BAB 4 ANALISIS DAN PENGOLAHAN DATA

43

BAB 4 ANALISIS DAN PENGOLAHAN DATA

4.1

Pengumpulan Data Data-data yang di peroleh dari perusahaan berasal dari departemen logistic dan purchasing. Adapun data-data yang di kumpulkan adalah data permintaan dari setiap cabang pada tahun 2008 bulan oktober sampai september, biaya angkut kesetiap cabang PT United Tractor, serta pengumpulan data melalui wawancara ke manajer atau orang yang bertanggung jawab pada departemen logistic dan beberapa staf departemen logistic serta mempelajari langsung permasalahan di lapangan. Dalam metode pengambilan sampel, sampel yang digunakan adalah sample yang dominan atau frekuensi permintaan akan produk sangat tinggi atau permintaan yang paling tinggi setiap bulannya serta permintaan produk yang mendesak. Banyaknya item yang dipilih cukup mewakili proses distribusi spare parts yang diterapkan dalam PT United Tractros yang dilakukan dengan menggunakan pengiriman udara (airfried). Untuk data biaya pengiriman, dalam penelitian ini akan menganalisa salah satu cara atau alat trasportasi yang digunakan perusahaan yaitu distribusi spare parts melaui pengiriman udara. Jadi biaya yang digunakan adalah biaya pengiriman melalui udara.

44

4.2.

Pengolahan Data

4.2.1 Transportasi Dalam melakukan proses distribusi suatu barang dari satu tempat ke tempat lain dibutuhkan suatu keputusan yang sangat penting yaitu penentuan jadwal dan rute pengiriman barang ke lokasi tujuan. Dalam penelitian ini, proses distribusi spare parts khususnya Bearing dan O-ring dilakukan dari perusahaan United Tractors yaitu diantara depo ke cabang, Depo ke Depo yang lain, dan cabang ke cabang lain yang tersebar di Indonesia. Tujuan dilakukannya penjadwalan dan penentuan rute pengiriman barang adalah untuk mengoptimumkan biaya yang dikeluarkan oleh perusahaan untuk melakukan proses pendistribusian spare parts. 4.2.1.1 Penjadwalan dan Penentuan Rute Pengiriman Seperti yang telah diketahui tujuan utama dari penjadwalan dan penentuan rute pengiriman adalah untuk mendapatkan biaya yang optimum yang dapat dikeluarkan suatu perusahaan untuk melakukan proses distribusi spare parts. Dalam sebuah perusahaan seorang manajer harus mampu menentukan atau memberikan keputusan tentang alat transportasi apa yang harus digunakan, kapan spare parts tersebut harus dikirim, ke cabang atau DEPO mana yang akan dituju serta rute mana yang harus ditempuh oleh satu alat transportasi dalam melakukan proses distribusi. Manajer juga harus memastikan tidak ada satupun alat transportasi yang melebihi muatan serta dapat memenuhi permintaan baik itu berupa kuantiti ataupun kwaliti serta waktu pengiriman harus tepat waktu.

45

Pada penelitian ini akan membahas tentang proses distribusi spare parts khususnya bearing dan o-ring pada bulan oktober 2008. untuk mempermudah pemecahan masalah penjadwalan dan penentuan rute kendaraan, ke setiap cabang ataupun depo di seluruh Indonesia maka terlebih dahulu daerah-daerah tujuan di-plot kedalam peta kemudian dibuatkan skala sumbu X dan sumbu Y dengan DC sebagai pusat koordinat (0,0). Dapat dilihat pada gambar 7 Menunjukan bentuk plot setiap cabang dan depo yang akan dituju untuk proses distribusi spare parts dalam peta dalam skala sumbu XY. Tabel 2 menampilkan lokasi DC dari setiap cabang dan DEPO dalam skala sumbu XY. Serta banyaknya permintaan untuk bulan oktober 2008 dimana penggunaan alat transportasi menggunakan pesawat terbang. Dengan mempertimbangkan bahwa jarak dua titik antar koordinat dalam sumbu XY berkolerasi dengan jarak nyata yang akan ditempuh alat transportasi serta jarak tempuh yang ditempuh oleh alat transportasi akan sangat mempengaruhi waktu pengiriman yang secara langsung berdampak pada tingkat pelayanan kepada pelanggan, maka total jarak tempuh harus dipertimbangkan untuk meminimumkan biaya yang timbul akibat proses transportasi. Dalam penelitian ini akan digunakan metode saving matrix untuk penjadwalan dan penentuan rute pengiriman spare parts.

46

4.2. 2 Metode Saving Matrix Dalam metode ini langkah langkah yang dilakukan adalah pertama membuat peta lokasi dari DEPO yang dimiliki oleh PT. United Tractors dan lokasi cabang dari PT United Tractors sebagai customer dari DEPO PT UT.

Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.

Gambar 7. Peta Lokasi DEPO dan Cabang PT.UT

47

Keterangan (Gambar 7) adalah sebagai berikut: Lokasi DEPO Lokasi cabang/ cusromer NO LOKASI 1 Banda aceh 2 Medan 3 Padang 4 5 6 7 8 10 11 12 13 14 15

Pekanbaru Jambi Palembang Pangkalpinang Bandar lampung Pontianak Semarang Banjarmasin Adaro Surabaya Sangata

NO LOKASI 16 Balikpapan 17 Senakin 18 Samarinda 19 Ujung pandang 20 Berau 21 Bontang 22 Palu 23 Tarakan 24 Ambon Manado 25 26 Timika 27 Jayapura

Pada gambar 7 yaitu peta persebaran lokasi DEPO dan cabang untuk wilayah Indonesia memiliki skala gambar sebesar 1cm pada peta mewakili 20.000.000 km untuk jarak sebenarnya.

48

Berdasarkan lokasi DEPO yang terdapat pada PT. United Tractor dapat ditentukan jarak dari setiap lokasi customer berdasarkan atas sumbu XY, dan jumlah permintaan bulan oktober 2008. 4.2.2.1

DEPO JAKARTA

Untuk DEPO PT United Tractors yang pertama adalah di Jakarta, dapat digambarkan pemetaannya sebagai berikut:


Gambar 8. Lokasi DEPO Jakarta dan Lokasi Cabang PT.UT Pada gambar 8, merupakan hasil pengolahaan data yaitu loksai persebaran DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh sumbu XY adalah untuk jarak titik satu ke titik yang laian adalah 0,5cm = 10.000.000 km untuk jarak nyata. Untuk penentuan nilai pada sumbu X dan Y terhadap lokasi cabang dan

49

DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga pecaha).DEPO Jakarta sebagai DC (Distribution Center)

50

Tabel 2. Jarak Lokasin DEPO Dan Cabang Dalam Dua Titk Koordinat Dalam Sumbu XY Koordinat

Lokasi

CUSTOMER CDC

Permintaan

X 0

Y 0

box -

Kg -

CUS 1

Banda aceh

-11

-13

3

14

CUS 2

Medan

-8

-11

49

269

CUS 3

Padang

-6

-6

78

554

CUS 4 CUS 5

Pekanbaru Jambi

-5 -3

8 6

20 20

40 40

CUS 6

Palembang

-2

4

49

111

CUS 7

Pangkalpinang

0

4

48

367

CUS 8

Bandar lampung

-2

1

28

191

CUST 10

Pontianak

3

7

57

553

CUST 11

Semarang

2

1

33

215

CUST 12

Banjarmasin

7

4

318

2909

CUST 13

Adaro

8

5

260

2896

CUST 14

Surabaya

6

2

69

522

CUST 15

Sangata

7

9

352

4177

CUST 16

Balikpapan

9

6

151

982

CUST 17

Senakin

9

3

17

139

CUST 18

Samarinda

9

6

431

4915

CUST 19

Ujung pandang

12

1

100

722

CUST 20

Berau

9

10

173

1833

CUST 21 CUST 22

Bontang

10

7

152

1965

CUST 23

Palu Tarakan

12 10

6 11

49 71

257 775

CUST 24

Ambon

20

3

11

91

CUST 25

Manado

17

9

68

872

CUST 26

Timika

28

3

49

345

Jayapura

31

5

94

1512

CUST 27 Sumber: Hasil Pengolahan Data

Dengan pertimbangan bahwa jarak dua titik antar koordinat dalam sumbu XY berkolerasi dengan jarak nyata yang akan di tempuh oleh salah satu alat transportasi

51

yang akan digunakan, serta jarak tempuh alat transportasi akan sangat mempengaruhi jumlah biaya yang akan dikeluarkan oleh perusahaan yang secara langsung berpengaruh pada seberapa besar biaya yang dapat di minimalkan kepada perusahaan, maka meminimumkan total jarak tempuh akan sangat berguna untuk meminimumkan biaya yang timbul akibat proses transportasi. Dalam penelitian kali ini akan digunakan metode Saving Matrix untuk penjadwalan dan penentuan rute transportasi. Langkah pertama metode Saving Matrix adalah membuat matriks jarak (distance matrix) yang terdapat pada Bab II, dan hasilnya akan ditampilkan dalam tabel 3 berikut. Matriks jarak ini selanjutnya akan digunakan untuk mengevaluasi matriks penghematan (Saving matrix). Pada langkah ini kita memerlukan jarak antara gudang kemasing-masing customer dan jarak customer kemasing-masing customer. Dengan mengetahui masing-masing koordinat dari customer maka dapat dilakukan perhitungan untuk menemukan jarak antara gudang kemasing-masing customer serta jarak antar customer yang satu dengan customer yang lain.

