TESIS-TI OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR

TESIS-TI142307

OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR

IMRON ROSYADI NR NRP 2513 203 002 DOSEN PEMBIMBING Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP. Prof. Iwan Vanany, ST, MT, Ph.D. PROGRAM MAGISTER BIDANG KEAHLIAN MANAJEMEN LOGISTIK DAN RANTAI PASOK JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2017

ii

OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR Tesis disusun untuk memenuhi salah satu syarat memperoleh gelar Magister Teknik Di Institut Teknologi Sepuluh Nopember Surabaya

IMRON ROSYADI NR NRP. 2513203002

Tanggal Ujian

: 16 Januari 2017

Periode Wisuda

:

Maret 2017

Disetujui oleh : 1.

Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP.

(Pembimbing)

NIP. 196901071994121001 2.

Prof. Iwan Vanany, ST, MT, Ph.D.

(Ko-Pembimbing)

NIP. 197109271999031002 3.

Prof. Dr. Ir. Suparno, MSIE.

(Penguji 1)

NIP. 194807101976031002 4.

Prof. Dr. Ir. Udisubakti Ciptomulyo, M.Eng. Sc.

(Penguji 2)

NIP. 195903181987011001 Direktur Program Pascasarjana,

Prof. Dr. Ir. Tri Wijaya, M.Eng. NIP. 196110211986031001

i

[Halaman ini sengaja dikosongkan]

ii

SURAT PERNYATAAN KEASLIAN TESIS

Saya yang bertanda tangan dibawah ini : Nama Mahasiswa

: Imron Rosyadi NR

Program Studi

: Magister Teknik Industri, FTI - ITS

NRP

: 2513203002

Menyatakan bahwa isi tesis saya yang berjudul:

“OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR”

adalah benar-benar hasil karya intelektual

mandiri, diselesaikan

tanpa

menggunakan bahan-bahan yang tidak diijinkan, dan bukan merupakan karya pihak lain yang saya akui sebagai karya sendiri.

Seluruh refresensi yang dikutip dan dirujuk telah saya tulis di daftar pustaka.

Apabila dikemudian hari ternyata pernyataan saya ini tidak benar, maka saya bersedia menerima sanksi sesuai dengan peraturan yang berlaku.

Surabaya, 23 Januari 2017 Yang membuat pernyataan

Imron Rosyadi NR NRP. 2513203002

iii


iv

OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR

Nama Mahasiswa NRP Pembimbing Ko-Pembimbing

: Imron Rosyadi NR : 2513203002 : Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP. : Prof. Iwan Vanany, ST, MT, Ph.D.

ABSTRAK Desain jaringan supply chain merupakan keputusan strategis, yaitu penentuan jumlah, lokasi dan kapasitas pada setiap bagian supply chain. Jaringan distribusi supply chain yang efisien dapat meminimumkan biaya operasi pada semua bagian supply chain dan dapat bergerak dengan cepat dalam memenuhi kebutuhan konsumen. Tujuan dari penelitian ini adalah (1) menghasilkan model desain jaringan distribusi bahan pangan, (2) menentukan jumlah dan lokasi distribution center (DC) bahan pangan yang dibutuhkan agar dapat meminimumkan total biaya logistik. Penelitian ini dilakukan pada tiga tingkatan jaringan distribusi supply chain bahan pangan (pemasok, distribution center, dan konsumen) di Jawa Timur dengan menggunakan multi produk, multi periode, dan ketidakpastian pada pasokan bahan pangan. Masalah dalam penelitian ini dirumuskan sebagai model Mixed Integer Linear Programming (MILP) dan diselesaikan menggunakan teknik standar branch-and-bound pada software Lingo 11. Hasil dari penelitian ini menunjukkan bahwa pada skenario permintaan 10% total biaya logistik yang paling rendah pada skenario 1 dengan membuka dua DC dengan kapasitas 100.000 Ton, yaitu pada DC (5 dan 6). Pada skenario permintaan 20% total biaya logistik yang paling rendah pada skenario 5 dengan membuka dua DC dengan kapasitas 200.000 Ton, yaitu pada DC (5 dan 6). Dan pada skenario permintaan 30% total biaya logistik yang paling rendah pada skenario 9 dengan membuka dua DC dengan kapasitas 300.000 Ton, yaitu pada DC (5 dan 6). Peningkatan jumlah permintaan dapat mempengaruhi kapasitas DC yang akan dibuka, yaitu pada permintaan 10% menggunakan kapasitas sebesar 100.000 Ton, pada permintaan 20% menggunakan kapasitas DC sebesar 200.000 Ton, dan pada permintaan 30% menggunakan kapasitas DC sebesar 300.000 Ton. Kata Kunci: Desain Jaringan Supply Chain, Jaringan Distribusi Supply Chain, Model Lokasi Fasilitas dan Mixed Integer Linear Programming.

v


vi

THE DISTRIBUTION NETWORK DESIGN OPTIMIZATION OF FOOD SUPPLY CHAIN IN EAST JAVA Name NRP Supervisor Co-Supervisor

: Imron Rosyadi NR : 2513203002 : Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP. : Prof. Iwan Vanany, ST, MT, Ph.D.

ABSTRACT Supply chain network design is a strategic decision, namely the determination of the number, location and capacity on any the supply chain part. The efficient supply chain distribution network can minimize the operation cost in all the supply chain parts and be able to move quickly to meet the consumer needs. The aim of this study were (1) generate the model of food distribution network design, (2) determine the number and location of foodstuffs distribution centers (DC) thats needed in order to minimize the total logistics cost. This study conducted at three levels of the food supply chain distribution network (suppliers, distribution centers, and consumers) in East Java by using a multi-product, multiperiod, and uncertainty in food supply. The problem formulated as a Mixed Integer Linear Programming model (MILP) and solved using standard branchand-bound techniques on software of Lingo 11. The results indicated that the lowest total logistics costs on the demand scenario 10% was in scenario 1 with opening of two DC (DC5 & DC6) by 100.000 Tons capacity. On the demand scenario 20% was in scenario 5 with opening of two DC (DC5 & DC6) by 200.000 Tons capacity. And the demand scenario 30% was in scenario 9 with opening of two DC (DC5 & DC6) by 300.000 Tons capacity. The increase in the demand number influenced the opening DC capacity, at 10% demand used DC by 100.000 Tons capacity, for 20% demand used DC by 200.000 Tons capacity, and for 30% demand used DC by 300.000 Tons capacity.

Keywords: Supply Chain Network Design, Supply Chain Distribution Network, Facility Location Model and Mixed Integer Linear Programming.

vii


viii

KATA PENGANTAR

Alhamdulillah puji syukur kehadirat Allah SWT, yang telah memberikan rahmat dan hidayah-NYA sehingga penulis dapat menyelesaikan Tesis dengan judul “Optimasi Rancangan Jaringan Distribusi pada Rantai Pasok Bahan Pangan di Jawa Timur”. Penulisan Tesis ini diajukan sebagai salah satu syarat untuk mencapai gelar sarjana strata dua (S2) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember. Penulis menyadari bahwa keberhasilan dalam penulisan Tesis ini tidak lepas dari bantuan dan dukungan dari berbagai pihak terutama pembimbing. Oleh karena itu, penulis mengucapkan banyak terima kasih kepada semua pihak yang telah membantu dalam penyelesain Tesis ini khususnya kepada Bapak Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D, CSCP. dan Bapak Prof. Iwan Vanany, ST, MT, Ph.D. sebagai doses pembimbing yang selalu mencurahkan waktu untuk membantu, memotivasi, mengarahkan dan

membimbing penulis hingga

terselesaikannya Tesis ini. Serta ucapan terima kasih juga kepada Bapak Prof. Dr. Ir. Suparno, MSIE., Bapak Prof. Dr. Ir. Udisubakti Ciptomulyo, M.Eng. Sc., dan Ibu Dyah Santhi Dewi, ST., M.Sc., Ph.D. selaku dosen penguji yang juga turut mengarahkan,

memberikan

koreksi

dan

saran

yang

bermanfaat

dalam

melaksanakan penelitian dan penyelesaian perbaikan tulisan Tesis ini. Selain itu penulis juga mengucapkan banyak terima kasih kepada semua pihak yang telah berkontribusi dalam penyelesaian Tesis ini kepada: 1.

Kedua orang tua (Bapak Ningrum Usman dan Ibu Anima Umar) yang telah mencurahkan kasih sayangnya dan selalu mendoakan serta memberikan dukungan dan motivasi kepada penulis.

2.

Keluarga besar, adik, paman, bibi, mertua, dan ipar yang telah mendo’akan dan memberikan dukungan serta motivasi demi kelancaran dan kebaikan penulis.

3.

R. Endah Retno P, S.TP. yang sabar untuk selalu mendampingi dan mendo’akan, memberikan dukungan dan motivasi, serta putra tercinta (M. Ahsan Fikry Rosyadi) yang selalu menjadi penyemangat bagi penulis.

ix

4.

Kementerian Riset dan Pendidikan Tinggi Republik Indonesia yang telah memfasilitasi penulis untuk menempuh pendidikan di jenjang S2.

5.

Rektor Universitas Trunojoyo Madura beserta seluruh jajarannya yang telah memberikan

kesempatan

dan

rekomendasi

kepada

penulis

untuk

melanjutkan pendidikan. 6.

Bapak Erwin Widodo, ST., M.Eng., Dr.Eng. yang selalu memotivasi mahasiswa dan memanajemen pasca sarjana Teknik Industri ITS.

7.

Para Dosen, Staf dan karyawan Jurusan Teknik Industri ITS.

8.

Rekan-rekan mahasiswa S2 Jurusan Teknik Industri ITS.

9.

Semua pihak yang tidak dapat disebutkan satu per satu atas bantuan material maupun spiritual kepada penulis.

Semoga Tesis ini dapat bermanfaat bagi penulis khususnya dan para pembaca umumnya, dan semoga ilmu yang didapatkan penulis dapat diamalkan agar mendapatkan berkah dari sang Maha Mengetahui. Penulis menyadari bahwa Tesis ini sangat jauh dari kesempurnaan, oleh karena itu penulis dengan segala kerendahan hati menerima keritik dan saran yang membangun untuk perbaikan pada masa yang akan datang.

Surabaya, 23 Januari 2017

Imron Rosyadi NR

x

DAFTAR ISI

LEMBAR PENGESAHAN ...............................................................................

i

SURAT PERNYATAAN...................................................................................

iii

ABSTRAK .........................................................................................................

v

ABSTRACT ....................................................................................................... vii KATA PENGANTAR .......................................................................................

ix

DAFTAR ISI ......................................................................................................

xi

DAFTAR TABEL .............................................................................................. xv DAFTAR GAMBAR ......................................................................................... xvii DAFTAR LAMPIRAN ...................................................................................... xix BAB 1 PENDAHULUAN ...............................................................................

1

1.1

LATAR BELAKANG .........................................................................

1

1.2

RUMUSAN MASALAH .....................................................................

8

1.3

TUJUAN ..............................................................................................

8

1.4

MANFAAT ..........................................................................................

8

1.5

BATASAN PENELITIAN ..................................................................

8

1.6

ASUMSI ..............................................................................................

9

BAB 2 TINJAUAN PUSTAKA ...................................................................... 11 2.1

SUPPLY CHAIN MANAGEMENT (SCM) .......................................... 11

2.2

DESAIN JARINGAN SUPPLY CHAIN.............................................. 12

2.3

DESAIN JARINGAN DISTRIBUSI SUPPLY CHAIN ....................... 14

2.4

MASALAH LOKASI FASILITAS ..................................................... 20

2.5

MODEL LOKASI FASILITAS ........................................................... 21

BAB 3 METODE PENELITIAN..................................................................... 25 3.1

PENGEMBANGAN MODEL ............................................................. 25

3.1.1 Fungsi Tujuan ...................................................................................... 25 3.1.2 Variabel Keputusan ............................................................................. 26 3.1.3 Fungsi Kendala .................................................................................... 26 3.1.4 Perumusan Model ................................................................................ 27

xi

3.2

PENGUMPULAN DATA.................................................................... 30

3.2.1 Data Lokasi........................................................................................... 30 3.2.2 Data Jarak ............................................................................................. 31 3.2.3 Data Kapasitas ...................................................................................... 32 3.2.4 Data Produksi Bahan Pangan ............................................................... 32 3.2.5 Data Permintaan (Demand) .................................................................. 32 3.2.6 Data Biaya Transportasi ....................................................................... 32 3.2.7 Data Biaya Penyimpanan ..................................................................... 33 3.2.8 Data Biaya Tetap Pembukaan Distribution Center (DC)..................... 33 3.3

SKENARIO .......................................................................................... 33

BAB 4 PENGUMPULAN DATA.................................................................... 35 4.1

DATA LOKASI ................................................................................... 35

4.2

DATA JARAK ..................................................................................... 36

4.3

DATA KAPASITAS ............................................................................ 37

4.4

DATA PRODUKSI .............................................................................. 38

4.5

DATA PERMINTAAN ........................................................................ 38

4.6

DATA BIAYA TRANSPORTASI ...................................................... 41

4.7

DATA BIAYA PENYIMPANAN ....................................................... 42

4.8

DATA BIAYA TETAP DC ................................................................. 43

BAB 5 ANALISIS MODEL............................................................................. 45 5.1

VALIDASI MODEL ............................................................................ 45

5.2

HASIL OPTIMASI .............................................................................. 47

5.2.1 Skenario 1 ............................................................................................. 47 5.2.2 Skenario 2 ............................................................................................. 48 5.2.3 Skenario 3 ............................................................................................. 51 5.2.4 Skenario 4 ............................................................................................. 53 5.2.5 Skenario 5 ............................................................................................. 56 5.2.6 Skenario 6 ............................................................................................. 58 5.2.7 Skenario 7 ............................................................................................. 61 5.2.8 Skenario 8 ............................................................................................. 63 5.2.9 Skenario 9 ............................................................................................. 67 5.3

ANALISIS ............................................................................................ 68 xii

5.3.1 Analisis Hasil Optimasi pada Semua Skenario .................................... 68 5.3.2 Analisis Sensitivitas Terhadap Perubahan Biaya Transportasi ............ 73 BAB 6 KESIMPULAN DAN SARAN ............................................................ 77 6.1

KESIMPULAN....................................................................................... 77

6.2

SARAN ................................................................................................... 78

DAFTAR PUSTAKA ........................................................................................ 81 LAMPIRAN ....................................................................................................... 85

xiii


xiv

DAFTAR TABEL

Tabel 1.1 Kondisi Ketersediaan Pangan Provinsi Jawa Timur (2010-2014) ....

2

Tabel 2.1 Penelitian Tentang Desain Jaringan Distribusi Supply Chain .......... 19 Tabel 3.1 Skenario-Skenario Penelitian Desain Jaringan Distribusi ................ 34 Tabel 4.1 Jarak Antar Lokasi Wilayah di Jawa Timur...................................... 36 Tabel 4.2 Kapasitas Pemasok Pada Semua Komoditas Bahan Pangan ............ 37 Tabel 4.3 Kapasitas Distribution Center (DC) ................................................. 38 Tabel 4.4 Produksi Bahan Pangan Pemasok (Berdasarkan Klaster Wilayah) .. 39 Tabel 4.5 Jumlah Konsumsi Pangan Di Jawa Timur ........................................ 40 Tabel 4.6 Jumlah Permintaan Bahan Pangan Di Jawa Timur ........................... 40 Tabel 4.7 Biaya Transportasi ............................................................................ 42 Tabel 4.8 Biaya Tetap Pembukaan DC ............................................................. 43 Tabel 5.1 Hasil Optimasi pada Skenario 1 ........................................................ 49 Tabel 5.2 Hasil Optimasi pada Skenario 2 ........................................................ 52 Tabel 5.3 Hasil Optimasi pada Skenario 3 ........................................................ 54 Tabel 5.4 Hasil Optimasi pada Skenario 4 ........................................................ 57 Tabel 5.5 Hasil Optimasi pada Skenario 5 ........................................................ 59 Tabel 5.6 Hasil Optimasi pada Skenario 6 ........................................................ 62 Tabel 5.7 Hasil Optimasi pada Skenario 7 ........................................................ 64 Tabel 5.8 Hasil Optimasi pada Skenario 8 ........................................................ 66 Tabel 5.9 Hasil Optimasi pada Skenario 9 ........................................................ 69 Tabel 5.10 Perbandingan Hasil Optimasi Semua Skenario ................................ 72 Tabel 5.11 Hasil Optimasi dengan Peningkatan 20% Dari Biaya Transportasi . 73 Tabel 5.12 Hasil Optimasi dengan Penurunan 20% Dari Biaya Transportasi .... 75

xv


xvi

DAFTAR GAMBAR

Gambar 2.1 Jaringan Supply Chain................................................................... 12 Gambar 3.1 Konfigurasi Jaringan Distribusi Supply Chain Tiga Tingkatan .... 26 Gambar 4.1 Klaster Wilayah Di Jawa Timur .................................................... 36 Gambar 5.1 Jaringan Distribusi pada Skenario 1 .............................................. 48 Gambar 5.2 Jaringan Distribusi pada Skenario 2 .............................................. 50 Gambar 5.3 Jaringan Distribusi pada Skenario 3 .............................................. 53 Gambar 5.4 Jaringan Distribusi pada Skenario 4 .............................................. 55 Gambar 5.5 Jaringan Distribusi pada Skenario 5 .............................................. 58 Gambar 5.6 Jaringan Distribusi pada Skenario 6 .............................................. 60 Gambar 5.7 Jaringan Distribusi pada Skenario 7 .............................................. 63 Gambar 5.8 Jaringan Distribusi pada Skenario 8 .............................................. 65 Gambar 5.9 Jaringan Distribusi pada Skenario 9 .............................................. 68

xvii


xviii

DAFTAR LAMPIRAN

Lampiran 1.

Klaster Wilayah Di Jawa Timur ................................................. 85

Lampiran 2.

Jarak Antar Kota Di Jawa Timur ................................................ 86

Lampiran 3.

Data Produksi Bahan Pangan Di Jawa Timur (2010-2014) ....... 87

Lampiran 4.

Data Jumlah Penduduk Provinsi Jawa Timur (2014) ................. 88

Lampiran 5.

Data Permintaan Komoditas Bahan Pangan Di Jawa Timur ...... 89

Lampiran 6.

Data Masukan (Input) pada Softwaare Lingo 11........................ 90

Lampiran 7A. Hasil (Output) Software Lingo 11 pada Skenario 1.................... 95 Lampiran 7B. Hasil (Output) Software Lingo 11 pada Skenario 2. ................... 96 Lampiran 7C. Hasil (Output) Software Lingo 11 pada Skenario 3. ................... 97 Lampiran 7D. Hasil (Output) Software Lingo 11 pada Skenario 4.................... 98 Lampiran 7E. Hasil (Output) Software Lingo 11 pada Skenario 5. ................... 99 Lampiran 7F. Hasil (Output) Software Lingo 11 pada Skenario 6. ................... 100 Lampiran 7G. Hasil (Output) Software Lingo 11 pada Skenario7..................... 101 Lampiran 7H. Hasil (Output) Software Lingo 11 pada Skenario 8.................... 102 Lampiran 7I. Hasil (Output) Software Lingo 11 pada Skenario 9. ................... 103

xix


xx

BAB 1 PENDAHULUAN

1.1

LATAR BELAKANG Pangan merupakan suatu komoditas yang sangat penting dan paling

mendasar dalam kebutuhan sehari-hari. Pangan juga menjadi suatu tolak ukur kemampuan suatu negara dan bangsa dalam mempertahankan eksistensinya sebagai suatu negara yang berketahanan nasional. Selain wujud eksistensi suatu negara, pemenuhan kebutuhan pangan masyarakat merupakan sesuatu yang paling mendasar dalam konteks kesejahteraan masyarakat. Oleh karena itu pemenuhan kebutuhan pangan tidak bisa dilakukan secara individu melainkan harus dilakukan secara bersama-sama, pemerintah dan masyarakat harus bekerja sama dalam proses pemenuhan kebutuhan pangan. Pemerintah melakukan pembinaan, pengaturan, pengendalian dan pengawasan, sedangkan masyarakat melakukan proses produksi, penyediaan dan distribusi serta berperan sebagai konsumen yang memiliki hak untuk memperoleh pangan yang cukup dalam jumlah, bergizi, beragam, merata dan terjangkau. Selain itu, dalam pemenuhan kebutuhan pangan harus ada kerja sama antara produsen dan konsumen dalam proses distribusi pangan, sehingga distribusi pangan bisa dilakukan secara efektif dan efisien. Ketersediaan bahan pangan merupakan suatu yang sangat penting untuk menjamin pasokan pangan dalam memenuhi kebutuhan konsumen dari segi kuantitas dan kualitas serta keragaman dan keamanannya. Ketersediaan bahan pangan dapat dipenuhi dari tiga sumber, yaitu: (1) produksi dalam negeri, (2) pemasokan bahan pangan, (3) pengelolaan cadangan bahan pangan. Penyediaan bahan pangan yang sesuai dengan kebutuhan gizi konsumen baik jumlah maupun mutunya merupakan suatu masalah besar yang harus diselesaikan. Menurut Badan Ketahanan Pangan Jawa Timur (2015), situasi ketersediaan pangan suatu wilayah antara lain tercermin dari jumlah ketersediaan pangan, yang ditunjukkan dari ketersediaan pangan maupun mutu keanekaragaman ketersediaan pangan yang digambarkan oleh skor Pola Pangan Harapan (PPH). Situasi ketersediaan pangan

1

tersebut dapat digunakan sebagai salah satu acuan dalam perencanaan kebijakan penyediaan kebutuhan pangan dan gizi penduduk menuju kemandirian dan kestabilan pangan. Berdasarkan angka sasaran data produksi pangan Jawa Timur Tahun 2014 (Angka Ramalan II), telah mengalami surplus beras sebesar 3.903.952 ton, jagung surplus 4.982.146, kedelai mengalami kekukaran sebesar 100.790 ton, kacang tanah surplus 133.834 ton, dan kacang hijau surplus 42.939, sebagaimana ditunjukkan pada Tabel 1.1. Hal ini menunjukkan bahwa Provinsi Jawa Timur memiliki potensi yang besar dalam masalah ketersediaan bahan pangan untuk memenuhi kebutuhan konsumen, akan tetapi potensi ini masih kurang berjalan dengan baik karena pendistribusian bahan pangan masih kurang terintegrasi dengan baik sehingga harga bahan pangan menjadi tidak stabil dikarenakan lamanya proses pendistribusian dan biaya transportasi yang cukup tinggi sehingga harga bahan pangan menjadi mahal. Agar harga bahan pangan menjadi stabil dan relatif lebih murah sehingga bisa terjangkau oleh seluruh kalangan masyarakat, maka proses distribusi bahan pangan harus dikelola dengan baik. Tabel 1.1 Kondisi Ketersediaan Pangan Provinsi Jawa Timur (2010-2014) No

Komoditas Pangan

2010

2011

2012

2013

2014*)

1

Beras

Ketersediaan Konsumsi Surplus

6.957.323 3.421.560 3.535.764

6.315.925 3.339.123 2.976.801

7.291033 3.339.123 3.951.910

7.199.536 3.424.550 3.774.986

7.354.546 3.450.594 3.903.952

2

Jagung


4.937.497 86.195 4.851.302

4.811.184 139.444 4.671.739

5.568.307 139.444 5.428.863

5.096.065 138.108 4.957.958

5.121.143 138.997 4.982.146

3

Kedelai


263.210 367.265 -104.055

296.291 467.327 -171.036

296.163 467.327 -171.163

301.558 402.730 -101.172

305.003 405.793 -100.790

4

Kacang tanah


190.416 22.486 167.931

194.164 15.075 179.089

196.514 15.075 181.439

191.495 50.964 140.531

185.186 51.352 133.834

5

Kacang hijau


72.590 11.243 61.347

72.990 7.538 65.453

60.701 7.538 53.163

52.427 7.664 44.763

50.661 7.722 42.939

*) Angka Ramalan II Sumber: Badan Ketahanan Pangan Jawa Timur (2015)

