dari masing-masing lokasi sebagai berikut:
Bulan Aktual 2010 Aktual 2011
Januari 113840 130155
Februari 121145 102111
Maret 141845 124585
April 128075 135446
Mei 147085 143745
Juni 149465 137804
Juli 130055 95633
Agustus 130085 120355
September 124500 123065
Oktober 103530 98741
November 125410 141946
Desember 95405 105623
33
Tabel 4.2 Permintaan HCl 2010 tiap wilayah
BU
LA
N
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
PU
RW
AK
AR
TA
BE
KA
SI
CIL
EU
NG
SI
CIT
EU
RE
UP
PL
. G
AD
UN
G
JA
KA
RT
A
TA
NG
ER
AN
G
JA
TI
AS
IH
CIK
AM
PE
K
Jan
uar
i
0
53700
37230
3530
10000
6210
950
45
675
1500
0
0
0
Feb
ruar
i
11560
44900
37395
3940
0
7350
700
0
15000
300
0
0
0
Mar
et
10000
41000
48170
2810
10000
7610
6200
0
9755
1800
0
1500
3000
Ap
ril
8090
47750
35055
3780
10000
6750
5200
0
7360
1000
0
0
3090
Mei
14500
43500
52590
3210
10000
7460
10700
0
525
1300
300
0
3000
Jun
i
16090
55750
48420
3560
10000
5150
5850
0
375
1000
270
0
3000
Juli
21500
52250
27170
3610
10000
7175
750
0
0
1300
0
300
6000
34
BU
LA
N
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
PU
RW
AK
AR
TA
BE
KA
SI
CIL
EU
NG
SI
CIT
EU
RE
UP
PL
. G
AD
UN
G
JA
KA
RT
A
TA
NG
ER
AN
G
JA
TI
AS
IH
CIK
AM
PE
K
Ag
ust
us
1500
56100
37715
4185
10000
5500
6600
0
1635
1400
300
0
5150
Sep
tem
be
r
30000
37500
27150
4200
10000
5400
2950
0
1400
2000
0
600
3300
Ok
tob
er
13000
47500
24315
2750
0
4750
5750
0
1035
1000
0
0
3430
No
vem
be
r
16680
45500
45800
3800
4000
620
3450
150
1260
2000
0
0
2150
Des
emb
er
10000
32500
24870
4675
10000
880
5870
0
1260
2000
0
750
2600
*Satuan dalam Kg
Sumber: PT. Senatama Laboranusa
4.1.2 Data permintaan produk NaOH periode januari 2010 sampai dengan
desember 2010
Data permintaan produk H2SO4 periode januari–desember 2010 adalah sebagai
berikut:
Tabel 4.3 Permintaan NaOH 2010 pada gudang pusat
Bulan Aktual 2010 Aktual 2011
Januari 46080 41527
Februari 45800 45637
Maret 46275 34588
April 51650 55744
35
Data permintaan tersebut disebar keberbagai daerah tujuan berdasarkan
permintaan dari masing-masing lokasi sebagai berikut:
Tabel 4.4 Permintaan NaOH 2010 tiap wilayah
WAREHOUSE
Jabab
eka
Kaw
asan
MM
2100
KA
RA
WA
NG
SR
. C
IPT
A
BE
KA
SI
CIL
EU
NG
SI
CIT
EU
RE
UP
PL
. G
AD
UN
G
JAK
AR
TA
TA
NG
ER
AN
G
JAT
I A
SIH
CIK
AM
PE
K
BULAN
Januari 17575 11475 7000 6000 530 900 0 0 1910 90 600 0
Februari 6485 21595 12040 3000 250 900 0 0 0 1380 0 0
Maret 4905 21620 10830 6000 500 0 0 0 1520 0 900 0
April 21095 11750 12000 6000 300 0 0 280 0 0 0 25
Mei 8905 22245 12000 6000 0 600 0 0 640 0 600 0
Juni 17280 11160 11500 6000 0 600 180 150 0 540 0 0
Juli 3990 11315 14000 6000 30 0 0 0 0 0 400 0
Agustus 17660 11410 12400 6000 0 2190 0 150 250 0 0 0
September 5925 20835 7700 0 300 600 0 180 0 0 600 1240
Oktober 3710 11145 10500 9000 300 1950 180 0 0 0 900 0
November 10800 10900 13500 3000 90 0 0 240 0 0 0 0
Desember 660 10790 9375 3300 100 480 0 240 850 0 1500 0
*Satuan dalam Kg
Sumber: PT. Senatama Laboranusa
4.1.3 Data permintaan produk H2SO4 periode januari 2010 sampai dengan
desember 2010
Data permintaan produk H2SO4 periode januari–desember 2010 adalah sebagai
berikut:
Bulan Aktual 2010 Aktual 2011
Mei 51140 53569
Juni 47410 34218
Juli 35835 48029
Agustus 50060 37791
September 37380 56468
Oktober 38985 44426
November 22845 28075
Desember 25445 17295
36
Tabel 4.5 Permintaan H2SO4 pada gudang pusat
Data permintaan tersebut disebar keberbagai daerah tujuan berdasarkan
permintaan dari masing-masing lokasi sebagai berikut:
Tabel 4.6 Permintaan H2SO4 2010 tiap wilayah
WAREHOUSE
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
SR
. C
IPT
A
BE
KA
SI
CIL
EU
NG
SI
PL
. G
AD
UN
G
JA
KA
RT
A
BULAN
Januari 1680 5250 910 1780 6000 0 280 1000 525
Februari 1400 6825 5630 1630 3000 350 210 1000 35
Maret 1355 5575 5355 1540 6000 3325 210 1025 0
April 1680 5145 5840 1300 9000 2275 210 2985 0
Mei 1890 5075 455 1480 6000 2210 245 1100 0
Juni 2505 6650 5245 2110 6490 1925 1160 1275 0
Juli 630 5250 5770 1800 6000 1575 525 2500 70
Agustus 420 4180 5175 2610 9000 1925 0 4150 0
September 560 2625 390 1060 6000 1225 180 1070 0
Oktober 1015 3150 5175 3660 9000 560 70 2545 0
November 600 11025 280 1725 6000 1400 630 1185 0
Desember 300 8155 5490 2575 6000 1400 210 1315 0
*Satuan dalam Kg
Sumber: PT. Senatama Laboranusa
Bulan Aktual 2010 Aktual 2011
Januari 17425 17675
Februari 20080 21650
Maret 24385 27510
April 28435 23066
Mei 18455 19025
Juni 27360 19235
Juli 24120 33170
Agustus 27460 21741
September 13110 22130
Oktober 25175 25210
November 22845 28075
Desember 25445 17295
37
4.1.4 Biaya simpan dan persediaan produk perusahaan periode januari
2010 sampai dengan desember 2010
Berdasarkan data yang didapat bahwa lead time untuk masing-masing produk
ditetapkan selama 1 bulandan untuk biaya simpan yang telah ditetapkan
perusahaan sebanyak 5% per tahun dengan rincian sebagai berikut:
Tabel 4.7 Rincian biaya simpan perusahaan
No Kategori Harga (Rentang) sebagai persentase nilai
persediaan
1 Administrasi 1%
2 Resiko kerusakan pengiriman 2%
3 Asuransi 2%
Keseluruhan persentase biaya
simpan
5%
Biaya penyimpanan tiap periode
(bulan)
𝑻𝒐𝒕𝒂𝒍𝒑𝒆𝒓𝒔𝒆𝒏𝒕𝒂𝒔𝒆𝒃𝒊𝒂𝒚𝒂𝒔𝒊𝒎𝒑𝒂𝒏
𝒑𝒆𝒓𝒊𝒐𝒅𝒆𝒑𝒆𝒓𝒆𝒏𝒄𝒂𝒏𝒂𝒂𝒏=𝟓%
𝟏𝟐 = 0,42%
Ket : Periode perencanaan selama 12 bulan
No Nama
Produk
Harga Produk
per Kg
Nilai persentase biaya simpan per tahun
1 H2SO4 Rp 2.100,00 Rp 8,82
2 HCl Rp 2.300,00 Rp 9,66
3 NaOH Rp 3.800,00 Rp 15,96
Total Biaya simpan Rp 34,44
Sumber: PT. Senatama Laboranusa
Nilai persentase biaya simpan per tahun = Harga Produk per Kg X Biaya
penyimpanan tiap periode (bulan)
Total biaya simpan selama 1 tahun di warehouse untuk produk HCl, NaOH, dan
H2SO4, sebagai berikut:
Perhitungan biaya simpan per bulan HCl periode januari–desember 2010 dengan
nilai biaya simpan sebesar Rp 9,66/Kg dan dilanjutkan dengan contoh perhitungan
Biaya simpan (Januari) = 106240 Kg x Rp. 9.66 per Kg = Rp. 1.026.278,-. Berikut
rincian keseluruhan biaya produk HCl:
38
Tabel 4.8 Biaya simpan HCL 2010
Bulan Total Persedian (Kg) Biaya Simpan
Januari 106240 Rp. 1.026.278,-
Februari 120000 Rp. 1.159.200,-
Maret 123960 Rp. 1.197.453,-
April 120660 Rp. 1.165.575,-
Mei 124240 Rp. 1.200.158,-
Juni 143340 Rp. 1.384.664,-
Juli 49960 Rp. 482.613,-
Agustus 134000 Rp. 1.294.440,-
September 128740 Rp. 1.243.628,-
Oktober 85180 Rp. 822.838,-
November 119320 Rp. 1.152.631,-
Desember 84760 Rp. 818.781,-
TOTAL BIAYA Rp. 12.948.264,-
Perhitungan biaya simpan per bulan NaOH periode januari–desember 2010
dengan nilai biaya simpan sebesar Rp 15,96/Kg dan dilanjutkan dengan contoh
perhitungan Biaya simpan (januari) = 16000 Kg x Rp. 15.96 per Kg = Rp.