52

Tabel 3. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang)

Sumber: Hasil Pengolahan Data

Untuk jarak antara customer 1 dengan distribution center (DC) dan customer 2 perhitungannya di uraikan sebagai berikut. Jarak antar dua koordinat yang lain dihitung sama seperti perhitungan sebagai berikut: Dist (A,B) = √((XA-XB)2+(YA-YB)2) Dist (CUS 1,CUS 2) = √((XCUS 1 - XCUS 2)2+(YCUS 1-YCUS 2)2)

Dist (DC,CUS 1) = √((0 – (-11))2+(0-(-13))2) = 17.0 Dist (DC,CUS 2) = √((0 – (-8))2+(0-(-11))2) = 13.6

53

Dist (CUS 1,CUS 2 )= √((-11– (-8))2+(-13-(-11))2) = 3.6 Dist (CUS 1,CUS 3) = √((-11– (-6))2+(-13-(-6))2) = 8.6

Dist (CUS 23,CUS 24) = √((10– (20))2+(11-(3))2) = 12.8 Dist (CUS 24,CUS 25) = √((20– (17))2+(3-(9))2) = 6.7

Keterangan: Dist

= Distribusi

CUS 1 = Customers 1 CUS 2 = Customers 2 CUS n = Customers n

Pada proses distance matrix seluruh jarak dari setiap gudang dan setiap customer seluruhnya haruslah dihitung, dan hasil dari perhitungan ini akan digunakan untuk menentukan matriks penghematan (saving matrix) yang akan di kerjakan pada langkah berikutnya. Langkah kedua yaitu matriks penghematan (saving matrix). Saving matrix merepresentasikan penghematan yang bisa direalisasikan dengan menggabungkan dua atau lebih pelanggan kedalam satu rute.

54

Sebelum Rute Digabung

Setelah Rute Digabung

Gambar 9. Sebelum Dan Sesudah Penggabungan Rute Perubahan yang terjadi dengan menggabungkan pelanggan 1 dan pelanggan 2 kedalam satu rute. Dengan menggunakan data hasil perhitungan distance matrix dapat dibuat penghematan jarak dengan menggabungkan dua trip menjadi satu trip. Misalnya jarak antara DC (Distribution Centers) ke customer1 kemudian kembali ke DC, dan DC ke customer 2 kemudian kembali ke DC, dapat di gabung menjadi DC ke customer1 lalu ke customer 2 kemudian kembali lagi ke DC. Untuk pembuatan saving matrix ini perhitungannya menggunakan rumus (2) yang terdapat pada Bab II yang hasilnya akan di tampilkan dalam Tabel 4. Selanjutnya pada proses saving matrix adalah menentukan kendaraan mana yang akan melayani customer yang mana.

55

Tabel 4. Tabel Penghematan Jarak


Untuk penghematan jarak customer1 dan customer 2 perhitungannya adalah sebagai berikut. Penghematan jarak antar dua koordinat yang lain dapat dihitung dengan menggunakan rumus yang sama.

S(X,Y)=Dist(DC,X)+Dist(DC,Y)-Dist(X,Y) atau S(CUS 1, CUS 2) = Dist(DC,CUS1)+Dist(DC,CUS 2)-Dist(CUS 1,CUS 2) = 17.0 + 13.6 – 3.6 = 27.0

56

S(CUS 2, CUS 3) = Dist(DC,CUS2)+Dist(DC,CUS 3)-Dist(CUS 2,CUS 2) = 13.6 +8.5 – 5.4 = 16.7 Keterangan S

= Seving Matrix

CUS 1 = Customers 1 CUS 2 = Customers 2 CUS n = Customers n Langkah selanjutnya penentuaan kendaraan terhadap customer. Tujuan dilakukannya penentuan kendaraan terhadap customer adalah untuk memaksimalkan penghemataan jarak, untuk itu diperlukan prosedur iterasi yang akan dilakukan dari matriks penghematan. Syarat utamanya adalah dua rute dapat digabung dalam satu rute feasible jika total pengiriman kedua rute tidak melebihi kapasitas alat transportasi yang digunakan. Pada perusahaan PT United Tractros, pihak ekspedisi pengiriman barang membatasi jumlah beban pengiriman sebanyak 6000 kg atau 600 box untuk satu alat transportasi. Langkah pertama dari prosedur iterasi adalah menggabungkan dua rute dengan penghematan tertinggi menjadi satu rute yang feasible. Prosedur ini dilakukan terus menerus sampai tidak ditemukan lagi kombinasi yang feasible. Untuk penelitian ini, seperti terlihat pada tabel … penghematan tertinggi adalah 46.0 yang merupakan penggabungan rute pengiriman customer 26 dan customer 27. Pada proses iterasi ini memungkinkan dilakukan penggabungan karena

57

total pengiriman yang dilakukan adalah untuk customer 26 jumlah spare part yang di order adalah 345 dan customer 27 jumlah spare part yang di order adalah 1512 jadi total penjumlahan spare parts yang di order adalah 345+1512= 1857 kg, masih dibawah batas kapasitas yang diijinkan yaitu 6000kg atau 600 box, sehingga dua customer tersebut dapat digabung dalam satu rute pengiriman, yaitu rute pengiriman pertama (RUTE 1) seperti terlihat pada tabel..dan selanjutnya penghematan yang sudah dilakukan (46.0) diabaikan dalam prosedur iterasi berikutnya. Tabel 5. Saving Matrix - Iterasi Pertama

Sumber: Hasi Pengolahan Data

58

Penghematan tertinggi berikutnya adalah 40.4 yang merupakan penggabungan dari customer 26 dan customer 24. Proses penggabungan dapat dilakukan antara customer 26 dan customer 24 karena total pengiriman 1857+91=1948kg, masih dibawah 6000kg atau 600box. Dalam hal ini customer 24 akan digabung dalam rute yang sama dengan customer 27 karena customer 27 sudah tergabung dengan customer 26 dan telah memiliki rute. Tabel 6. Saving Matrix- Iterasi Ke-Dua


Penghematan tertinggi berikutnya adalah 40.4 yang merupakan gabungan dari customer 26 dan customer 24 lagi karena keduanya sudah memiliki rute jadi

59

tidak perlu dilakukan perhitungan lagi. Penghematan berikutnya yaitu 36.0 yang merupakan gabungan dari customer 27 dan customer 25 karena customer 27 sudah memiliki rute pengiriman maka untuk customer 25 akan di gabung dengan customer 27, customer 26 dan customer 24 jadi total pengiriman adala 1948+872= 2820, karena masih di bawah batas maksimal beban yang di ijinkan maka customer 25 dapat digabung dengan customer 27, customer 26 dan customer 24. Proses penggabungan ini dilakun terus menerus sama tapi tidak ditemukan lagi kombinasi yang feasible dan sampai batas maksimal pengiriman yang di ijinkan oleh pihak ekspedisi. Tabel 7. Saving Matrix- Iterasi-Ke-Tiga


60

Setelah tidak ditemukan lagi kombinasi yang feasible dan kapasitas beban yang berlebihan, maka rute berikutnya akan menggunakan rute kendaraan kedua. Hal ini disebabkan karena berapa pun penambahan penghematan jarak yang akan dilakukan akan menyebabkan kelebihan beban muatan yang telah ditentukan oleh pihak ekspedisi. Untuk rute 1 alat transportasi yang digunakan sudah mengangkut sebanyak 5996 kg (599 box) dari kapasitas yang diijinkan adalah 6000kg atau 600 box. Untuk memenuhi kapasitas alat transportasi yang digunakan diperlukan 6000 – 5996 = 4kg lagi, dalam hal ini semua customer yang masih belum terlayani mempunyai permintaan lebih dari jumlah tersebut yaitu 4kg. untuk rute kendaraan kedua, prosedur iterasi juga dilakukan sama seperti pada rute kendaraan pertama. Proses penambahan rute dilakukan sampai seluruh customer yang ada telah dilayani semua. Dalam hal ini tidak menutup kemungkinan satu customer akan dilayani oleh satu alat transportasi dan begitu pula sebaliknya satu pesawat (alat transportasi) akan melayani beberapa customer, tetapi satu customer tidak dapat dilayani oleh dua atau lebih alat transportasi (kecuali situasi khusus atau kondisi mendesak).

61

Tabel 8. Saving Matrix – Setelah Dilakukan Itersi


Dari hasil iterasi,didapat lima rute pengiriman yaitu kelompok rute pertama [ CUS 1, CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27] , untuk kelompok rute kedua [ CUS 17 ], untuk kelompok rute ketiga [ CUS 16, CUS 18], untuk rute ke empat [ CUS 12, CUS 13], dan untuk rute terakhir yaitu rute kelima [ CUS 2, CUS 3, CUS 4, CUS 5,CUS 6, CUS 7, CUS 8, CUS 10, CUS 11, CUS 14] yang masing-masing dilayani oleh satu alat transportasi. Langkah selanjutnya adalah

62

menentukan urutan-urutan kunjungan setiap customer dalam setiap rute yang telah di kelompokan tersebut. Dalam penelitian ini, penulis menggunakan tiga prosedur pengukuran yang selanjutnya dipilih urutan yang menghasilkan total jarak paling minimal. Ketiga prosedur tersebut adalah Nearest Insert, Nearet Neighbor, dan Sweep. Jarak antar customer didasarkan pada angka-angka dalam distance matrix pada (Tabel 3). 1.