2

Distribusi bahan pangan merupakan suatu proses pengiriman bahan pangan dari produsen sampai konsumen. Pendistribusian bahan pangan ke seluruh wilayah konsumen harus dilakukan dengan baik agar pemenuhan kebutuhan pangan bisa dilakukan sesuai dengan permintaan konsumen baik dari segi jumlah, waktu dan harga yang tepat. Masalah ketahanan pangan meliputi ketersediaan bahan pangan, distribusi dan konsumsi. Menurut Isbandi dan Rusdiana (2014), ketersediaan pangan di seluruh wilayah dilakukan distribusi pangan melalui upaya pengembangan sistem distribusi pangan secara efisien, dapat mempertahankan keamanan, mutu dan gizi pangan serta menjamin keamanan distribusi pangan. Masalah ketersediaan bahan pangan di seluruh wilayah konsumen sangat berkaitan erat dengan masalah distribusi. Masalah distribusi ini meliputi infrastruktur, institusi, jaringan distribusi dan kapasitas produksi antara wilayah dan musim (Saifullah, 2013). Distribusi memiliki peranan yang sangat penting dalam pemenuhan kebutuhan pangan yang berkaitan tentang jumlah dan waktu yang tepat, serta terjangkau atau sesuai dari segi harga, semua menjadi faktor penentu terhadap keberhasilan fungsi distribusi pangan dari produsen ke konsumen. Secara kelembagaan sistem distribusi sebagai penentu harga dalam pemenuhan kebutuhan produksi dan kebutuhan konsumsi. Menurut Purwono dkk (2013), pendistribusian pangan misalnya beras berhubungan dengan tataniaga beras di Jawa Timur. Lembaga-lembaga tataniaga yang bergerak pada pangan di Jawa Timur terdiri dari petani, penebas, penggilingan, pedagang besar, pengecer, kelompok tani dan Bulog pada masingmasing daerah. Keberadaan lembaga-lembaga tataniaga beragam antar satu daerah dengan daerah lainnya. Kebanyakan lembaga-lembaga ini hanya fokus dalam pendistribusian bahan pangan pada masing-masing daerah di Jawa Timur. Sedangkan menurut Saifullah (2013), sistem rantai pasok perberasan Jawa Timur terdiri dari beberapa pelaku usaha, antara lain: petani, pedagang gabah lokal, pedagang gabah luar kabupaten, KUD, pengusaha penggilingan, pedagang beras grosir, pedagang beras eceran, pedagang beras antar provinsi, mitra kerja Bulog, Satgas Pengadaan Dalam Negeri Bulog, UB-PGB milik Bulog dan konsumen. Struktur rantai pasok beras di Jawa Timur sangat panjang terutama pada sistem distribusinya, sehingga mendorong harga beras menjadi tinggi karena tingginya 3

biaya transportasi untuk memindahkan dari satu tempat ke tempat lainnya. Pendistribusian bahan pangan antar daerah masih belum maksimal, karena kurangnya koordinasi mulai dari pemasok sampai konsumen pada masing-masing daerah. Hal ini disebabkan karena di Jawa Timur belum ada pusat distribusi yang menjadi penghubung antara pemasok pada masing-masing daerah yang memiliki pasokan bahan pangan dengan konsumen pada daerah-daerah yang memiliki kekukarangan dalam pemenuhan kebutuhan bahan pangannya. Sehingga pendistribusian bahan pangan tidak merata pada seluruh wilayah di Jawa Timur. Hal ini disebabkan antara daerah satu dengan daerah yang lainnya belum terintegrasi dengan baik. Permasalahan yang dihadapi dalam proses distribusi bahan pangan adalah semua elemen jaringan distribusi bahan pangan masih belum terintegrasi dengan baik karena tidak ada pusat distribusi yang menghubungkan antara pasokan dan permintaan. Hal ini mengakibatkan pemenuhan kebutuhan bahan pangan kurang merata pada seluruh wilayah, ada yang memiliki ketersediaan bahan pangan yang melebihi kebutuhan tetapi ada juga mengalami kekurangan dari kebutuhannya. Pendistribusian bahan pangan masih kurang berjalan efektif dan efisien, sehingga proses pendistribusian bahan pangan membutuhkan waktu yang cukup lama dan biaya pengiriman yang cukup besar. Hal ini menyebabkan harga bahan pangan menjadi tidak stabil dan kurang bisa terjangkau dengan baik oleh seluruh konsumen dalam memenuhi kebutuhannya. Pengembangan distribusi pangan dilakukan dengan perbaikan sistem distribusi menjadi lebih efektif dan efesien dapat meningkatkan kelancaran arus pendistribusian bahan pangan antar wilayah. Perbaikan sistem distribusi juga diharapkan dapat mendorong tersedianya bahan pangan dengan harga yang terjangkau oleh daya beli masyarakat banyak, sehingga dapat membantu meningkatkan kesejahteraan masyarakat. Hal ini juga dapat menekan serendah mungkin adanya perbedaan harga yang disebabkan oleh adanya perbedaan waktu dan lokasi pada masing-masing daerah di Jawa Timur. Oleh karena itu semua elemen jaringan distribusi pangan harus terintegrasi dan berkolaborasi dengan baik sebagai anggota dalam suatu jaringan supply chain, sehingga pemenuhan kebutuhan konsumen bisa berjalan efektif dan efisien. 4

Strategi kolaborasi dapat memberikan kesempatan untuk melakukan penghematan biaya, layanan konsumen yang lebih baik, dan keunggulan yang kompetitif bagi semua anggota dalam supply chain (Cilebi, 2015). Keberhasilan suatu supply chain tergantung pada integrasi dan koordinasi semua anggota supply chain dalam membentuk struktur jaringan yang efisien. Jaringan supply chain yang efisien dapat meminimumkan biaya operasi pada seluruh supply chain dan dapat bergerak dengan cepat dalam memenuhi kebutuhan konsumen. Oleh karena itu, organisasi harus mendesain jaringan supply chain dengan baik, sehingga seluruh anggota jaringan supply chain bisa bekerja sama secara efektif dan efisien. Integrasi desain supply chain dan keputusan taktis, seperti penentuan tingkat persediaan dan integrasi anggota supply chain merupakan suatu masalah yang dapat mempengaruhi kinerja lembaga atau organisasi. Peningkatan biaya transportasi merupakan faktor utama dalam menentukan keputusan tentang penempatan lokasi pabrik dan pusat distribusi, serta penentuan jumlah persediaan yang harus disimpan. Selain itu, manajemen persediaan yang optimal telah menjadi tujuan utama untuk mengurangi biaya dan meningkatkan layanan konsumen (Rodriguez et al., 2014; Daskin et al., 2002). Menurut Simchi-Levi et al. (2008), desain jaringan merupakan suatu keputusan yang paling dasar dalam manajemen supply chain, yang dapat mempengaruhi semua keputusan lainnya pada sebuah supply chain dan memiliki pengaruh yang paling besar pada return on investment (ROI) dan kinerja supply chain secara keseluruhan. Desain jaringan supply chain merupakan suatu masalah yang melibatkan beberapa keputusan strategis seperti menentukan jumlah, lokasi, dan kapasitas dari fasilitas yang dibutuhkan untuk memenuhi permintaan konsumen diberikan secara efisien dan tepat waktu (Klibi et al., 2010; Pujawan & Mahendrawathi, 2010). Ketika merancang sebuah jaringan supply chain harus memperhatikan antisipasi

produksi,

pergudangan,

distribusi,

transportasi

dan

keputusan

manajemen permintaan (terkait dengan biaya) serta pendapatan dan tingkat layanan yang diperlukan. Sebagian besar dari biaya adalah dikhususkan untuk manajemen supply chain, dalam operasi logistik tertentu seperti transportasi dan penyimpanan. Satu pertanyaan utama pada tingkat perencanaan strategis adalah merancang jaringan supply chain dan lebih tepatnya mencari fasilitas utama 5

perusahaan, seperti pabrik dan pusat distribusi (Boujelben et al., 2014). Keputusan desain jaringan dapat menemukan konfigurasi supply chain dan memiliki dampak yang signifikan pada biaya logistik dan responsif (Chopra dan Meindl, 2010). Misalnya, lokasi fasilitas memiliki dampak jangka panjang dalam supply chain karena membutuhkan biaya yang tinggi untuk memindahkan atau membuka fasilitas baru. Sementara biaya yang terkait dengan membuka fasilitas baru dan biaya penyatuan persediaan mendorong untuk mengurangi jumlah fasilitas, dan responsif menyebabkan efek sebaliknya. Jumlah fasilitas yang tinggi dapat mengurangi lead time untuk memberikan produk ke konsumen akhir (CardonaValdes et al., 2011). Salah satu kunci dari produktivitas dan profitabilitas supply chain adalah jaringan distribusi yang dapat digunakan untuk mencapai berbagai tujuan supply chain mulai dari biaya yang rendah hingga responsif yang tinggi. Mendesain jaringan distribusi terdiri dari tiga masalah utama, yaitu masalah location–allocation, masalah vehicle routing, dan masalah inventory control (Ahmadi-Javid dan Azad, 2010). Oleh karena itu, agar produktivitas dan profitabilitas supply chain berjalan dengan baik sesuai dengan tujuan utama organisasi maka jaringan distribusi harus didesain secara efektif dan efisien. Penelitian tentang masalah desain jaringan distribusi supply chain telah banyak dibahas. Kebanyakan penelitian tersebut hanya membahas pada periode tunggal, sehingga tidak bisa mengakomodir untuk produk-produk yang bersifat musiman, contohnya Razmi et al (2013), mengembangan model bi-objective twostage stochastic mixed-integer linear programming untuk mendesain ulang jaringan gudang yang handal. Dalam model ini, kapasitas gudang yang harus dihilangkan, ditetapkan, atau dipindahkan ke gudang lain, dan kuantitas pengiriman produk antara jaringan node dengan mempertimbangkan dua lead time pengiriman. Penelitian ini hanya membahas tentang masalah jaringan distribusi pada periode dan produk tunggal sehingga tidak bisa digunakan untuk produk musiman. Sementara Boujelben et al (2014), mempertimbangkan multi produk dalam masalah desain jaringan distribusi pada studi kasus di industri otomotif. Berdasarkan asumsi yang realistis, yang memperkenalkan volume yang minimum, jarak cakupan yang

maksimum dan kendala sumber tunggal. Penelitian ini

mengembangkan beberapa prosedur heuristik menggunakan berbagai relaksasi 6

dari formulasi MIP. Penelitian ini digunakan pada multi produk dengan periode tunggal, akan tetapi

tidak membahas masalah inventori karena tidak

memperhatikan ketidakpastian baik itu dari pasokan maupun permintaan, sehingga kurang sesuai untuk produk yang bersifat musiman. Cardona-Valdes et al (2011), mengembangkan masalah optimasi desain jaringan produksi-distribusi dua eselon dengan beberapa pabrik, pelanggan dan satu set kandidat pusat distribusi. Penelitian ini memasukkan unsur ketidakpastian permintaan pelanggan dalam lokasi pusat distribusi dan moda transportasi dalam keputusan alokasi. Perumusan penelitian dalam masalah two stage integer recourse untuk menemukan satu set konfigurasi jaringan optimal dan penugasan moda transportasi dan aliran masing-masing dalam rangka untuk meminimalkan total biaya dan total waktu layanan. Penelitian ini mencari lokasi pusat distribusi dan kendaraan yang akan digunakan dalam pemenuhan permintaan konsumen yang dilakukan hanya pada periode tunggal dan produk tunggal. Penelitian ini juga memperhatikan ketidakpastian, akan tetapi hanya pada permintaan konsumen. Rodriguez et al (2014), mengembangkan model optimasi desain ulang supply chain pada bagian pengiriman suku cadang dengan ketidakpastian permintaan dari perspektif strategis dan taktis dalam horizon perencanaan yang terdiri dari beberapa periode.

Karena penelitian ini bersifat nonlinear, maka

perumusan masalah menggunakan pendekatan piece-wise linearization. Penelitian ini dilakukan pada multi produk dan multi periode serta menggunakan inventori, tetapi hanya pada DC dan konsumen saja karena hanya memperhatikan ketidakpastian pada permintaan konsumen, sehingga kurang sesuai untuk masalah yang memiliki ketidakpastian pada pasokan. Beberapa penelitian tentang desain jaringan distribusi di atas hanya dilakukan pada industri manufaktur dengan memperhatikan ketidakpastian hanya pada wilayah permintaan saja, padahal ketidakpastian juga bisa terjadi pada wilayah pasokan yang disebabkan oleh kondisi lingkungan. Penelitian tentang desain jaringan distribusi ini dilakukan pada supply chain bahan pangan. Penelitian ini dilakukan pada jaringan distribusi supply chain tiga tingkat (pemasok, DC, dan konsumen), untuk menentukan lokasi dan jumlah fasilitas DC serta tingkat persediaan (inventory) yang dibutuhkan pada 7

multi produk dan multi periode dengan memperhatikan ketidakpastian pada pasokan bahan pangan. Hal ini dikarenakan produksi bahan pangan sangat bergantung pada musim, dimana pada daerah penelitian terdapat dua musim, yaitu musim hujan dan kemarau. Pada musim hujan produksi bahan pangan melimpah sedangkan pada musim kemarau produksi menjadi berkurang, sehingga menyebabkan pasokan bahan pangan menjadi tidak pasti.

1.2 RUMUSAN MASALAH Dari latar belakang di atas, maka permasalahan-permasalahan dapat dirumuskan sebagai berikut: 1.

Bagaimana model desain jaringan distribusi bahan pangan di Jawa Timur?

2.

Berapa banyak dan di mana saja lokasi distribution center (DC) untuk bahan pangan yang dibutuhkan agar dapat meminimumkan biaya logistik?

1.3 TUJUAN Berdasarkan permasalahan-permalahan yang ada maka tujuan dari penelitian ini adalah sebagai berikut: 1.

Menghasilkan model desain jaringan distribusi bahan pangan di Jawa Timur.

2.

Menentukan jumlah dan lokasi distribution center (DC) untuk bahan pangan yang dibutuhkan agar dapat meminimumkan biaya logistik.

1.4 MANFAAT Para pelaku komoditas pangan khususnya Bulog dapat mengambil manfaat dari penelitian ini, seperti: 1.

Dapat menggunakan model desain jaringan distribusi bahan pangan.

2.

Dapat mengurangi total biaya supply chain khususnya biaya logistik.

3.

Dapat meningkatkan service level pada proses pemenuhan permintaan konsumen.

1.5 BATASAN PENELITIAN Penentuan batasan penelitian dilakukan agar penelitian ini bisa lebih fokus dan memiliki hasil yang baik. Batasan dalam penelitian ini, antara lain: 8

1.

Data permintaan konsumen yang digunakan adalah data permintaan bahan pangan di Jawa Timur, tidak mencakup permintaan yang berasal dari luar daerah.

2.

Bahan pangan yang digunakan dalam penelitian ini hanya bahan pangan utama yang bisa disimpan cukup lama agar dapat memenuhi permintaan. Bahan pangan tersebut terdiri dari lima komoditas, yaitu beras, jagung, kedelai, kacang hijau, dan kacang tanah.

3.

Jaringan distribusi bahan pangan hanya dibahas dalam tiga tingkatan supply chain, yaitu pemasok, distribution center (DC), dan konsumen.

1.6 ASUMSI Agar proses penelitian dapat dilakukan dengan mudah maka diperlukan beberapa asumsi. Asumsi-asumsi dalam penelitian ini, antara lain: 1.

Pemasok bahan pangan merupakan pemasok utama yang mewakili suatu wilayah (Kabupaten) di Jawa Timur yang memiliki potensi produksi bahan pangan yang cukup besar dan bisa memenuhi kebutuhan permintaan konsumen, dari semua kabupaten diklaster menjadi tujuh wilayah pemasok.

2.

Konsumen pada zona permintaan mewakili kebutuhan bahan pangan pada suatu wilayah (Kabupaten) di Jawa Timur, dari semua kabupaten diklaster menjadi tujuh wilayah konsumen.

3.

Permintaan (demand) pada masing-masing wilayah di Jawa Timur bersifat tetap dan kontinyu, hal ini dianggap pada setiap priode selalu ada permintaan yang sama.

4.

Biaya transportasi dan biaya penyimpanan untuk semua komoditi bahan pangan dianggap sama karena sifat dan karakteristik semua komoditas sama, sehingga proses pengiriman bisa dilakukan pada satu jenis kendaraan sehingga harganya sama untuk semua komoditas. Begitu juga pada proses penyimpanan dapat disimpan pada tempat yang sama dan penanganan yang sama, sehingga biaya penyimpanan dianggap sama.

9


10

BAB 2 TINJAUAN PUSTAKA

2.1

SUPPLY CHAIN MANAGEMENT (SCM) Manajemen rantai pasok (supply chain management) merupakan suatu

jaringan organisasi yang terlibat dalam suatu hubungan mulai hulu (upstream) dan hilir (downstream) dalam suatu proses dan aktivitas yang berbeda mulai dari pasokan bahan baku sampai menjadi suatu produk atau jasa yang dibutuhkan oleh pelanggan atau konsumen. Menurut Simchi-Levi et.al. (2008), manajemen supply chain adalah suatu pendekatan yang digunakan untuk mengintegrasikan supplier, manufacturer, distributor, dan retailer secara efisien, sehingga barang yang diproduksi dan didistribusikan pada jumlah yang tepat, ke lokasi yang tepat, dan pada waktu yang tepat, untuk menimumkan biaya dan memberikan kepuasan terhadap konsumen. Menurut Pujawan dan Mahendrawathi (2010), supply chain adalah suatu jaringan beberapa perusahaan yang bekerja sama untuk menciptakan

dan

menghantarkan suatu produk ke tangan pemakai akhir. Perusahaan-perusahaan tersebut terdiri dari pemasok, pabrik, distributor, toko/ritel, dan perusahaanperusahaan pendukung seperti perusahaan jasa logistik. Dalam supply chain ada tiga aliran yang harus dikelola, yaitu: Pertama, aliran barang yang mengalir dari hulu (upstream) ke hilir (downstream). Kedua, aliran uang (financial) dan sejenisnya dari hilir ke hulu. Ketiga, aliran informasi yang bisa terjadi dari hulu ke hilir ataupun sebaliknya. Strategi supply chain merupakan strategi yang dibutuhkan untuk mencapai suatu tujuan perusahaan yang diinginkan dalam strategi perusahaan. Pembentukan strategi supply chain harus berjalan secara sinergi antar semua komponen, sehingga tujuan bisa tercapai dengan baik. Strategi dapat mengarahkan jalannya organisasi kepada tujuan jangka panjang yang ingin dicapai. Pada penelitian ini membahas tiga tingkatan jaringan supply chain yang terdiri dari pemasok, distribution center (DC), dan konsumen, sebagaimana ditunjukkan pada Gambar 2.1.

11

( Produk )

( Data & Uang )

Pemasok

DC Gambar 2.1 Jaringan Supply Chain

Konsumen

Menurut Chopra dan Meindl (2010), dalam manajemen supply chain ada beberapa hal yang harus dipertimbangkan terkait dengan berbagai aliran dalam supply chain. Ada tiga tahapan yang digunakan dalam menyusun manajemen supply chain yaitu, membuat desain jaringan supply chain, perencanaan supply chain dan pengendalian operasi dalam supply chain. Dari ketiga tahapan tersebut desain jaringan supply chain (supply chain network design) merupakan keputusan yang sangat penting, karena keputusan ini merupakan keputusan strategis jangka panjang dan memerlukan biaya yang cukup besar untuk melakukan perubahan di dalamnya. Hal-hal yang terkait dalam tahap ini, antara lain: penentuan lokasi pabrik, lokasi gudang, lokasi pusat distribusi dan pemilihan pemasok (supplier). Karena desain jaringan merupakan sesuatu yang strategis, maka perubahan terhadap konfigurasi jaringan hanya dilakukan dalam interval waktu yang relatif panjang, namun proses operasional dalam jaringan tersebut akan berlangsung secara terus menerus. Implementasi strategi supply chain akan berlangsung secara efektif apabila supply chain memiliki jaringan dengan konfigurasi yang sesuai. Konfigurasi jaringan bisa menentukan apakah suatu supply chain bisa menjadi responsif atau efisien (Pujawan dan Mahendrawathi, 2010).

2.2

DESAIN JARINGAN SUPPLY CHAIN Desain jaringan supply chain merupakan suatu masalah yang melibatkan

beberapa keputusan strategis seperti menentukan jumlah, lokasi, dan kapasitas fasilitas yang diperlukan untuk menyediakan pasokan yang diminta oleh pelanggan diberikan secara tepat waktu dan efisien. Ketika merancang sebuah Supply Chain Network (SCN), antisipasi produksi, pergudangan, distribusi, transportasi dan keputusan manajemen permintaan (terkait dengan biaya) serta pendapatan dan tingkat layanan yang diperlukan (Klibi et al., 2010). Menurut

12

Simchi-Levi et al. (2008), desain jaringan merupakan suatu keputusan strategis yang memiliki efek jangka panjang pada perusahaan. Hal ini melibatkan keputusan yang berkaitan dengan lokasi pasokan, pabrik, gudang dan pusat distribusi. Tujuan dari desain jaringan adalah untuk meminimumkan biaya tahunan, termasuk biaya pengadaan, biaya produksi, biaya penyimpanan persediaan, biaya penyimpanan pusat distribusi, biaya tetap, dan biaya transportasi. Terdapat perbedaan dalam mendesain jaringan, misalnya mendirikan pusat distribusi yang banyak dapat mengurangi biaya transportasi dan dapat menyediakan layanan pelanggan yang tinggi dalam hal waktu respon yang cepat, namun hal ini dapat meningkatkan biaya fasilitas dan biaya peyimpanan. Sebaliknya apabila tidak membangun pusat distribusi atau persediaan dipusatkan pada pabrik, maka dapat meminimumkan biaya fasilitas dan penyimpanan akan tetapi layanan palanggan akan lebih rendah karena waktu respon lebih lama. Oleh karena itu perusahaan harus dapat menyeimbangkan keuntungan antara pelayanan pelanggan yang tinggi dan biaya untuk membangun pusat distribusi baru. Menurut Georgiadis et al (2011), permasalahan desain jaringan supply chain sangat luas dan setiap perusahaan memiliki permasalahan yang berbedabeda. Hal ini biasanya mengacu pada keputusan strategis yang menggunakan satu atau lebih dari keputusan sebagai berikut: a.

Dimana lokasi fasilitas baru ditempatkan, misalnya lokasi produksi, penyimpanan, logistik, dll).

b.

Perubahan signifikan untuk fasilitas yang ada, misalnya ekspansi, kontraksi dan penutupan fasilitas.

c.

Keputusan pengadaan terkait tentang suppliers dan pasokan dasar untuk digunakan pada setiap fasilitas.

d.

Keputusan alokasi tentang produk apa yang harus diproduksi pada setiap fasilitas produksi dan pasar yang mana harus dilayani oleh suatu gudang atau pusat distribusi. Menurut Klibi et al (2010), desain jaringan supply chain dapat menjawab

pertanyaan-pertanyaan strategis sebagai berikut: a.

Pasar mana yang akan dituju atau menjadi target pemasaran?

13

b.