141.120,-. Berikut rincian keseluruhan biaya produk NaOH:
Tabel 4.9 Biaya simpan NaOH 2010
Bulan Total Persedian (Kg) Biaya Simpan
Januari 16000 Rp 141.120,-
Februari 20000 Rp. 176.400,-
Maret 21009 Rp. 185.299,-
April 34000 Rp. 299.880,-
Mei 16000 Rp. 141.120,-
Juni 26000 Rp. 229.320,-
Juli 13000 Rp. 114.660,-
Agustus 13000 Rp. 114.660,-
September 11000 Rp. 97.020,-
Oktober 26000 Rp. 229.320,-
November 21000 Rp. 185.220,-
Desember 21780 Rp. 192.099,-
TOTAL BIAYA Rp. 2,106,118.98
Perhitungan biaya simpan per bulan H2SO4 periode januari 2010–desember 2010
dengan nilai biaya simpan sebesar Rp 8,82/Kg dan dilanjutkan dengan contoh
perhitungan biaya simpan (Januari) = 69600 Kg x Rp. 8.82 per Kg = Rp.
1.110.816,-. Berikut rincian keseluruhan biaya produk H2SO4:
39
Tabel 4.10 Biaya simpan H2SO4
Bulan Total Persedian (Kg) Biaya Simpan
Januari 69600 Rp 1.110.816,-
Februari 45000 Rp. 718.200,-
Maret 78263 Rp. 1.249.077,-
April 63860 Rp. 1.019.205,-
Mei 66660 Rp. 1.063.893,-
Juni 59940 Rp. 956.642,-
Juli 40180 Rp. 641.272,-
Agustus 37000 Rp. 590.520,-
September 52220 Rp. 833.431,-
Oktober 39960 Rp. 637.761,-
November 50280 Rp. 802.468,-
Desember 40180 Rp. 641.272,-
TOTAL BIAYA Rp. 10,264,562.28
Rincian biaya simpan perusahaan lebih lengkap disajikan pada Lampiran 1. Maka
didapat total biaya simpan keseluruhan produk pada warehouse periode januari–
desember 2010 sebagai berikut:
Tabel 4.11 Total biaya simpan perusahaan keseluruhan produk 2010
No Nama Produk TOTAL BIAYA SIMPAN
1 HCl Rp. 12,948,264.00
2 NaOH Rp. 2,106,118.98
3 H2SO4 Rp. 10,264,562.28
TOTAL BIAYA SIMPAN KESELURUHAN Rp. 25.318.945.26
4.1.5 Perhitungan biaya distribusi perusahaan
Biaya pengiriman masing-masing kendaraan per pengiriman PP (pulang-pergi)
adalah sebagai berikut:
1. Truk dengan kapasitas angkut barang sebanyak 3850 Kg
40
Tabel 4.12 Rincian biaya kendaraan jenis truk
RINCIAN
BIAYA Telepon
Berkas Order dan
nota pengiriman Bensin Biaya bongkar muat TOTAL
Jababeka 3000 2000 5000 5000 10000
Hyundai/Ejip 3000 2000 10000 5000 20000
MM2100 3000 2000 20000 5000 30000
KARAWANG 5000 2000 38000 5000 50000
Purwakarta 7000 2000 116000 5000 130000
SR. Cipta 7000 2000 101000 5000 120000
Bekasi 3000 2000 40000 5000 50000
Cileungsi 5000 2000 63000 5000 75000
Pl. Gadung 5000 2000 63000 5000 75000
Jakarta 5000 2000 88000 5000 100000
Tangerang 7000 2000 136000 5000 150000
Citeureup 3000 2000 75000 5000 85000
Jt. Asih 3000 2000 60000 5000 70000
Cikampek 5000 2000 73000 5000 85000
*satuan dalam rupiah
2. Pick Up dengan kapasitas angkut barang sebanyak 980 Kg
Tabel 4.13 Rincian biaya kendaraan jenis pick up
RINCIAN
BIAYA
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
SR
. C
IPT
A
BE
KA
SI
CIL
EU
NG
SI
PL
. G
AD
UN
G
JA
KA
RT
A
TA
NG
ER
AN
G
JA
TI
AS
IH
CIT
EU
RE
UP
CIK
AM
PE
K
Telepon 3000 3000 3000 5000 7000 3000 5000 5000 5000 7000 3000 3000 5000
Berkas
order dan
nota
pengiriman
2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000
Bensin 5000 5000 10000 18000 36000 20000 53000 58000 58000 136000 50000 70000 48000
Biaya
Bongkar
Muat
- 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000
TOTAL 10000 15000 20000 30000 50000 30000 65000 70000 70000 150000 60000 80000 60000
*satuan dalam rupiah
Perhitungan biaya total pengiriman per tahun untuk truk dengan jumlah frekuensi
kirim dikalikan dengan biaya pengiriman sebagai contoh perhitungan dari wilayah
jababeka total Biaya (Jababeka) = 68 x Rp 10.000,- = Rp. 680.000,-. Berikut
rincian biaya pengiriman truk:
41
Tabel 4.14 Biaya pengiriman kendaraan truk 2010
Tujuan Frekuensi Kirim Biaya pengiriman Total Biaya
Jababeka 68 Rp 10.000,- Rp. 680.000,-
Kaw. Hyundai/Ejip 169 Rp. 20.000,- Rp. 3.380.000,-
Kaw. MM2100 150 Rp. 30.000,- Rp. 4.500.000,-
Karawang 160 Rp. 50.000,- Rp. 8.000.000,-
Kaw. Sr Cipta 64 Rp. 120.000,- Rp. 7.680.000,-
Bekasi 45 Rp. 50.000,- Rp. 2.250.000,-
Cileungsi 34 Rp. 75.000,- Rp. 2.550.000,-
Pl. Gadung 15 Rp. 75.000,- Rp. 1.125.000,-
Jakarta 14 Rp. 100.000,- Rp. 1.400.000,-
Tangerang 8 Rp. 150.000,- Rp. 1.200.000,-
Cikampek 21 Rp. 85.000,- Rp. 1.785.000,-
Purwakarta 8 Rp. 130.000,- Rp. 1.040.000,-
Jt. Asih 3 Rp. 70.000,- Rp. 210.000,-
TOTAL 759 Rp. 35.800.000,-
Perhitungan biaya total pengiriman per tahun untuk pick up dengan jumlah
frekuensi kirim dikalikan dengan biaya pengiriman sebagai contoh perhitungan
dari wilayah jababeka total biaya (Jababeka) = 8 x Rp 10.000,- = Rp. 80.000,-.