Nearest Insert a. Rute 1 Untuk alat transportasi dengan rute pertama melayani customer [ CUS 1,

CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27] dapat dilihat dalam tabel dibawah ini. Tabel 9. Hasil Itersai Untuk Rute 1 LOKASI RUTE CUS 1 Banda aceh 1 Padang 1 3 20 Berau 1 23 Tarakan 1 24 Ambon 1 25 Manado 1 26 Timika 1 27 Jayapura 1 Sumber: Hasil Pengolahan Data

CDC 17 8.5 13.5 14.9 20.2 19.2 28.2 31.4

1 0.0 8.6 30.5 31.9 34.9 35.6 42.2 45.7

3

20

23

24

25

26

27

0.0 15.5 16.5 7.4 14.2 6.9 9.2

0.0 1.4 13.0 8.1 20.2 22.6

0.0 12.8 7.3 19.7 21.8

0.0 6.7 8.0 11.2

0.0 12.5 14.6

0.0 3.6

0.0

Untuk menentukan customer mana yang akan dikunjungi terlebih dahulu kemudian dari customer yang satu ke customer lainnya dilakukan perhitungan untuk menentukan jarak terpendek adalah sebagai berikut. Dimulai dari DC

63

kemudian untuk menentukan tujuan berikutnya di pilih jarak tempuh yang terdekat dengan DC yaitu customer CUS 3. Hasil jarak perjalanannya adalah DC menuju CUS 3 kemudian kembali ke DC. Tabel 9.1. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 1 DC 17.0

CUS 1 17.0

DC 8.49

CUS 3 8.5

17.0

DC 13.5

CUS 20 13.5

26.9

DC 14.9

CUS 23 14.9

29.7

DC 20.2

CUS 24 20.2

40.4

DC 19.2

CUS 25 19.2

38.5

DC 28.2

CUS 26 28.2

56.3

DC CUS 27 31.4 31.4 Sumber: Hasil Pengolahan Data

34.1

62.8

Setelah melakukan proses iterasi pertama untuk rute pertama, hasilnya yang ditampilkan pada tabel diatas kemudian menentukan rute jarak yang terpendek sebagai customer yang akan di kunjungi untuk pertama kali dalam rute pertama adalah CUS 3 yang memiliki jarak terdekat dari distribution center (CD) yaitu 17.0. Pada langkah selanjutnya, penambahan customer CUS 1 pada tip (DC,CUS 3, CUS 1, DC) menghasilkan jarak 34.1, penambahan customer

64

CUS 20 menghasilkan jarak 37.5, penambahan jarak dari DC ke customer CUS 3 ke customer CUS 23 adalah 39,9, penambahan customer CUS 24 menghasilkan jarak 36.1, penambahan jarak customer CUS 25 memiliki jarak 41.9, penambahan jarak customer CUS 26 memiliki jarak43.5, penambahan jarak customer CUS 25 memiliki jarak49.1. Tabel 9.2. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 2 DC 8.5 DC 8.5 DC 8.5 DC 8.5 DC 8.5 DC 8.5 DC

CUS 3

CUS 1

8.6

17

CUS 3

CUS 20

15.5

13.5

CUS 3

CUS 23

16.5

14.9

CUS 3

CUS 24

7.4

20.2

CUS 3

CUS 25

14.2

19.2

CUS 3

CUS 26

6.9

28.2

CUS 3

CUS 27

8.5 9.2 31.4 Sumber: Hasil Pengolahan Data

34.1 37.5 39.9 36.1 41.9 43.5 49.1

Setelah hasil dari perhitungan jarak untuk iterasi ke-dua pada rute pertama ini, maka ditentukan lagi jarak yang terdekat pada iterasi kedua untuk menentukan pelanggan mana yang akan dikunjungi berikutnya pada proses distribusi ini setelah pelanggan CUS 3 setelah dikunjungi oleh suatu alat transportasi. Dalam iterasi ke-dua ini jarak terdekat adalah 34.1 yang merupakan rute dari DC, CUS3, CUS1, DC.

65

Selanjutnya penambahan customer CUS 20 pada trip (DC, CUS3, CUS1, DC) menghasilkan jarak perjalanan 61.5, penambahan customer CUS 23 menghasilkan jarak perjalanan 63.9, penambahan customer CUS 24 menghasilkan jarak perjalanan 72.2, penambahan customer CUS 25 menghasilkan jarak perjalanan 71.9, penambahan customer CUS 26 menghasilkan jarak perjalanan 87.4, penambahan customer CUS 27 menghasilkan jarak perjalanan 94.2. Tabel 9.3. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 3 DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 13.5

61.1

DC 8.5

CUS 3 8.6

CUS 1 31.9

CUS 23 14.9

63.9

DC 8.5

CUS 3 8.6

CUS 1 34.9

CUS 24 20.2

72.2

DC 8.5

CUS 3 8.6

CUS 1 35.6

CUS 25 19.2

71.9

DC 8.5

CUS 3 8.6

CUS 1 42.2

CUS 26 28.2

87.4

DC CUS 3 CUS 1 CUS 27 8.5 8.6 45.7 31.4 Sumber: Hasil Pengolahan Data

94.2

Setelah perhitungan iterasi ke-tiga pada rute pertama didapatkan, maka proses penentuan jarak terdekat berikutnya dilakukan untuk menentukan customer mana yang selanjutnya dikunjungi setelah customer CUS 3, dan CUS 1. Pada hasil iterasi ke-tiga rute pertama ditemukan jarak terpendek adalah 61.1, yang merupakan rute dari DC, CUS3, CUS1, CUS 20, DC.

66

Selanjutnya penambahan customer CUS 23 pada trip (DC, CUS3, CUS1, CUS20, DC) menghasilkan jarak perjalanan 63.9, penambahan customer CUS 24 menghasilkan jarak perjalanan 80.8, penambahan customer CUS 25 menghasilkan jarak perjalanan 74.8, penambahan customer CUS 26 menghasilkan jarak perjalanan 96.0, penambahan customer CUS 26 menghasilkan jarak perjalanan 101.5. Hasil iterasi ke-empat adalah sebagai berikut: Tabel 9.4. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 4 DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 14.9

63.9

DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 13.0

CUS 24 20.2

80.8

DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 8.1

CUS 25 19.2

74.8

DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 20.2

CUS 26 28.2

96.0


CUS 27 31.4

101.5

Pada iterasi ke-empat dilakukan proses yang sama seperti iterasi-iterasi sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi keempat ini jarak terdekat adalah 63.9 yang merupakan rute dari DC, CUS3, CUS1, CUS20 CUS23, DC. Selanjutnya dilakukan iterasi ke-lima yaitu penambahan customer CUS 24 pada trip (DC,CUS3,CUS1, CUS20, CUS 23, DC) menghasilkan jarak perjalanan 82.0, penambahan customer CUS 25 menghasilkan jarak

67

perjalanan 75.5, penambahan customer CUS 26 menghasilkan jarak perjalanan 96.8, penambahan customer CUS 27 menghasilkan jarak perjalanan 102.2. Hasil iterasi ke-lima adalah sebagai berikut: Tabel 9.5. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 5 DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 12.8

CUS 24 20.2

DC

CUS 3

CUS 1

CUS 20

CUS 23

CUS 25

82.0

8.5

8.6

30.5

1.4

7.3

19.2

75.5

DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 19.7

CUS 26 28.2

96.9


CUS 23 21.8

CUS 27 31.4

102.2

Proses selanjutnya menentukan jarak terpendek pada hasil iterasi ke-lima rute yang pertama. Pada iterasi ke lima ini jarak terdekat adalah 75.5 yang merupakan rute dari DC, CUS3, CUS1, CUS20 CUS23, CUS 25, DC. Selanjutnya dilakukan iterasi ke-enam yaitu penambahan customer CUS 24 pada trip (DC,CUS3,CUS1, CUS20, CUS 23, CUS 25, DC) menghasilkan jarak perjalanan 83.2, penambahan customer CUS 26 menghasilkan jarak perjalanan 92.5, penambahan customer CUS 26 menghasilkan jarak perjalanan 98.9. Hasil iterasi ke-enam adalah sebagai berikut:

68

Tabel 9.6. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 6 DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 7.3

CUS 25 6.7

CUS 24 20.2

83.2

DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 7.3

CUS 25 8.0

CUS 26 28.2

92.5


CUS 23 7.3

CUS 25 11.2

CUS 27 31.4

98.9

Pada iterasi ke-enam dilakukan proses yang sama seperti iterasi-iterasi sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi keenam ini jarak terdekat adalah 83.2 yang merupakan rute dari DC, CUS3, CUS1, CUS20 CUS23, CUS 25, CUS 24, DC. Selanjutnya dilakukan iterasi ke-tujuh yaitu penambahan customer CUS 26 pada trip (DC, CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, DC) menghasilkan jarak perjalanan 99.2, penambahan customer CUS 27 menghasilkan jarak perjalanan 105.6. Hasil iterasi ke-enam adalah sebagai berikut: Tabel 9.7. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 7 DC 8.5

CUS 3 8.6

CUS 1 30.5

CUS 20 1.4

CUS 23 7.3

CUS 25 6.7

CUS 24 8.0

CUS 26 28.2

DC

CUS 3

CUS 1

CUS 20

CUS 23

CUS 25

CUS 24

CUS 27

7.3

6.7

11.2

31.4


1.4

99.2 105.6

69

Proses selanjutnya menentukan jarak terpendek pada hasil iterasi ke-tujuh rute yang pertama. Pada iterasi ke-tujuh ini jarak terdekat adalah 99.2 yang merupakan rute dari DC, CUS3, CUS1, CUS20, CUS23, CUS 25, CUS 24, CUS 26, DC. Pada iterasi ke-delapan, merupakan iterasi yang terakhir karena semua customer di lalui oleh alat transportasi untuk membawa permintaan spare parts kecuali customer CUS 27. Penambahan customer CUS 27 pada trip (DC, CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, DC) menghasilkan jarak perjalanan 106.0. Tabel 9.8. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 8 DC CUS 3 CUS 1 CUS 20 8.5 8.6 30.5 1.4 Sumber: Hasil Pengolahan Data