Berapa lama waktu kirim untuk menyediakan produk pada pasar dan berapa harganya?

c.

Berapa banyak fasilitas produksi dan distribusi yang akan dioperasikan?

d.

Dimana lokasi fasilitas produksi dan distribusi yang akan dioperasikan?

e.

Proses apa saja yang bisa diserahkan ke luar perusahaan atau pihak ketiga?

f.

Rekanan atau pihak ketiga manakah yang akan dipilih?

g.

Teknologi apa yang akan digunakan untuk produksi, penyimpanan, dan pemindahan dan berapa kapasitas fasilitas yang harus dimiliki?

h.

Produk apa yang harus diproduksi atau disimpan pada masing-masing lokasi?

i.

Pabrik/DC/zona permintaan mana yang harus di pasok oleh masing-masing pemasok/pabrik/DC?

j.

Alat transportasi apa yang harus digunakan (armada internal, angkutan umum, 3PL, dll)? Menurut Razmi et al. (2013), ada dua faktor yang membedakan antara

desain tradisional dan konsep desain ulang pada desain jaringan supply chain. Pertama adalah keadaan lokasi yang potensial terkait jumlah, kapasitas dari fasilitas, biaya transportasi dan pergudangan) yang mempengaruhi konfigurasi optimal dari jaringan supply chain. Selain itu, setiap perubahan pada bagian jaringan

(gangguan,

perubahan

biaya,

dll)

sehubungan

dengan

untuk

meningkatkan layanan pelanggan membutuhkan biaya investasi yang besar dan memiliki efek jangka panjang pada efisiensi kegiatan supply chain. Kedua, konsep desain ulang (redesign) keadaan fasilitas yang ada harus dirubah secara bertahap (phase out, kapasitas pengiriman, dll). Untuk alasan ini, desain ulang lebih kompleks dibandingkan dengan desain tradisional dari jaringan supply chain. 2.3

DESAIN JARINGAN DISTRIBUSI SUPPLY CHAIN Distribusi merupakan suatu kegiatan memindahkan dan menyimpan

barang atau produk dari pemasok kepada konsumen dalam suatu jaringan supply chain. Distribusi merupakan suatu kunci yang mempengaruhi keuntungan yang akan diperoleh perusahaan, karena distribusi secara langsung akan mempengaruhi biaya dari supply chain dan permintaan konsumen. Jaringan distribusi yang baik dapat digunakan untuk mencapai berbagai tujuan dari supply chain, mulai dari 14

penggunaan biaya yang rendah hingga respon yang tinggi terhadap pemenuhan permintaan konsumen (Chopra dan Meindl, 2010). Menurut Pujawan dan Mahendrawathi (2010), manajemen distribusi dan transportasi merupakan suatu pengelolaan terhadap pergerakan suatu produk dari suatu lokasi ke loksi yang lain, dimana pergerakan tersebut membentuk suatu jaringan. Peran jaringan distribusi dan transportasi sangatlah vital. Jaringan distribusi dan transportasi ini memungkinkan produk pindah dari lokasi tempat diproduksi ke lokasi konsumen yang sering kali dibatasi oleh jarak yang sangat jauh. Kemampuan untuk mengirim produk ke konsumen secara tepat waktu, dalam jumlah yang sesuai dan dalam kondisi

yang baik sangat menentukan apakah produk tersebut akan

kompetitif di pasar. Oleh karena itu, kemampuan dalam mengelola jaringan distribusi merupakan suatu keunggulan kompetitif yang sangat penting bagi kebanyakan industri. Boujelben et al (2014), mempertimbangkan multi produk dalam masalah desain jaringan distribusi pada studi kasus di industri otomotif. Berdasarkan asumsi yang realistis, memperkenalkan volume yang minimum, jarak cakupan yang maksimum dan kendala sumber tunggal, sehingga menjadi masalah yang sulit untuk dipecahkan dalam kasus berukuran besar. Dengan demikian mereka mengembangkan beberapa prosedur heuristik menggunakan berbagai relaksasi dari formulasi MIP. Dalam percobaan perhitungan, mereka menganalisis struktur jaringan yang diperoleh serta dampak dari berbagai parameter masalah pada waktu perhitungan. Hasil penelitian ini menunjukkan bahwa metode heuristik yang digunakan dapat memberikan solusi yang baik dalam waktu perhitungan yang singkat. Georgiadis et al (2011), mempertimbangkan formulasi matematika yang rinci untuk masalah desain jaringan supply chain terdiri dari fasilitas produksi multi produk dengan sumber daya produksi bersama, gudang, pusat distribusi dan zona pelanggan dan beroperasi berdasarkan waktu ketidakpastian permintaan yang berbeda-beda. Masalahnya dirumuskan dalam mixed-integer linear programming dan diselesaikan dengan menggunakan teknik standar branch-and-bound. Hasil yang diperoleh memberikan indikasi yang baik dari nilai yang memperhitungkan interaksi yang kompleks dalam jaringan tersebut dan berefek pada tingkat persediaan untuk desain dan operasi. 15

Ahmad-Javid & Hoseinpour (2015), mempelajari masalah keuntungan maksimal lokasi-persediaan pada jaringan distribusi supply chain multi komoditas dengan permintaaan harga-sensitif. Masalah ini untuk menentukan lokasi, alokasi, harga dan keputusan ukuran pemesanan untuk memaksimalkan total keuntungan dalam melayani pelanggan. Masalah ini dirumuskan sebagai model mixed-integer non linear programming dan diselesaikan dengan menggunakan Lagrangian relaxation algorithm untuk dua kasus pusat distribusi berkapasitas dan takberkapasitas. Hasil perhitungan menunjukkan bahwa toleransi kuasi-optimal yang wajar dan waktu komputasi sangat kecil untuk memecahkan masalah dari kasus yang berukuran besar. Cardona-Valdes et al (2011), mengembangkan desain jaringan produksi-distribusi dua eselon dengan beberapa pabrik, pelanggan dan satu set kandidat pusat distribusi. Penelitian ini memasukkan ketidakpastian permintaan pelanggan dalam lokasi pusat distribusi dan moda transportasi keputusan alokasi, serta menyediakan desain jaringan yang memuaskan kedua sasaran ekonomis dan mutu pelayanan bagi pengambil keputusan dalam pengaturan jaringan supply chain dua eselon. Masalah ini dirumuskan dalam masalah two stage integer recourse untuk menemukan satu set konfigurasi jaringan optimal dan penugasan moda transportasi dan aliran masing-masing dalam rangka untuk meminimalkan total biaya dan total waktu layanan. Mereka mengembangkan

model

optimasi

stokastik

berdasarkan

ketidakpastian

permintaan, di mana risiko yang melekat dimodelkan dengan skenario. Kemudian mereka mengusulkan metode solusi untuk masalah optimisasi stokastik berdasarkan L-shaped algorithm dalam kerangka optimal dan hasil numerik menunjukkan perhitungan yang efektif. Park S, et.al (2010), mengembangkan masalah desain jaringan satu sumber pada supply chain tiga tingkat yang terdiri dari pemasok, pusat distribusi (DC) dan pengecer, mempertimbangkan strategi risk-pooling dan DC-to-supplier bergantung pada lead times. Tujuannya adalah untuk menentukan jumlah dan lokasi dari pemasok dan DC, penugasan setiap lokasi DC tetap ke pemasok dan setiap pengecer ke DC, untuk meminimalkan biaya semua sistem lokasi, transportasi, dan persediaan. Masalahnya dirumuskan sebagai model nonlinear integer programming, dan penyelesaian masalah menggunakan two-phase heuristic solution algorithm berdasarkan pada 16

pendekatan Lagrangian relaxation. Percobaan numerik menunjukkan bahwa heuristik yang diusulkan hasilnya efektif dan efisien. Ahmad-Javid

&

Azad

(2010),

menyajikan

model

baru

untuk

mengoptimalkan lokasi, alokasi, kapasitas, persediaan, dan keputusan routing dalam sistem stochastic supply chain. Permintaan pada setiap pelanggan tidak pasti dan mengikuti distribusi normal, dan setiap pusat distribusi mempertahankan sejumlah persediaan pengaman. Untuk memecahkan model ini menggunakan metode solusi yang tepat dengan memasukkan masalah dalam mixed integer convex program, dan kemudian membangun metode heuristik berdasarkan hybridization of Tabu Search dan Simulated Annealing. Hasil penelitian menunjukkan bahwa heuristik yang diusulkan lebih efisien dan efektif untuk berbagai ukuran masalah. Cilebi D (2015), menyajikan studi kasus untuk menentukan tingkat persediaan yang optimal dalam sistem distribusi suku cadang. Dia mengembangkan solusi berdasarkan pada Genetic Algorithm (GA) untuk manajemen yang efektif pada jaringan distribusi produsen otomotif di bawah kendali terpusat. Penelitian ini menyediakan pendekatan khusus untuk mengatasi dua masalah eselon pengendalian persediaan dalam perilaku kombinatorial dan sekuensial yang berkaitan dengan jumlah besar dari sifat tertentu. Temuan dari studi kasus menunjukkan bahwa penggunaan sistem pengendalian persediaan yang diusulkan dapat memberikan penghematan biaya yang lebih besar bagi perusahaan. Rodriguez et al (2014), mengusulkan model optimasi untuk mendesain ulang supply chain bagian pengiriman suku cadang dengan ketidakpastian permintaan dari perspektif strategis dan taktis dalam horizon perencanaan yang terdiri dari beberapa periode. Keputusan jangka panjang melibatkan instalasi baru, perluasan dan penghapusan gudang dan penanganan pabrik untuk beberapa produk. Hal ini juga mempertimbangkan manakah gudang yang harus digunakan sebagai bengkel reparasi untuk penyimpanan, perbaikan dan pengiriman unit untuk pelanggan. Perencanaan taktis termasuk memutuskan tingkat persediaan (safety stock dan persediaan yang dibutuhkan) untuk setiap jenis spare part di pusat-pusat distribusi dan pabrik pelanggan, serta hubungan koneksi antara supply chain node. Keterbatasan kapasitas juga diperhitungkan ketika merencanakan 17

tingkat persediaan. Permintaan pasti ditujukan dengan mendefinisikan jumlah optimal persediaan pengaman yang menjamin tingkat layanan tertentu pada pabrik pelanggan. Selain itu, efek risiko penyatuan diperhitungkan saat menentukan tingkat persediaan di pusat-pusat distribusi dan zona pelanggan. Karena sifat nonlinier dari perumusan asli, penelitian ini menerapkan pendekatan piece-wise linearization untuk mendapatkan batas bawah yang dekat dengan solusi optimal. Razmi

et al (2013), mengusulkan sebuah pengembangan model bi-

objective two-stage stochastic mixed-integer linear programming untuk mendesain ulang jaringan gudang yang handal. Dalam model ini, kapasitas gudang yang harus dihilangkan, ditetapkan, atau dipindahkan ke gudang lain, dan kuantitas pengiriman produk antara jaringan node dengan mempertimbangkan dua lead time pengiriman. Keandalan dan ketidakpastian juga diperhitungkan dalam penelitian ini. Model ini memiliki dua tujuan, yaitu (1) meminimumkan biaya rata-rata termasuk jumlah biaya tetap, produksi, transportasi, relokasi dan perluasan kapasitas; (2) memaksimumkan persentase cakupan permintaan pelanggan yang disampaikan dalam pilihan waktu (lead time) pengiriman. Untuk mendapatkan solusi yang optimal, menerapkan sebuah metode novel version of εconstraint (the augmented ε-constraint). Berdasarkan penelitian-penelitian diatas tentang desain jaringan supply chain banyak dilakukan pada industri manufaktur dan otomotif yang mempertimbangkan ketidakpastian hanya pada permintaan konsumen sedangkan ketidakpastian pada pemasok tidak dibahas, sebagaimana penelitian tentang desain jaringan distribusi supply chain diringkas pada Tabel 2.1. Penelitian desain jaringan distribusi supply chain ini dilakukan pada industri pangan. Penelitian ini dilakukan pada jaringan distribusi supply chain tiga tingkat (pemasok, DC, dan konsumen). Tujuannya adalah untuk menentukan lokasi dan jumlah fasilitas DC serta tingkat persediaan (inventory) yang dibutukan untuk memenuhi permintaan konsumen dengan mempertimbangkan multi produk dan multi periode serta memperhatikan ketidakpastian pada pasokan.

18

19 *

Ozgen & Gulsun (2014)

Park S, et.al (2010)

Rahmani & MirHassani (2014) Razmi et.al (2013) Rodriguez et al (2014)

10

11

Yu-An et al (2014)

Penelitian ini

15

16

13 14

12

*

Gulpınar et al (2013)

9

* *

*

*

*

*

*

*

*

*

*

*

Georgiadis et al (2011)

8

*

*

*

*

* *

4

*

*

*

*

3

Multi

*

*

*

*

*

Tunggal

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Multi

Pasokan

*

*

* *

*

*

*

*

*

Ketidak pastian

Periode

*

*

Pemasok

Inventori

*

*

*

*

*

*

*

DC

Produk Tunggal

*

*

*

2

Dantrakul (2014)

Cardona-Valdes et al (2011) Cardona-Valdes et al (2014) Cilebi D (2015)

Boujelben et al (2014)

Ahmad-Javid & Azad (2010) Ahmad-Javid & Hoseinpour (2015)

Pengarang

7

6

5

4

3

2

1

No

Jaringan Sc permintaan

Tabel 2. 1 Penelitian Tentang Desain Jaringan Distribusi Supply Chain

*

*

Pelanggan

MILP

Two-Stage Stochastic MILP MINLP & MILP Two-Stage RO Reliable PMedian

MILP

MINLP

Multi-Objective Possibilistic LP (MOPLP)

MILP

MILP

MILP

Two Stage Integer Recourse Problem Two-Stage Stochastic Problem MLP

MIP

MINLP

Mixed Integer Convex Program

Formulasi

Manufaktur

C&CG Algorithm LINGO

Manufaktur Manufaktur

Pangan

Manufaktur

Manufaktur

Manufaktur Two-Phase Heuristic Solution Algorithm Firefly Algorithm (FA) & Genetic Algorithm (GA) Augmented ε-Constraint Piece-Wise Linearization

PLP & Fuzzy AHP

Manufaktur

Manufaktur

Manufaktur

Manufaktur

Manufaktur

Tabu Search Genetic Algorithm (GA) Greedy Algorithm, P-Median And P-Center Branch-and-Bound Robust Optimization Approach

Manufaktur

Manufaktur

Manufaktur

Manufaktur

Objek

Benders Decomposition

CPLEX

Hybridization of Tabu Search & Simulated Annealing Lagrangian Relaxation Algorithm

Solusi

2.4

MASALAH LOKASI FASILITAS Secara klasik masalah lokasi fasilitas bertujuan untuk mencari fasilitas

baru dan menentukan aliran produk pada jaringan tertentu, di mana lokasi dari titik permintaan sudah diketahui (Boujelben et al, 2014). Menurut Yu-An et al (2014), penentuan lokasi fasilitas dan tugas klien adalah salah satu isu yang paling penting dalam merancang jaringan distribusi yang efisien. Untuk mengatasi masalah ini, model lokasi berbagai fasilitas telah dirumuskan dan dipelajari selama beberapa dekade, termasuk yang berdasarkan p-median dan formulasi fixed-charge lokasi fasilitas dan ekstensinya. Aplikasi dari model-model lokasi fasilitas dapat ditemukan di berbagai industri, termasuk manufaktur, ritel, dan kesehatan. Sedangkan menurut Gulpinar et al (2013), masalah lokasi fasilitas dapat dianggap sebagai generalisasi dari masalah transportasi, dengan penambahan biaya tetap untuk membuka fasilitas. Masalah lokasi fasilitas juga terkait dengan masalah manajemen persediaan karena biaya menyimpan persediaan di fasilitas merupakan bagian penting dari total biaya supply chain. Namun, lokasi fasilitas dan manajemen persediaan secara tradisional telah dianggap terpisah. Masalah persediaan klasik mengasumsikan bahwa keputusan lokasi fasilitas sudah dibuat dan keputusan persediaan independen dari masalah lokasi fasilitas. Tujuan dari masalah persediaan adalah untuk menemukan kebijakan yang meminimalkan biaya penyimpanan persediaan sementara memenuhi tingkat layanan yang sesuai. Menurut Rahmani dan Mir-Hassani (2014), masalah lokasi fasilitas berkapasitas (CFLP) adalah masalah optimasi kombinatorial. Masalah ini terdiri dari memutuskan untuk membuka fasilitas dari himpunan lokasi fasilitas potensial dan bagaimana untuk menentukan pelanggan dari fasilitas tersebut. Tujuannya adalah untuk meminimalkan total biaya tetap dan biaya pengiriman untuk memenuhi permintaan pelanggan dan menggunakan fasilitas sesuai dengan kapasitasnya. Aplikasi dari masalah lokasi fasilitas berkapasitas adalah untuk penentuan lokasi dan perencanaan distribusi, ukuran dalam perencanaan produksi dan desain jaringan. Menurut Ozgen & Gulsun (2014), masalah lokasi fasilitas berkapasitas dan desain jaringan supply chain adalah salah satu masalah keputusan strategis yang paling komprehensif yang perlu dioptimalkan untuk 20

operasi yang efisien jangka panjang dari seluruh supply chain. Masalah ini menentukan jumlah, lokasi, kapasitas, dan jenis pabrik, gudang, dan pusat distribusi yang akan digunakan. Hal ini juga menetapkan saluran distribusi dan jumlah bahan dan item untuk digunakan, diproduksi, dan dikirim dari pemasok kepada pelanggan. Menurut Dantrakul et al (2014), masalah lokasi terdiri dari beberapa klien dan satu set lokasi potensial di mana fasilitas dapat ditempatkan. Masalah lokasi diklasifikasikan ke dalam empat kategori menggunakan kriteria fungsi tujuan: (1) masalah lokasi fasilitas; (2) masalah p-median; (3) masalah p-center dan (4) masalah covering. Tujuan dari masalah lokasi fasilitas adalah untuk menemukan tempat fasilitas agar dapat meminimumkan total biaya operasi dan total biaya transportasi antara klien dan fasilitas. Tujuan dari masalah p-median adalah untuk menentukan lokasi fasilitas p dan klien yang ditugaskan untuk meminimalkan total biaya transportasi antara klien dan fasilitas. Masalah P-center memiliki fungsi tujuan tertentu untuk meminimalkan jarak maksimum antara setiap klien dan fasilitas yang ditugaskan. Masalah covering adalah untuk menemukan jumlah fasilitas minimum untuk mencakup semua klien atau untuk memaksimalkan jumlah klien yang dicakup oleh sejumlah fasilitas yang dibuka. Masalah lokasi fasilitas dapat diklasifikasikan dalam ruang diskrit atau kontinyu. Ketika fasilitas dapat ditemukan pada setiap tempat di suatu daerah, masalahnya adalah masalah lokasi kontinyu. Ketika fasilitas dapat ditempatkan hanya pada lokasi tertentu, masalahnya adalah masalah lokasi diskrit. Masalah lokasi fasilitas juga dapat diklasifikasikan sebagai deterministik atau stokastik. Jika semua parameter dalam masalah diketahui, masalahnya adalah masalah deterministik. Jika beberapa parameter yang tidak pasti, masalahnya adalah masalah stokastik.

2.5

MODEL LOKASI FASILITAS Chopra dan Meidl (2010) menjelaskan tentang lokasi fasilitas untuk

menemukan lokasi pabrik dan gudang secara bersamaan. Sebuah bentuk yang jauh lebih umum dari model lokasi pabrik yang perlu dipertimbangkan apabila akan merancang jaringan supply chain dari pemasok ke pelanggan. Keputusan lokasi dan alokasi kapasitas harus dibuat untuk kedua pabrik dan gudang. Beberapa 21

gudang dapat digunakan untuk memenuhi permintaan pada pasar dan beberapa pabrik dapat digunakan untuk mengisi gudang. Hal ini juga diasumsikan bahwa beberapa unit telah disesuaikan dengan tepat sehingga satu unit masukan dari sumber pasokan menghasilkan satu unit produk jadi. Model ini membutuhkan masukan sebagai berikut: m

= jumlah pasar atau tempat permintaan

n

= jumlah lokasi potensial pabrik

l

= jumlah pemasok

t

= jumlah lokasi potensial gudang

Dj

= permintaan tahunan dari pelanggan j

Ki

= kapasitas potensial pabrik i

Sh

= kapasitas pasokan pada pemasok h

We

= kapasitas potensial gudang e

Fi

= biaya tetap dari lokasi pabrik i

fe

= biaya tetap dari lokasi gudang e

C hi

= biaya pengiriman satu unit dari sumber pasokan h ke pabrik i

C ie

= biaya produksi dan pengiriman satu unit dari pabrik i ke gudang e

C ej

= biaya pengiriman satu unit dari gudang e ke pelanggan j Tujuan dari model ini adalah untuk mengidentifikasi lokasi pabrik dan

gudang serta jumlah yang akan dikirim antara berbagai titik yang dapat meminimumkan total biaya tetap dan biaya variabel. Variabel keputusan didefinisikan sebagai berikut: yi

= 1 jika pabrik terletak di bagian i, dan 0 jika tidak

ye

= 1 jika gudang terletak di bagian e, dan 0 jika tidak

x ej

= jumlah barang yang dikirim dari gudang e ke pasar j

x ie

= jumlah barang yang dikirim dari pabrik i ke gudang e

x hi

= jumlah barang yang dikirim dari pemasok h ke pabrik i

Masalahnya dirumuskan dalam integer program sebagai berikut:

22

𝑛

𝑛

𝑙

𝑖=1

𝑒=1

𝑛

𝑛

𝑡

(1)

Min = � 𝐹𝑖 𝑦𝑖 + � 𝐹𝑒 𝑦𝑒 + � � 𝐶ℎ𝑖 𝑥ℎ𝑖 + � � 𝐶𝑖𝑒 𝑥𝑖𝑒 𝑡

𝑚

ℎ=1 𝑖=1

𝑖=1 𝑒=1

+ � � 𝐶𝑒𝑗 𝑥𝑒𝑗 𝑒=1 𝑗=1

Fungsi Kendala: 𝑛

� 𝑥ℎ𝑖 ≤ 𝑆ℎ 𝑖=1 𝑙

𝑡

ℎ=1

𝑒=1

� 𝑥ℎ𝑖 − � 𝑥𝑖𝑒 ≥ 0 𝑡

� 𝑥𝑖𝑒 ≤ 𝐾𝑖 𝑦𝑖 𝑒=1 𝑛

𝑚

𝑖=1

𝑗=1

� 𝑥𝑖𝑒 − � 𝑥𝑒𝑗 ≥ 0 𝑚

� 𝑥𝑒𝑗 ≤ 𝑊𝑒 𝑦𝑒 𝑗=1 𝑡

� 𝑥𝑒𝑗 = 𝐷𝑗 𝑒=1

𝑦𝑖 , 𝑦𝑒 ∈ {0,1},

untuk

h = 1,…..,l

(2)

untuk

i = 1,…..,n

(3)

untuk

i = 1,…..,n

(4)

untuk

e = 1,…..,t

(5)

untuk

e = 1,…..,t

(6)

untuk

j = 1,…..,m

(7)

𝑥𝑒𝑗 , 𝑥𝑖𝑒 , 𝑥ℎ𝑖 ≥ 0

(8)

Fungsi tujuan dari model ini adalah untuk meminimumkan total biaya tetap dan biaya variabel pada jaringan supply chain. Kendala (2), menentukan bahwa jumlah total yang dikirim dari pemasok tidak dapat melebihi kapasitas pemasok. Kendala (3), menyatakan bahwa jumlah yang dikirim keluar dari pabrik tidak dapat melebihi jumlah bahan baku yang diterima. Kendala (4), menentukan bahwa jumlah yang diproduksi di pabrik tidak dapat melebihi kapasitasnya. Kendala (5), menentukan bahwa jumlah dikirim keluar dari gudang tidak dapat melebihi jumlah yang diterima dari pabrik. Kendala (6), menentukan bahwa jumlah dikirim melalui gudang tidak dapat melebihi kapasitasnya. Kendala (7),

23

menentukan bahwa jumlah dikirim ke pelanggan harus memenuhi permintaan. Kendala (8), menentukan bahwa setiap pabrik atau gudang akan dibuka atau ditutup. Semua model yang telah dibahas sebelumnya juga dapat dimodifikasi untuk mengakomodasi skala ekonomi dalam biaya produksi, transportasi, dan persediaan. Namun, persyaratan ini membuat model yang lebih sulit untuk diselesaikan. Model ini menjadi dasar dalam mengembangkan model desain jaringan distribusi pada penelitian ini. Pada model lokasi fasilitas yang digunakan oleh Chopra dan Meidl (2010) dilakukan pada empat tingkatan jaringan distribusi supply chain (pemasok, pabrik, gudang, dan pasar) untuk mencari lokasi pabrik dan gudang yang digunakan untuk produk dan periode tunggal serta tidak mempertimbangkan

persediaan

(inventory)

karena

tidak

memperhatikan

ketidakpastian. Oleh karena itu, model ini tidak bisa digunakan pada masalah lokasi fasilitas untuk multi produk dan multi periode. Sehingga pada penelitian ini mengembangkan model desain jaringan distribusi supply chain dalam tiga tingkatan jaringan distribusi supply chain (pemasok, DC, dan konsumen) dengan mempertimbangkan masalah multi periode, multi produk, dan menambahkan masalah persediaan (inventory) untuk mengantisipasi ketidakpasitian pada pasokan.