Berikut rincian biaya pengiriman pick up:
Tabel 4.15 Biaya pengiriman kendaraaan pick up 2010
Tujuan Frekuensi Kirim Biaya pengiriman Total Biaya
Jababeka 8 Rp 10.000,- Rp. 80.000,-
Kaw. Hyundai/Ejip 14 Rp. 15.000,- Rp. 210.000,-
Kaw. MM2100 23 Rp. 20.000,- Rp. 460.000,-
Karawang 12 Rp. 30.000,- Rp. 360.000,-
Kaw. Sr Cipta 1 Rp. 50.000,- Rp. 50.000,-
Bekasi 28 Rp. 30.000,- Rp. 840.000,-
Cileungsi 20 Rp. 65.000,- Rp.1.300.000,-
Pl. Gadung 46 Rp. 70.000,- Rp. 3.220.000,-
Jakarta 10 Rp. 70.000,- Rp. 700.000,-
Tangerang 1 Rp. 150.000,- Rp. 150.000,-
Cikampek 2 Rp. 60.000,- Rp. 120.000,-
Citeureup 1 Rp. 80.000,- Rp. 80.000,-
TOTAL 166 Rp. 7.570.000,-
Sehingga perhitungan biaya total pengiriman sebagai berikut:
42
Biaya Total Pengiriman:
= Total biaya Truck + Total biaya Pick Up
= Rp. 35.800.000,- + Rp. 7.570.000,-
= Rp. 43.370.000,-
Dengan demikian, telah didapat semua biaya yang telah dikeluarkan selama 1
tahun periode januari–desember 2010 dari perhitungan total biaya simpan
keseluruhan ditambah dengan dengan Biaya pengiriman PP (pulang-pergi)
kendaraan angkut, sebagai berikut:
Total Biaya Distribusi Perusahaan:
= Total Biaya simpan keseluruhan + Biaya Pengiriman
= Rp25.318.945,26 + Rp. 43.370.000,-
= Rp68.688.945,26
4.2 Perhitungan Peramalan
Peramalan yang didapat dari permintaan produk HCl, NaOH dan H2SO4
menggunakan program WinQSB ver 2.00 untuk perencanaan tahun kedepan
diperoleh nilai kesalahan terkecil dari setiap metode yang digunakan, sebagai
berikut :
Tabel 4.16 Hasil perhitungan nilai kesalahan peramalan produk HCl
Metode CFE MAD MSE MAPE TS
SA -5705.9 13981.97 314123936 11.69 -0.41 -
MA -47033.35 13158.52 218545664 11.14 -3.57 n = 3
WMA -47033.35 13158.52 218545664 11.14 -3.57 n = 3
MAT -29192.5 11797.81 206117536 9.96 -2.47 n = 4
SES -13974.63 13943.09 248326768 11.53 -1 α = 0.6
SEST -33668.38 14158.34 258093344 11.54 -2.38 α = 0.5 β = 0.5
DES -13003.21 13788.12 247526448 11.37 -0.94 α = 0.7
DEST -28827.91 14457.91 278135584 11.93 -1.99 α = 0.5
AES -41976.6 10664.96 164849728 9.04 -3.94 α = 1 β = 0.8
43
Data peramalan untuk produk HCl menggunakan program WinQSB ver 2.00 lebih
terperinci terdapat pada lampiran 2. berikut hasil nilai kesalahan peramalan
produk NaOH:
Tabel 4.17 Hasil perhitungan nilai kesalahan peramalan produk NaOH
Metode CFE MAD MSE MAPE TS
SA -32952.91 5426.49 4778656 14.13 0.24 -
MA -19991.67 5353.52 42960676 13.58 -3.73 n = 3
WMA -19991.67 5353.52 42960676 13.58 -3.73 n = 3
MAT -12097.5 5999.06 68646760 14.52 -2.02 n = 4
SES -17962.62 4901.91 41254088 12.34 -3.66 α = 0.6
SEST -13607.16 4578.82 37121196 11.38 -2.97 α = 0.3 β = 0.7
DES -19071.25 4791.16 38699800 12.11 -3.98 α = 0.7
DEST -16499.38 4838.74 39681960 12.12 -3.41 α = 0.3
AES -5264.36 5400.84 63619348 13.11 -0.97 α = 0.2 β = 0.8
Data peramalan untuk produk NaOH menggunakan program WinQSB ver 2.00
lebih terperinci terdapat pada lampiran 2. berikut hasil nilai kesalahan peramalan
produk H2SO4:
Tabel 4.18 Hasil perhitungan nilai kesalahan peramalan produk H2SO4
Metode CFE MAD MSE MAPE TS
SA 19138.29 4372.8 26767938 21.06 4.38 -
MA -2676.25 3641.41 23497914 20.06 -0.73 n = 4
WMA -2676.25 3641.41 23497914 20.06 -0.73 n = 4
MAT 5106 5124.43 38591228 27.22 1 n = 5
SES 15714.58 4650.22 32204510 23.01 3.38 α = 0.4
SEST -3682.43 4598.84 38362112 23.77 -0.8 α = 0.1 β = 0.9
DES 14842.67 4577.15 31389986 22.78 3.24 α = 0.6
DEST 7744.51 4460.49 32663144 22.81 1.74 α = 0.2
AES -7839.23 3458.23 23374024 18.56 -2.27 α = 0.4 β = 0.6
Data peramalan untuk produk H2SO4 menggunakan program WinQSB ver 2.00
lebih terperinci terdapat pada lampiran 2.
44
Dimana :
SA = Simple Average
MA = Moving Average
WMA = Weighted Moving Average
MAT = Moving Average with linear Trend
SES = Single Exponential Smoothing
SEST = Single Exponential Smoothing with Trend
DES = Double Exponential Smoothing
DEST = Double Exponential Smoothing with Trend
AES = Adaptive Exponential Smoothing
4.2.1Pemilihan Metode Peramalan
Dari perbandingan 9 metode peramalan berdasarkan nilai kesalahan MAPE
sebagai dasar pemilihan metode peramalan untuk produk HCl sebesar 9,04%,
didapat metode AES (Adaptive Exponential Smoothing) sebagai metode ramalan
terpilih untuk produk HCl. Dengan demikian permintaan produk HCl tahun 2010
untuk masing-masing tempat tujuan diramalkan menggunakan metode AES
sebagai berikut:
Tabel 4.19 Hasil peramalan terpilih AES untuk produk HCl tiap wilayah
GDG
Jb
bk
Hyu
/EJP
MM
2100
KR
WG
PW
KR
T
BK
S
CL
SI
CT
RP
PL
. G
D
JK
T
TG
RN
G
JT
. A
SH
CK
P
BULAN
Januari 0 53700 37230 3530 10000 6210 950 45 675 1500 0 0 0
Februari 11560 37860 37527 3612 8000 7350 900 0 15000 1260 0 0 0
Maret 8752 46024 48170 4093 10000 7402 6200 0 5559 936 0 300 3000
April 8090 49130 45547 4031 10000 7272 6000 0 7360 948 0 0 3018
Juni 17362 55750 46077 3560 10000 6757 5850 0 255 1035 246 0 3000
Juli 21500 55050 42296 4185 10000 6506 4830 0 0 1084 0 60 6000
Agustus 17500 54420 37715 4188 10000 6305 3768 0 1635 1400 60 96 4470
September 10000 51036 27150 3900 10000 5400 4913 0 1212 1520 0 197 3300
Oktober 10600 47500 26583 2750 0 4230 3742 0 1035 1832 0 0 3326
November 11816 43900 30426 3960 7200 620 4383 30 1260 1866 0 0 2150
Desember 11816 43900 30426 3960 7200 620 4383 30 1260 1866 0 0 2150
45
Dilanjutkan pada produk NaOH terhadap perbandingan 9 metode peramalan
berdasarkan nilai kesalahan MAPE sebagai perwakilan diatas sebesar 11,38%,
didapat metode SEST (Single Exponential Smoothing with Trend) sebagai metode
ramalan terpilih untuk produk HCl. Dengan demikian permintaan produk NaOH
tahun 2010 untuk masing-masing tempat tujuan diramalkan menggunakan metode
SEST sebagai berikut:
Tabel 4.20 Hasil peramalan terpilih SEST untuk produk NaOH tiap wilayah
WAREHOUSE
JB
BK
MM
2100
Hyu
/Ejp
KR
WG
SR
. C
IPT
A
BK
S
CL
SI
CT
RP
PL
. G
D
JK
T
TG
RN
G
JT
. A
SH
CK
P
BULAN
Januari 17575 11475 0 7000 6000 530 900 0 0 1910 90 600 0
Februari 11919 16636 77 9570 4470 387 900 0 0 936 748 294 0
Maret 6013 21303 69 11271 4620 386 441 0 0 833 637 477 0
April 9903 19603 151 12966 5015 307 27 0 143 130 426 235 13
Mei 8759 22116 194 13949 5499 97 38 0 129 0 189 322 12
Juni 12261 18249 138 13973 5942 0 163 92 168 0 258 136 8
Juli 8988 14132 120 14746 6264 0 37 83 116 0 91 181 4
Agustus 12619 10708 53 14314 6435 0 1057 59 131 0 0 54 0
September 10234 13264 0 11213 3403 0 1199 30 161 0 0 260 630
Oktober 6531 11702 618 9732 5155 160 1861 95 94 0 0 629 567
November 6962 10366 1835 10387 4130 212 1348 67 150 0 0 485 403
Desember 2898 9489 3832 9395 3327 229 951 33 208 1245 0 1047 204
Dari perbandingan 9 metode peramalan berdasarkan nilai kesalahan MAPE
sebagai perwakilan diatas sebesar 18,56%, didapat metode AES (Adaptive
Exponential Smoothing) sebagai metode ramalan terpilih untuk produk H2SO4.
Dengan demikian permintaan produk NaOH tahun 2010 untuk masing-masing
tempat tujuan diramalkan menggunakan metode AES sebagai berikut:
Tabel 4.21 Hasil peramalan terpilih AES untuk produk H2SO4 tiap wilayah
WAREHOUSE
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
SR
. C
IPT
A
BE
KA
SI
CIL
EU
NG
SI
PL
. G
AD
UN
G
JA
KA
RT
A
BULAN
Januari 1680 5250 910 1780 6000 0 280 1000 525
Februari 1428 5880 5158 1645 6300 315 217 1000 84
46
WAREHOUSE
Jab
ab
ek
a
Kaw
asa
n
Hyu
nd
ai/
Eji
p
Kaw
asa
n
MM
2100
KA
RA
WA
NG
SR
. C
IPT
A
BE
KA
SI
CIL
EU
NG
SI
PL
. G
AD
UN
G
JA
KA
RT
A
BULAN
Maret 1399 5606 5434 1498 6480 3024 210 1023 8
April 1652 4961 5799 1320 6228 2350 211 1808 1
Mei 1985 5178 3662 1544 6365 2154 242 1171 0
Juni 2453 7239 5087 2053 6227 1719 609 1316 0
Juli 812 4454 5360 1952 6590 1517 533 3565 0
Agustus 655 3933 5194 1886 3940 1884 53 4384 0
September 665 2102 3272 2382 2704 961 104 1401 0
Oktober 630 4093 3082 1615 2074 600 107 1859 0
November 618 13798 4763 1604 3645 1320 316 1252 0
Desember 618 13798 4763 1604 3645 1320 316 1252 1245
4.2.2Penentuan Lot Sizing
Lot Sizing yang akan digunakan untuk menerapkan metode Distirbusion
Requirement Planning (DRP) dapat ditentukan dengan aturan Peterson-Silver
untuk masing-masing produk. Berikut perhitungan berdasarkan persamaan (2-1):
Variansi permintaan HCl = 𝑉 = 𝐷𝑡2𝑛𝑡 = 1
𝐷𝑡𝑛𝑡=1 2
- 1
V = 19301755300 𝑥 12
2281428993600 - 1 = 0,015246 < 0,025
nilai variansi permintaan HCl kurang dari < 0,25 menunjukan static lot sizing dan
dapat menggunakan lot sizing metode EOQ dan peramalan time series.