CUS 23 7.3

CUS 25 6.7

CUS 24 8.0

CUS 26 3.6

CUS 27 31.4

106.0

Pada iterasi ini di temukan jarak optimal untuk rute satu sebesar 106.6, yang merupakan rute perjalanan mulai dari DC, CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, CUS 27, DC dengan total jarak tempuh 106.6. b. Rute 2 Tabel 10. Hasil Itersai Untuk Rute 2 CDC CUST

CUS 19

CUS 21

CUS 19

LOKASI Ujung pandang

12.0

0.0

CUS 21

Bontang

12.2

6.3

0.0

Palu

13.4

5.0

2.2

CUS 22 Sumber: Hasil Pengolahan Data

CUS 22

0.0

70


CUS 19 12.0

24.1

DC 12.2

CUS 21 12.2

24.4

DC 13.4

CUS 22 13.4

26.8



CUS 19 6.3

CUS 21 12.2

30.6

DC 19 CUS 22 13.4 12.0 5.0 Sumber: Hasil Pengolahan Data

30.5

Tabel 10.3. Metode Nearest Insert Rute Kendaraan 2 – Iterasi 3 DC CUS 19 CUS 21 12.0 6.3 2.2 Sumber: Hasil Pengolahan Data

CUS 22 13.4

34.0

c. Rute 3 Pada rute ke-dua ini hanya memiliki satu pelanggan saja yang dilayani jadi proses iterasi yang digunakan hanya satu kali saja. Tabel 11. Hasil Itersai Untuk Rute 3 CUSTOMER

LOKASI

CUS 17 Senakin Sumber: Hasil Pengolahan Data

CDC 9.5

CUS 17 0.0

71

Proses iterasi pertama dalam rute kedua ini memiliki total jarak yaitu 19.0. yang berarti satu alat transportasi melayani satu customer saja.

Tabel 11.1. Metode Nearest Insert Rute Kendaraan 3 – Iterasi 1 DC

17.0


d. Rute 4 Tabel 12. Hasil Itersai Untuk Rute 4 RUTE 4 LOKASI

CUSTOMER 16

CDC

16

Balikpapan

10.8

0.0

18 Samarinda Sumber: Hasil Pengolahan Data

10.8

0.0

18 0.0

Proses iterasi dilakukan sebanyak dua kali yang pertama adalah Tabel 12.1. Metode Nearest Insert Rute Kendaraan 4 – Iterasi 1 DC 10.8

16 0.0

10.8

DC 18 10.8 0.0 10.8 Sumber: Hasil Pengolahan Data

Karena hasil iterasi menunjukan jarak yang sama maka di pilih salah satu. Jarak yang terdekat dengan DC adalah 10.8.

72

Iterasi ke-dua adalah Tabel 12.2. Metode Nearest Insert Rute Kendaraan 4 – Iterasi 2 DC

16

18

10.8 0.0 10.8 21.6 Sumber: Hasil Pengolahan Data

Total jarak tempuh pada rut eke tiga ini adalah 21.6 e. Rute 5 Tabel 13. Hasil Itersai Untuk Rute 5 LOKASI

CUSTOMER

CDC

12

12

Banjarmasin

8.1

0.0

13

Adaro

9.4

1.4

13

0.0



12 8.1

16.1

DC 13.0 9.4 9.4 18.9 Sumber: Hasil Pengolahan Data

Proses iterasi pertama menghasilkan jarak minimum sebesar 16.1

Tabel 13.2. Metode Nearest Insert Rute Kendaraan 5 – Iterasi 2 CDC 12 13 8.1 8.1 1.4 17.5 Sumber: Hasil Pengolahan Data

Proses iterasi kedua menghasilkan jarak total sebesar 17.5.

73

f. Rute 6 Tabel 14. Hasil Itersai Untuk Rute 6 CUS

LOKASI

2

Medan

4

CDC

2

4

5

6

7

8

10

11

13.6

0.0

Pekanbaru

9.4

19.2

0.0

5

Jambi

6.7

17.7

2.8

0.0

6

Palembang

4.5

16.2

5.0

2.2

0.0

7

Pangkalpinang

4.0

17.0

6.4

3.6

2.0

0.0

8

Bandar lampung

2.2

13.4

7.6

5.1

3.0

3.6

0.0

10

Pontianak

7.6

21.1

8.1

6.1

5.8

4.2

7.8

0.0

11

Semarang

2.2

15.6

9.9

7.1

5.0

3.6

4.0

6.1

0.0

Surabaya 6.3 Sumber: Hasil Pengolahan Data

19.1

12.5

9.8

8.2

6.3

8.1

5.8

4.1

14

14

0.0

74

Langkah-langkah iterasi yang dilakukan sampai menemukan jarak tempuh yang optimum adalah Tabel 14.1. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 1 DC 13.6

CUS 2 13.6

27.2

DC 9.4

CUS 4 9.4

18.9

6.7

CUS 5 6.7

13.4

4.5

CUS 6 4.5

8.9

4.0

CUS 7 4.0

8.0

2.2

CUS 8 2.2

4.5

7.6

CUS 10 7.6

15.2

2.2

CUS 11 2.2

4.5

6.3

CUS 14 6.3

12.6

DC DC DC DC DC DC DC


75

Tabel 14.2. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 2 CDC

8

2

2.2

13.4

13.6

29.3

CDC 2.2

8 7.6

4 9.4

19.3

CDC 2.2

8 5.1

5 6.7

14.0

CDC 2.2

8 3.0

6 4.5

9.7

CDC 2.2

8 3.6

7 4.0

9.8

CDC 2.2

8 7.8

10 7.6

17.7

CDC 2.2

8 4.0

11 2.2

8.5

CDC 8 14 2.2 8.1 6.3 Sumber: Hasil Pengolahan Data

16.6

Tabel 14.3. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 3 CDC 2.2

8 4.0

11 15.6

2 13.6

35.5

CDC 2.2

8 4.0

11 9.9

4 9.4

25.6

CDC 2.2

8 4.0

11 7.1

5 6.7

20.0

CDC 2.2

8 4.0

11 5.0

6 4.5

15.7

CDC 2.2

8 4.0

11 3.6

7 4.0

13.8

CDC 2.2

8 4.0

11 6.1

10 7.6

19.9

CDC 8 11 14 2.2 4.0 5.8 6.3 Sumber: Hasil Pengolahan Data

18.4

76


8 4.0

11 3.6

7 17.0

2 13.6

40.4

CDC 2.2

8 4.0

11 3.6

7 6.4

4 9.4

25.7

CDC 2.2

8 4.0

11 3.6

7 3.6

5 6.7

20.2

CDC 2.2

8 4.0

11 3.6

7 2.0

6 4.5

16.3

CDC 2.2

8 4.0

11 3.6

7 4.2

10 7.6

21.7


14 6.3

22.5


8 4.0

11 3.6

7 2.0

6 16.2

2 13.6

41.6

CDC 2.2

8 4.0

11 3.6

7 2.0

6 5.0

4 9.4

26.3

CDC 2.2

8 4.0

11 3.6

7 2.0

6 2.2

5 6.7

20.8

CDC 2.2

8 4.0

11 3.6

7 2.0

6 5.8

10 7.6

25.3


6 8.2

14 6.3

26.4

77


8 4.0

11 3.6

7 2.0

6 2.2

5 17.7

2 13.6

45.4

CDC 2.2

8 4.0

11 3.6

7 2.0

6 2.2

5 2.8

4 9.4

26.3

CDC 2.2

8 4.0

11 3.6

7 2.0

6 2.2

5 6.1

10 7.6

27.8


6 2.2

5 9.8

14 6.3

30.3


8 4.0

11 3.6

7 2.0

6 2.2

5 2.8

4 19.2

2 13.6

49.7

CDC 2.2

8 4.0

11 3.6

7 2.0

6 2.2

5 2.8

4 8.1

10 7.6

32.6


6 2.2

5 2.8

4 12.5

14 6.3

35.8


8 4.0

11 3.6

7 2.0

6 2.2

5 2.8

4 8.1

10 21.1

2 13.6

59.7


6 2.2

5 2.8

4 8.1

10 5.8

14 6.3

37.1

Tabel 14.9. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 9 CDC 8 11 7 2.2 4.0 3.6 2.0 Sumber: Hasil Pengolahan Data

6 2.2

5 2.8

4 8.1

10 5.8

14 19.1

2 13.6

63.5

78

2.