24

BAB 3 METODE PENELITIAN

3.1

PENGEMBANGAN MODEL Pemecahan masalah optimalisasi desain jaringan distribusi dapat

dilakukan dengan menggunakan pendekatan masalah lokasi fasilitas yang berkapasitas. Pengembangan model desain jaringan distribusi ini dilakukan pada tiga tingkatan jaringan distribusi supply chain (pemasok, DC, dan konsumen) dengan mempertimbangkan masalah multi periode, multi produk, dan menambahkan masalah inventory untuk mengantisipasi ketidakpasitian pada pasokan. Agar dapat menghasilkan solusi yang optimal, perumusan masalah desain jaringan distribusi pada supply chain sebagaimana ditunjukkan pada Gambar 3.1, ini menggunakan model Mixed Integer Linear Programming (MILP). Model MILP merumuskan masalah sebagai berikut: a.

Berapa banyak distribution center (DC) yang harus ditetapkan untuk daerah penelitian?

b.

Dimanakah lokasi distribution center (DC) yang harus dibangun?

c.

Daerah permintaan konsumen mana saja yang dapat dipenuhi oleh masingmasing distribution center (DC)? Penyelesaian masalah yang dirumuskan dalam model Mixed Integer

Linear Programming (MILP) di atas, dilakukan dengan menggunakan software Lingo 11. Hal ini bertujuan agar dapat memudahkan proses perhitungan dan mendapatkan hasil yang akurat.

3.1.1

Fungsi Tujuan Fungsi tujuan dari model ini adalah untuk meminimumkan total biaya

supply chain yang terdiri dari: (1) biaya tetap pembukaan distribution center (DC), (2) biaya transportasi dari pemasok i ke DC j, (3) biaya transportasi dari DC j ke konsumen k, (4) biaya penyimpanan persediaan bahan pangan pada pemasok i, dan (5) biaya penyimpanan persediaan bahan pangan pada DC j.

25

Gambar 3.1 Konfigurasi Jaringan Distribusi Supply Chain Tiga Tingkatan

3.1.2

Variabel Keputusan Variabel keputusan mewakili keputusan tentang aliran produk yang akan

didistribusikan. Variabel keputusan menjelaskan tentang keputusan sebagai berikut: a.

Apakah distribution center (DC) harus dibuka atau tidak? (Binary 1, 0)

b.

Berapa banyak jumlah produk yang harus dikirim dari pemasok i ke DC j? (Ton)

c.

Berapa banyak jumlah produk yang harus dikirim dari DC j ke konsumen k? (Ton)

3.1.3

Fungsi Kendala Untuk

mencapai

tujuan

dari

desain

jaringan

distribusi,

yaitu

meminimumkan total biaya supply chain, beberapa fungsi kendala yang harus dimasukkan dalam model Mixed Integer Linear Programming (MILP). Kendala yang dimasukkan dalam model ini, antara lain:

26

a.

Jumlah produk yang dikirim ke DC j tidak boleh melebihi kapasitas dari pemasok i.

b.

Jumlah produk yang keluar dari DC j tidak boleh lebih besar dari yang dikirim oleh pemasok i.

c.

Jumlah produk yang dikirim ke konsumen k tidak boleh melebihi kapasitas dari DC j.

d.

Jumlah produk yang dikirim ke konsumen k bisa memenuhi permintaan konsumen D k .

e.

Total persediaan di pemasok i sama dengan jumlah dari persediaan awal pada pemasok i ditambah jumlah yang di produksi dan dikurangi jumlah yang akan dikirim oleh pemasok i ke DC j untuk semua periode.

f.

Total persediaan di DC j sama dengan jumlah dari persediaan awal di DC j ditambah jumlah yang dikirim oleh pemasok i dan dikurangi jumlah yang akan dikirim oleh DC j ke konsumen k untuk semua periode.

3.1.4

Perumusan Model Formulasi matematika yang digunakan pada pengembangan model dalam

penentuan masalah jaringan distribusi secara keseluruhan sebagai berikut: Parameter : i

= Indeks untuk pemasok

j

= Indeks untuk distribution center (DC)

k

= Indeks untuk konsumen

p

= Indeks untuk produk/komoditas

t

= Indeks untuk waktu

C ij

= Biaya transportasi dari pemasok i ke DC j

C jk

= Biaya transportasi dari DC j ke konsumen k

Fj

= Biaya tetap pembukaan DC j

𝐼𝑣

= Biaya penyimpanan produk di pemasok i (Rp/Ton/Tahun)

Si

= Kapasitas pemasok i

Wj

= Kapasitas DC j

𝐼𝑤

= Biaya penyimpanan produk di DC j (Rp/Ton/Tahun)

27

𝑝

𝑄𝑖𝑡 𝑝

= Jumlah produksi produk p oleh pemasok i pada periode t (Ton/Tahun)

R

𝐷𝑘𝑡

= Permintaan produk p oleh konsumen k pada periode t (Ton/Tahun)

R

𝑝𝑣

ℎ𝑖(𝑡−1) = Persediaan awal produk p di pemasok i pada periode t (Ton) 𝑝𝑤

ℎ𝑗(𝑡−1) = Persediaan awal produk p di DC j pada periode t (Ton) Variabel Keputusan : 𝑌𝑗

= �

𝑝

= Jumlah produk p yang dikirim dari pemasok i ke DC j pada

𝑋𝑖𝑗𝑡 𝑝

𝑍𝑗𝑘𝑡

1 apabila DC 𝑗 dibuka 0 kalau tidak

periode t. = Jumlah produk p yang dikirim dari DC j ke konsumen k pada

R

periode t.

Fungsi Tujuan : 𝐽

Min 𝑍 = � 𝐹𝑗 𝑌𝑗 + 𝑗=1

𝐼

𝐽

𝐼

𝑃

𝑝 � � � � 𝐶𝑖𝑗 𝑋𝑖𝑗𝑡 𝑖=1 𝑗=1 𝑝=1 𝑡=1

𝑃

𝑇

𝑝 � � � 𝐼 𝑣 ℎ𝑖𝑡 𝑖=1 𝑝=1 𝑡=1

+

𝑇

𝐽

𝑃

𝐽

𝐾

𝑃

𝑇

𝑝 + � � � � 𝐶𝑗𝑘 𝑍𝑗𝑘𝑡 𝑇

𝑗=1 𝑘=1 𝑝=1 𝑡=1

𝑝 + � � � 𝐼 𝑤 ℎ𝑗𝑡 𝑗=1 𝑝=1 𝑡=1

(1)

Fungsi Kendala : 𝐼

𝑃

𝑝 � � 𝑋𝑖𝑗𝑡 ≤ 𝑆𝑖𝑝

∀𝑗 ∈ 𝐽; ∀𝑡 ∈ 𝑇

(2)

∀𝑘 ∈ 𝐾; ∀𝑡 ∈ 𝑇

(3)

𝑝 � � 𝑍𝑗𝑘𝑡 ≤ 𝑊𝑗𝑝 × 𝑌𝑗

∀𝑘 ∈ 𝐾; ∀𝑡 ∈ 𝑇

(4)

𝑝 𝑝 � � 𝑍𝑗𝑘𝑡 = 𝐷𝑘𝑡

∀𝑗 ∈ 𝐽; ∀𝑡 ∈ 𝑇

(5)

𝑖=1 𝑝=1 𝐼

𝑃

𝑝 � � 𝑋𝑖𝑗𝑡 𝑖=1 𝑝=1 𝐽

𝑃

𝐽

𝑃

𝑝 ≥ � � 𝑍𝑗𝑘𝑡 𝑗=1 𝑝=1

𝑗=1 𝑝=1 𝐾

𝑃

𝑘=1 𝑝=1

28

𝑝 ℎ𝑖(𝑡−1) 𝑝 ℎ𝑗(𝑡−1)

+ +

𝑝 𝑄𝑖𝑡 𝐼

𝐼

𝑃

𝑝 𝑝 − � � 𝑋𝑖𝑗𝑡 = ℎ𝑖𝑡 𝑃

𝑖=1 𝑝=1

𝑝 � � 𝑋𝑖𝑗𝑡 𝑖=1 𝑝=1

𝑌𝑗 ∈ {0,1}

𝐽

𝑃

𝑝 𝑝 − � � 𝑍𝑗𝑘𝑡 = ℎ𝑗𝑡 𝑗=1 𝑝=1

𝑋𝑖𝑗 , 𝑍𝑗𝑘 ≥ 0

∀𝑗 ∈ 𝐽; ∀𝑡 ∈ 𝑇

(6)

∀𝑘 ∈ 𝐾; ∀𝑡 ∈ 𝑇

(7)

∀𝑗 ∈ 𝐽

∀𝑖 ∈ 𝐼; ∀𝑗 ∈ 𝐽; ∀𝑘 ∈ 𝐾

(8) (9)

Fungsi tujuan dari model ini adalah untuk meminimumkan total biaya supply chain. Bagian pertama, merupakan biaya tetap dari pembukaan distribution center (DC). Kedua, biaya transportasi dari pemasok i ke DC j. Ketiga, biaya transportasi dari DC j ke konsumen k. Keempat, biaya persediaan produk pada pemasok i. Kelima, Biaya persediaan produk pada DC j. Kendala (2), menentukan bahwa jumlah yang dikirim ke DC j tidak boleh melebihi kapasitas dari pemasok i. Kendala (3), menentukan bahwa jumlah yang keluar dari DC j tidak boleh lebih besar dari yang dikirim oleh pemasok i. Kendala (4), menentukan bahwa jumlah yang dikirim ke konsumen k tidak boleh melebihi kapasitas dari DC j. Kendala (5), menentukan bahwa jumlah yang dikirim ke konsumen k harus bisa memenuhi permintaan konsumen D k . Kendala (6), menentukan total persediaan pemasok i yang terdiri dari persediaan awal dan kapasitas produksi pada pemasok i, serta jumlah yang akan dikirim ke DC j. Kendala (7), menentukan total persediaan pada DC j yang terdiri dari persediaan awal DC j, jumlah yang diterima dari pemasok i dan jumlah yang akan dikirim ke konsumen k. Kendala (8), menjelaskan tentang semua potensial DC j yang dibuka atau ditutup. Kendala (9), menentukan bahwa jumlah yang dikirim dari pemasok i ke potensial DC j dan dari potensial DC j ke konsumen k harus lebih besar atau sama dengan nol.

29

3.2

PENGUMPULAN DATA Pengumpulan data terdiri dari dua komponen, yaitu pengumpulan data

primer dan pengumpulan data sekunder. Data primer diperoleh dengan cara melakukan observasi dan wawancara. Sedangkan data sekunder diperoleh dari studi pustaka, internet, jurnal, dan hasil penelitian terdahulu. Data yang dibutuhkan dalam penelitian ini antara lain : a.

Data lokasi pemasok, distribution center (DC), dan konsumen.

b.

Data jarak antara semua lokasi pemasok ke lokasi distribution center (DC), dan antara distribution center (DC) ke konsumen.

c.

Data kapasitas pemasok dan distribution center (DC)

d.

Data produksi bahan pangan

e.

Data permintaan konsumen (demand)

f.

Data biaya transportasi

g.

Data biaya penyimpanan

h.

Data biaya tetap pembukaan distribution center (DC)

3.2.1

Data Lokasi Lokasi penelitian ini dilakukan untuk seluruh Kabupaten di Jawa Timur.

Data lokasi terdiri dari tiga macam, yaitu data lokasi pemasok, data lokasi distribution center (DC), dan data lokasi konsumen. A. Data Lokasi Pemasok Lokasi pemasok merupakan suatu wilayah (kabupaten) di Jawa Timur yang memiliki potensi produksi bahan pangan untuk memenuhi permintaan konsumen. Lokasi pemasok pada masing-masing wilayah di jawa Timur dibagi menjadi tujuh klaster, antara lain: 1.

Klaster Agropolitan Madura (Bangkalan, Sampang, Pamekasan, dan Sumenep).

2.

Klaster Agropolitan

Ijen (Jember, Situbondo, Bondowoso, dan

Banyuwangi). 3.

Klaster

Agropolitan

Bromo-Tengger-Semeru

Probolinggo, dan Lumajang).

30

(Malang,

Pasuruan,

4.

Klaster Agropolitan Wilis (Madiun, Magetan, Ngawi, Ponorogo, dan Pacitan).

5.

Klaster Metropolitan (Surabaya, Sidoarjo, Gresik, dan Mojokerto).

6.

Klaster Segitiga Emas (Tuban, Lamongan, dan Bojonegoro).

7.

Klaster Regional Kelud (Jombang, Kediri, Nganjuk, Trenggalek, Tulungagung, dan Blitar).

B. Data Lokasi Distribution Center (DC) Lokasi distribution center (DC) merupakan lokasi pada suatu wilayah di Jawa Timur yang memiliki potensi untuk dibangun sebagai pusat distribusi atau yang dapat mengumpulkan bahan pangan dari berbagai daerah kemudian didistribusikan untuk memenuhi permintaan konsumen, sehingga dapat mengurangi biaya transportasi dan meningkatkan service level. C. Data Lokasi Konsumen Lokasi konsumen merupakan lokasi permintaan (demand) yang terdapat pada suatu wilayah (Kabupaten) di Jawa Timur. Lokasi konsumen pada masingmasing wilayah di jawa Timur dibagi menjadi tujuh klaster, antara lain: 1.

Klaster Madura (Bangkalan, Sampang, Pamekasan, dan Sumenep).

2.

Klaster Ijen (Jember, Situbondo, Bondowoso, dan Banyuwangi).

3.

Klaster Bromo-Tengger-Semeru (Malang, Pasuruan, Probolinggo, dan Lumajang).

4.

Klaster Wilis (Madiun, Magetan, Ngawi, Ponorogo, dan Pacitan).

5.

Klaster Metropolitan (Surabaya, Sidoarjo, Gresik, dan Mojokerto).

6.

Klaster Segitiga Emas (Tuban, Lamongan, dan Bojonegoro).

7.

Klaster Regional Kelud (Jombang, Kediri, Nganjuk, Trenggalek, Tulungagung, dan Blitar)

3.2.2

Data Jarak Data jarak merupakan jarak antara semua lokasi pemasok ke lokasi

distribution center (DC), dan antara distribution center (DC) ke konsumen pada suatu wiliyah di Jawa Timur. Data jarak yang digunakan mengacu pada data jarak antar kota di Jawa Timur dari Dinas Pekerjaan Umum Bina Marga Provinsi Jawa Timur. Pengukuran jarak ini menggunakan ukuran satuan Km. 31

3.2.3

Data Kapasitas Data kapasitas merupakan ukuran kapasitas yang mampu dihasilkan dan

didistribusikan untuk memenuhi permintaan konsumen. Data kapasitas terdiri dari dua bagian, yaitu Kapasitas pemasok dan kapasitas distribution center (DC). A. Kapasita Pemasok Kapasitas pemasok merupakan ukuran kapasitas yang mampu dihasilkan oleh pemasok untuk memenuhi permintaan konsumen. B. Kapasitas Distribution Center (DC). Kapasitas DC merupakan ukuran kapasitas produk yang mampu disimpan dan didistribusikan untuk memenuhi permintaan konsumen.

3.2.4

Data Produksi Bahan Pangan Data produksi bahan pangan merupakan data produksi komoditas bahan

pangan pada masing-masing wilayah (kabupaten) di Jawa Timur yang terdiri dari beras, jagung, kedelai, kacang tanah, dan kacang hijau. Produksi bahan pangan dibagi menjadi tiga periode, yaitu periode 1 (Januari-April), periode 2 (MeiAgustus), dan periode 3 (September-Desember) berdasarkan data dari Dinas Pertanian Provinsi Jawa Timur.

3.2.5

Data Permintaan (Demand) Data permintaan merupakan data permintaan produk yang berasal dari

semua konsumen pada seluruh wilayah di Jawa Timur. Data permintaan ini menjadi acuan dalam pendistribusian produk mulai dari pemasok sampai pada konsumen. Data permintaan ini menggunakan satuan ukuran Ton. Data permintaan berdasarkan pada data jumlah konsumsi pangan penduduk/tahun yang berasal dari Badan Ketahanan Pangan Jawa Timur.

3.2.6

Data Biaya Transportasi Data biaya transportasi merupakan keseluruhan biaya transportasi yang

dikeluarkan dalam proses pendistribusian produk. Biaya transportasi ini terdiri dari dua bagian, yaitu biaya transportasi yang dikeluarkan untuk pengiriman produk dari pemasok menuju ke distribution center (DC) dan biaya transportasi 32

yang dikeluarkan untuk pengiriman produk dari DC menuju ke konsumen. Biaya transportasi menggunakan satuan (Rp/Ton/Km).

3.2.7

Data Biaya Penyimpanan Biaya penyimpanan merupakan biaya yang dikeluarkan pada saat

melakukan penyimpanan persediaan bahan pangan untuk memenuhi permintaan konsumen, baik yang disimpan pada lokasi pemasok maupun yang disimpan di DC. Penghitungan biaya penyimpanan dihitung dalam periode 1 tahun (Rp/Ton/Tahun).

3.2.8

Data Biaya Tetap Pembukaan Distribution Center (DC) Biaya tetap merupakan biaya yang dikeluarkan pada saat dilakukan

pembukaan potensial distribution center (DC). Besarnya biaya tersebut dipengaruhi oleh banyaknya jumlah DC yang dibuka. Biaya tetap pembukaan DC terdiri dari biaya penggunaan listrik, biaya penggunaan telepon, biaya perawatan DC, serta biaya pajak bumi dan bangunan. Biaya tetap ini dihitung setiap periode satu tahun (Rp/Tahun).

3.3

SKENARIO Pada penelitian ini menggunakan skenario-skenario dengan mengubah

kapasitas distribution center (DC) untuk mengetahui sensitivitas dalam pemilihan DC yang berdasarkan pada kapasitas dan biaya tetap DC yang berbeda-beda. Begitu juga dengan jumlah pemenuhan permintaan konsumen terhadap bahan pangan dibagi menjadi tiga, yaitu 10%, 20%, dan 30% dari kebutuhan konsumsi bahan pangan di Jawa Timur. Pada penelitian ini tidak menggunakan data permintaan 100% dari kebutuhan konsumsi bahan pangan di Jawa timur, karena mengacu pada Bulog Jatim yang hanya mampu menyediakan sebesar 20% dari kebutuhan beras di Jawa Timur. Hal ini juga dikarenakan banyak pihak atau lembaga swasta yang mensuplai kebutuhan bahan pangan di Jawa Timur. Penelitian

ini

menggunakan

sembilan

skenario

dengan

mempertimbangkan kapasitas DC dan jumlah permintaan bahan pangan yang digunakan. Skenario satu diasumsikan bahwa kapasitas DC yang digunakan 33

sebesar 100.000 Ton dengan biaya tetap sebesar Rp. 1.000.000.000,-/tahun pada jumlah permintaan bahan pangan sebesar 10% dari total kebutuhan konsumsi pangan di Jawa Timur. Skenario dua dengan menambahkan kapasitas DC sebesar 200.000 Ton dengan biaya tetap sebesar Rp. 2.000.000.000,-/tahun dan skenario tiga dengan kapasitas DC sebesar 300.000 Ton dengan biaya tetap sebesar Rp. 3.000.000.000,-/tahun. Pada skenario empat, lima dan enam digunakan pada jumlah permintaan bahan pangan sebesar 20% dari total kebutuhan konsumsi pangan di Jawa Timur sedangkan pada kapasitas DC berurutan sama seperti pada skenario satu, dua, dan tiga. Jumlah permintaan bahan pangan sebesar 30% digunakan pada skenario tujuh, delapan, dan Sembilan, sedangkan kapasitas DC sama seperti skenario-skenario sebelumnya sebagai mana ditunjukkan pada Tabel 3.1. Tujuan dari penentuan sembilan skenario adalah untuk menentukan sensitivitas dalam pemilihan DC karena peningkapan kapasitas dan biaya tetapnya pada jumlah permintaan yang berbeda-beda, sehingga mendapatkan hasil yang lebih baik dalam proses penentuan jumlah dan lokasi DC.

Tabel 3.1 Skenario-Skenario Penelitian Desain Jaringan Distribusi

Skenario

Permintaan

Kapasitas DC (Ton)

1 2 3

10%

100.000 200.000 300.000

4 5 6

20%

100.000 200.000 300.000

7 8 9

30%

100.000 200.000 300.000

34

BAB 4 PENGUMPULAN DATA

Pada bagian ini menyajikan data yang dibutuhkan untuk pengolahan data. Data yang dikumpulkan adalah data lokasi pemasok, distribution center (DC), dan konsumen, data jarak antara semua lokasi (pemasok ke lokasi DC dan antara DC ke konsumen), data kapasitas pemasok dan DC, data produksi bahan pangan di Jawa Timur, data permintaan bahan pangan oleh konsumen di Jawa Timur, data biaya transportasi, data biaya penyimpanan, dan data biaya tetap pembukaan DC. Beberapa data diperoleh dari Dinas-Dinas Provinsi Jawa Timur dan perusahaan terkait dengan bahan pangan, sedangkan data-data yang tidak disediakan oleh Dinas dan perusahaan diperoleh berdasarkan asumsi-asumsi untuk mendukung kegiatan penelitian ini.