Variansi permintaan NaOH = 𝑉 = 𝐷𝑡2𝑛𝑡 = 1
𝐷𝑡𝑛𝑡=1 2
- 1
V = 21769699725 𝑥 12
248906199025 - 1 = 0,049538 < 0,025
nilai variansi permintaan NaOH kurang dari < 0,25 menunjukan static lot
sizingdan dapat menggunakan lot sizing metode EOQ dan peramalan time series.
47
Variansi permintaan H2SO4 = 𝑉 = 𝐷𝑡2𝑛𝑡 = 1
𝐷𝑡𝑛𝑡=1 2
- 1
V = 6509991875 𝑥 12
75237747025 - 1 = 0,038307 < 0,025
nilai variansi permintaan H2SO4 kurang dari < 0,25 menunjukan static lot sizing
dan dapat menggunakan lot sizing metode EOQ dan peramalan time series.
4.3 Pengolahan data aktual dengan metode DRP (Distribution Requirement
Planning)
Langkah selanjutnya setelah didapat total biaya distribusi metode perusahaan dan
hasil peramalan permintaan untuk ketiga produk pada periode 2010, selanjutnya
dilakukan perhitungan metode DRP yang diawali dengan menghitung EOQ dan
safety stock pada produk terhadap pelanggan diberbagai daerah pulau jawa.
4.3.1 Perhitungan EOQ (Economic Order Quantity)
Pada masing-masing produk memiliki EOQ yang berbeda-beda terhadap
wilayahnya masing-masing, berikut perhitungan nilai EOQ berdasarkan
persamaan (2-4) pada produk HCl wilayah jababeka adalah :
= 2 𝑥 11958 𝐾𝑔 𝑥 𝑅𝑝10000
𝑅𝑝9,66 = 4976 Kg
Untuk perhitungan lebih terperinci EOQ dapat dilihat pada lampiran 3, sehingga
didapat nilai keseluruhan EOQ dari produk sebagai berikut:
Tabel 4.22 Nilai EOQ keseluruhan produk
Produk Wilayah
Rata-rata
permintaan (per
tahun)
Economic Order
Quantity
EOQ (Kg)
HCl
Jababeka 11958 4976
Kaw. Hyundai/Ejip 48481 14169
Kaw. MM2100 38009 15365
Karawang 3803 6274
Purwakarta 8533 15155
Bekasi 5486 7536
Pl. Gadung 2981 6804
48
Produk Wilayah
Rata-rata
permintaan (per
tahun)
Economic Order
Quantity
EOQ (Kg)
HCl
Cileungsi 4405 8270
Citeureup 9 392
Cikampek 2785 7000
Jakarta 1356 5298
Jt. Asih 54 888
Tangerang 51 1252
NaOH
Jababeka 9555 3460
Kaw. Hyundai/Ejip 591 1217
Kaw. MM2100 14920 7489
Karawang 11543 8504
Sr. Cipta 5022 8690
Bekasi 192 1098
Pl. Gadung 108 1009
Cileungsi 744 2643
Citeureup 38 638
Cikampek 153 1278
Jakarta 421 2297
Jt. Asih 393 1857
Tangerang 203 1955
H2SO4
Jababeka 1216 1661
Kaw. Hyundai/Ejip 6358 6576
Kaw. MM2100 4374 5455
Karawang 1740 4442
Sr. Cipta 5017 8923
Bekasi 1430 4027
Pl. Gadung 1753 5459
Cileungsi 267 2129
Jakarta 155 1876
4.3.2 Perhitungan SS (Safety Stock)
Untuk menjaga keamanan stok maka pada setiap level distribusi berdasarkan
kuantitas dari permintaan, lead time dan service level yang akan dicapai sebesar
95% sehingga nilai Zα = 1,65 yang dapat dilihat pada tabel distribusi normal maka
perhitungan safety stock pada produk HCl wilayah jababeka adalah:
= σ x Zα = 5489.98 x 1,65 = 9058
Untuk perhitungan lebih terperinci SS dapat dilihat pada lampiran 4, sehingga
didapat nilai keseluruhan SS dari produk sebagai berikut:
49
Tabel 4.23 Nilai Safety Stock keseluruhan produk
Produk Wilayah Standar Deviasi Safety Stock
SS (Kg)
HCl
Jababeka 5489.98 9058
Kaw. Hyundai/Ejip 5657.15 9334
Kaw. MM2100 7908.5 13049
Karawang 401.34 662
Purwakarta 2921.19 4820
Bekasi 2448.11 4039
Pl. Gadung 4396.25 7254
Cileungsi 1901.85 3138
Citeureup 16.25 27
Cikampek 1658.18 2736
Jakarta 361.69 597
Jt. Asih 98.21 162
Tangerang 105.96 175
NaOH
Jababeka 3824.4 6310
Kaw. Hyundai/Ejip 1142.38 1885
Kaw. MM2100 4492.87 7413
Karawang 2442.07 4029
Sr. Cipta 1059.31 1748
Bekasi 181.51 299
Pl. Gadung 71.11 117
Cileungsi 599.3 989
Citeureup 39.06 64
Cikampek 241.28 398
Jakarta 650.62 1074
Jt. Asih 273.89 452
Tangerang 264.52 436
H2SO4
Jababeka 635.72 1049
Kaw. Hyundai/Ejip 3687.8 6085
Kaw. MM2100 1401.76 2313
Karawang 288.1 475
Sr. Cipta 1676.32 2766
Bekasi 875.41 1444
Pl. Gadung 1088.88 1797
Cileungsi 165.19 273
Jakarta 374.6 618
4.3.3 Perhitungan DRP (Distribution Requirement Planning)
Nilai EOQ dan Safety Stock telah didapat maka selanjutnya adalah menghitung
nilai biaya simpan dan pengiriman dengan tabel logika DRP. Untuk mengetahui
perhitungan biaya pengiriman dan biaya simpan, disajikan tabel logika DRP
sebagai berikut:
50
Tabel 4.24 Logika DRP produk HCl wilayah Jababeka
Periode PD 1 2 3 4 … 12 Jumlah
POrelease
Frekuensi
kirim
Jumlah
POH
Gross Requirement 0 11560 8752 8090 … 11816
144304 38 132124
SR …
Project On Hand 10000 10000 8392 9592 11454 … 10808
Net Requirements 10618 9418 7556 … 8202
POReceipt 9952 9952 9952 … 9952
PORelease 9952 9952 9952 14928 …
Perhitungan biaya simpan didapat dari jumlah Project on Hand selama 1 tahun
dan dikalikan dengan biaya simpan produk yang tertera pada tabel 4.7. berikut
contoh perhitungan biaya simpan produk HCl wilayah Jababeka = 132124 Kg x
Rp 9,66 = Rp1,276,317.84.
Untuk mengetahui jumlah kendaraan yang digunakan Jumlah POrelease dibagi
dengan kapasitas angkut truk= 144304 / 3850 Kg = 37.48 Truk, jumlah kendaraan
dibulatkan menjadi 38 truk.Frekuensi kirim dari keseluruhan produk mencapai
620 selama 1 tahun, maka biaya pengiriman yang didapat jumlah kendaraan
dikalikan dengan biaya transportasi tujuan Jababeka yaitu 38 truk x Rp 10,000.- =
Rp 380,000.-. Tabel logika DRP dan frekuensi kirim disajikan pada lampiran 5.