Nearet Neighbor a. Rute 1 Dengan menggunakan metode Nearet Neighbor, rute pertama untuk

pelayanan customer CUS 1, CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27] dapat dilihat dalam tabel dibawah ini. Tabel 15. Hasil Itersai Untuk Rute 1 CUS

LOKASI

RUTE

1

Banda aceh Padang

1 1

17

0.0

8.5

8.6

0.0

20

Berau

1

13.5

30.5

15.5

23

Tarakan

1

14.9

31.9

16.5

1.4

0.0

24

Ambon

1

20.2

34.9

7.4

13.0

12.8

0.0

25

Manado

1

19.2

35.6

14.2

8.1

7.3

6.7

0.0

26

Timika

1

28.2

42.2

6.9

20.2

19.7

8.0

12.5

0.0

31.4

45.7

9.2

22.6

21.8

11.2

14.6

3.6

3

27 Jayapura 1 Sumber: Hasil Pengolahan Data

CDC

1

3

20

23

24

25

26

27

0.0

0.0

Dengan menggunakan hasil dari distance matrix dapat ditentukan customer mana yang harus dilalui oleh alat trasportasi terlebih dahulu, kemudian akan dilanjutkan ke customer lain sampai seluruh customer dapat terlayani dalam satu rute ini. Prinsip dasar dari metode Nearet Neighbor adalah memilih jalur yang sudah dikelompokan dalam satu rute yang memiliki jarak tempuh terkecil yang mempunyai jarak terdekat dengan distribution center (DC) kemudian dilanjutkan ke jarak pelanggan yang terdekat dengan pelanggan yang sudah di

79

lalui oleh alat transportasi, sampai seluruh customer dalam rute yang dikelompokan tersebut di layani semuanya. Tabel 15.1. Metode Nearest Neighbor Rute Kendaraan 1 DC 3 1 20 8.5 8.6 30.5 1.4 Sumber: Hasil Pengolahan Data

23 7.3

25 6.7

24 8.0

26 3.6

27 31.4

106.0

Untuk pelayanan customer dalam rute pertama ini dimulai dari distribution center sebagai tempat dimana barang itu akan mulai dikirim kemudian menuju lokasi customer yang jaraknya sangat dekat dengan DC tersebut. Jarak yang paling dekat dengan DC adalah CUS 3 yang memiliki jarak tempuh 8.5, kemudian dari CUS 3 ditentukan lagi jarak yang paling dekat dengan CUS 3 dan lokasi itu adalah pada CUS1 yang memiliki jarak tempuh 8.6, kemudian jarak yang paling dekat dengan CUS 1 adalah CUS 20 yang memiliki jarak tempuh 30.5, kemudian jarak terdekat dari CUS 20 adalah CUS 23 yang memiliki jarak tempuh 1.4, kemudian jarak yang paling dekat dengan CUS 23 adalah CUS 25 yang memiliki jarak tempuh 7.3, Kemudian jarak yang paling dekat dengan CUS 25 adalah CUS 24 yang memiliki jarak tempuh 6.7, kemudian jarak yang terdekat dengan CUS 24 adalah CUS 26 yang memiliki jarak tempuh 8.0, kemudian jarak yang paling dekat dengan CUS 26 adalah CUS 27 yang memiliki jarak tempuh 3.6, dan untuk CUS 27 jarak yang digunakan adalah jarak dari CUS 27 kembali ke DC jaraknya adalah 31.4. setelah jarak dari masing-masing customer dalam rute

80

satu ini diketahui, selanjutnya semua jarak dari masing-masing customer dijumlahkan sehingga ditemukan jarak optimal. Dalam rute satu ini total jarak atau jarak yang paling optimal adalah 106.0. Untuk rute-rute berikutnya dapat dilakukan prosedur yang sama dalam menentukan lokasi customer mana yang harus dikunjungi terlebih dahulu dan seberapa besar jarak optimal yang dapat ditempuh oleh sebuah alat transportasi untuk mendapatkan biaya pengiriman yang paling optimum. b. Rute2 Tabel 16. Hasil Itersai Untuk Rute 2

CUS 19


CUS 21

CUSTOMER

CDC

CUS 19

CUS 21

CUS 22

12.0

0.0

Bontang

12.2

6.3

0.0

Palu

13.4

5.0

2.2


Tabel 16.1. Metode Nearest Neighbor Rute Kendaraan 2 DC

19.0

22.0

21.0


31.4

c. Rute 3 Tabel 17. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER

LOKASI


CDC 9.5

CUS 17 0.0

0.0

81


17.0



CUSTOMER 16

CDC

16

Balikpapan

10.8

0.0


10.8

0.0

18 0.0


16

18


e. Rute 5 Tabel 19. Hasil itersai untuk rute 5 LOKASI

CUSTOMER 12

Banjarmasin

13 Adaro Sumber: Hasil Pengolahan Data

CDC

12

8.1

0.0

9.4

1.4

13 0.0

Tabel 19.1. Metode Nearest Neighbor Rute Kendaraan 5 CDC 12 13 8.1 8.1 1.4 17.5 Sumber: Hasil Pengolahan Data

82

f. Rute 6 Tabel 20. Hasil Itersai Untuk Rute 6 CUS

LOKASI

CDC

2

13.6

0.0

Pekanbaru

9.4

19.2

0.0

5

Jambi

6.7

17.7

2.8

0.0

6

Palembang

4.5

16.2

5.0

2.2

0.0

7

Pangkalpinang

4.0

17.0

6.4

3.6

2.0

0.0

8

Bandar lampung

2.2

13.4

7.6

5.1

3.0

3.6

0.0

10

Pontianak

7.6

21.1

8.1

6.1

5.8

4.2

7.8

0.0

11

Semarang

2.2

15.6

9.9

7.1

5.0

3.6

4.0

6.1

0.0

14 Surabaya 6.3 Sumber: Hasil Pengolahan Data

19.1

12.5

9.8

8.2

6.3

8.1

5.8

4.1

2

Medan

4

4

5

6

7

8

10

11

14

0.0

Tabel 20.1. Metode Nearest Neighbor Rute Kendaraan 6 DC 7.0 6.0 5.0 2.2 3.6 2.0 2.2 Sumber: Hasil Pengolahan Data

3.

4.0 2.8

8.0 7.6

10.0 5.8

14.0 4.1

11.0 15.6

2.0 13.6

59.7

Sweep a. Rute 1 Dalam prosedur sweep, pertama-tama menentukan customer mana saja

yang berada dalam satu rute yang telah di kelompokan melalui proses distance matrix.

83

Tabel 21. Hasil Itersai Untuk Rute 1 LOKASI

CUS 1

RUTE

CDC

1

20

23

24

25

26

Banda aceh Padang

1 1

8.5

8.6

0.0

20

Berau

1

13.5

30.5

15.5

0.0

23

Tarakan

1

14.9

31.9

16.5

1.4

0.0

24

Ambon

1

20.2

34.9

7.4

13.0

12.8

25

Manado

1

19.2

35.6

14.2

8.1

7.3

6.7

0.0

26

Timika

1

28.2

42.2

6.9

20.2

19.7

8.0

12.5

0.0

31.4

45.7

9.2

22.6

21.8

11.2

14.6

3.6

3

27 Jayapura 1 Sumber: Hasil Pengolahan Data

17

3

27

0.0

0.0

0.0

Kemudian menentukan customer mana yang harus di kunjungi terlebih dahulu, kemudian customer mana yang harus dikunjungi setelah customer yang sudah di kunjungi sebelumnya, sampai semua customer dapat dilayani. Dalam mendapatkan jarak yang optimal maka prosedur menambahkan jarak dari setiap customer yang di jumpai adalah dengan alur searah jarum jam atau berlawanan jarum jam dengan DC sebagai titik awal. Tabel 21.1. Metode Sweep Rute Kendaraan 1 DC 8.5

3 8.6

1 30.5

20 1.4

23 7.3

25 6.7

24 8.0

26 3.6

27 31.4 106.0


Perhitungan penjumlahan

customer diawali dari DC sebagai starting

point, customer yang di jumpai secara berturut-turut dengan rute perjalanan searah jarum jam adalah CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, CUS 27, sehingga menghasilkan rute perjalanan adalah DC, CUS3,

84

CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, CUS 27, DC. Kemudian dari setiap lokasi yang ada memiliki jarak masing-masing. Jarak dari masingmasing lokasi pelanggan ini di jumlahkan untuk mendapatkan jarak yang optimum. Total jarak pada rute pertama ini adalah 106.0. b. Rute2 Tabel 22. Hasil Itersai Untuk Rute 2 CDC

CUS 19


CUS 21

Bontang

12.2

6.3

0.0

Palu

13.4

5.0

2.2

CUSTOMER


CUS 19 12.0

0.0

CUS 21

Tabel 22.1. Metode Sweep Rute Kendaraan 2 DC

19.0

22.0

21.0


31.4

c. Rute 3 Tabel 23. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER

LOKASI


CDC 9.5

CUS 17 0.0

CUS 22

0.0

85


17.0



CUSTOMER 16

CDC

16

Balikpapan

10.8

0.0


10.8

0.0

18 0.0


16

18


e. Rute 5 Tabel 25. Hasil Itersai Untuk Rute 5 LOKASI

CUSTOMER 12

Banjarmasin

13 Adaro Sumber: Hasil Pengolahan Data

CDC

12

8.1

0.0

9.4

1.4

13 0.0

Tabel 25.1. Metode Sweep Rute Kendaraan 5 DC 13 12 9.4 1.4 8.1 18.9 Sumber: Hasil Pengolahan Data

86

f. Rute 6 Tabel 26. Hasil Itersai Untuk Rute 6 CUS 2

LOKASI

CDC

Medan

2

13.6

0.0

4

5

6

4

Pekanbaru

9.4

19.2

0.0

5

Jambi

6.7

17.7

2.8

0.0

6

Palembang

4.5

16.2

5.0

2.2

0.0

7

Pangkalpinang

4.0

17.0

6.4

3.6

2.0

8

7

8

10

11

0.0

Bandar lampung

2.2

13.4

7.6

5.1

3.0

3.6

0.0

10

Pontianak

7.6

21.1

8.1

6.1

5.8

4.2

7.8

0.0

11

Semarang

2.2

15.6

9.9

7.1

5.0

3.6

4.0

6.1

0.0

Surabaya 6.3 Sumber: Hasil Pengolahan Data

19.1

12.5

9.8

8.2

6.3

8.1

5.8

4.1

14


14

11

8

7

6

5

4

2

10


2.0

2.2

2.8

19.2

21.1

7.6

73.1

Urutan perjalanan suatu alat trasportasi untuk mendistribusikan sparepart dengan

Distribution

Center

(DC)

14

berlokasikan

di

menggunakan tiga metode yang beda adalah sebagai berikut:

Jakarta

dengan

0.0

87

Tabel 27. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda Jenis Prosedur

Hasil Urutan Perjalanan

Rute 1

1, 3, 20, 23, 24, 25, 26, 27

Jarak Tempuh

Nearest Insert

3, 1, 20, 23, 24, 25, 26, 27

106.0

Nearest Neighbor

3, 1, 20, 23, 24, 25, 26, 27

106.0

Sweep

3, 1, 20, 23, 24, 25, 26, 27

106.0

Rute 2

19, 21, 22

Nearest Insert

19, 21, 22

31.4

Nearest Neighbor

19, 22, 21

31.4

Sweep

91, 22, 21

31.4

Rute 3

17

Nearest Insert

17

19.0

Nearest Neighbor

17

19.0

Sweep

17

19.0

Rute 4

16, 18

Nearest Insert

16, 18

21.6

Nearest Neighbor

16, 18

21.6

Sweep

18, 16

21.6

Rute 5

12, 13

Nearest Insert

12, 13

17.5

Nearest Neighbor

12, 13

17.5

Sweep

13, 12

18.9

Rute 6

2, 4, 5, 6, 7, 8, 10, 11, 14

Nearest Insert

8, 11, 7, 6, 5, 4, 10, 14, 2

63.5

Nearest Neighbor

7, 6, 5, 4, 8, 10, 14, 11, 2

59.7

Sweep 14, 11, 8, 7, 6, 5, 4, 2, 10 Sumber: Hasil Pengolahan Data

73.1

Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan.