4.1

DATA LOKASI Lokasi pemasok merupakan suatu wilayah (kabupaten) di Jawa Timur

yang memiliki potensi produksi bahan pangan untuk memenuhi permintaan konsumen. Dan lokasi konsumen merupakan suatu wilayah (kabupaten) di Jawa Timur yang membutuhkan pasokan bahan pangan. Lokasi pemasok dan konsumen bahan pangan berdasarkan klaster wilayah di Jawa Timur ditunjukkan pada Gambar 4.1. Sedangkan lokasi distribution center (DC) merupakan lokasi pada suatu wilayah di Jawa Timur yang memiliki potensi untuk dibangun sebagai pusat distribusi atau yang dapat mengumpulkan bahan pangan dari berbagai daerah kemudian didistribusikan untuk memenuhi permintaan konsumen. Lokasi pemasok dan konsumen pada masing-masing wilayah di Jawa Timur dibagi menjadi tujuh klaster, yaitu Klaster Agropolitan Madura, Klaster Agropolitan Ijen, Klaster Agropolitan Bromo-Tengger-Semeru, Klaster Agropolitan Wilis, Klaster Metropolitan, Klaster Segitiga Emas, dan Klaster Regional Kelud. Pembagian wilayah (kabupaten) di Jawa Timur berdasarkan pada masing-masing klaster dapat dilihat pada Lampiran 1.

35

Gambar 4.1 Klaster Wilayah Di Jawa Timur

4.2

DATA JARAK Data jarak merupakan jarak antara semua lokasi pemasok ke lokasi

distribution center (DC), dan antara distribution center (DC) ke konsumen pada suatu wiliyah di Jawa Timur sebagaimana ditunjukkan pada Tabel 4.1. Data jarak yang digunakan mengacu pada data jarak antar kota di Jawa Timur dari Dinas Pekerjaan Umum Bina Marga Provinsi Jawa Timur. Data jarak antar kota di Jawa Timur dapat dilihat pada Lampiran 2. Pengukuran jarak ini menggunakan ukuran satuan Km. Tabel 4.1 Jarak Antar Lokasi Wilayah di Jawa Timur AM

AI

AB

AW

MT

SE

RK

0

320

212

321

123

168

246

Agropolitan Ijen

320

0

192

347

197

242

299

Agropolitan BTS

212

192

0

195

89

134

100

Agropolitan Wilis

321

347

195

0

198

206

115

Metropolitan

123

197

89

198

0

45

123

Segitiga Emas

168

242

134

206

45

0

131

Regional Kelud

246

299

100

115

123

131

0

Agropolitan Madura

Sumber: Dinas Pekerjaan Umum Bina Marga Provinsi Jawa Timur 2015 (Diolah)

36

4.3

DATA KAPASITAS Data kapasitas merupakan ukuran kapasitas yang mampu dihasilkan dan

didistribusikan untuk memenuhi permintaan konsumen. Data kapasitas terdiri dari dua bagian, yaitu Kapasitas pemasok dan kapasitas distribution center (DC). A. Kapasitas Pemasok Kapasitas pemasok merupakan ukuran kapasitas untuk semua komoditas bahan pangan yang mampu dihasilkan atau diproduksi oleh pemasok pada masing-masing klaster wilayah di Jawa Timur untuk memenuhi permintaan konsumen sebagaimana ditunjukkan pada Tabel 4.2. Kapasitas pemasok ini hanya menggunakan tiga daerah klaster yang memiliki produksi bahan pangan yang paling besar pada masing-masing komoditas bahan pangan. Pengukuran kapasitas pemasok pada semua komoditas bahan pangan menggunakan satuan ukuran Ton.

Tabel 4.2 Kapasitas Pemasok Pada Semua Komoditas Bahan Pangan PEMASOK Agropolitan Madura Agropolitan Ijen Agropolitan BTS Agropolitan Wilis Metropolitan Segitiga Emas Regional Kelud

KAPASITAS PER-KOMODITAS (TON) Jagung Kedelai Kacang Kacang Tanah Hijau

Total

0

0

0

110.147

52.907

163.053

2.002.662

1.127.268

140.684

0

0

3.270.614

0

1.137.723

0

0

0

1.137.723

1.712.110

0

132.979

39.937

0

1.885.027

0

0

135.248

0

13.404

148.652

2.171.420

0

0

110.458

23.587

2.305.464

0

1.983.607

0

0

0

1.983.607

Beras

Sumber : Dinas Pertanian Provinsi Jawa Timur 2015 (Diolah) B. Kapasitas Distribution Center (DC). Kapasitas DC merupakan ukuran kapasitas yang digunakan untuk menyimpan dan mendistribusikan bahan pangan untuk memenuhi permintaan konsumen pada masing-masing klaster wilayah di Jawa Timur. Kapasitas DC dibagi menjadi tiga ukuran, yaitu 100.000 Ton, 200.000 Ton, dan 300.000 Ton

37

sebagaimana ditunjukkan pada Tabel 4.3. Pengukuran kapasitas DC menggunakan satuan ukuran Ton. Tabel 4.3 Kapasitas Distribution Center (DC)

4.4

NO

KAPASITAS DC (TON)

1

100.000

2

200.000

3

300.000

DATA PRODUKSI Data produksi merupakan data produksi komoditas bahan pangan pada

masing-masing klaster wilayah di Jawa Timur yang terdiri dari beras, jagung, kedelai, kacang tanah, dan kacang hijau. Produksi bahan pangan dibagi menjadi tiga periode, yaitu periode 1 (Januari-April), periode 2 (Mei-Agustus), dan periode 3 (September-Desember) berdasarkan data dari Dinas Pertanian Provinsi Jawa Timur sebagaimana ditunjukkan pada Tabel 4.4. Sedangkan data produksi bahan pangan pada seluruh wilayah (Kabupaten) di Jawa Timur dapat dilihat pada Lampiran 3. Data produksi hanya menggunakan tiga daerah klaster yang memiliki produksi bahan pangan yang paling besar pada masing-masing komoditas bahan pangan.

4.5

DATA PERMINTAAN Data permintaan merupakan data permintaan bahan pangan yang berasal

dari konsumen pada seluruh klaster wilayah di Jawa Timur. Data permintaan ini menjadi acuan dalam pendistribusian produk mulai dari pemasok sampai pada konsumen. Data permintaan bahan pangan diolah berdasarkan pada data jumlah konsumsi pangan penduduk/tahun yang berasal dari Badan Ketahanan Pangan Jawa Timur dalam satuan Kg/Kapita/Tahun. Pengolahan data permintaan ini berdasarkan jumlah konsumsi (Kg/Kapita/Tahun) dikalikan dengan jumlah penduduk pada masing-masing wilayah klaster kemudian dioleh menjadi satuan

38

ukuran Ton sebagaimana ditunjukkan pada Tabel 4.5. Data jumlah konsumsi pangan per-kapita dalam satu tahun pada masing-masing komoditas berdasarkan data Badan Ketahanan Pangan Jawa Timur (2015), antara lain: beras (89,38 Kg), jagung (4,24 Kg), kedelai (11,20 Kg), kacang tanah (0,38 Kg), dan kacang hijau (0,19 Kg). Data jumlah penduduk di Jawa Timur dapat dilihat pada Lampiran 4.

Tabel 4.4 Produksi Bahan Pangan Pemasok (Berdasarkan Klaster Wilayah) No

Cluster Wilayah

Periode

Produksi Komoditas Bahan Pangan (Ton) Kacang Kacang Beras Jagung Kedelai Tanah Hijau 0 0 0 23.107 8.084 0 0 0 36.716 17.636 0 0 0 7.984 3.041 0 0 0 67.806 28.760

1

Agropolitan Madura

Periode 1 Periode 2 Periode 3 Total

2

Agropolitan Ijen


667.554 466.497 270.278 1.404.329

353.847 245.035 375.756 974.638

8.100 22.596 46.895 77.591

0 0 0 0

0 0 0 0

3

Agropolitan BTS


0 0 0 0

379.241 326.739 275.659 981.639

0 0 0 0

0 0 0 0

0 0 0 0

4

Agropolitan Wilis


570.703 428.810 268.883 1.268.396

0 0 0 0

8.327 12.672 44.326 65.326

8.429 13.312 9.534 31.276

0 0 0 0

5

Metropolitan


0 0 0 0

0 0 0 0

40.566 42.199 45.083 127.848

0 0 0 0

393 661 4.468 5.522

6

Segitiga Emas


723.807 442.550 186.884 1.353.240

0 0 0 0

0 0 0 0

11.029 36.819 12.126 59.974

6.494 6.697 7.862 21.053

7

Regional Kelud


0 0 0 0

374.576 252.896 661.202 1.288.674

0 0 0 0

0 0 0 0

0 0 0 0

Sumber : Dinas Pertanian Provinsi Jawa Timur 2015 (Diolah)

39

Tabel 4.5 Jumlah Konsumsi Pangan Di Jawa Timur No

Cluster Wilayah

Jumlah Penduduk

1

Klaster Madura

3.775.158

2

Klaster Ijen

3

Jumlah Konsumsi Bahan Pangan (Ton) Jagung

Kedelai

Kacang Tanah

Kacang Hijau

337.424

16.007

42.282

1.435

717

5.405.692

483.161

22.920

60.544

2.054

1.027

Klaster BTS

7.720.349

690.045

32.734

86.468

2.934

1.467

4

Klaster Wilis

3.718.094

332.323

15.765

41.643

1.413

706

5

Klaster Metropolitan Klaster Segitiga Emas Klaster Regional Kelud

7.354.666

657.360

31.184

82.372

2.795

1.397

3.566.567

318.780

15.122

39.946

1.355

678

7.069.676

631.888

29.975

79.180

2.686

1.343

38.610.202

3.450.980

163.707

432.434

14.672

7.336

6 7

Jawa Timur

Beras

Data permintaan bahan pangan oleh konsumen berdasarkan dengan jumlah konsumsi bahan pangan penduduk di pada masing-masing klaster wilayah di Jawa Timur. Data permintaan bahan pangan ini dibagi menjadi tiga periode, dimana pada masing periode memiliki jumlah konsumsi bahan pangan yang sama. Jumlah ini berasal dari jumlah konsumsi pangan pada masing-masing klaster wilayah dalam satu tahun dibagi tiga berdasarkan dengan jumlah periode yang digunakan dalam penelitian ini yaitu tiga periode sebagaimana ditunjukkan pada Tabel 4.6. Data permintaan bahan pangan pada seluruh wilayah (Kabupaten) di Jawa Timur dapat dilihat pada Lampiran 5.

Tabel 4.6 Jumlah Permintaan Bahan Pangan Di Jawa Timur Permintaan Komoditas Bahan Pangan (Ton) No

Konsumen

Periode Beras

1

Klaster Madura

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

Periode 1

112.475

5.336

14.094

478

239

Periode 2

112.475

5.336

14.094

478

239

Periode 3

112.475

5.336

14.094

478

239

Total

337.424

16.007

42.282

1.435

717

40

Tabel 4.6 Jumlah Permintaan Bahan Pangan Di Jawa Timur (Lanjutan) Permintaan Komoditas Bahan Pangan (Ton) No

Konsumen

Periode Beras

2

3

4

5

6

7

4.6

Klaster Ijen

Klaster BTS

Klaster Wilis

Klaster Metropolitan

Klaster Segitiga Emas

Klaster Regional Kelud

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

Periode 1

161.054

7.640

20.181

685

342

Periode 2

161.054

7.640

20.181

685

342

Periode 3

161.054

7.640

20.181

685

342

Total

483.161

22.920

60.544

2.054

1.027

Periode 1

230.015

10.911

28.823

978

489

Periode 2

230.015

10.911

28.823

978

489

Periode 3

230.015

10.911

28.823

978

489

Total

690.045

32.734

86.468

2.934

1.467

Periode 1

110.774

5.255

13.881

471

235

Periode 2

110.774

5.255

13.881

471

235

Periode 3

110.774

5.255

13.881

471

235

Total

332.323

15.765

41.643

1.413

706

Periode 1

219.120

10.395

27.457

932

466

Periode 2

219.120

10.395

27.457

932

466

Periode 3

219.120

10.395

27.457

932

466

Total

657.360

31.184

82.372

2.795

1.397

Periode 1

106.260

5.041

13.315

452

226

Periode 2

106.260

5.041

13.315

452

226

Periode 3

106.260

5.041

13.315

452

226

Total

318.780

15.122

39.946

1.355

678

Periode 1

210.629

9.992

26.393

895

448

Periode 2

210.629

9.992

26.393

895

448

Periode 3

210.629

9.992

26.393

895

448

Total

631.888

29.975

79.180

2.686

1.343

DATA BIAYA TRANSPORTASI Data biaya transportasi merupakan keseluruhan biaya transportasi yang

dikeluarkan dalam proses pendistribusian produk. Biaya transportasi ini terdiri dari dua bagian, yaitu biaya transportasi yang dikeluarkan untuk pengiriman produk dari pemasok menuju ke distribution center (DC) dan biaya transportasi yang dikeluarkan untuk pengiriman produk dari DC menuju ke konsumen. Biaya transportasi menggunakan satuan (Rp/Ton/Km). Biaya transportasi untuk semua

41

komoditas bahan pangan dianggap sama karena semua komoditas bahan pangan memiliki jenis dan karakteristik yang sama yaitu berupa biji-bijian. Sehingga penangan bahan pangan ini sama dalam proses pendistribusiannya. Untuk biaya tranportasi dari pemasok ke DC (inbond) dan dari DC ke konsumen (outbond) dianggap sama karena jenis tranportasi yang digunakan sama atau satu jenis. Diasumsikan biaya tranportasi pengiriman bahan pangan sebesar (Rp. 1.000,/Ton/Km). Sedangkan biaya pengiriman pada daerah klaster yang sama contohnya dari pemasok 1 ke DC 1 atau dari DC1 ke konsumen 1 dibuat jauh lebih mahal agar semua DC tidak dibuka pada semua lokasi permintaan, karena lokasi permintaan sama dengan lokasi pemasok, yaitu pada tujuh klaster wilayah di Jawa Timur. Biaya transportasi pengiriman bahan pangan berdasarkan jarak antar klaster wilayah di Jawa Timur ditunjukkan pada Tabel 4.7.

Tabel 4.7 Biaya Transportasi AM

AI

AB

AW

MT

SE

RK

1000000

320000

212000

321000

123000

168000

246000

Agropolitan Ijen

320000

1000000

192000

347000

197000

242000

299000

Agropolitan BTS

212000

192000

1000000

195000

89000

134000

100000

Agropolitan Wilis

321000

347000

195000

1000000

198000

206000

115000

Metropolitan

123000

197000

89000

198000

1000000

45000

123000

Segitiga Emas

168000

242000

134000

206000

45000

1000000

131000

Regional Kelud

246000

299000

100000

115000

123000

131000

1000000

Agropolitan Madura

4.7

DATA BIAYA PENYIMPANAN Biaya penyimpanan merupakan biaya yang dikeluarkan pada saat

melakukan penyimpanan persediaan bahan pangan untuk memenuhi permintaan konsumen, baik yang disimpan pada lokasi pemasok maupun yang disimpan di DC. Penghitungan biaya penyimpanan dihitung dalam periode 1 tahun (Rp/Ton/Tahun). Biaya penyimpanan untuk semua komoditas bahan pangan dianggap sama karena semua komoditas bahan pangan memiliki jenis yang sama yaitu berupa biji-bijian. Sehingga proses penangan penyimpanan semua komoditas bahan pangan sama. Biaya penyimpanan berasal dari 25% harga 42

produk untuk periode satu tahun atau 8% dari harga produk pada setiap periode yang digunakan dalam penelitian ini, yaitu dalam satu tahun dibagi menjadi tiga periode. Diasumsikan harga produk sebesar Rp. 10.000.000,-/Ton, jadi biaya penyimpanan bahan pangan dalam satu periode pada DC sebesar Rp. 800.000,/Ton, sedangkan pada pemasok sebesar Rp. 700.000,-/Ton.

4.8

DATA BIAYA TETAP DC Biaya tetap merupakan biaya yang dikeluarkan pada saat dilakukan

pembukaan potensial DC. Besarnya biaya tersebut dipengaruhi oleh banyaknya jumlah DC yang dibuka. Biaya tetap pembukaan DC ini dihitung dalam periode satu tahun (Rp/Tahun). Pada penelitian ini menggunakan tiga kapasitas DC, yaitu 100.000 Ton, 200.000 Ton, dan 300.000 Ton. Diasumsikan bahwa biaya tetap pembukaan DC dengan kapasitas 100.000 Ton sebesar Rp. 1.000.000.000,- dan biaya tetap pembukaan DC meningkat secara linear sesuai dengan peningkatan kapasitasnya. Sehingga biaya tetap masing-masing DC berbeda tergantung dari besarnya kapasitas yang digunakan sebagaimana ditunjukkan pada Tabel 4.8.

Tabel 4.8 Biaya Tetap Pembukaan DC NO

KAPASITAS DC (TON)

BIAYA

1

100.000

1.000.000.000

2

200.000

2.000.000.000

3

300.000

3.000.000.000

43

[Halaman sengaja dikosongkan]

44

BAB 5 ANALISIS MODEL

Bab ini membahas tentang analisis hasil optimasi model MILP pada sembilan skenario sebagaimana telah dijelaskan pada bab sebelumnya. Pada proses optimasi ini akan mencari DC mana yang akan dipilih dan yang tidak dipilih sehingga menghasilkan nilai yang paling optimal. Dari sembilan skenario tersebut digunakan untuk mencari solusi yang terbaik agar dapat meminimumkan biaya logistik yang dipakai pada penelitian ini.

5.1

VALIDASI MODEL Validasi model bertujuan untuk mengatahui bahwa model yang

digunakan mampu menghasilkan solusi yang logis dalam masalah penentuan lokasi dan kapasitas DC pada desain jaringan distribusi rantai pasok bahan pangan di Jawa Timur. Pendekatan yang digunakan dalam validasi ada dua, yaitu validasi internal (verifikasi) dan validasi eksternal (validasi). Validasi model ini menggunakan validasi internal atau verifikasi dengan melakukan pemeriksaan konsistensi model terhadap kondisi-kondisi yang diinginkan. Verifikasi dilakukan dengan memeriksa hasil optimasi sebagai mana ditunjukkan pada Tabel 5.1. Pertama, menentukan jumlah produk yang dikirim pemasok ke DC lebih kecil dari kapasitas atau produk yang diproduksi pemasok. Pada periode 1 komoditas beras yang dikirim pemasok sebesar 127.812 Ton sedangkan yang diproduksi sebesar 1.962.064 Ton, hasil ini menunjukkan bahwa jumlah produk yang dikirim lebih kecil dari kapasitas atau produk yang diproduksi pemasok. Kedua, menentukan jumlah produk yang dikirim pemasok ke DC lebih besar atau sama dari jumlah produk yang dikirim DC ke konsumen. Pada periode 1 komoditas beras yang dikirim pemasok ke DC sebesar 127.812 Ton, sedangkan yang dikirim DC ke konsumen sebesar 115.031 Ton, hasil ini menunjukkan bahwa jumlah produk yang dikirim pemasok ke DC lebih besar dari jumlah yang dikirim dari DC ke konsumen. Ketiga, menetukan jumlah produk

45

yang dikirim ke konsumen lebih kecil atau sama dengan kapasitas DC. Pada skenario 1 menggunakan kapasitas DC sebesar 100.000 Ton dan jumlah DC yang dibuka sebanyak dua DC, jadi total kapasitas DC pada skenario 1 dengan membuka dua DC sebesar 200.000 Ton. Sedangkan jumlah produk untuk semua komoditas yang dikirimkan ke konsumen pada masing-masing periode sebesar 135.636 Ton, antara lain: beras (127.812 Ton), jagung (6.062 Ton), kedelai (16.016 Ton), kacang tanah (543 Ton), dan kacang hijau (273 Ton). Hasil ini menunjukkan bahwa jumlah produk yang dikirim lebih kecil dari kapasitas DC tersebut. Keempat, jumlah produk yang dikirim DC sama dengan jumlah permintaan konsumen. Pada periode 1 komoditas beras yang dikirim DC sebesar 115.031 Ton, sedangkan jumlah permintaan konsumen juga sama, yaitu sebesar 115.031 Ton. Kelima, menentukan jumlah inventori pada pemasok yang terdiri dari inventori awal ditambah dengan jumlah produk yang diproduksi dan dikurangi jumlah produk yang dikirim ke DC. Pada periode 1 komoditas beras total inventorinya sebesar 2.030.458 Ton, hasil ini diperoleh dari inventori awal sebesar 196.206 Ton ditambah dengan jumlah produk yang diproduksi sebesar 1.962.064 Ton dan dikurangi jumlah produk yang dikirim ke DC sebesar 127.812 Ton. Keenam, menentukan jumlah inventori pada DC yang terdiri dari inventori awal DC ditambah dengan jumlah produk yang dikirim pemasok dan dikurangi jumlah produk yang dikirim ke konsumen. Pada periode 1 komoditas beras total inventorinya sebesar 16.035 Ton, hasil ini diperoleh dari inventori awal sebesar 3.254 Ton ditambah dengan jumlah produk yang dikirim pemasok sebesar 127.812 Ton dan dikurangi jumlah produk yang dikirim ke konsumen sebesar 115.031 Ton. Oleh karena itu, dari verifikasi perhitungan pada hasil optimasi di atas menunjukkan bahwa hasilnya sama, sehingga model ini bisa dikatakan valid. Sedangkan untuk validasi eksternal tidak dilakukan karena model yang dikembangkan ini belum diaplikasikan pada sistem nyata, sehingga belum bisa menentukan seberapa akurat model merepresentasikan konseptual dari sistem nyata. Akan tetapi dari uji validasi internal menunjukkan bahwa model ini sudah valid dan bisa digunakan dalam masalah lokasi fasilitas.

46

5.2 5.2.1

HASIL OPTIMASI Skenario 1 Skenario 1 mengunakan data permintaan bahan pangan sebesar 10%

dengan kapasitas distribution center (DC) sebesar 100.000 Ton. Pada skenario ini DC dibuka pada seluruh wilayah permintaan yaitu terdapat tujuh DC, akan tetapi setelah dilakukan optimasi dengan model MILP menggunakan software Lingo 11 terdapat dua DC yang dibuka yaitu DC5 (Klaster Metropolitan), dan DC6 (Klaster Segitiga Emas). Sedangkan lima DC yang lain, yaitu DC1, DC2, DC3, DC4, dan DC7 tidak dibuka dikarenakan semua permintaan sudah bisa dipenuhi oleh tiga DC tersebut. Hal ini betujuan agar dapat meminimumkan biaya logistik, sehingga mencari lokasi DC yang strategis agar dapat memenuhi permintaan dengan biaya transportasi yang rendah dan mengurangi jumlah DC agar menghasilkan biaya tetap pembukaan DC yang minimum. Pasokan bahan pangan berasal dari tujuh klaster wilayah pemasok di Jawa Timur akan tetapi pada skenario ini hanya disuplai oleh tujuh pemasok, dimana pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6) dan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur. Pada DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7), dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.1. Pada penelitian ini menggunakan data produksi bahan pangan yang terdiri dari lima komoditas yaitu beras, jagung, kedelai, kacang tanah, dan kacang hijau. Dimana produksi bahan pangan tidak menentu yang menyebabkan ketidakpastian pada pasokan bahan pangan, dimana masing-masing komoditas bahan tidak sama ada yang jumlah produksinya meningkat dari periode 1 ke periode selanjutnya seperti pada komoditas kedelai, namun ada juga yang jumlah produksinya menurun seperti pada komoditas beras dan ada juga yang jumlahnya naik turun seperti pada komoditas jagung, kacang tanah, dan kacang hijau. Sehingga diperlukan inventori bahan pangan pada daerah pemasok dan DC agar dapat memenuhi permintaan konsumen dengan baik secara kontinyu. Pada penelitian ini menggunakan data produksi bahan pangan di Jawa Timur yang relatif jumlah produksi melebihi permintaan konsumen sehingga nilai inventori 47

Gambar 5.1 Jaringan Distribusi pada Skenario 1

bahan pangan cukup besar, dimana terjadi peningkatan nilai inventori dari periode 1 sampai periode 3 sebagai mana ditunjukkan pada Tabel 5.1. Peningkatan jumlah inventori dikarenakan terdapat 10% dari jumlah produksi dan jumlah inventori periode sebelumnya yang disimpan pada wilayah pemasok, sedangkan pada DC terdapat 10% dari jumlah yang dikirim pemasok dan ditambah inventori periode sebelumnya. Hal ini bertujuan agar tetap bisa memenuhi permintaan konsumen pada saat tidak ada pasokan bahan pangan pada periode yang akan datang.