Perhitungan biaya secara keseluruhan dari tabel logika DRP didapat hasil tabel
biaya distribusi DRP sebagai berikut:
Tabel 4.25 Total biaya distribusi metode DRP keseluruhan produk
Produk Wilayah Total Biaya Simpan Total Biaya
Pengiriman
HCl
Jababeka Rp1,276,317.84 Rp380,000.00
Kaw. Hyundai/Ejip Rp2,363,077.50 Rp2,880,000.00
Kaw. MM2100 Rp2,954,317.80 Rp3,480,000.00
Karawang Rp446,108.46 Rp600,000.00
Purwakarta Rp1,348,053.00 Rp3,640,000.00
Bekasi Rp957,653.76 Rp900,000.00
Pl. Gadung Rp1,239,155.82 Rp825,000.00
Cileungsi Rp934,730.58 Rp1,190,000.00
51
Produk Wilayah Total Biaya Simpan Total Biaya
Pengiriman
HCl
Citeureup Rp39,354.84 Rp 80,000.00
Cikampek Rp678,711.60 Rp825,000.00
Jakarta Rp414,674.82 Rp600,000.00
Jt. Asih Rp73,725.12 Rp60,000.00
Tangerang Rp118,740.72 Rp150,000.00
TOTAL Rp 12,844,621.86 Rp 15,610,000.00
NaOH
Jababeka Rp1,101,984.36 Rp300,000.00
Kaw. MM2100 Rp1,384,121.28 Rp1,350,000.00
Karawang Rp1,260,657.12 Rp1,800,000.00
Sr. Cipta Rp761,700.96 Rp1,680,000.00
Bekasi Rp86,701.80 Rp 50,000.00
Cileungsi Rp258,372.36 Rp225,000.00
Jakarta Rp189,777.84 Rp 200.000,00
Jt. Asih Rp 170,744.28 Rp 140,000.00
Tangerang Rp175,813.92 Rp 150.000,00
Kaw. Hyundai/Ejip Rp303,690.36 Rp60,000.00
Cikampek Rp135,914.16 Rp 85.000,00
Pl. Gadung Rp88,195.80 Rp 75.000,00
Citeureup Rp56,244.12 Rp 80.000,00
TOTAL Rp5,973,918.36 Rp6,355,000.00
H2SO4
Jababeka Rp234,144.54 Rp 40.000,00
Kaw. Hyundai/Ejip Rp1,027,882.80 Rp420,000.00
Kaw. MM2100 Rp522,302.76 Rp440,000.00
Karawang Rp334,463.22 Rp 300.000,00
Sr. Cipta Rp765,902.34 Rp1,190,000.00
Bekasi Rp380,371.32 Rp 300.000,00
Pl. Gadung Rp493,038.00 Rp 450.000,00
Cileungsi Rp186,357.78 Rp 150.000,00
Jakarta Rp135,916.20 Rp 100.000,00
TOTAL Rp4,080,378.96 Rp3,390,000.00
GRAND TOTAL Rp 22,898,919.18 Rp 25,355,000.00
Jumlah dari total biaya simpan sebesar Rp 22,898,919.18 dan total biaya
pengiriman sebesar Rp 25,355,000.00. Jika kedua nilai tersebut dijumlahkan
maka nilai dari biaya keseluruhan distribusi metode DRP sebesar Rp
48,253,919.18.
4.3.4 Perbandingan metode perusahaan dan metode DRP (Distribution
Requirement Planning)
Dengan menghitung 2 metode yang berbeda yakni metode perusahaan dan metode
DRP didapat nilai yang berbeda, dimana nilai biaya distribusi metode perusahaan
52
sebesar Rp. 68.688.945,26 lebih besar daripada nilai biaya distribusi metode DRP
sebesar Rp. 48,253,919.18 dengan selisih Rp. 20,435,026.08. Jika dihitung dalam
persentase, penurunan yang terjadi adalah:
𝑅𝑝68688945 .26−Rp 48253919 .18
𝑅𝑝68688945 .26 x 100% = 29.75%
Sehingga metode DRP dapat dipilih sebagai metode terpilih untuk perencanaan
dan penjadwalan distribusi produk HCl, H2SO4, dan NaOH ke wilayah-wilayah
pulau jawa.
4.4 Penentuan Rute Distribusi
Penentuan rute distribusi bertujuan untuk memaksimalkan kegiatan operasional
yang dilakukan oleh gudang dimana sebuah kendaraan pengiriman harus
berangkat dan rute mana yang harus dilalui untuk memenuhi permintaan sejumlah
pelanggan. Pengolahan rute selama 2010 yang dilakukan oleh perusahaan akan
dibandingkan dengan metode Saving Matrix untuk mengetahui selisih jarak
tempuh.
4.4.1 Data Penentuan Rute Distribusi
Berikut data tempat tujuan beserta titik koordinat terhadap warehousepusat :
Gambar 4.1 Peta Lokasi distribusi skala 1 : 5
53
Sumber : google maps
Tabel 4.26 Koordinat lokasi distribusi
Kode Lokasi KOORDINAT
X Y
A Warehouse pusat 17,3 8,2
B Bekasi 12,1 10,9
C Tangerang 0 12,7
D Cikampek 27,2 6,1
E Purwakarta 26,6 0
F Jakarta 7,7 12,8
G Citeureup 8,6 3
H Kaw. Ejip/Hyundai 16,8 8,4
I Pl. Gadung 9 12,6
J Karawang 23,1 7,6
K Cileungsi 10,8 5
L Kaw. MM2100 14,7 8,9
M Kaw. Surya Cipta 24,2 7,3
N Jati Asih 11,8 11
O Jababeka 17 8,5
Berikut daftar kendaraan yang digunakan selama pendistribusian produk ke
tempat – tempat yang dituju :
Tabel 4.27 Kapasitas kendaraan
No Jenis Kapasitas (Kg) Jumlah
1 Truck 3850 4
2 Pick Up 950 1
Sumber: PT. Senatama Laboranusa
4.4.2 Perhitungan Jarak
Rute perusahaan yang sudah ada dalam perusahaan akan menjadi pembanding
meminumkan rute tempuh menggunakan metode Saving Matriks. Berikut daftar
rute perusahaan secara berkala di tahun 2010 :
54
1. Tentukan nilai matrik jarak untuk semua lokasi
Tabel 4.28 Matriks Jarak
N
o LOKASI
Gd
g 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Gudang 0
1 Jababeka 0,4
0
2 Hyundai/Ej
ip 0,5
0,2
0
3 MM2100 2,7
2,3
2,2
0
4 Karawang 5,8
6,2
6,4
8,5
0
5 Purwakart
a 12
,4
12
,8
12
,9
14
,9
8,4
0
6 Bekasi 5,9
5,5
5,3
3,3
11
,5
18
,1
0
7 Cileungsi 7,2
7,1
6,9
5,5
12
,6
16
,6
6,0
0
8 Citeureup
10
,1
10
,0
9,8
8,5
15
,2
18
,2
8,6
3,0
0
9 Pl. Gadung 9,4
9,0
8,9
6,8
15
,0
21
,6
3,5
7,8
9,6
0
10 Jakarta
10
,6
10
,2
10
,1
8,0
16
,3
22
,8
4,8
8,4
9,8
1,3
0
11 Tangerang
17
,9
17
,5
17
,3
15
,2
23
,7
29
,5
12
,2
13
,3
13
,0
9,0
6,7
0
12 Sr. Cipta 7,0
7,3
7,5
9,6
1,1
7,7
12
,6
13
,6
16
,2
16
,1
18
,3
24
,8
0
13 Jt Asih 6,2
5,8
5,6
3,6
11
,8
18
,4
0,3
6,1
8,6
3,2
5,4
11
,9
12
,9
0
14 Cikampek
10
,1
10
,5
10
,7
12
,8
4,4
6,1
15
,8
16
,4
18
,9
19
,3
21
,6
28
,0
3,2
16
,2
0
Cara menghitung jarak pada masing-masing lokasi terhadap gudang pusat sebagai
berikut sesuai dengan persamaan (2-31):
D(Gdg,Jababeka) = (17.3− 17)2 + (8.2− 8.5)2 = 0.4
Perhitungan jarak untuk semua lokasi lebih lengkap dicantumkan pada lampiran 6.