88

Tabel 28. Penjadwalan Pengirimana Dengan Metode Saving Matrix Rute

Lokasi Customer

Jarak Tempuh

Muatan Kendaraan

1

3, 1, 20, 23, 24, 25, 26, 27

106.0

5996

2

19, 22, 21

31.4

2944

3

17

19.0

4316

4

16, 18

21.6

5897

5

12, 13

17.5

5805

6

7, 6, 5, 4, 8, 10, 14, 11, 2

59.7

2308

255.2

27266

jumlah Sumber: Hasil Pengolahan Data

Tabel diatas merupakan hasil yang akan digunakan untuk penjadwalan pengiriman permintaan spare parts pada bulan oktober 2008 kepada setiap customer dengan menggunakan metode saving matrix.

89

Berdasarkan (Tabel 28.) dapat dibuatkan peta rute pengiriman yang di mulai dari Jakarta adalah sebagai berikut:


Gambar 10. Peta Alur Distribusi Dari DEPO Jakarta Kesemua Customer (Cabang) Pada gambar 10, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Jakarta sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.

90

4.2.2.2

DEPO PEKANBARU

Untuk DEPO PT United Tractors yang ke-dua adalah di Pekanbaru, dapat digambarkan pemetaannya sebagai berikut:


Gambar 11. Lokasi DEPO Pekanbaru Dan Lokasi Cabang PT.UT Pada gambar 11, merupakan hasil pengolahaan data yaitu loksai persebaran DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh sumbu XY adalah untuk jarak titik satu ke titik yang laian adalah 0,5cm = 10.000.000 km untuk jarak nyata. Untuk penentuan nilai pada sumbu X dan Y terhadap lokasi cabang dan DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga pecaha).DEPO Pekanbaru sebagai DC (Distribution Center).

91

Hasil perhitungan untuk DEPO Pekanbaru untuk menentukan jarak dari setiap customer berdasarkan pada sumbu XY adalah sebagai berikut. Tabel 29. Jarak Lokasi DEPO Dan Cabang Dalam Dua Titk Koordinat Pada Sumbu XY

Lokasi

CUSTOMER

koordinat

Permintaan

CDC

X 0

y 0

box -

Kg -

CUS 1

Banda aceh

-6

5

3

14

CUS 2

Medan

-3

3

49

269

CUS 3

Padang

0

-2

78

554

CUS 5

Jambi

2

-2

20

40

CUS 6

Palembang

3

-4

49

111

CUS 7

Pangkalpinang

5

-4

48

367

CUS 8

Bandar lampung

3

-7

28

191

CUS 10

Pontianak

8

0

57

553

CUS 11

Semarang

7

-9

33

215

CUS 12

Banjarmasin

12

-4

318

2909

CUS 13

Adaro

12

-2

260

2896

CUS 14

Surabaya

11

-9

69

522

CUS 15

Sangata

13

1

352

4177

CUS 16

Balikpapan

14

-2

151

982

CUS 17

Senakin

14

-5

17

139

CUS 18

Samarinda

14

-1

431

4915

CUS 19

Ujung pandang

17

-7

100

722

CUS 20

Berau

14

2

173

1833

CUS 21

Bontang

15

0

152

1965

CUS 22

Palu

17

-2

49

257

CUS 23

Tarakan

15

3

71

775

CUS 24

Ambon

25

-5

11

91

CUS 25

Manado

22

1

68

872

CUS 26

Timika

33

-5

49

345

36

-3

94

1512

Jayapura CUS 27 Sumber:Hasil Pengolahan Data

92

Langkah-langkah yang dilakukan pada metode Saving matrixsama dengan langkah-langkah yang dilakukan pada DEPO Pekanbaru. hasil perhitungan metode saving matrix pada DEPO Pekanbaru adalah sebagai berikut Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di tentukan berdasarkan pada sumbu XY hasilnya adalah Tabel 30. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang)

Sumber:Hasil Pengolahan Data

93

Hasil perhitungan savging matrix berdasarkan data dari distance matrix adalah sebagai berikut: Tabel 31. Tabel Penghematan Jarak


94

Selanjutnya adalah menentukan rute dari setiap customer yang berdasarkan pada data Saving Matrix. Hasil perhitungannya adalah sebagai berikut: Tabel 32. Saving Matrix – Hasil Setelah Dilakukan Iterasi


95

Dari hasil iterasi yang dilakukan berdasarkan tabel diatas dapat dikelompokan kedalam lima rute. Rute-rute tersebut adalah: a. Rute 1 : CUS 11, CUS 16, CUS 17, CUS 22, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27. b. Rute 2 : CUS 1, CUS 2, CUS 5, CUS 6, CUS 7, CUS 8, CUS 10, CUS 14, CUS 20, CUS 21. c. Rute 3 : CUS 18. d. Rute 4 : CUS 15. e. Rute 5 : CUS 12, CUS 13. Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai berikut:

96

Tabel 33. Hasil Urutan-Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda Jenis Prosedur


Rute 1

11, 16, 17, 22, 23, 24, 25, 26, 27

Jarak Tempuh

Nearest Insert

11, 17, 16, 23, 22, 25, 24, 26, 27

95.1

Nearest Neighbor

11, 17, 16, 22, 23, 25, 24, 26, 27

92.6

Sweep

27, 26, 24, 25, 22, 16,17, 11, 23

104.1

Rute 2

1, 2, 5, 6, 7, 8, 10, 14, 20, 21

Nearest Insert

5, 6, 7, 8, 2, 1, 10, 20, 21, 14

81.0

Nearest Neighbor

5, 6, 7, 8, 14, 10, 20, 21, 2, 1

66.6

Sweep

21, 14, 8, 7, 6, 5, 1, 2, 10, 20

87.0

Rute 3

3, 18

Nearest Insert

3, 18

30.1

Nearest Neighbor

3, 18

30.1

Sweep

18, 13

30.1

Rute 4

15

Nearest Insert

15

26.1

Nearest Neighbor

15

26.1

Sweep

15

26.1

Rute 5

12, 13

Nearest Insert

13, 12

26.8

Nearest Neighbor

13, 12

26.8

13, 12

26.8

Sweep Sumber:Hasil Pengolahan Data

97

Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan. Tabel 34. Penjadwalan Pengirimana Dengan Metode Saving Matrix Rute

Lokasi Customer

1

11, 17, 16, 22, 23, 25, 24, 26, 27

92.6

5910

2

5, 6, 7, 8, 14, 10, 20, 21, 2, 1

66.6

5865

3

3, 18

30.1

5469

4

15

26.1

4177

5

13, 12

Jumlah Sumber:Hasil Pengolahan Data

Jarak Tempuh

Muatan Kendaraan

26.8

5805

242.2

27226


98

Berdasarkan (Tabel 34.) dapat dibuatkan peta rute pengiriman yang di mulai dari balikpapan adalah sebagai berikut:


Gambar 12. Peta Alur Distribusi Dari DEPO Pekanbaru Kesemua Customer (Cabang) Pada gambar 12, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Pekanbaru sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.

99

4.2.2.2

DEPO BANJARMASIN

Untuk DEPO PT United Tractors yang ke-tiga adalah di Banjarmasin, dapat digambarkan pemetaannya sebagai berikut:


Gambar 13. Lokasi DEPO Banjarmasin Dan Lokasi Cabang PT.UT Pada gambar 13, merupakan hasil pengolahaan data yaitu loksai persebaran DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh sumbu XY adalah untuk jarak titik satu ke titik yang laian adalah 0,5cm = 10.000.000 km untuk jarak nyata. Untuk penentuan nilai pada sumbu X dan Y terhadap lokasi cabang dan DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga pecaha).DEPO Banjarmasin sebagai DC (Distribution Center).