5.2.2

Skenario 2 Skenario 2 mengunakan data permintaan bahan pangan sebesar 10%

dengan kapasitas DC sebesar 200.000 Ton. Pada skenario ini sama dengan skenario sebelumnya yaitu diasumsikan DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum, akan tetapi setelah dilakukan optimasi sama seperti skenario 1 yaitu hanya terdapat dua DC yang dibuka yaitu DC5, dan DC6. Sedangkan lima DC yang lain tidak dibuka dikarenakan semua permintaan sudah bisa dipenuhi oleh dua DC tersebut. Nilai objective value pada skenario ini lebih besar dari skenario sebelumnya, yaitu sebesar Rp. 11.734.940.000.000, hal ini disebabkan oleh biaya tetap pembukaan DC yang lebih besar dari skenario sebelumnya dan biaya tetapnya juga meningkat. 48

Tabel 5.1 Hasil Optimasi pada Skenario 1 PRODUK KETERANGAN

PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 2030458 3240502 3838735

110766 1212368 2030976 3337531

5699 46677 108128 228417

4257 46278 132582 161683

1497 16195 40915 56013

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Inventori

0 1 2 3

3254 16035 28816 41597

154 761 1367 1973

408 2009 3611 5212

14 68 122 177

7 34 62 89

Pemasukan

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Pengiriman

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Pemasukan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Permintaan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 11.732.940.000.000,00

49


Pada skenario ini sama seperti skenario sebelumnya hanya disuplai oleh tujuh pemasok, dimana pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6) dan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur. Pada DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7), dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.2. Pada skenario ini sama dengan skenario sebelumnya menggunakan data produksi bahan pangan yang terdiri dari lima komoditas yaitu beras, jagung, kedelai, kacang tanah, dan kacang hijau. Pada penelitian jumlah produksi melebihi permintaan konsumen sehingga nilai inventori bahan pangan

cukup

besar,

dimana terjadi peningkatan nilai inventori dari periode 1 sampai periode 3. Peningkatan jumlah inventori dikarenakan terdapat 10% dari jumlah produksi dan jumlah inventori periode sebelumnya yang disimpan pada wilayah pemasok, sedangkan pada DC terdapat 10% dari jumlah yang dikirim pemasok dan ditambah inventori periode sebelumnya. Dimana jumlah yang dikirim oleh DC kepada konsumen sama dengan jumlah permintaan konsumen tersebut seperti permintaan beras pada periode 1 sebesar 115.031 Ton maka yang dikirim oleh DC juga sama sebesar 115.031 Ton. Akan tetapi yang dikirim pemasok ke DC lebih besar 10% dari permintaan konsumen seperti beras yang dikirim oleh pemasok 50

sebesar 127.812 Ton sedangkan permintaannya hanya 115.031 Ton sehingga sisanya sebesar 12.781 Ton. Pada periode 0 inventori beras di DC sebesar 3.254 Ton kemudian sisa setiap periode sebesar 10% (12.781 Ton), maka inventori pada periode 1 sebesar 16.035 Ton sebagaimana ditunjukkan pada Tabel 5.2. Hal ini di karenakan total inventori pada periode 1 berasal dari inventori periode sebelumnya ditambah jumlah yang dikirim oleh pemasok dan dikurangi jumlah yang dikirim DC untuk memenuhi permintaan konsumen. Dimana jumlah yang masuk ke DC lebih besar 10% dari jumlah yang keluar, sehingga sisa 10% yang dikirim dan ditambahkan dengan inventori sebelum menjadi jumlah inventori pada periode tersebut.

5.2.3

Skenario 3 Skenario 3 menggunakan data permintaan bahan pangan sebesar 10%

dengan kapasitas DC sebesar 300.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan bahwa DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum, akan tetapi setelah dilakukan optimasi sama seperti skenario 1 dan 2 yaitu hanya terdapat dua DC yang dibuka yaitu DC5, dan DC6. Sedangkan lima DC yang lain, yaitu DC1, DC2, DC3, DC4, dan DC7 tidak dibuka dikarenakan semua permintaan sudah bisa dipenuhi oleh dua DC tersebut. Nilai objective value pada skenario ini lebih besar dari skenario sebelumnya, yaitu sebesar Rp. 11.736.940.000.000, hal ini disebabkan oleh biaya tetap pembukaan DC yang lebih besar karena pada skenario ini menggunakan kapasitas DC yang lebih besar dari skenario sebelumnya. Pada skenario ini bahan pangan disuplai oleh semua pemasok yang terdiri dari tujuh pemasok bahan pangan di Jawa Timur, dimana pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6) sedangkan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Untuk permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen dikirim oleh dua DC, yaitu DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7), dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.3.

51


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 2030458 3240502 3838735

110766 1212368 2030976 3337531

5699 46677 108128 228417

4257 46278 132582 161683

1497 16195 40915 56013

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Inventori

0 1 2 3

3254 16035 28816 41597

154 761 1367 1973

408 2009 3611 5212

14 68 122 177

7 34 62 89

Pemasukan

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Pengiriman

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Pemasukan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Permintaan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 11.734.940.000.000,00

52


Pada skenario ini jumlah inventori pada pemasok sama dengan skenario sebelumnya karena jumlah produksinya sama, begitu juga jumlah inventori pada DC sama karena jumlah DC yang dibuka sama seperti skenario sebelumnya. Jumlah inventori pada periode 3 komoditas beras sebesar 41.597 Ton sebagaimana ditunjukkan pada Tabel 5.3, jadi untuk skenario (1, 2, dan 3) jumlah inventorinya juga sama dikarenakan jumlah produksi dan permintaannya sama sehingga penyimpanan dan tranportasinya juga sama, akan tetapi total biaya logistik lebih besar dari skenario sebelumnya. Hal ini disebabkan oleh biaya tetap pembukaan DC pada skenario ini lebih besar dari skenario sebelumnya.

5.2.4


dengan kapasitas DC sama seperti pada skenario 1, yaitu sebesar 100.000 Ton. Pada skenario ini sama dengan skenario sebelumnya yaitu diasumsikan DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi dengan model MILP terdapat tiga DC yang dibuka yaitu DC5, DC6, dan DC7. Sedangkan empat DC yang lain, yaitu DC1, DC2, DC3 dan DC4 tidak dibuka dikarenakan semua permintaan sudah bisa dipenuhi oleh tiga DC tersebut. Hal ini dilakukan untuk meminimumkan biaya penyimpanan dan biaya tetap pembukaan 53


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 2030458 3240503 3838735

110766 1212368 2030976 3337531

5699 46677 108128 228417

4257 46278 132582 161683

1497 16195 40915 56013

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Inventori

0 1 2 3

3254 16035 28816 41597

154 761 1367 1973

408 2009 3611 5212

14 68 122 177

7 34 62 89

Pemasukan

0 1 2 3

0 127812 127812 127812

0 6062 6062 6062

0 16016 16016 16016

0 543 543 543

0 273 273 273

Pengiriman

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Pemasukan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

Permintaan

0 1 2 3

0 115031 115031 115031

0 5456 5456 5456

0 14414 14414 14414

0 489 489 489

0 246 246 246

DC

KONSUMEN

OBJECTIVE VALUE

Rp.

54

11.736.940.000.000,00

Gambar 5.4 Jaringan Distribusi pada Skenario 4 DC, sehingga total biaya logistik bisa lebih rendah. Nilai objective value pada skenario ini lebih kecil dari skenario sebelumnya, yaitu sebesar Rp. 11.294.060.000.000, hal ini disebabkan oleh permintaan bahan pangan lebih besar dari skenario sebelumnya sehingga jumlah inventori pada pemasok lebih kecil, hal ini menyebabkan biaya inventori semakin rendah. Pada skenario ini bahan pangan disuplai oleh enam pemasok, dimana pasokan bahan pangan pada DC5 dikirim oleh pemasok (3 dan 6), DC6 dikirim oleh pemasok (1, 4, 5, dan 7), dan DC7 dikirim oleh pemasok (3 dan 4). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur

dikirim oleh tiga DC yang dibuka, yaitu DC5 memenuhi

permintaan konsumen (1, 2, 3, 4, 6, dan 7), DC6 memenuhi permintaan konsumen (1, 2, 3, 5, dan 7), dan DC7 memenuhi permintaan konsumen (3, 4, 5, dan 6) sebagaimana ditujukkan pada Gambar 5.4. Pada skenario ini jumlah inventori pada pemasok lebih sedikit dari skenario sebelumnya karena jumlah produksinya sama tetapi jumlah permintaan semakin meningkat, sehingga jumlah inventorinya menurun. Jumlah inventori pada periode 1 komoditas beras sebesar 1.902.642 Ton sebagaimana ditunjukkan pada Tabel 5.4, sedangkan pada skenario (1, 2, dan 3) sebesar 2.030.458 Ton. Sedangkan inventori pada DC meningkat, yaitu jumlah inventori pada periode 1

55

komoditas beras sebesar 36.283 Ton, dibandingkan pada skenario (1, 2, dan 3) hanya sebesar 16.035 Ton. Hal ini disebabkan karena jumlah DC meningkat dari skenario sebelumnya sehingga jumlah inventori juga meningkat. Peningkatan inventori pada DC hanya sebesar 20.248 Ton sedangkan penurunan inventori pada pemasok lebih besar, yaitu 127.816 Ton. Jadi total inventori pada skenario ini menurun dari skenario sebelumnya. Oleh karena itu dengan adanya penurunan jumlah inventori pada pemasok yang disebabkan permintaan konsumen lebih banyak, sehingga adanya penurunan total biaya logistik.

5.2.5


dengan kapasitas DC sama seperti pada skenario 2, yaitu sebesar 200.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi dengan model MILP hanya terdapat dua DC yang dibuka yaitu DC5 dan DC6. Sedangkan lima DC yang lain, yaitu DC1, DC2, DC3, DC4, dan DC7 tidak dibuka dikarenakan kapasitas DC lebih besar dari skenario 4 sehingga semua permintaan sudah bisa dipenuhi oleh dua DC tersebut. Nilai objective value pada skenario ini lebih kecil dari skenario 4, yaitu sebesar Rp. 11.269.570.000.000. Hal ini disebabkan oleh jumlah DC yang dibuka lebih sedikit dari skenario 4 sehingga jumlah inventori pada DC juga lebih sedikit, dengan adanya penurunan jumlah inventori pada DC menyebabkan biaya penyimpanan berkurang sehingga total biaya logistik juga menurun. Pada skenario ini bahan pangan disuplai oleh tujuh pemasok, dimana pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6) dan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur dikirim oleh dua DC yang dibuka, yaitu DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7) dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.5.

56


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1902642 2984869 3455286

110766 1206305 2018849 3319341

5699 30660 76095 180367

4257 45735 131495 160053

1497 15925 40375 55203

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Inventori

0 1 2 3

10720 36283 61846 87409

509 1721 2934 4146

1343 4547 7750 10953

46 154 263 372

23 77 131 186

Pemasukan

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Pengiriman

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Pemasukan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Permintaan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 11.294.060.000.000,00

57


Pada skenario ini jumlah inventori pada pemasok sama dengan skenario 4 karena jumlah produksi dan permintaannya sama, akan tetapi jumlah inventori pada DC lebih sedikit karena jumlah DC yang dibuka hanya dua. Jumlah inventori DC pada periode 3 komoditas beras sebesar 83.196 Ton sebagaimana ditunjukkan pada Tabel 5.5, sedangkan pada skenario 4 dengan tiga DC yang dibuka sebesar 87.409 Ton. Hal ini menyebabkan biaya inventori lebih murah dibandingkan skenario sebelumnya, sehingga menyebabkan total biaya logistik menurun.

5.2.6


dengan kapasitas DC sama seperti pada skenario 3, yaitu sebesar 300.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi dengan model MILP hasilnya sama dengan skenario 5 yaitu hanya dua DC yang dibuka (DC5 dan DC6). Nilai objective value pada skenario ini lebih besar dari skenario 5, yaitu sebesar Rp. 11.271.570.000.000. Hal ini disebabkan oleh kapasitas DC yang lebih besar dari skenario 5 sehingga biaya tetap pembukaan DC juga lebih mahal, meskipun jumlah DC yang dibuka sama tetapi biaya tetap pembukaan DC yang 58

lebih mahal karena kapasitasnya lebih besar. Sehingga total biaya logistiknya juga semakin meningkat dari skenario sebelumnya.


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1902642 2984869 3455285

110766 1206305 2018849 3319341

5699 30660 76095 180367

4257 45735 131495 160053

1497 15925 40375 55203

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Inventori

0 1 2 3

6508 32070 57633 83196

309 1521 2734 3946

815 4019 7222 10425

28 136 245 354

14 68 122 177

Pemasukan

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Pengiriman

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Pemasukan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Permintaan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 11.269.570.000.000,00

59


Pada skenario ini bahan pangan disuplai oleh tujuh pemasok sama seperti skenario 5. Pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6) dan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur dikirim oleh dua DC yang dibuka, yaitu DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7) dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.6. Pada skenario ini jumlah inventori pada pemasok sama dengan skenario 4 dan 5 karena jumlah produksi dan permintaannya sama, dan jumlah inventori pada DC sama seperti skenario 5, yaitu jumlah inventori pada periode 3 komoditas beras sebesar 83.196 Ton sebagaimana ditunjukkan pada Tabel 5.6 Biaya inventori dan biaya transportasi sama dengan skenario 5, akan tetapi pada skenario ini memiliki kapasitas DC yang lebih besar sehingga biaya tetap pembukaan DC juga semakin besar. Jadi hal ini menyebabkan total biaya logistik pada skenario ini lebih besar dari skenario 5.

60

5.2.7

Skenario 7 Skenario 7 mengunakan data permintaan bahan pangan lebih besar dari

skenario sebelumnya yaitu sebesar 30%, dengan kapasitas DC sama seperti pada skenario 1 dan 4, yaitu sebesar 100.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan bahwa DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi dengan model MILP terdapat empat DC yang dibuka yaitu DC3, DC5, DC6, dan DC7. Sedangkan tiga DC yang lain, yaitu DC1, DC2, dan DC4 tidak dibuka. Hal ini dilakukan untuk meminimumkan biaya penyimpanan dan biaya tetap pembukaan DC, sehingga total biaya logistik bisa lebih rendah. Nilai objective value pada skenario ini lebih kecil dari skenario sebelumnya, yaitu sebesar Rp. 10.865.800.000.000, hal ini disebabkan oleh permintaan bahan pangan lebih besar dari skenario sebelumnya sehingga jumlah inventori pada pemasok lebih kecil, hal ini menyebabkan biaya inventori semakin rendah. Sehingga total biaya logistik pada skenario ini lebih rendah. Pada skenario ini bahan pangan disuplai oleh semua pemasok yang terdiri dari tujuh pemasok bahan pangan pada masing-masing wilayah klaster di Jawa Timur. Pasokan bahan pangan pada DC3 dikirim oleh pemasok (2, 5, 6, dan 7), DC5 dikirim oleh pemasok (2, 3 dan 6), DC6 dikirim oleh pemasok (1, 4, 5, dan 7), dan DC7 dikirim oleh pemasok (3 dan 4). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur yang disuplai oleh empat DC yang dibuka, yaitu DC3 memenuhi permintaan konsumen (2, 5, 6, dan 7), DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7), DC6 memenuhi permintaan konsumen (1, 3, 5, dan 7), dan DC7 memenuhi permintaan konsumen (3, 4, dan 6) sebagaimana ditujukkan pada Gambar 5.7. Pada skenario ini jumlah inventori pada pemasok lebih sedikit dari skenario sebelumnya karena jumlah produksinya sama tetapi jumlah permintaan semakin meningkat, sehingga jumlah inventorinya menurun. Jumlah inventori pada periode 1 komoditas beras sebesar 1.774.829 Ton sebagaimana ditunjukkan pada Tabel 5.7, sedangkan pada skenario (4, 5, dan 6) sebesar 1.902.642 Ton. Sedangkan inventori pada DC meningkat, yaitu jumlah inventori pada periode 1 komoditas beras sebesar 61.325 Ton, dibandingkan pada skenario 6 hanya sebesar 61


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1902642 2984869 3455285

110766 1206305 2018849 3319341

5699 30660 76095 180367

4257 45735 131495 160053

1497 15925 40375 55203

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Inventori

0 1 2 3

6508 32070 57633 83196

309 1521 2734 3946

815 4019 7222 10425

28 136 245 354

14 68 122 177

Pemasukan

0 1 2 3

0 255629 255629 255629

0 12126 12126 12126

0 32032 32032 32032

0 1087 1087 1087

0 543 543 543

Pengiriman

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Pemasukan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

Permintaan

0 1 2 3

0 230066 230066 230066

0 10913 10913 10913

0 28829 28829 28829

0 978 978 978

0 489 489 489

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 11.271.570.000.000,00

62


32.070 Ton. Hal ini disebabkan karena jumlah DC meningkat dari skenario sebelumnya sehingga jumlah inventori juga meningkat. Peningkatan inventori pada DC hanya sebesar 29.255 Ton sedangkan penurunan inventori pada pemasok lebih besar, yaitu 127.813 Ton. Jadi total inventori pada skenario ini menurun dari skenario sebelumnya. Oleh karena itu dengan adanya penurunan jumlah inventori pada pemasok yang disebabkan permintaan konsumen lebih banyak, sehingga pada skenario ini terjadi penurunan total biaya logistik.

5.2.8


sama seperti skenario 7, dengan kapasitas DC sama seperti pada skenario 2 dan 5, yaitu sebesar 200.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan bahwa DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi terdapat tiga DC yang dibuka, yaitu DC5, DC6, dan DC7. Sedangkan empat DC yang lain, yaitu DC1, DC2, DC3 dan DC4 tidak dibuka dikarenakan semua permintaan sudah bisa dipenuhi oleh tiga DC tersebut. Hal ini dilakukan untuk meminimumkan biaya penyimpanan dan biaya tetap

63


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1774829 2729245 3071849

110766 1200242 2006723 3301151

5699 14645 44064 132320

4257 45193 130411 158426

1497 15651 39829 54383

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

Inventori

0 1 2 3

22981 61325 99669 138013

1090 2909 4728 6547

2880 7684 12489 17294

98 261 423 586

49 131 212 294

Pemasukan

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

Pengiriman

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Pemasukan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Permintaan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

DC

KONSUMEN

OBJECTIVE VALUE

Rp. 10.865.800.000.000,00

64

Gambar 5.8 Jaringan Distribusi pada Skenario 8 DC, sehingga total biaya logistik bisa lebih rendah. Nilai objective value pada skenario ini lebih kecil dari skenario sebelumnya, yaitu sebesar Rp. 10.825.360.000.000. Hal ini disebabkan oleh jumlah DC yang dibuka lebih sedikit dari skenario 7 sehingga jumlah inventori pada DC juga lebih sedikit, dengan adanya penurunan jumlah inventori pada DC menyebabkan biaya penyimpanan berkurang sehingga total biaya logistik juga menurun. Pada skenario ini bahan pangan disuplai oleh semua pemasok yang terdiri dari tujuh pemasok. Pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3 dan 6), DC6 dikirim oleh pemasok (1, 5, dan 7), dan DC7 dikirim oleh pemasok (3 dan 4). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur yang disuplai oleh empat DC yang dibuka, yaitu DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7), DC6 memenuhi permintaan konsumen (1, 2, 3, 5, dan 7), dan DC7 memenuhi permintaan konsumen (3, 4, 5, dan 6) sebagaimana ditujukkan pada Gambar 5.8. Pada skenario ini jumlah inventori pada pemasok sama dengan skenario 7 karena jumlah produksi dan permintaannya sama, akan tetapi jumlah inventori pada DC lebih sedikit karena jumlah DC yang dibuka hanya tiga. Jumlah inventori DC pada periode 1 komoditas beras sebesar 54.424 Ton sebagaimana ditunjukkan pada Tabel 5.8, sedangkan pada skenario 7 dengan empat DC yang dibuka sebesar 61.325 Ton. Hal ini menyebabkan biaya inventori lebih murah 65

dibandingkan skenario sebelumnya, sehingga menyebabkan total biaya logistik menurun.


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1774829 2729245 3071849

110766 1200242 2006723 3301151

5699 14645 44064 132320

4257 45193 130411 158426

1497 15651 39829 54383

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

DC Inventori

0 1 2 3

16080 54424 92769 131113

763 2582 4401 6219

2015 6820 11625 16429

68 231 394 557

34 116 198 279

Pemasukan

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

Pengiriman

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Pemasukan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Permintaan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

KONSUMEN

OBJECTIVE VALUE

Rp. 10.825.360.000.000,00

66

5.2.9


dengan kapasitas DC sama seperti pada skenario 3 dan 6, yaitu sebesar 300.000 Ton. Pada skenario ini sama dengan skenario yang lain yaitu diasumsikan DC dibuka pada seluruh wilayah permintaan agar dapat memenuhi pemintaan konsumen dengan biaya logistik yang minimum. Setelah dilakukan optimasi hasilnya hanya dua DC yang dibuka (DC5 dan DC6). Sedangkan lima DC yang lain, yaitu DC1, DC2, DC3, DC4, dan DC7 tidak dibuka dikarenakan kapasitas DC lebih besar dari skenario sebelumnya, sehingga semua permintaan sudah bisa dipenuhi oleh tiga DC tersebut. Nilai objective value pada skenario ini lebih kecil dari skenario sebelumnya, yaitu sebesar Rp. 10.817.810.000.000. Hal ini disebabkan oleh jumlah DC yang dibuka lebih sedikit dari skenario 7 dan 8 sehingga jumlah inventori pada DC juga lebih sedikit, dengan adanya penurunan jumlah inventori pada DC menyebabkan biaya penyimpanan berkurang sehingga total biaya logistik juga menurun. Pada skenario ini bahan pangan disuplai oleh semua pemasok sama seperti skenario 7 dan 8. Pasokan bahan pangan pada DC5 dikirim oleh pemasok (2, 3, 4, dan 6) dan DC6 dikirim oleh pemasok (1, 4, 5, dan 7). Sedangkan permintaan bahan pangan berasal dari tujuh wilayah klaster konsumen di Jawa Timur dikirim oleh tiga DC yang dibuka, yaitu DC5 memenuhi permintaan konsumen (1, 2, 3, 4, 6, dan 7) dan DC6 memenuhi permintaan konsumen (1, 2, 3, 4, 5, dan 7) sebagaimana ditujukkan pada Gambar 5.9. Pada skenario ini jumlah inventori pada pemasok sama dengan skenario 7 dan 8 karena jumlah produksi dan permintaannya sama, akan tetapi jumlah inventori pada DC lebih sedikit karena jumlah DC yang dibuka hanya dua. Jumlah inventori DC pada periode 1 komoditas beras sebesar 48.106 Ton sebagaimana ditunjukkan pada Tabel 5.8, sedangkan pada skenario 7 dengan empat DC yang dibuka sebesar 61.325 Ton dan skenario 8 dengan tiga DC yang dibuka sebesar 54.424 Ton. Hal ini menyebabkan biaya inventori lebih murah dibandingkan skenario sebelumnya, sehingga menyebabkan total biaya logistik menurun.