55
Dengan tabel perhitungan jarak diatas maka dapat dikumpulkan total jarak dari
rute yang telah diterapkan oleh perusahaan sebagai berikut:
Tabel 4.29 Rute dan total jarak tempuh metode perusahaan
Bulan Kendaraan Rute Total Jarak
(cm)
Januari Pick Up
Truck 1
Truck 2
Truck 3
Truck 4
Bekasi-Pl. Gadung-Jakarta-Tangerang
Jababeka-Kaw.MM2100
Kaw.Ejip/Hyu-Karawang-Kaw.Sr.Cipta
Bekasi-Jt.Asih-Cileungsi-Citeureup
Purwakarta
84,3
Februari Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Cileungsi-Jakarta-Tangerang
Jababeka-MM2100
Kaw.Ejip/Hyundai-Pl.Gadung
Karawang-Kaw.Sr.Cipta
79,3
Maret
Pick Up
Truck 1
Truck 2
Bekasi-Jt Asih-Cileungsi
Jababeka-Ejip/Hyundai-MM2100-
Pl.Gadung-Jakarta
71,8
Karawang-Sr.Cipta-Cikampek-Purwakarta
April Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl.Gadung
Jababeka-MM2100
Ejip/Hyundai-Jakarta-Cileungsi
Karawang-Sr.Cipta-Purwakarta-Cikamnpek
79,1
Mei Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Jt Asih-Pl.Gadung-Jakarta
Jababeka-MM2100
Ejip/Hyundai-Cileungsi-Tangerang
Karawang-Sr.Cipta-Cikampek-Purwakarta 95,9
Juni Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl.Gadung-Jakarta-tangerang
Hyundai/Ejip-Purwakarta
Jababeka-Sr.Cipta-Karawang-Cikampek
MM2100-Cileungsi-Citeureup
107,2
Juli Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Jt Asih-Pl.Gadung-Jakarta
Jababeka-MM2100
Ejip/Hyundai-Cileungsi
Karawang-Sr.Cipta-Cikampek-Purwakarta
70,0
Agustus Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl. Gadung-Jakarta-Tangerang
Jababeka-MM2100
Hyundai/Ejip-Cileungsi
Karawang-Sr Cipta-Cikampek-Purwakarta
87,3
September Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl Gadung- Jakarta
Jababeka-Ejip/Hyundai
MM2100-Jt Asih-Cileungsi
Karawang-Sr Cipta-Cikampek-Purwakarta
70,8
Oktober Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl Gadung-Jakarta
Jababeka-Ejip/Hyundai
MM2100-Jt Asih-Cileungsi-Citeureup
Karawang-Sr Cipta-Cikampek
71,4
56
Bulan Kendaraan Rute Total Jarak
(cm)
November Pick Up
Truck 1
Truck 2
Truck 3
Bekasi-Pl Gadung-Jakarta-Cileungsi-
Citeureup
Jabebaka-MM2100-Ejip/Hyundai
Karawang-Sr Cipta-Cikampek-Purwakarta
67,3
Desember Pick Up
Truck 1
Truck 2
Bekasi-Jt Asih-Pl Gadung-Jakarta-Cileungsi
Jababeka-Karawang-Sr Cipta-Cikampek-
Pwkrt
MM2100-Ejip/Hyundai
61,2
TOTAL JARAK 945,6
Sumber: PT. Senatama Laboranusa
4.4.3 Perhitungan Metode Saving Matriks
Setelah dilakukan perhitungan nilai matrik jarak diatas langkah selanjutnya adalah
menghitung matrik penghematan (Saving Matriks). Berikut salah satu contoh
perhitungan matrik penghematan pada bulan januari untuk ketiga produk setelah
dilakukannya penerapan Metode DRP pada pengiriman barang sebagai berikut
sesuai dengan persamaan (2-32):
S(Jababeka,Hyundai/Ejip) = D(0.4) + D(0.5) – D(0.2) = 0.74
Tabel Saving Matriks lebih lengkap disajikan pada lampiran 6.
Tabel 4.30 Matriks penghematan bulan januari 2010 setelah penerapan DRP
N
o Lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 Jababeka 0
2 Ejip/Hyunda
i 0,7
4
0
3 MM2100
0,7
8
1,0
7
0
4 Karawang
0,0
6
-0,0
2
0,0
2
0
5 Purwakarta
-0,0
2
-0,0
1
0,2
4
9,8
6
0
6 Bekasi
0,8
0
1,0
4
5,2
8
0,1
7
0,1
2
0
7 Cileungsi
0,5
3
0,8
5
4,4
3
0,4
7
3,0
7
7,1
0
57
N
o Lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14
8 Citeureup
0,5
0
0,8
2
4,3
5
0,7
2
4,2
9
7,4
14,4
0
9 Pl Gadung
0,8
0
1,0
4
5,3
0
0,2
3
0,1
5
11,8
8,8
9,9
0
10 Jakarta 0,8
0
1,0
4
5,3
3
0,1
9
0,2
2
11,8
9,5
10,9
18,7
0
11 Tangerang
0,7
6
1,0
3
5,3
9
0,0
2
0,8
0
11,5
11,8
15,0
18,3
21,8
0
12 Sr. Cipta
0,0
6
-0,0
2
0,0
2
11,6
2
11,6
7
0,2
0,6
0,9
0,3
1,5
0,0
0
13 Jt Asih
0,8
0
1,0
4
5,2
9
0,1
7
0,1
3
11,8
7,3
7,7
12,3
13,6
12,1
0,2
0
14 Cikampek
0,0
4
-0,0
3
0,0
1
11,5
5
16,3
9
0,2
0,9
1,4
0,2
1,4
6,4
13,8
0,1
0
Setelah didapat tabel saving matrix diatas, langkah selanjutnya ialah
mengalokasikan warehouse ke kendaraan atau rute dimulai dari penghematan
terbesar dan memperhatikan kapasitas setiap kendaraan. Berikut adalah contoh
pengelompokan rute berdasarkan penghematan terbesar bulan januari:
Tabel 4.31 Pengelompokan rute bulan januari 2010 metode Saving Matrix
Kode Lokasi RUTE
1 Jababeka RUTE 2
2 Ejip/Hyundai RUTE 3
3 MM2100 RUTE 2
4 Karawang RUTE 4
5 Purwakarta RUTE 1
6 Bekasi RUTE 2
7 Cileungsi RUTE 1
8 Citeureup RUTE 1
9 Pl Gadung RUTE 1
10 Jakarta RUTE 1
11 Tangerang RUTE 1
12 Sr. Cipta RUTE 1
13 Jt Asih RUTE 1
14 Cikampek RUTE 1
58
Metode yang digunakan untuk mengurutkan tujuan pada masing – masing rute
agar lebih spesifik adalah Metode Nearest Neightbor.
Tabel 4.32 Rute dan total jarak bulan januari 2010 metode Nearest Neightbor
NO.RUTE RUTE Total Jarak Kendaraan
1 G-13-9-10-11-8-7-12-14-5-G 82.9 TRUCK
2 G-1-3-6-G 11.9 TRUCK
3 G-2-G 1.1 TRUCK
4 G-4-G 117. PICK UP
TOTAL JARAK 107.5
Maka tabel rute distribusi setelah penerapan saving matrix dapat disajikan selama
periode 2010 sebagai berikut:
Tabel 4.33 Rute dan nilai jarak tempuh metode saving matrix setelah penerapan DRP
Bulan Kendaraan Rute Total Jarak (cm)
Januari Truck 1
Truck 2
Truck 3
Pick Up
G-13-9-10-11-8-7-12-14-5-G
G-1-3-6-G
G-2-G
G-4-G
94,0
Februari Truck 1
Truck 2
Truck 3
G-4-12-6-7-9-G
G-2-G
G-1-3-G
67,1
Maret Truk
Truck 1
Truck 2
G-4-12-14-5-6-13-G
G-1-3-G
G-2-G
47,5
April Pick Up
Truck 1
Truck 2
G-7-9-11-G
G-2-6-4-5-G
G-1-3-G
85,5
Mei Pick Up
Truck 1
Truck 2
G-12-14-G
G-3-6-7-G
G-1-2-4-G
52,4
Juni Pick up
Truck 1
Truck 2
Truck 3
G-13-9-10-G
G-4-12-5-7-6-G
G-1-3-G
G-2-G
74,3
Juli Pick up
Truck 1
Truck 2
Truck 3
G-14-5-G
G-4-12-6-7-9-G
G-1-3-G
G-2-G
78,0
Agustus Pick up
Truck 1
Truck 2
G-12-14-G
G-3-6-7-4-G
G-1-2-G
51,9
59
Bulan Kendaraan Rute Total Jarak (cm)
September Truck 1
Truck 2 G-3-9-4-5-G
G-1-2-G
46,4
Oktober Pick up
Truck 1
Truck 2
Truck 3
G-7-9-10-G
G-4-12-14-6-G
G-1-3-G
G-2-G
52,3
November Truck 1
Truck 2 G-3-6-7-4-5-G
G-1-2-G
51,9
Desember Pick up
Truck 1
Truck 2
G-13-10-G
G-2-3-6-7-G
G-1-4-G
54,8
TOTAL JARAK 769,7
4.4.4 Perbandingan selisih jarak tempuh rute perusahaan dan metode Saving
Matrix
Dengan telah menghitung 2 metode yang berbeda yakni metode perusahaan dan
metode Saving Matrix didapat nilai jarak yang berbeda, dimana jarak tempuh
metode perusahaan sebesar 957,36 lebih besar daripada nilai jarak tempuh metode
Saving Matrix sebesar 769,7 dengan selisih 187,66. Jika dihitung dalam
persentase, penurunan yang terjadi adalah:
957.36−769.7
945.36 x 100% = 19,60%
Sehingga metode Saving Matrix dapat digunakan sebagai metode untuk penentuan
rute distribusi yang dilaluii produk HCl, H2SO4, dan NaOH ke wilayah-wilayah
pulau jawa.
4.5 Analisis data penelitian
Setelah dilakukannya pengolahan data diatas, maka penelitian akan dianalisa
untuk memberikan gambaran secara menyeluruh dan solusi yang dikemukakan.