100

Hasil perhitungan untuk DEPO Banjarmasin untuk menentukan jarak dari setiap customer berdasarkan pada sumbu XY adalah sebagai berikut: Table 35. Jarak Lokasi DEPO Dan Cabang Dalam Dua Titk Koordinat Pada Sumbu XY koordinat

Lokasi

CUSTOMER CDC

Permintaan

X 0

y 0

box -

Kg -

CUS 1

Banda aceh

-18

10

3

14

CUS 2

Medan

-15

8

49

269

CUS 3

Padang

-13

3

78

554

CUS 4 CUS 5

Pekanbaru Jambi

-12 -10

5 4

20 20

40 40

CUS 6

Palembang

-9

0

49

111

CUS 7

Pangkalpinang

-7

0

48

367

CUS 8

Bandar lampung

-9

-3

28

191

CUS 10

Pontianak

-4

4

57

553

CUS 11

Semarang

-5

4

33

215

CUS 13

Adaro

0

2

260

2896

CUS 14

Surabaya

-1

-5

69

522

CUS 15

Sangata

1

5

352

4177

CUS 16

Balikpapan

2

2

151

982

CUS 17

Senakin

2

-1

17

139

CUS 18

Samarinda

2

3

431

4915

CUS 19

Ujung pandang

5

2

100

722

CUS 20

Berau

3

6

173

1833

CUS 21

Bontang

4

4

152

1965

CUS 22

Palu

5

-2

49

257

CUS 23

Tarakan

4

7

71

775

CUS 24

Ambon

14

0

11

91

CUS 25

Manado

10

5

68

872

CUS 26

Timika

22

1

49

345

Jayapura

24

0

94

1512

CUS 27 Sumber:Hasil Pengolahan Data

101

Langkah-langkah yang dilakukan pada metode Saving matrix sama dengan langkahlangkah yang dilakukan pada DEPO Banjarmasin. Hasil perhitungan metode saving matrix pada DEPO Banjarmasin adalah sebagai berikut Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di tentukan berdasarkan pada sumbu XY hasilnya adalah: Tabel 36. Saving Matrix – Hasil Setelah Dilakukan Iterasi


102

Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan hasil penentuan rute dari setiap customer yang berdasarkan pada data seving matrix adalah sebagai berikut: Tabel 37. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang)


Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan

103

tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai berikut: Tabel 38. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda Jenis Prosedur


Jarak Tempuh

Rute 1

1, 2, 3, 4, 5, 6, 7, 8, 10, 1, 14, 24, 25, 26, 27

Nearest Insert

14,7,10,11,6,8,5,4,3,2,1,25,24,26,27,

117.2

Nearest Neighbor

14,7,6,8,5,4,3,2,1,11,10,25,24,26,27

108.5

sweep

27,26,24,14,11,8,1,2,4,3,5,6,7,10,25

133.4

Rute 2

19, 20, 21, 22, 23

Nearest Insert

19,21,20,23,22

21.8

Nearest Neighbor

19,21,20,23,22

21.8

sweep

19,23,20,21,22

25.6

Rute 3

16, 18

Nearest Insert

16.18

7.4

Nearest Neighbor

18, 16

7.4

sweep

18,16

7.4

Rute 4

15, 17

Nearest Insert

17.15

13.4

Nearest Neighbor

17,15

13.4

sweep

17,15

13.4

Rute 5

13

Nearest Insert

13

4.0

Nearest Neighbor

13

4.0

13

4.0

sweep Sumber:Hasil Pengolahan Data

104


Lokasi Customer

Jarak Tempuh

1

14,7,6,8,5,4,3,2,1,11,10,25,24,26,27

108.5

5696

2

19,21,20,23,22

21.8

5295

3

18, 16

7.4

5897

4

17,15

13.4

4177

5

13


Muatan Kendaraan

4.0

2896

155.1

23961


105

Berdasarkan (Tabel 39.) dapat dibuatkan peta rute pengiriman yang di mulai dari Banjarmasin adalah sebagai berikut:


Gambar 14. Peta Alur Distribusi Dari DEPO Banjarmasin Kesemua Customer (Cabang)

Pada gambar 14, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Banjarmasin sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.

106

4.2.2.4

DEPO BALIKPAPAN

Untuk DEPO PT United Tractors yang ke-empat adalah di Balikpapan, dapat digambarkan pemetaannya sebagai berikut:


Gambar 15. Lokasi DEPO Balikpapan Dan Lokasi Cabang PT.UT Pada gambar 15, merupakan hasil pengolahaan data yaitu loksai persebaran DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh sumbu XY adalah untuk jarak titik satu ke titik yang laian adalah 0,5cm = 10.000.000 km untuk jarak nyata. Untuk penentuan nilai pada sumbu X dan Y terhadap lokasi cabang dan DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga pecaha).DEPO Balikpapan sebagai DC (Distribution Center).

107

Hasil perhitungan untuk DEPO Balikpapan, untuk menentukan jarak dari setiap customer berdasarkan pada sumbu XY adalah sebagai berikut:

koordinat

Lokasi

CUSTOMER

Permintaan

X 0

y 0

box -

Kg -

CUS 1

Banda aceh

-20

8

3

14

CUS 2

Medan

-17

6

49

269

CUS 3

Padang

-15

1

78

554

CUS 4 CUS 5

Pekanbaru Jambi

-14 -12

3 0

20 20

40 40

CUS 6

Palembang

-11

-1

49

111

CUS 7

Pangkalpinang

-9

-1

48

367

CUS 8

Bandar lampung

-11

-4

28

191

CUS 10

Pontianak

-6

2

57

553

CUS 11

Semarang

-7

-6

33

215

CUS 12

Banjarmasin

-2

-2

318

2909

CUS 13

Adaro

-1

0

260

2896

CUS 14

Surabaya

-3

-7

69

522

CUS 15

Sangata

-1

3

352

4177

CUS 17

Senakin

0

-3

17

139

CUS 18

Samarinda

0

1

431

4915

CUS 19

Ujung pandang

3

-4

100

722

CUS 20

Berau

0

4

173

1833

CUS 21

Bontang

1

2

152

1965

CUS 22

Palu

3

0

49

257

CUS 23

Tarakan

1

5

71

775

CUS 24

Ambon

11

2

11

91

CUS 25

Manado

8

-3

68

872

CUS 26

Timika

14

-3

49

345

22

-1

94

1512

CDC

Jayapura CUS 27 Sumber:Hasil Pengolahan Data

108

Langkah-langkah yang dilakukan sama dengan langkah-langkah yang dilakukan pada DEPO Balikpapan. hasil perhitungan metode saving matrix pada DEPO Balikpapan adalah sebagai berikut Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di tentukan berdasarkan pada sumbu XY hasilnya adalah: Tabel 41. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang)


109

Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan hasil penentuan rute dari setiap customer yang berdasarkan pada data saving matrix adalah sebagai berikut: Tabel 42. Saving Matrix – Hasil Setelah Dilakukan Iterasi


Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan

110

tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai berikut: Tabel 43. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda Jenis Prosedur


Rute 1

1,2,3,4,5,6,7,8,11,14,17,22,24,25,26,27

Jarak Tempuh

Nearest Insert

17,22,25,24,26,14,11,7,6,5,8,3,4,2,1,27

140.7

Nearest Neighbor

17,22,25,24,26,27,14,11,8,6,5,7,3,4,2,1

112.8

sweep

27,26,24,17,14,11,8,7,6,5,3,1,2,4,22,25

120.0

Rute 2

10,13,19

Nearest Insert

13,19,10

23.8

Nearest Neighbor

13,10,19

22.2

sweep

19,13,10

22.4

Rute 3

12,20,23

Nearest Insert

12,20,23

15.7

Nearest Neighbor

12,20,23

15.7

sweep

12,20,23

15.7

Rute 4

15,21

Nearest Insert

21,15

7.6

Nearest Neighbor

21, 15

7.6

sweep

15,21

7.6

Rute 5

18

Nearest Insert

18

2.0

Nearest Neighbor

18

2.0

sweep Sumber:Hasil Pengolahan Data

18

2.0

111


Lokasi Customer

Jarak Tempuh

Muatan Kendaraan

1

1,2,3,4,5,6,7,8,11,14,17,22,24,25,26,27

112.8

5696

2

10,13,19

22.2

5295

3

12,20,23

15.7

5897

4

15,21

7.6

4177

5

18


2.0

2896

160.3

23961


112

Berdasarkan (Tabel 45.) dapat dibuatkan peta rute pengiriman yang di mulai dari Balikpapan adalah sebagai berikut:


Gambar 16. Peta Alur Distribusi Dari DEPO Balikpapan Keemua Customer (Cabang) Pada gambar 16, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Balikpapan sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.

113

4.3

Perhitungan Biaya Berdasarkan hasil olahan data pada metode saving matrix, perusahaan dapat

mengetahui seberapa besar biaya yang dikeluarkan oleh perusahaan untuk suatu proses distribusi. adalah 1.

DEPO Jakarta

114

Tabel 45. Biaya Distribusi Untuk DEPO Jakarta DEMAND

TOT DEMAND

BIAYA/Kg

TOT BIAYA

3

Rute 1 Padang

554

5996

7450

44670200

1

Banda aceh

14

5442

3000

16326000

20

Berau

1833

5428

7000

37996000

23

Tarakan

775

3595

2850

10245750

25

Manado

872

2820

5100

14382000

24

Ambon

91

1948

4500

8766000

26

Timika

345

1857

4500

8356500

27

Jayapura

1512

1512

3500

5292000

19

Rute 2 Ujung pandang

722

2944

8800

25907200

22

Palu

257

2222

3500

7777000

21

Bontang

1965

1965

3500

6877500

17

Rute 3 Senakin

139

139

9500

1320500

16

Rute 4 Balikpapan

982

5897

9500

56021500

18

Samarinda

4915

4915

2500

12287500

12

Rute 5 Banjarmasin

2909

5805

8700

50503500

13

Adaro

2896

2896

2500

7240000

7

Rute 6 Pangkalpinang

367

2308

6940

16017520

6

Palembang

111

1941

3000

5823000

5

jambi

40

1830

2500

4575000

4

Pekanbaru Bandar lampung

40 191

1790

2500

4475000

8

1750

3000

5250000

10

Pontianak

553

1559

3250

5066750

14

Surabaya

522

1006

3150

3168900

11

Semarang

215

484

2500

1210000

2

Medan

269

269

7550

2030950

CUS

Lokasi

Total biaya untuk seluruh customer Sumber:Hasil Pengolahan Data

361,586,270

115

2.