67


5.3 5.3.1

ANALISIS Analisis Hasil Optimasi pada Semua Skenario Pada penelitian ini terdapat sembilan skenario yang digunakan dalam

optimasi desain jaringan distribusi rantai pasok bahan pangan dengan model MILP menggunakan software LINGO 11. Pada sembilan skenario ini memiliki perbedaan ukuran, yaitu jumlah permintaan dan kapasitas DC sebagaimana telah dijelaskan pada bab sebelumnya. Pada skenario 1 dengan jumlah permintaan 10% dan kapasitas DC sebesar 100.000 Ton menghasilkan dua DC yang dibuka, yaitu pada DC (5 dan 6) dengan total biaya Rp. 11.732.940.000.000. Skenario 2 dengan jumlah permintaan 10% dan kapasitas DC sebesar 200.000 Ton menghasilkan dua DC yang dibuka sama seperti skenario 1, yaitu pada DC (5 dan 6) akan tetapi total biayanya lebih besar, yaitu Rp. 11.734.940.000.000. Peningkatan total biaya ini disebabkan oleh kapasitas DC yang lebih besar dengan biaya tetap pembukaan DC yang lebih mahal. Meskipun biaya pengiriman dan biaya penyimpanan sama dengan skenario

sebelumnya

akan

tetapi dengan kapasitas DC yang lebih besar

menyebabkan total biaya logistiknya meningkat. Skenario 3 dengan jumlah permintaan 10% dan kapasitas DC sebesar 300.000 Ton menghasilkan dua DC

68


PERIODE

Beras

Jagung

Kedelai

Kacang Tanah

Kacang Hijau

PEMASOK Inventori

0 1 2 3

196206 1774829 2729245 3071849

110766 1200242 2006723 3301151

5699 14645 44064 132320

4257 45193 130411 158426

1497 15651 39829 54383

Produksi

0 1 2 3

0 1962064 1337857 726045

0 1107664 824670 1312617

0 56993 77467 136304

0 42565 86847 29644

0 14971 24994 15371

Pengiriman

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

Inventori

0 1 2 3

9761 48106 86450 124794

463 2282 4101 5920

1223 6028 10833 15638

42 204 367 530

21 102 184 266

Pemasukan

0 1 2 3

0 383441 383441 383441

0 18189 18189 18189

0 48048 48048 48048

0 1629 1629 1629

0 817 817 817

Pengiriman

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Pemasukan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

Permintaan

0 1 2 3

0 345097 345097 345097

0 16370 16370 16370

0 43243 43243 43243

0 1466 1466 1466

0 735 735 735

DC

KONSUMEN

OBJECTIVE VALUE

Rp.

69

10.817.810.000.000,00

yang dibuka sama seperti skenario 1 dan 2, yaitu pada DC (5 dan 6). Total biayanya lebih besar dari skenario 1 dan 2, yaitu Rp. 11.736.940.000.000. Hal ini disebabkan oleh kapasitas DC yang lebih besar dengan biaya tetap pembukaan DC yang lebih mahal. Meskipun biaya pengiriman dan biaya penyimpanan sama dengan skenario 1 dan 2, akan tetapi dengan kapasitas DC yang lebih besar menyebabkan total biaya logistiknya meningkat. Jadi pada skenario (1, 2, dan 3) dengan permintaan yang sama yaitu sebesar 10%, total biaya logistik yang paling rendah yaitu pada skenario 1 yang membuka dua DC dengan kapasitas pada masing-masing DC sebesar 100.000 Ton. Skenario 4 dengan jumlah permintaan 20% dan kapasitas DC sama seperti skenario 1 sebesar 100.000 Ton menghasilkan tiga DC yang dibuka, yaitu pada DC (5, 6 dan 7) dengan total biaya Rp. 11.294.060.000.000,00. Total biaya pada skenario ini lebih rendah skenario sebelumnya, karena jumlah permintaan lebih besar sehingga jumlah inventori pada pemasok lebih sedikit. Hal ini menyebabkan biaya inventori semakin rendah, oleh karena itu total biaya logistik pada skenario ini lebih rendah dibandingkan dengan skenario sebelumnya. Skenario 5 dengan jumlah permintaan 20% dan kapasitas DC sama seperti skenario 2 sebesar 200.000 Ton menghasilkan dua DC yang dibuka, yaitu pada DC (5 dan 6) dengan total biaya lebih rendah dari skenario 4, yaitu Rp. 11.269.570.000.000. Hal ini disebabkan oleh permintaan bahan pangan lebih besar dari skenario sebelumnya sehingga jumlah inventori pada pemasok lebih kecil, hal ini menyebabkan biaya inventori semakin rendah. Oleh karena itu dengan adanya penurunan jumlah inventori menyebabkan total biaya logistik menjadi lebih rendah. Skenario 6 dengan jumlah permintaan 20% dan kapasitas DC sama seperti skenario 3 sebesar 300.000 Ton menghasilkan dua DC yang dibuka sama seperti skenario 5, yaitu pada DC (5 dan 6) dengan total biaya lebih tinggi, yaitu Rp. 11.271.570.000.000. Peningkatan total biaya ini disebabkan oleh kapasitas DC yang lebih besar dengan biaya tetap pembukaan DC yang lebih mahal. Meskipun biaya pengiriman dan biaya penyimpanan sama dengan skenario 5, akan tetapi dengan kapasitas DC yang lebih besar menyebabkan total biaya logistiknya semakin meningkat. Jadi pada skenario (4, 5, dan 6) dengan permintaan yang sama yaitu sebesar 20%, total biaya logistik yang paling rendah 70

yaitu pada skenario 5 yang membuka dua DC dengan kapasitas pada masingmasing DC sebesar 200.000 Ton. Skenario 7 dengan jumlah permintaan 30% dan kapasitas DC sama seperti skenario 1 dan 4 sebesar 100.000 Ton menghasilkan empat DC yang dibuka, yaitu pada DC (3, 5, 6 dan 7) dengan total biaya Rp. 10.865.800.000.000. Total biaya pada skenario ini lebih rendah skenario sebelumnya, karena jumlah permintaan lebih besar sehingga jumlah inventori pada pemasok semakin menurun, hal ini menyebabkan biaya penyimpanan pada skenario ini lebih rendah. Oleh karena itu dengan adanya penurunan jumlah inventori dapat menyebabkan total biaya logistik pada skenario ini lebih rendah dibandingkan dengan skenario sebelumnya. Skenario 8 dengan jumlah permintaan 30% dan kapasitas DC sama dengan skenario 2 dan 5 sebesar 200.000 Ton menghasilkan tiga DC yang dibuka, yaitu pada DC (5, 6 dan 7) dengan total biaya yang lebih rendah dari skenario sebelumnya, yaitu Rp. 10.825.360.000.000. Penurunan total biaya ini disebabkan oleh jumlah DC yang dibuka lebih sedikit dari skenario 7 sehingga jumlah inventori pada DC juga lebih sedikit, dengan adanya penurunan jumlah inventori pada DC menyebabkan biaya penyimpanan berkurang sehingga total biaya logistik juga menurun. Skenario 9 dengan jumlah permintaan 30% dan kapasitas DC sama dengan skenario 3 dan 6 sebesar 300.000 Ton menghasilkan dua DC yang dibuka pada DC (5 dan 6). Total biayanya lebih rendah dari skenario 7 dan 8, yaitu Rp. 10.817.810.000.000. Hal ini disebabkan oleh kapasitas yang lebih besar sehingga jumlah DC yang dibuka lebih sedikit dari skenario sebelumnya, dengan adanya penurunan jumlah DC yang dibuka menyebabkan jumlah inventori pada DC juga lebih sedikit. Oleh karena itu, dengan adanya penurunan jumlah inventori pada DC menyebabkan biaya penyimpanan berkurang sehingga total biaya logistik menjadi lebih rendah. Jadi pada skenario (7, 8, dan 9) dengan permintaan yang sama yaitu sebesar 30%, total biaya logistik yang paling rendah yaitu pada skenario 9 yang membuka dua DC dengan kapasitas pada masingmasing DC sebesar 300.000 Ton. Pada skenario permintaan sebesar 10%, total biaya logistik yang paling rendah terdapat pada skenario 1, yaitu dengan kapasitas DC sebesar 100.000 Ton, hal ini disebabkan jumlah DC yang dibuka sama dengan skenario 1 dan 2, yaitu 71

DC (5 dan 6) sehingga biaya pengiriman dan biaya penyimpanannya sama. Tetapi biaya tetap pembukaan DC lebih rendah karena kapasitas yang dibuka lebih kecil dari skenario yang lain, sehingga total biaya logistiknya lebih rendah. Pada skenario permintaan sebesar 20%, total biaya logistik yang paling rendah terdapat pada

skenario 5, yaitu dengan kapasitas DC sebesar 200.000 Ton. Hal ini

disebabkan jumlah DC pada skenario 5 lebih sedikit dari skenario 4, sehingga jumlah inventori pada DC berkurang yang menyebabkan biaya penyimpanan semakin rendah. Sedangkan pada skenario 6 jumlah DC yang dibuka sama, yaitu DC (5 dan 6), akan tetapi biaya tetap pembukaan DC pada skenario 6 lebih mahal karena kapasitas yang digunakan lebih besar. Pada skenario permintaan sebesar 30% total biaya logistik yang paling rendah terdapat pada skenario 9, yaitu dengan kapasitas DC sebesar 300.000 Ton. Hal ini disebabkan jumlah DC yang dibuka pada skenario ini hanya dua lebih sedikit dari skenario 7 dan 8, yaitu pada DC (5 dan 6) sebagai mana ditunjukkan pada Tabel 5.10, sehingga jumlah inventori pada DC lebih sedikit. Oleh karena ini dengan jumlah inventori yang lebih sedikit menyebabkan total biaya logistik menjadi lebih rendah. Dari semua skenario yang dicoba menunjukkan bahwa lokasi yang strategis untuk dibangun DC, yaitu pada DC 5 (Klaster Metropolitan) dan DC 6 (Klaster Segitiga Emas).

Tabel 5.10 Perbandingan Hasil Optimasi Semua Skenario Pembukaan DC

Total Biaya (Rp)

100.000

5, 6

11.732.940.000.000,00

10%

200.000

5, 6

11.734.940.000.000,00

3

10%

300.000

5, 6

11.736.940.000.000,00

4

20%

100.000

5, 6, 7

11.294.060.000.000,00

5

20%

200.000

5, 6

11.269.570.000.000,00

6

20%

300.000

5, 6

11.271.570.000.000,00

7

30%

100.000

3, 5, 6, 7

10.865.800.000.000,00

8

30%

200.000

5, 6, 7

10.825.360.000.000,00

9

30%

300.000

5, 6

10.817.810.000.000,00

Skenario

Permintaan

1

10%

2

Kapasitas DC (Ton)

72

5.3.2

Analisis Sensitivitas Terhadap Perubahan Biaya Transportasi Analisis sensitivitas terhadap perubahan biaya transportasi dilakukan

agar dapat mengetahui seberapa besar pengaruh terhadap perubahan hasil optimasi yang telah didapatkan. Analisis sensitivitas dilakukan dengan menggunakan perubahan biaya transportasi, yaitu dengan menaikkan dan menurunkan biaya transportasi sebesar 20%. Hal ini dilakukan agar dapat mengantisipasi terhadap perubahan inflasi, sehingga perubahan terhadap hasil yang diperoleh bisa diketahui. Pada peningkatan biaya transportasi sebesar 20% hanya ada peningkatan total biaya, akan tetapi perubahan terhadap penentuan kapasitas DC untuk mencari total biaya yang paling rendah tidak ada perubahan sebagai mana ditunjukkan pada Tabel 5.11. Pada skenario permintaan sebesar 10%, total biaya logistik yang paling rendah terdapat pada Skenario 1 dengan kapasitas DC sebesar 100.000 Ton, yaitu sebesar Rp. 11.748.970.000.000. Jumlah DC yang dibuka sebanyak dua, yaitu pada DC (5 dan 6) sama seperti hasil optimasi sebelum dilakukan peningkatan biaya transpotrasi sebesar 20%. Pada skenario permintaan sebesar 20%, total biaya logiatik yang paling rendah terdapat pada skenario 5 dengan kapasitas DC sebesar 200.000 Ton, yaitu sebesar Rp. 11.302.820.000.000. Jumlah DC yang dibuka juga sebanyak dua, yaitu pada DC (5 dan 6). Sedangkan pada skenario permintaan sebesar 30%, total biaya logiatik yang paling rendah terdapat pada skenario 9 dengan kapasitas DC sebesar 300.000 Ton, yaitu sebesar Rp. 11.748.970.000.000. Jumlah DC yang dibuka sebanyak tiga, yaitu pada DC (5, 6 dan 7). Pada skenario ini terjadi perubahan jumlah DC yang dibuka sebanyak tiga, sedangkan pada saat sebelum dilakukan peningkatan biaya transportasi hanya ada dua DC yang dibuka, akan tetapi total biayanya sama yang paling rendah dibandingkan dengan skenario yang lain. Pada saat dilakukan penurunan biaya transportasi sebesar 20% juga tidak mempengaruhi terhadap pemilihan jumlah dan kapasitas DC, yang ada hanya terjadi penurunan total biaya logistik pada semua skenario yang digunakan sebagaimana ditunjukkan pada Tabel 5.12. Pada skenario permintaan sebesar 10%, total biaya logistik yang paling rendah terdapat pada Skenario 1 dengan kapasitas DC sebesar 100.000 Ton, yaitu sebesar Rp. 11.716.910.000.000. Jumlah 73

DC yang dibuka sebanyak dua, yaitu pada DC (5 dan 6) sama seperti hasil optimasi sebelum skenario 5 dengan kapasitas DC sebesar 200.000 Ton, yaitu sebesar Rp. 11.236.320.000.000. Jumlah DC yang dibuka juga sebanyak dua, yaitu pada DC (5 dan 6). Begitu juga pada skenario permintaan sebesar 30%, total biaya logistik yang paling rendah terdapat pada skenario 9 dengan kapasitas DC sebesar 300.000 Ton, yaitu sebesar Rp. 10.765.030.000.000. Jumlah DC yang dibuka juga sama sebanyak dua, yaitu pada DC (5 dan 6). Jadi, dengan adanya penurunan biaya transportasi sebesar 20% tidak mempengaruhi terhadap pengambilan keputusan jumlah, lokasi dan kapasitas DC, hasilnya sama dengan sebelum dilakukan penurunan biaya. Oleh karena itu, dengan adanya peningkatan dan penurunan biaya transportasi sebesar 20%

untuk skenario permintaan 10% dan 20% tidak

menghasilkan perubahan dalam penentuan jumlah, lokasi, dan kapasitas DC yang akan dibuka. Sedangkan pada skenario permintaan 30% untuk peningkatan biaya transportasi ada perbedaan jumlah DC yang dibuka yaitu sebanyak tiga DC, sedangkan pada saat dilakukan penurunan biaya tranportasi jumlah DC yang dibuka sama dengan sebelum dilakukan penurunan, yaitu sebanyak dua DC. Akan tetapi untuk penentuan kapasitas DC tidak ada perbedaan baik setelah maupun sebelum dilakukan peningkatan dan penurunan biaya trasnportasi sebesar 20%, hasilnya sama sebesar 300.000 Ton. Jadi, perubahan biaya transportasi baik itu peningkatan dan penurunan sebesar 20% tidak mempengaruhi terhadap keputusan dalam penentuan kapasitas DC. Pada permintaan 10% kapasitas DC yang digunakan sebesar 100.000 Ton, dan pada permintaan 20% kapasitas DC yang digunakan sebesar 200.000 Ton, sedangkan pada permintaan 30% kapasitas DC yang digunakan sebesar 300.000 Ton.

74

Tabel 5.11 Hasil Optimasi dengan Peningkatan 20% dari Biaya Transportasi Pembukaan DC

Total Biaya (Rp)

100.000

5, 6

11.748.970.000.000,00

10%

200.000

5, 6

11.750.970.000.000,00

3

10%

300.000

5, 6

11.752.970.000.000,00

4

20%

100.000

3, 5, 7

11.330.000.000.000,00

5

20%

200.000

5, 6

11.302.820.000.000,00

6

20%

300.000

5, 6

11.304.820.000.000,00

7

30%

100.000

3, 5, 6, 7

10.921.100.000.000,00

8

30%

200.000

5, 6, 7

10.876.070.000.000,00

9

30%

300.000

5, 6, 7

10.869.250.000.000,00

Skenario

Permintaan

1

10%

2

Kapasitas DC (Ton)

Tabel 5.12 Hasil Optimasi dengan Penurunan 20% dari Biaya Transportasi Pembukaan DC

Total Biaya (Rp)

100.000

5, 6

11.716.910.000.000,00

10%

200.000

5, 6

11.718.910.000.000,00

3

10%

300.000

5, 6

11.720.910.000.000,00

4

20%

100.000

5, 6, 7

11.258.100.000.000,00

5

20%

200.000

5, 6

11.236.320.000.000,00

6

20%

300.000

5, 6

11.238.320.000.000,00

7

30%

100.000

3, 5, 6, 7

10.810.500.000.000,00

8

30%

200.000

5, 7

10.774.370.000.000,00

9

30%

300.000

5, 6

10.765.030.000.000,00

Skenario

Permintaan

1

10%

2

Kapasitas DC (Ton)

75


76

BAB 6 KESIMPULAN DAN SARAN

6.1

KESIMPULAN Jaringan distribusi rantai pasok yang efisien dapat meminimumkan total

biaya logistik pada seluruh bagian rantai pasok dan dapat bergerak dengan cepat dalam memenuhi kebutuhan konsumen. Berdasarkan hasil penelitian tentang desain jaringan distribusi rantai pasok bahan pangan di Jawa Timur, maka dapat diambil kesimpulan sebagai berikut: 1.

Model ini dapat digunakan dalam desain jaringan distribusi bahan bahan pangan, karena model ini memperhatikan ketidakpastian pada pasokan sehingga diperlukan inventori pada daerah pemasok dan DC agar dapat memenuhi permintaan dengan baik.

2.

Penelitian ini mengunakan sembilan skenario dimana pada masing-masing skenario memiliki jumlah yang berbeda, baik itu jumlah permintaan dan kapasitas DC. Hasil dari penelitian ini menunjukkan bahwa dengan kapasitas DC 100.000 Ton, pada permintaan 10% terdapat dua DC yang dibuka, pada permintaan 20% terdapat tiga DC yang dibuka dan pada permintaan 30% ada empat DC yang dibuka. Dengan kapasitas DC 200.000 Ton pada permintaan 10% dan 20% ada dua DC yang dibuka, dan pada permintaan 30% ada tiga DC yang dibuka. Sedangkan pada kapasitas DC 300.000 Ton pada semua skenario permintaan 10%, 20% dan 30% ada dua DC yang dibuka. Pada skenario permintaan

10% total biaya logistik yang paling rendah pada

skenario 1 dengan membuka dua DC dengan kapasitas 100.000 Ton, yaitu pada DC (5 dan 6) dengan total biaya Rp. 11.732.940.000.000. Pada skenario permintaan 20% total biaya logistik yang paling rendah pada skenario 5 dengan membuka dua DC dengan kapasitas 200.000 Ton, yaitu pada DC (5 dan 6) dengan total biaya Rp. 11.269.570.000.000. Dan pada skenario permintaan 30% total biaya logistik yang paling rendah pada skenario 9 dengan membuka dua DC dengan kapasitas 300.000 Ton, yaitu pada DC (5

77

dan 6) dengan total biaya Rp. 10.817.810.000.000. Peningkatan jumlah permintaan dapat mempengaruhi kapasitas yang akan dibuka, yaitu pada permintaan 10% kapasitas DC yang digunakan sebesar 100.000 Ton, dan pada permintaan 20% kapasitas DC yang digunakan sebesar 200.000 Ton, sedangkan pada permintaan 30% kapasitas DC yang digunakan sebesar 300.000 Ton.

6.2

SARAN Penelitian ini merupakan permodelan masalah lokasi fasilitas dalam

desain jaringan distribusi rantai pasok pada multi produk dan multi periode serta memperhatikan ketidakpastian pada pasokan bahan pangan dengan menambahkan inventori untuk mengamankan ketidakpastian pada pasokan. Model dalam penelitian ini digunakan pada bahan pangan yang terdiri dari lima komoditas, yaitu beras, jagung, kedelai, kacang tanah, dan kacang hijau, kelima komoditas bahan pangan tersebut memiliki kesamaan dalam jenis, yaitu berupa biji-bijian. Oleh karena itu disumsikan bahwa semua komoditas dianggap sama dalam proses pengiriman dan peyimpanannya, sehingga biaya pengiriman dan biaya penyimpanannya dianggap sama. Padahal dalam kondisi nyata setiap komoditas memiliki proses penanganan berbeda dan pengeluaran biaya yang berbeda-beda. Oleh karena itu, pada penelitian selanjutnya bisa menggunakan komoditas pangan yang berbeda jenis atau karakteristiknya, karena produk pangan sangat beragam baik dalam bentuk maupun jenisnya. Begitu juga dengan menggunakan komoditas yang beragam, maka biaya pengiriman dan biaya penyimpanan menjadi beragam sesuai dengan komoditas yang digunakan, sehingga model ini bisa berkembang dan dapat digunakan untuk semua komoditas bahan pangan. Pada penelitian ini menggunakan tiga periode dalam satu tahun, yaitu periode 1 (Januari-April), periode 2 (Mei-Agustus), dan periode 3 (SeptemberDesember). Penentuan periode ini berdasarkan data produksi komoditas bahan pangan di atas yang berasal dari Dinas Pertanian Jawa Timur, sehingga diasumsikan bahwa periode produksi dan permintaan sama, yaitu tiga periode. Pada kenyataannya periode produksi dan permintaan bahan pangan tidak sama. Oleh karena itu, pada penelitan selanjutnya bisa menggukan periode yang lebih 78

banyak dan beragam sehingga bisa mendekati kondisi nyata dan hasilnya bisa lebih akurat. Biaya tetap pembukaan distribution center (DC) berdasarkan pada tingkat biaya berdasarkan jumlah kapasitas DC, diasumsikan bahwa kapasitas DC dan biaya tetap meningkat secara linear. Dalam kondisi yang sebenarnya biaya dan kapasitas DC tidak akan sama pada masing-masing lokasi. Apabila model ini diaplikasikan oleh pihak-pihak terkait yang bergerak dalam bidang distribusi pangan, maka diperlukan data asli dari pihak terkait sehingga hasilnya bisa lebih baik dan mendekati kondisi nyata. Pada penelitian ini kapasitas DC pada semua lokasi dianggap sama, padahal dalam kondisi nyata bisa saja berbeda-beda tergantung pada tingkat kemampumpuan dan kebutuhan pada masing-masing lokasi pembukaan DC. Agar supaya model ini bisa lebih baik, maka diperlukan dikembangkan dengan menggunakan kapasitas DC yang berbeda pada masingmasing lokasi. Oleh karena itu pada penelitian selanjutnya bisa menggunakan komoditas yang beragam jenisnya, periode yang lebih panjang, jenis kendaraan yang berbeda-beda, serta kapasitas DC yang berbeda tergantung tingkat kemampuan dan kebutuhan pada masing-masing lokasi. Sehingga model jaringan distribusi pada rantai pasok bahan pangan ini bisa digunakan sesuai dengan kondisi nyata dan hasilnya bisa lebih baik.