Berikut penjabaran analisa dari penelitian:
4.5.1 Hasil peramalan per produk & verifikasi peramalan terpilih
Dengan peramalan terpilih yang sudah ditetapkan berdasarkan nilai kesalahan
terkecil, metode peramalan AES untuk mewakili ramalan dari produk HCl dan
H2SO4 sedangkan metode peramalan SEST mewakili peramalan produk
60
NaOH.Kemudian data grafik perbandingan antara peramalan vs data permintaan
aktual masing-masing barang disajikan sebagai berikut:
A. HCl
Gambar 4.2 Perbandingan peramalan produk HCl vs aktual 2010
Dari grafik diatas dapat dilihat untuk produk HCl pola grafik peramalan hampir
mendekati grafik data aktual 2010 dengan persentase kesalahan sebesar 9,04%
untuk HCl. Sehingga peramalan ini cukup valid untuk digunakan sebagaimana
nilai error yang telah diverifikasi dapat dikontrol melalui grafik Moving Range
Chart (MRC) sebagai berikut:
Gambar 4.3 MRC HCl
0
20000
40000
60000
80000
100000
120000
140000
160000Ja
n
Feb
Mar
Ap
r
Mei
Jun
Jul
Agu Se
p
Okt
No
v
De
s
Jum
lah
Per
min
taan
AES vs Aktual HCl
Ramalan
Aktual HCl 2010
-30000
-20000
-10000
0
10000
20000
30000
1 2 3 4 5 6 7 8 9 10 11 12
MR
MRC HCl
BA
BW
Data
CL
61
Dari grafik diatas produk HCl dinyatakan terkontrol. Hal ini dapat dilihat dari
nilai error masih berada diantara batas atas (BA) dan batas bawah (BW).
Meskipun nilai error cenderung dibawah center line (CL) yang diakibatkan
peramalan permintaan meningkat tiap waktu.Perhitungan MRC HCl pada
lampiran 6.
Persentase error ini pun didapat melalui faktor internal dan eksternal perusahaan
yang dapat mempengaruhi hasil peramalan seperti mudahnya produksi barang,
faktor finansial perusahaan, pesaing perusahaan yang semakin banyak dan
bertambahnya target pasar. Dengan demikian perusahaan dapat
mempertimbangkan penyimpangan error yang dialami oleh metode peramalan
untuk mengontrol persediaan dan kapasitas untuk tahun kedepan.
B. NaOH
Gambar 4.4 Perbandingan peramalan produk NaOH ramalan vs aktual 2010
Dari grafik diatas dapat dilihat untuk produk NaOH pola grafik peramalan hampir
mendekati grafik data aktual 2010 dengan persentase kesalahan sebesar 11,34%
untuk NaOH. Sehingga peramalan ini cukup valid untuk digunakan sebagaimana
nilai error yang telah diverifikasi dapat dikontrol melalui grafik Moving Range
Chart (MRC) sebagai berikut:
0
10000
20000
30000
40000
50000
60000
Jan
Feb
Mar
Ap
r
Mei
Jun
Jul
Agu Se
p
Okt
No
v
Des
Jum
lah
per
min
taan
SEST vs Aktual NaOH
Ramalan
Aktual NaOH 2010
62
Gambar 4.5 MRC NaOH
Dari grafik diatas produk NaOH dinyatakan terkontrol. Hal ini dapat dilihat dari
nilai error masih berada diantara batas atas (BA) dan batas bawah (BW). Nilai
error untuk produk NaOH cenderung stabil. Perhitungan MRC NaOH pada
lampiran 6.
Persentase error ini pun didapat melalui faktor internal dan eksternal perusahaan
yang dapat mempengaruhi hasil peramalan seperti kelangkaan/mudahnya barang,
faktor finansial perusahaan, pesaing perusahaan yang semakin banyak dan
bertambah/hilangnya target pasar. Dengan demikian perusahaan dapat
mempertimbangkan penyimpangan error yang dialami oleh metode peramalan
untuk mengontrol persediaan dan kapasitas untuk tahun kedepan.
-20000
-15000
-10000
-5000
0
5000
10000
15000
20000
1 2 3 4 5 6 7 8 9 10 11 12
MR
MRC NaOH
BA
BW
CL
Data
63
C. H2SO4
Gambar 4.6 Perbandingan peramalan produk H2SO4 ramalan vs aktual 2010
Dari grafik diatas dapat dilihat untuk produk NaOH pola grafik peramalan hampir
mendekati grafik data aktual 2010 dengan persentase kesalahan sebesar 18,56%
untuk NaOH. Sehingga peramalan ini cukup valid untuk digunakan sebagaimana
nilai error yang telah diverifikasi dapat dikontrol melalui grafik Moving Range
Chart (MRC) sebagai berikut:
Gambar 4.7 MRC H2SO4
Dari grafik diatas produk HCl dinyatakan terkontrol. Hal ini dapat dilihat dari
nilai error masih berada diantara batas atas (BA) dan batas bawah (BW).
0
5000
10000
15000
20000
25000
30000
Jan
Feb
Mar
Ap
r
Mei
Jun
Jul
Agu Se
p
Okt
No
v
Des
Jum
lah
per
min
taan
AES vs Aktual H2SO4
Ramalan
Aktual H2SO4 2010
-15000
-10000
-5000
0
5000
10000
15000
1 2 3 4 5 6 7 8 9 10 11 12
MR
MRC H2SO4
CL
BA
BW
ERROR
64
Meskipun nilai error cenderung dibawah center line (CL) yang diakibatkan
peramalan permintaan meningkat tiap waktu. Perhitungan MRC H2SO4 pada
lampiran 7.
Persentase error ini pun didapat melalui faktor internal dan eksternal perusahaan
yang dapat mempengaruhi hasil peramalan seperti mudahnya produksi barang,
faktor finansial perusahaan, pesaing perusahaan yang semakin banyak dan
bertambahnya target pasar. Dengan demikian perusahaan dapat
mempertimbangkan penyimpangan error yang dialami oleh metode peramalan
untuk mengontrol persediaan dan kapasitas untuk tahun kedepan.
4.5.2 Hasil Penerapan Distribution Requirement Planning (DRP)
Setelah diterapkannya DRP, analisa yang didapat sebagai berikut:
1. Penerapan Safety Stock dan Economic Order Quantity
Dengan telah dilakukannya penelitian distribusi menggunakan DRP, penumpukan
persediaan pada gudang yang sangat beresiko menyebabkan barang rusak dapat
diminimalisasikan dengan meninjau biaya simpan yang timbul dari perusahaan
sebesar Rp 25.318.945,- sedangkan biaya simpan dengan metode DRP sebesar Rp
22.898.919,-. Dengan kata lain metode ini sangat efektif untuk menjaga kualitas
dan penanganan persediaan dengan penurunan biaya sebesar 9,56% yang
mengindikasikan bahwa penyimpanan barang dapat dikurangi dari biasanya
sehingga tidak terjadinya penumpukan pada gudang yang berakibat tinggi biaya
simpan dan kemungkinan terjadinya kerusakan semakin besar. Jika perusahaan
tidak memperhitungkan safety stock maka stockout tidak akan terhindarkan dan
penambahan biaya penyimpanan pun akan merugikan perusahaan. Namun, salah
satu dari penerapan safety stock akan sangat berguna jika terjadi lonjakan
permintaan yang nantinya persediaan pemganan tersebut akan menutupi
permintaan yang ada bagi perusahaan.
65
Fungsi dari EOQ sebagai penentu jumlah order quantity yang ekonomis dalam
meminumkan jumlah biaya pemesanan dan biaya persediaan per waktu. Berikut
analisis grafik dari EOQ masing-masing produk:
a. HCl
Gambar 4.8 Grafik nilai EOQ produk HCl
Berdasarkan grafik 4.8, bahwa EOQ terbesar untuk produk HCl terdapat
pada wilayah Kawasan MM2100 dan terendah pada wilayah Citeureup.
Permintaan barang dalam skala banyak atau sedikit akan mempengaruhi
dari tiap wilayah. Sehingga pemasaran pada wilayah yang memiliki nilai
terbesar harus dikontrol dengan baik persediaan yang ada sedangkan untuk
nilai EOQ terkecil harus ditingkatkan pemasarannya pada daerah tersebut.
02000400060008000
1000012000140001600018000
Jab
abek
a
Kaw
. Hyu
nd
ai/E
jip
Kaw
. MM
2100
Kar
awan
g
Pu
rwak
arta
Bek
asi
Pl.
Gad
un
g
Cile
un
gsi
Cit
eure
up
Cik
amp
ek
Jaka
rta
Jt. A
sih
Tan
gera
ng
Nilai EOQ HCl
Nilai EOQ
66
b. NaOH
Gambar 4.9 Grafik nilai EOQ produk NaOH
Berdasarkan grafik 4.9, bahwa EOQ terbesar untuk produk NaOH terdapat
pada wilayah Kawasan Sr. Cipta dan terendah pada wilayah Citeureup.
Permintaan barang dalam skala banyak atau sedikit akan mempengaruhi
dari tiap wilayah. Sehingga pemasaran pada wilayah yang memiliki nilai
terbesar harus dikontrol dengan baik persediaan yang ada sedangkan untuk
nilai EOQ terkecil harus ditingkatkan pemasarannya pada daerah tersebut.
c. H2SO4
Berdasarkan grafik 4.10. dibawah, bahwa EOQ terbesar untuk produk
NaOH terdapat pada wilayah Kawasan Sr. Cipta dan terendah pada
wilayah Jababeka. Permintaan barang dalam skala banyak atau sedikit
akan mempengaruhi dari tiap wilayah. Sehingga pemasaran pada wilayah
yang memiliki nilai terbesar harus dikontrol dengan baik persediaan yang
ada sedangkan untuk nilai EOQ terkecil harus ditingkatkan pemasarannya
pada daerah tersebut.
