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:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
DC CUS 3 CUS 1 CUS 20 8.5 8.6 30.5 22.6 Sumber: Hasil Pengolahan Data
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
DC CUS 3 CUS 1 CUS 20 8.5 8.6 30.5 1.4 Sumber: Hasil Pengolahan Data
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
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 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
8.5 8.6 30.5 Sumber: Hasil Pengolahan Data
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
Tabel 10.1. Metode Nearest Insert Rute Kendaraan 2 – Iterasi 1 DC 12.0
CUS 19 12.0
24.1
DC 12.2
CUS 21 12.2
24.4
DC 13.4
CUS 22 13.4
26.8
Sumber: Hasil Pengolahan Data
Tabel 10.2. Metode Nearest Insert Rute Kendaraan 2 – Iterasi 2 DC 12.0
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
9.5 9.5 19.0 Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
Tabel 13.1. Metode Nearest Insert Rute Kendaraan 5 – Iterasi 1 DC 8.1
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
Sumber: Hasil Pengolahan Data
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
Tabel 14.4. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 4 CDC 2.2
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
CDC 8 11 7 2.2 4.0 3.6 6.3 Sumber: Hasil Pengolahan Data
14 6.3
22.5
Tabel 14.5. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 5 CDC 2.2
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
CDC 8 11 7 2.2 4.0 3.6 2.0 Sumber: Hasil Pengolahan Data
6 8.2
14 6.3
26.4
77
Tabel 14.6. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 6 CDC 2.2
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
CDC 8 11 7 2.2 4.0 3.6 2.0 Sumber: Hasil Pengolahan Data
6 2.2
5 9.8
14 6.3
30.3
Tabel 14.7. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 7 CDC 2.2
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
CDC 8 11 7 2.2 4.0 3.6 2.0 Sumber: Hasil Pengolahan Data
6 2.2
5 2.8
4 12.5
14 6.3
35.8
Tabel 14.8. Metode Nearest Insert Rute Kendaraan 6 – Iterasi 8 CDC 2.2
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
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 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
LOKASI Ujung pandang
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
CUS 22 Sumber: Hasil Pengolahan Data
Tabel 16.1. Metode Nearest Neighbor Rute Kendaraan 2 DC
19.0
22.0
21.0
12.0 5.0 2.2 12.2 Sumber: Hasil Pengolahan Data
31.4
c. Rute 3 Tabel 17. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER
LOKASI
CUS 17 Senakin Sumber: Hasil Pengolahan Data
CDC 9.5
CUS 17 0.0
0.0
81
Tabel 17.1. Metode Nearest Neighbor Rute Kendaraan 3 DC
17.0
9.5 9.5 19.0 Sumber: Hasil Pengolahan Data
d. Rute 4 Tabel 18. 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
Tabel 18.1. Metode Nearest Neighbor Rute Kendaraan 4 DC
16
18
10.8 0.0 10.8 21.6 Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
LOKASI Ujung pandang
CUS 21
Bontang
12.2
6.3
0.0
Palu
13.4
5.0
2.2
CUSTOMER
CUS 22 Sumber: Hasil Pengolahan Data
CUS 19 12.0
0.0
CUS 21
Tabel 22.1. Metode Sweep Rute Kendaraan 2 DC
19.0
22.0
21.0
12.0 5.0 2.2 12.2 Sumber: Hasil Pengolahan Data
31.4
c. Rute 3 Tabel 23. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER
LOKASI
CUS 17 Senakin Sumber: Hasil Pengolahan Data
CDC 9.5
CUS 17 0.0
CUS 22
0.0
85
Tabel 23.1. Metode Sweep Rute Kendaraan 3 DC
17.0
9.5 9.5 19.0 Sumber: Hasil Pengolahan Data
d. Rute 4 Tabel 24. 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
Tabel 24.1. Metode Sweep Rute Kendaraan 4 DC
16
18
10.8 0.0 10.8 21.6 Sumber: Hasil Pengolahan Data
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
Tabel 26.1. Metode Sweep Rute Kendaraan 6 DC
14
11
8
7
6
5
4
2
10
6.3 4.1 4.0 3.6 Sumber: Hasil Pengolahan Data
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:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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
Sumber:Hasil Pengolahan Data
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
Sumber:Hasil Pengolahan Data
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
Hasil Urutan Perjalanan
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
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.
98
Berdasarkan (Tabel 34.) dapat dibuatkan peta rute pengiriman yang di mulai dari balikpapan adalah sebagai berikut:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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
Sumber:Hasil Pengolahan Data
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)
Sumber:Hasil Pengolahan Data
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
Hasil Urutan Perjalanan
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
Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan. Tabel 39. Penjadwalan Pengirimana Dengan Metode Saving Matrix Rute
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
Jumlah Sumber:Hasil Pengolahan Data
Muatan Kendaraan
4.0
2896
155.1
23961
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.
105
Berdasarkan (Tabel 39.) dapat dibuatkan peta rute pengiriman yang di mulai dari Banjarmasin adalah sebagai berikut:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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)
Sumber:Hasil Pengolahan Data
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
Sumber:Hasil Pengolahan Data
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
Hasil Urutan Perjalanan
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
Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan. Tabel 44. Penjadwalan Pengirimana Dengan Metode Saving Matrix Rute
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
Jumlah Sumber:Hasil Pengolahan Data
2.0
2896
160.3
23961
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.
112
Berdasarkan (Tabel 45.) dapat dibuatkan peta rute pengiriman yang di mulai dari Balikpapan adalah sebagai berikut:
Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km.
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
Total biaya untuk seluruh customer Sumber:Hasil Pengolahan Data
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
Total biaya untuk seluruh customer Sumber:Hasil Pengolahan Data
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
Total biaya untuk seluruh customer Sumber:Hasil Pengolahan Data
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
Sumber:Data Perusahaan
120
Tabel 52. Data-Data Total Permintaan Bearing dan O-ring dan biaya distribusi
Sumber:Data Perusahaan
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.