DEPO Pekanbaru Tabel 46. Biaya Distribusi Untuk DEPO Pekanbaru DEMAND

AVG DEMAND

BIAYA/Kg

TOT BIAYA

11

Rute 1 Semarang

215

5188

5500

28534000

17

Senakin

139

4973

4500

22378500

16

Balikpapan

982

4834

3500

16919000

22

Palu

257

3852

3000

11556000

23

Tarakan

775

3595

4250

15278750

25

Manado

872

2820

5100

14382000

24

Ambon

91

1948

4500

8766000

26

Timika

345

1857

4500

8356500

27

Jayapura

1512

1512

3500

5292000

5

Rute 2 jambi

40

5865

2500

14662500

6

Palembang

111

5825

2500

14562500

7

Pangkalpinang

367

5714

3000

17142000

8

Bandar lampung

191

5347

3500

18714500

14

Surabaya

522

5156

6100

31451600

10

Pontianak

553

4634

4300

19926200

20

Berau

1833

4081

2500

10202500

21

Bontang

1965

2248

2500

5620000

2

Medan

269

283

6650

1881950

1

Banda aceh

14

14

3000

42000

3

Rute 3 Padang

554

5469

2500

13672500

18

Samarinda

4915

4915

5900

28998500

15

Rute 4 Sangata

4177

4177

7200

30074400

13

Rute 6 Adaro

2896

5805

6800

39474000

12

Banjarmasin

2909

2909

2500

7272500

CUS

Lokasi


385,160,400

116

3.

DEPO Banjarmasin Tabel 48. Biaya Distribusi Untuk DEPO Banjarmasin DEMAND

AVG DEMAND

BIAYA/Kg

TOT BIAYA

14

Rute 1 Surabaya

522

5696

3500

19936000

7

Pangkalpinang

367

5174

5100

26387400

6

Palembang

111

4807

3000

14421000

8

Bandar lampung

191

4696

2500

11740000

5

Jambi

40

4505

3000

13515000

4

40 554

4465

2500

11162500

3

Pekanbaru Padang

4425

3750

16593750

2

Medan

269

3871

3500

13548500

1

Banda aceh

14

3602

3000

10806000

11

Semarang

215

3588

9500

34086000

10

Pontianak

553

3373

6150

20743950

25

Manado

872

2820

7500

21150000

24

Ambon

91

1948

4500

8766000

26

Timika

345

1857

4500

8356500

27

Jayapura

1512

1512

3500

5292000

19

Rute 2 Ujung pandang

722

5552

4000

22208000

21

Bontang

1965

4830

4250

20527500

20

Berau

1833

2865

3000

8595000

23

Tarakan

775

1032

2500

2580000

22

Palu

257

257

4250

1092250

18

Rute 3 Samarinda

4915

5897

3000

17691000

16

Balikpapan

982

982

2500

2455000

17

Rute 4 Senakin

139

4316

2500

10790000

15

Sangata

4177

4177

3000

12531000

13

Rute 5 Adaro

2896

2896

3000

8688000

CUS

Lokasi


343,662,350

117

4.

DEPO Balikpapan Tabel 49. Biaya Distribusi Untuk DEPO Balikpapan DEMAND

AVG DEMAND

BIAYA/Kg

TOT BIAYA

17

Rute 1 Senakin

139

5539

2500

13847500

22

Palu

257

5400

4300

23220000

25

Manado

872

5143

3000

15429000

24

Ambon

91

4271

4500

19219500

26

Timika

345

4180

4500

18810000

27

Jayapura

1512

3835

3500

13422500

14

Surabaya

522

2323

15000

34845000

11

Semarang

215

1801

2500

4502500

8

Bandar lampung

191

1586

3000

4758000

6

Palembang

111

1395

2500

3487500

1284

2500

3210000

7

Jambi Pangkalpinang

40 367

1244

3500

4354000

3

Padang

554

877

3500

3069500

4

Pekanbaru Medan

40 269

323

3750

1211250

2

283

3500

990500

1

Banda aceh

14

14

3000

42000

13

Rute 2 Adaro

2896

4171

2500

10427500

10

Pontianak

553

1275

4000

5100000

19

Ujung pandang

722

722

6500

4693000

12

Rute 3 Banjarmasin

2909

5517

3500

19309500

20

Berau

1833

2608

5100

13300800

23

Tarakan

775

775

2850

2208750

21

Rute 4 Bontang

1965

6142

5100

31324200

15

Sangata

4177

4177

3200

13366400

18

Rute 5 Samarinda

4915

4915

2800

13762000

CUS

5

Lokasi


277,910,900

118

4.4

Kondisi Aktual Di Perusahan Pada kondisi aktual di lapangan, proses pengiriman atau distribusi spare parts

dilakukan dengan cara mengirim atau mendistribusikan spare parts langsung dari Distribution Center (DC) kemasing-masing cabang atau customer yang melakukan order ke DEPOJakarta. Adapun data-data proses pendistribusian spare parts yang dilakukan oleh PT. United Tractors adalah sebagai berikut: Tabel 50. Data-Data Permintaan Bearing dan O-ring

Sumber:Data Perusahaan

119

Tabel 51. Data-Data Permintaan Bearing dan O-ring


120

Tabel 52. Data-Data Total Permintaan Bearing dan O-ring dan biaya distribusi


Dari data-data tabel yang di peroleh dari perusahaan menyatakan bahwa permintaan akan probuk Bearing dan O-ring cukup tinggi dibuktikan dengan banyaknya frekuensi order yang dilakukan oleh cabang atau customer. Pada data ini juga tercantum besarnya biaya yang dikeluarkan oleh perusahaan akibat proses

121

distribusi. Besarnya biaya yang dikeluarkan oleh perusahaan untuk proses distribusi ini adalah sebesar Rp 354,522,430.

4.5

Analisis dan Pembahasan Setelah dilakukan penelitiaan dengan menggunakan metode saving mtrix

dengan tiga metode yang berbeda, maka dari hasil pengolahaan data dapat di temukan jarak atau rute terpendek. Penjadwalan dan penentuaan rute pengiriman spare parts yang dilakukan oleh perusahaan saat ini masih kurang efisen karana rute dari setiap pengiriman masih memiliki jarak tempuh yang jauh sehingga menimbulkan biaya yang cukup besar. Tujuan dari penjadwalan dan penentuan rute kendaraan adalah untuk mengoptimalkan biaya yang dikeluarkan oleh perusahaan sehingga perusahaan dapat meminimumkan biaya yang timbul akibat suatu proses distribusi dengan cara mengurangi jarak tempuh suatu alat transportasi, mengurangi jumlah alat ransportasi yang digunakan, dan mengurangi waktu yang dibutuhkan dalam suatu proses distribusi. Dalam penjadwalan dan penentuaan rute kendaraan yang digunakan, perusahaan harus dapat menentukan alat transpotasi mana yang akan melayani customer mana dan rute pengiriman searah atau letaknya yang saling berdekataan dapat digabung dengan merancang terlebih dahulu rute pengiriman yang harus ditempuh oleh masing-masing alat transportasi agar dapat menghemat jarak perjalanan dan secara langsung dapat mengurangi biaya untuk proses distribusi.

122

Perusahaan juga harus memperhatikan kondisi dari alat trasportasi yang digunakan agar proses distribusi yang dilakukan dapat berjalan sesua dengan apa yeng telah di jadwalkan, sehingga produk yang akan di kirim dapat sampai di tangan pelanggan tepat waktu dan tidak rusak. Selain penentuaan rute dan penjadwalan, letak dari DEPO juga dapat mengurangi jumlah biaya yang tibul akibat proses distribusi karena dengan semakin dekatnya lokasi DEPO dengan lokasi cabang atau customer maka biaya pengiriman barang yang timbul akibat proses distribusi dan dapat menimalkan baik deri segi waktu pengiriman barang dan biaya distibusi kesetiap pelanggan atau cabang. Dengan menggunakan metode saving matriks dan penentuan Lokasi DEPO, yaitu pada DEPO Balikpapan sebagai DC (Distribution Center) untuk produk Bearing dan O-ring, maka perusshaan dapt menghemat biaya distribusi sebesar: Jumlah Biaya Diminimalkan = Biaya Aktual – Biaya Metode SavingMmatrix = 354,522,430 - 277,910,900 = 76,611,530 atau sebesar 21.6% dari biaya yang dikeluarkan perusahaan jika menggunakan prose distribusi yang dilakuan perusahaan sekarang dan dengan lokasi DEPO di jakarta. Dengan membantu memberikan usulan penjadwalan, penentuan rute serta penentuaan lokasi DEPO untuk produk Bearing dan O-ring maka perusahaan mendapat keuntungan berupa penghematan waktu pengiriman produk dan biaya pengirimana suatu produk.

123

Supply chain Management merupakan suatu rangkaiaan baik secara langsung maupun tidak langsung dalam pemenuhan permintaan pelanggan , digunakan untuk mengiterasi

pemasok

(supplier),

perusahaan

manufaktur

pergudangan (warehouse), dan toko (stores). hubunganya

(manufactures),

sangat erat dengan

transportasi pada penjadwalan dan penentuan rute pengiriman dengan metode Saving matrix karena dapt meminimumkan biaya dan waktu yang timbul akaibat suatu proses distribusi yang dilakukan loh perusahaan dengan tingkat pelayanan yang optimal.

BAB 4 ANALISIS DAN PENGOLAHAN DATA

Recommend Documents