0100020003000400050006000700080009000
10000
Jab
abek
a
Kaw
. Hyu
nd
ai/E
jip
Kaw
. MM
2100
Kar
awan
g
Sr. C
ipta
Bek
asi
Pl.
Gad
un
g
Cile
un
gsi
Cit
eure
up
Cik
amp
ek
Jaka
rta
Jt. A
sih
Tan
gera
ng
Nilai EOQ NaOH
Nilai EOQ
67
Gambar 4.10 Grafik nilai EOQ produk H2SO4
PT. Senatama Laboranusa untuk menentukan order quantity menggunakan
metode lot for lotyaitu jumlah yang dipesan sama dengan jumlah yang dibutuhkan
( jumlah pesan = jumlah dibutuhkan). Lot for lot cenderung akan meminumkan
biaya persediaan dan memaksa menambah biaya transportasi karena sifatnya
harus segera dikirim (urgent). Maka dari itu bahwa persentase terbesar biaya
distribusi adalah biaya transportasi. Dengan metode EOQ, perusahaan dapat
meminumkan biaya transportasi dan mengoptimasikan penyebaran nilai
persediaan dimana nilai persediaan yang kurang dapat menjadi target pasar bagi
perusahaan.
Selain untuk menghemat biaya yang timbul karena metode lot for lot tersebut,
perusahaan bisa melihat dan fokus membagi penjualan merata ke setiap pangsa
pasar yang ada.
2. Perbandingan frekunesi kendaraan sesudah penerapan metode DRP dan
sebelum DRP
Frekuensi kendaraan pengiriman menggunakan DRP menjadi lebih sedikit
dibanding sebelumnya yakni 925 frekunesi kendaraan sebelumnnya menjadi 620
frekuensi kendaraan dengan begitu perusahaan dapat menekan biaya transportasi
0100020003000400050006000700080009000
10000
Nilai EOQ H2SO4
Nilai EOQ
68
khususnya sekecil mungkin. Persentase biaya penurunan yang terjadi dalam 1
tahun setelah penerapan DRP sebanyak 32,97%.
4.5.3 Penerapan Rute menggunakan Saving Matrix setelah menggunakan
metode DRP
Berdasarkan koordinat masing wilayah yang telah diukur menggunakan skala 1 : 5
didapat perhitungan rute. Untuk perhitungan rute metode perusahaan berdasarkan
kemampuan otodidak (pengalaman) cenderung selama tahun 2010 menggunakan
4 rute dengan 2 jenis kendaraan yaitu jenis pick up dan truk. Berikut persentase
pengiriman yang disajikan dengan diagram pie metode perusahaan:
Gambar 4.11 Sebaran persentase pengiriman masing-masing kendaraan
Pada diagram diatas untuk rute pengiriman kendaraan jenis pick up mencakup
sebagian besar untuk wilayah Bekasi hingga jakarta yang mana pada wilayah
27%
23%23%
9%
9%9%
2%
Persentase pengiriman menggunakan pick up
Bekasi
Pl. Gadung
Jakarta
Tangerang
Cileungsi
Jt. Asih
Citeureup
43%
33%
19%5%
Persentase pengiriman menggunakan Truk 1
Jababeka
MM2100
Ejip/Hyundai
Purwakarta
19%
8%
8%
6%6%6%3%
17%
3%
6%
11% 6% 3%
Persentase pengiriman menggunakan Truk 2
Ejip/Hyundai
Karawang
Sr. Cipta
Pl. Gadung
Jakarta
Cikampek
Purwakarta
Cileungsi
Tangerang
3%
3%
5%
5%
23%
23%
18%
20%3%
Persentase pengiriman menggunakan truk 3
Bekasi
Jt Asih
Cileungsi
Citeureup
Karawang
Sr. Cipta
Purwakarta
Cikampek
69
pemasaran tersebut jumlah permintaan per hari ≤ 950 Kg dari kapasitas pick up.
Kendaraan jenis truck 1 mecakup pemasaran wilayah Jababeka, MM2100 dan
Kaw. Ejp/Hyundai yang mana ketiga wilayah tersebut jarak nya saling berdekatan
walaupun ada pengiriman ke wilayah purwakarta dengan catatan persentase 5%
dikarenakan sifat nya urgent sementara kendaraan yang lain tidak dapat
digunakan. Kendaraan jenis truk 2 difungsikan sebagai kendaraan cadangan yang
dapat mengirim ke hampir seluruh wilayah karena permintaan per wilayah sedikit.
Sedangkan kendaraan jenis truk 3 difokuskan untuk pengiriman ke wilayah
karawang hingga purwakarta, namum persentase untuk wilayah yang lain masih
tetap ada karena sifat pengiriman yang urgent.
Dengan disajikannya diagram pie metode perusahaan tersebut dapat dilihat secara
jelas, bahwa rute untuk masing-masing kendaraan masih kurang maksimal karena
rute yang dilalui dari setiap pengiriman masih memiliki pembagian jarak tempuh
yang jauh sehingga menimbulkan biaya yang cukup besar.
Berikut persentase pengiriman yang disajikan dengan diagram pie metode saving
matrix:
2% 9%
16%
12%
14%
2%
12%
2%
5%
16%9%
Persentase Pengiriman Truk 1
KAWASAN HYUNDAI/EJIP
KAWASAN MM2100
KARAWANG/SR. CIPTA
PURWAKARTA
BEKASI
CITEUREUP
PL. GADUNG
JAKARTA
TANGERANG
SR CIPTA
CIKAMPEK
70
Gambar 4.12 Sebaran persentase truk 1,2 dan 3 setelah penerapan saving matrix
Gambar 4.13 Sebaran persentase kendaraan pick up setelah penerapan saving matrix
Setelah dilakukannya perhitungan rute metode Saving Matrix dapat diketahui
nantinya oleh perusahaan alat transportasi mana yang akan digunakan berdasarkan
penghematan terbesar. Seperti halnya pada Truk 1 akan dimaksimalkan terlebih
dahulu daya muat barangnya ke berbagai wilayah, dengan begitu persentase
pengiriman untuk truk 1 akan jauh lebih sering dibandingkan dengan kendaraan
yang lain. Dimana nantinya pembagian rute pengiriman selanjutnya menggunakan
kendaraan yang lain akan semakin sedikit rute yang dikunjungi dan lebih teratur.
Rute pengiriman searah atau letaknya saling berdekatan digabung dan dirancang
agar dapat menghemat biaya dan jarak tempuh. Perusahaan juga harus
memperhatikan kondisi dan jumlah kendaraan transportasi yang digunakan agar
tidak terjadinya keterlambatan pengiriman.
44%
12%
32%
4%4% 4%
Persentase pengiriman Truk 2
JABABEKA
KAWASAN HYUNDAI/EJIP
KAWASAN MM2100
KARAWANG/SR. CIPTA
BEKASI
8%
58%17%
8% 8%
Persentase pengiriman truk 3
JABABEKA
KAWASAN HYUNDAI/EJIP
KARAWANG/SR. CIPTA
PURWAKARTA
BEKASI
8%8%
8%
15%
23%
8%
15%
15%
Persentase Pengiriman Pick up
KARAWANG/SR. CIPTA
PURWAKARTA
CILEUNGSI
PL. GADUNG
JAKARTA
SR CIPTA
JT ASIH
CIKAMPEK
71
Dengan menggunakan metode saving matrix jarak tempuh yang dihasilkan 769,7
sedangkan jarak tempuh yang dialami perusahaan sebanyak 957,36. Dengan
begitu penurunan jarak tempuh yang dihasilkan 19,60% bisa membantu
perusahaan dalam mengoptimalkan jarak tempuh yang dilalui perusahaan.
72
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Setelah melakukan penelitian menggunakan metode DRP (Distribution
Requirement Planning dan Pengoptimalan rute yang dilalui kendaraan
menggunakan metode Saving Matriks dapat disimpulkan bahwa :
1. Setelah dilakukan penjadwalan ulang dengan metode DRP (Distribution
Requirement Planning) adanya penurunan pada biaya distribusi sebesar
29,75%
2. Metode Saving Matrix dapat mengoptimalan rute yang dilalui kendaraan
pengiriman sebesar 769,7 x 5 Km = 3848,5 Km per tahun sedangkan
perusahaan 957,36 x 5 Km = 4786,8 Km per tahun dengan selisih jarak
yang dihasilkan 938,3 Km.
5.2 Saran
Untuk mengembangkan lebih jauh penelitian ini disarankan agar :
1. pada perhitungan metode DRP (Distribution Requirement Planning)
dianjurkan mencoba dengan penentuan metode lot size yang lain atau
menggabungkan 2 atau 3 metode lot size untuk meminimalkan biaya
distribusi
2. Dilakukan kembali metode peramalan yang lain untuk menekan persentase
error untuk lebih kecil dan memperhitungkan variable-variabel yang
dapat mempengaruhi keakuratan dari metode tersebut
3. Untuk penentuan rute bisa ditambahkan variabel-variabel lain untuk
memperhitungkan resiko-resiko yang dapat merugikan perusahaan.