79


80

DAFTAR PUSTAKA

Ahmadi-Javid, A., & Azad, N. (2010). Incorporating location, routing and inventory decisions in supply chain network design, Transportation Research Part E, 46, 582–597. Ahmadi-Javid, A. & Hoseinpour, P. (2015). Incorporating location, inventory and price decisions into a supply chain distribution network design problem, Computers & Operations Research, 56, 110–119. Boujelben, M. K., Gicquel, C., & Minoux, M. (2014). A distribution network design problem in the automotive industry: MIP formulation and heuristic, Computers & Operations Research, 52, 16–28. Cardona-Valdes, Y., Alvarez, A., & Ozdemir, D. (2011). A bi-objective supply chain design problem with uncertainty, Transportation Research Part C, 19, 821-832. Cardona-Valdes, Y., Alvarez, A., & Pacheco, J. (2014). Metaheuristic procedure for a bi-objective supply chain design problem with uncertainty, Transportation Research Part B, 60, 66–84. Celebi, D. (2015). Inventory control in a centralized distribution network using genetic algorithms: A case study. Computers & Industrial Engineering, 87, 532–539. Chopra, S. & Meindl, P. (2010), Supply Chain Management: Strategy, Planning, and Operation, 4th Edition, Prentice Hall, Inc., New Jersey. Dantrakul, S., Likasiri, C., & Pongvuthithum, R. (2014). Applied p-median and pcenter algorithms for facility location problems, Expert Systems with Applications, 41, 3596–3604. Daskin, M. S., Coullard, C. R., & Shen, Z. J. M. (2002). An inventory-location model: Formulation, solution algorithm and computational results, Annals of Operations Research, 110, 83–106.

81

Georgiadis, M. C., Tsiakis, P., Longinidis, P,.

& Sofioglou, M. K. (2011).

Optimal design of supply chain networks under uncertain transient demand variations, Journal of Omega, 39, 254–272. Gulpınar, N., Pachamanova, D., & Canakoglu, E. (2013). Robust strategies for facility location under uncertainty, European Journal of Operational Research, 225, 21–35. Isbandi & Rusdiana, S. (2014). Strategi tercapainya ketahanan pangan dalam ketersediaan pangan di tingkat regional, Jurnal Agriekonomika 3, 2,121136. Klibi, W., Martel, A., & Guitouni, A. (2010). The design of robust value-creating supply chain networks: a critical review, European Journal of Operational Research, 203 (2), 283–293. Ozgen, D, & Gulsun, B. (2014). Combining possibilistic linear programming and fuzzy AHP for solving the multi-objective capacitated multi-facility location problem, Journal of Information Sciences, 268, 185–201. Park, P., Lee, T., & Sung, C. S. (2010). A three-level supply chain network design model with risk-pooling and lead times, Transportation Research Part E, 46, 563–581. Pujawan, I. N., & Mahendrawati, E. R. (2010), Supply Chain Management 2nd Ed. Penerbit Guna Widya, Surabaya Purwono, J., Sugyaningsih, S., & Priambudi, A. (2013). Analisis Tataniaga Beras di Kecamatan Rogojampi Kabupaten Banyuangi, Jurnal NeO-Bis, 7, 2. Rahmani, A., & Mir-Hassani, S. A. (2014). A hybrid Firefly-Genetic Algorithm for the capacitated facility location problem, Journal of Information Sciences, 283, 70–78. Razmia, J., Zahedi-Anaraki, A. H., & MohammadSaleh Zakerinia, M. S. (2013). A bi-objective stochastic optimization model for reliable warehouse network redesign, Mathematical and Computer Modelling, 58, 1804–1813. Rodrigueza, M. A., Vecchiettia,A. R., Harjunkoskib, I., & Grossmannc,I. E. (2014). Optimal supply chain design and management over a multi-period horizon under demand uncertainty. Part I: MINLP and MILP models, Computers and Chemical Engineering, 62, 194–210. 82

Simchi-Levi, D., Kaminski, P., & Simchi-Levi, E. (2008). Desaigning and Managing The Supply Chain: Concepts, Strategies and C ase Studies, 3rd Edition, Irwin Mc Graw-Hill Syaifullah, Y. (2013). Ketahanan pangan dan pola distribusi beras di propinsi jawa timur, Journal of Economics and Policy, 6, 2,103-213. Yu-An, Zeng, B.,Yu-Zhang, & Zhao, L. (2014). Reliable p-median facility location problem: two-stage robust models and algorithms, Journal of Transportation Research Part B, 64, 54–72.

83


84

LAMPIRAN 1 Klaster Wilayah Di Jawa Timur

No

Klaster Wilayah

Kabupaten / Kota

1

Klaster Agropolitan Madura

Bangkalan Sampang Pamekasan Sumenep

2

Klaster Agropolitan Ijen

Jember Banyuwangi Bondowoso Situbondo

3

Klaster Agropolitan BTS

Malang Lumajang Probolinggo Pasuruan

4

Klaster Agropolitan Wilis

Pacitan Ponorogo Madiun Magetan Ngawi

5

Klaster Metropolitan

Surabaya Gresik Sidoarjo Mojokerto

6

Klaster Segitiga Emas

Bojonegoro Tuban Lamongan

7

Klaster Regional Kelud

Nganjuk Madiun Trenggalek Tulungagung Blitar Kediri

Sumber: Badan Perencanaan dan Pembangunan Provinsi Jawa Timur (2015)

85

86

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

78

52 84 117 115 195 221 347 438 341 344 240 210 221 149 119 79 29 53 61 139 201 206 216 226 288 321 373 198

-

78 117 149 182 180 270 276 358 462 390 421 352 313 298 227 197 157 107 131 139 217 279 284 294 304 366 399 451 276

2

-

1

117 52 32 64 63 142 236 334 425 328 331 236 197 208 137 107 90 82 106 114 192 189 194 204 214 276 309 361 186

3

149 84 32 33 31 111 205 303 394 297 300 205 166 177 105 75 59 109 133 121 160 157 162 172 182 244 277 329 154

4

182 117 64 33 44 78 172 270 361 264 267 172 133 144 118 88 72 122 146 134 173 170 175 185 195 257 290 342 167

5 180 115 63 31 44 100 217 292 383 386 289 194 155 145 47 44 28 78 102 90 129 126 131 141 151 213 246 296 123

6 270 195 142 111 78 100 117 192 259 194 167 94 55 66 89 119 128 178 202 190 197 192 134 107 117 179 212 264 89

7 276 221 236 205 172 217 117 72 177 105 140 46 85 122 149 176 216 266 290 278 253 248 190 163 173 235 268 320 145

8 358 347 334 303 270 292 192 72 105 32 97 96 137 174 198 228 268 318 342 330 305 300 242 215 225 287 320 372 197

9 462 438 425 394 361 383 259 177 105 136 94 189 228 265 289 319 389 407 433 421 396 391 333 306 316 378 411 463 288

10 390 341 328 297 264 386 194 105 32 136 35 92 131 168 192 222 282 312 336 324 299 294 236 209 219 281 314 396 191

11 421 344 331 300 267 289 167 140 97 94 35 95 134 171 195 225 285 315 339 327 302 297 239 212 222 284 317 369 194

12 352 240 236 205 172 194 94 46 96 189 92 95 39 76 100 130 170 220 244 132 207 202 144 117 127 189 222 274 99

13 313 210 197 166 133 155 55 85 137 228 131 134 39 37 61 91 131 181 205 193 168 163 105 78 86 150 183 235 60

14

Sumber: Dinas Pembangunan Umum Bina Marga Jawa Timur (2015)

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep Surabaya

WILAYAH (KABUPATEN) 298 221 208 177 144 145 66 122 174 265 168 171 76 37 72 102 142 192 216 204 131 126 68 41 51 113 146 198 23

15 227 149 137 105 118 47 89 149 198 289 192 195 100 61 72 30 70 120 144 132 115 110 57 67 77 139 172 224 49

16

WILAYAH

197 119 107 75 88 44 119 176 228 319 222 225 130 91 102 30 40 90 114 102 85 82 80 97 107 169 202 254 79

17 157 79 90 59 72 28 128 216 268 389 282 285 170 131 142 70 40 50 74 62 125 122 127 137 147 209 242 294 119

18

Jarak Antar Kota Di Jawa Timur

LAMPIRAN 2

107 29 82 109 122 78 178 266 318 407 312 315 220 181 192 120 90 50 24 32 110 182 177 187 197 259 292 344 169

19 131 53 106 133 146 102 202 290 342 433 336 339 244 205 216 144 114 74 24 34 113 196 201 211 221 383 316 368 193

20 139 61 114 121 134 90 190 278 330 421 324 327 132 193 204 132 102 62 32 34 78 184 189 199 209 271 304 356 181

21 217 139 192 160 173 129 197 253 305 396 299 302 207 168 131 115 85 125 110 113 78 65 63 90 136 196 231 283 108

22 279 201 189 157 170 126 192 248 300 391 294 297 202 163 126 110 82 122 182 196 184 65 58 95 131 193 226 278 103

23 284 206 194 162 175 131 134 190 242 333 236 239 144 105 68 57 80 127 177 201 189 63 58 27 73 135 168 220 45

24 294 216 204 172 185 141 107 163 215 306 209 212 117 78 41 67 97 137 187 211 199 90 95 27 46 108 141 193 18

25

27 366 288 276 244 257 213 179 235 287 378 281 284 189 150 113 139 169 209 259 383 271 196 193 135 108 62 33 85 90

26 304 226 214 182 195 151 117 173 225 316 219 222 127 86 51 77 107 147 197 221 209 136 131 73 46 62 96 147 28

S D

399 321 309 277 290 246 212 268 320 411 314 317 222 183 146 172 202 242 292 316 304 231 226 168 141 96 33 52 123

28

451 373 361 329 342 296 264 320 372 463 396 369 274 235 198 224 254 294 344 368 356 283 278 220 193 147 85 52 175

29

276 198 186 154 167 123 89 145 197 288 191 194 99 60 23 49 79 119 169 193 181 108 103 45 18 28 90 123 175 -

30

87


3.818.114

76.317 122.361 56.656 83.758 109.208 106.463 113.691 107.509 287.654 204.415 95.280 80.205 119.432 165.161 49.056 102.613 159.614 153.604 121.036 83.933 167.055 276.830 180.829 266.147 122.599 108.461 115.510 90.151 88.517 4.046

Periode 1

2.417.348

21.861 92.564 34.262 65.783 61.333 71.066 91.468 86.606 214.762 124.077 75.111 52.547 51.893 116.814 30.589 67.308 98.975 105.726 99.490 62.492 152.402 168.227 81.701 192.622 77.477 60.409 27.845 5.049 24.158 2.727

Periode 2

1.205.126

7.116 28.752 14.417 25.743 30.121 18.200 80.099 52.439 75.989 135.547 32.412 26.330 24.336 109.139 38.109 24.024 15.797 22.121 79.002 35.345 118.668 65.414 61.696 59.773 19.111 1.276 420 614 2.275 841

Periode 3

Produksi Beras

Total

7.440.588

105.295 243.678 105.335 175.284 200.662 195.729 285.259 246.555 578.405 464.039 202.803 159.082 195.661 391.114 117.754 193.946 274.386 281.451 299.528 181.771 438.126 510.471 324.226 518.543 219.187 170.145 143.775 95.814 114.951 7.615 2.617.039

90.885 129.363 43.083 94.253 93.889 64.402 149.982 40.970 69.415 74.504 107.929 101.999 116.865 71.423 5 36.510 35.563 43.385 14.258 30.196 55.840 90.655 298.902 124.757 52.579 81.513 95.079 102.448 306.251 134

Periode 1

1.399.995

17.730 27.354 12.553 34.261 67.166 82.322 94.654 59.740 94.628 37.801 43.475 69.131 108.026 64.319 53 28.995 30.888 25.706 7.419 22.423 41.487 50.956 95.845 94.670 33.997 45.735 25.901 20.414 62.185 161

Periode 2

1.747.912

1.823 50.421 11.828 62.604 121.898 158.536 55.201 59.969 227.624 39.898 29.971 78.263 99.440 61.049 457 61.440 144.219 162.117 13.485 26.206 25.437 34.490 73.774 78.541 33.777 18.300 5.165 1.734 10.123 122

Periode 3

Produksi Jagung

Sumber: Dinas Pertanian Provinsi Jawa Timur (2015)

Jawa Timur

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

No Kabupaten Total

5.764.945

110.438 207.138 67.463 191.118 282.953 305.261 299.838 160.679 391.667 152.203 181.375 249.393 324.332 196.791 514 126.945 210.671 231.208 35.162 78.825 122.764 176.101 468.522 297.969 120.353 145.547 126.146 124.595 378.559 417 104.534

563 2.522 192 1.510 2.906 16 219 426 796 7.173 19 111 187 3.179 1 10 369 1.746 252 84 4.907 5.933 150 4.989 555 4.419 18.370 537 2.391 40.000 157.856

2.987 4.592 680 757 8.185 1 295 418 1.555 20.860 66 115 835 6.546 207 1.306 1.448 4.744 769 246 4.078 3.682 2.129 22.972 686 3.107 18.137 79 6.372 40.000 208.323

823 16.466 5.710 5.375 404 363 79 2.504 20.555 25.733 201 405 47 12.829 933 3.705 8.525 14.273 10.615 3.941 12.482 13.019 1.056 6.948 444 167 469 159 93 40.000

Periode 1 Periode 2 Periode 3

Produksi Kedelai

470.714

4.373 23.581 6.582 7.642 11.495 381 594 3.348 22.907 53.766 286 632 1.069 22.555 1.141 5.022 10.342 20.763 11.636 4.270 21.467 22.633 3.335 34.909 1.685 7.694 36.976 776 8.856 120.001

Total

54.210

2.506 867 1.511 1.060 2.454 488 1.426 827 460 483 59 457 339 413 0 332 53 131 323 1.362 3.372 596 7.582 2.852 1.152 9.708 10.601 537 2.261 0 105.030

6.398 786 448 533 2.304 1.356 1.274 3.285 1.143 722 235 141 2.227 2.132 0 583 57 559 226 3.066 2.837 995 31.366 4.459 1.184 20.476 11.552 1.521 3.166 1 46.654

215 1.614 302 548 530 2.186 536 531 2.328 585 175 48 832 4.180 0 1.270 739 1.269 690 4.909 2.106 1.087 9.987 1.051 950 4.558 2.587 186 653 0

Periode 1 Periode 2 Periode 3 9.119 3.267 2.261 2.142 5.287 4.030 3.235 4.643 3.931 1.790 468 646 3.397 6.725 0 2.185 850 1.959 1.238 9.337 8.315 2.678 48.935 8.362 3.287 34.742 24.741 2.244 6.080 1

Total

205.893

Produksi Kacang Tanah

Data Produksi Rata-Rata Komoditas Bahan Pangan Di Jawa Timur (2010-2014)

LAMPIRAN 3

15.699

0 76 1 25 104 12 4 8 11 12 0 16 43 143 4 1 10 23 171 0 70 2.535 2.290 1.669 389 699 2.520 94 4.770 0

32.656

47 79 4 9 260 0 1 38 100 4.481 93 276 590 1.076 2 101 5 386 139 8 68 1.244 3.396 2.057 556 1.813 8.632 631 6.559 3

20.641

3 1.315 11 44 4 13 1 15 61 18 30 3 114 836 1.597 1.878 129 762 1.784 46 82 2.167 1.703 3.992 988 884 1.711 67 379 5


Produksi Kacang Hijau

68.996

49 1.471 16 78 369 25 5 61 172 4.511 123 296 748 2.054 1.603 1.979 144 1.171 2.094 54 219 5.947 7.389 7.717 1.933 3.396 12.863 792 11.709 8

Total

LAMPIRAN 4 Data Jumlah Penduduk Provinsi Jawa Timur (2014)

No

Klaster Wilayah

Kabupaten / Kota

Jumlah Penduduk (Per-Kabupaten)

Jumlah Penduduk (Per-Klaster)

1

Agropolitan Madura

Bangkalan Sampang Pamekasan Sumenep

945.821 925.911 836.224 1.067.202

3.775.158

2

Agropolitan Ijen

Jember Banyuwangi Bondowoso Situbondo

2.394.608 1.588.082 756.989 666.013

5.405.692

3

Agropolitan BTS

Malang Lumajang Probolinggo Pasuruan

3.571.668 1.026.378 1.359.467 1.762.836

7.720.349

4

Agropolitan Wilis

Pacitan Ponorogo Madiun Magetan Ngawi

549.481 865.809 848.361 626.614 827.829

3.718.094

5

Metropolitan

Surabaya Gresik Sidoarjo Mojokerto

2.833.924 1.241.613 2.083.924 1.195.205

7.354.666

6

Segitiga Emas

Bojonegoro Tuban Lamongan

1.232.386 1.147.097 1.187.084

3.566.567

7

Regional Kelud

Jombang Nganjuk Trenggalek Tulungagung Blitar Kediri

1.234.501 1.037.723 686.781 1.015.974 1.277.696 1.817.001

7.069.676

Jawa Timur

38.610.202

Sumber: BPS Provinsi Jawa Timur (2015)

88

89


Jawa Timur

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

No Kabupaten

1.150.327

16.371 25.795 20.461 30.269 38.067 54.135 106.412 30.579 71.343 47.314 22.553 19.843 40.503 52.521 62.087 35.609 36.780 30.917 25.276 18.669 24.664 36.717 34.176 35.367 36.992 28.179 27.586 24.914 31.796 84.432

Periode 1

1.150.327

16.371 25.795 20.461 30.269 38.067 54.135 106.412 30.579 71.343 47.314 22.553 19.843 40.503 52.521 62.087 35.609 36.780 30.917 25.276 18.669 24.664 36.717 34.176 35.367 36.992 28.179 27.586 24.914 31.796 84.432

1.150.327

16.371 25.795 20.461 30.269 38.067 54.135 106.412 30.579 71.343 47.314 22.553 19.843 40.503 52.521 62.087 35.609 36.780 30.917 25.276 18.669 24.664 36.717 34.176 35.367 36.992 28.179 27.586 24.914 31.796 84.432

Periode 3

Permintaan Beras

Periode 2

3.450.980

49.113 77.386 61.384 90.808 114.200 162.404 319.236 91.738 214.030 141.943 67.660 59.528 121.509 157.562 186.261 106.827 110.340 92.752 75.827 56.007 73.991 110.151 102.528 106.102 110.975 84.537 82.758 74.742 95.387 253.296

Total

54.569

777 1.224 971 1.436 1.806 2.568 5.048 1.451 3.384 2.244 1.070 941 1.921 2.491 2.945 1.689 1.745 1.467 1.199 886 1.170 1.742 1.621 1.678 1.755 1.337 1.309 1.182 1.508 4.005

Periode 1

54.569

777 1.224 971 1.436 1.806 2.568 5.048 1.451 3.384 2.244 1.070 941 1.921 2.491 2.945 1.689 1.745 1.467 1.199 886 1.170 1.742 1.621 1.678 1.755 1.337 1.309 1.182 1.508 4.005

Periode 2

54.569

777 1.224 971 1.436 1.806 2.568 5.048 1.451 3.384 2.244 1.070 941 1.921 2.491 2.945 1.689 1.745 1.467 1.199 886 1.170 1.742 1.621 1.678 1.755 1.337 1.309 1.182 1.508 4.005

Periode 3

Permintaan Jagung

163.707

2.330 3.671 2.912 4.308 5.417 7.704 15.144 4.352 10.153 6.733 3.210 2.824 5.764 7.474 8.836 5.068 5.234 4.400 3.597 2.657 3.510 5.225 4.864 5.033 5.264 4.010 3.926 3.546 4.525 12.016

Total

144.145

2.051 3.232 2.564 3.793 4.770 6.783 13.334 3.832 8.940 5.929 2.826 2.486 5.075 6.581 7.780 4.462 4.609 3.874 3.167 2.339 3.091 4.601 4.282 4.432 4.635 3.531 3.457 3.122 3.984 10.580 144.145

2.051 3.232 2.564 3.793 4.770 6.783 13.334 3.832 8.940 5.929 2.826 2.486 5.075 6.581 7.780 4.462 4.609 3.874 3.167 2.339 3.091 4.601 4.282 4.432 4.635 3.531 3.457 3.122 3.984 10.580 144.145

2.051 3.232 2.564 3.793 4.770 6.783 13.334 3.832 8.940 5.929 2.826 2.486 5.075 6.581 7.780 4.462 4.609 3.874 3.167 2.339 3.091 4.601 4.282 4.432 4.635 3.531 3.457 3.122 3.984 10.580


Permintaan Kedelai

432.434

6.154 9.697 7.692 11.379 14.310 20.350 40.003 11.495 26.820 17.787 8.478 7.459 15.226 19.744 23.340 13.386 13.826 11.622 9.502 7.018 9.272 13.803 12.847 13.295 13.906 10.593 10.370 9.366 11.953 31.740

Total

4.891

70 110 87 129 162 230 452 130 303 201 96 84 172 223 264 151 156 131 107 79 105 156 145 150 157 120 117 106 135 359 4.891

70 110 87 129 162 230 452 130 303 201 96 84 172 223 264 151 156 131 107 79 105 156 145 150 157 120 117 106 135 359 4.891

70 110 87 129 162 230 452 130 303 201 96 84 172 223 264 151 156 131 107 79 105 156 145 150 157 120 117 106 135 359


14.672

209 329 261 386 486 690 1.357 390 910 603 288 253 517 670 792 454 469 394 322 238 315 468 436 451 472 359 352 318 406 1.077

Total

Permintaan Kacang Tanah

Data Permintaan Komoditas Bahan Pangan Di Jawa Timur

LAMPIRAN 5

2.445

35 55 43 64 81 115 226 65 152 101 48 42 86 112 132 76 78 66 54 40 52 78 73 75 79 60 59 53 68 179

2.445

35 55 43 64 81 115 226 65 152 101 48 42 86 112 132 76 78 66 54 40 52 78 73 75 79 60 59 53 68 179

2.445

35 55 43 64 81 115 226 65 152 101 48 42 86 112 132 76 78 66 54 40 52 78 73 75 79 60 59 53 68 179

7.336

104 165 130 193 243 345 679 195 455 302 144 127 258 335 396 227 235 197 161 119 157 234 218 226 236 180 176 159 203 538

Total

Permintaan Kacang Hijau Periode 1 Periode 2 Periode 3

LAMPIRAN 6 Data Masukan (Input) pada Software Lingo 11

Sets: Pemasok/1..7/; DC/1..7/:Y,FC,Kapasitasw; Konsumen/1..7/; Waktu/1..3/; Produk/1..5/; Links1(Pemasok,DC):Cij; Links2(Pemasok,DC,Produk,Waktu):Xijpt; Links3(DC,Konsumen):Cjk; Links4(DC,Konsumen,Produk,Waktu):Zjkpt; Links5(Pemasok,Produk,Waktu):Produksi,Initialinvv,Inventoryv; Links6(DC,Produk,Waktu):Initialinvw,Inventoryw; Links7(Konsumen,Produk,Waktu):Permintaan; Links8(Pemasok,Produk):Kapasitass; Endsets

Data: Kapasitass= 0 2002662 0 1712110 0 2171420 0

0 1127268 1137723 0 0 0 1983607

0 140684 0 132979 135248 0 0

110147 0 0 39937 0 110458 0

52907 0 0 0 13404 23587 0

; Produksi= 0 0 0 23107 8084 667554 353847 8100

0 0 0 36716 17636 466497 245035 22596

0 0 0 7984 3041 270278 375756 46895

90

0 0 0 379241 0 0 0 570703 0 8327 8429 0 0 0 40566 0 393 723807 0 0 11029 6494 0 374576 0 0 0

0 0 0 326739 0 0 0 428810 0 12672 13312 0 0 0 42199 0 661 442550 0 0 36819 6697 0 252896 0 0 0

0 0 0 275659 0 0 0 268883 0 44326 9534 0 0 0 45083 0 4468 186884 0 0 12126 7862 0 661202 0 0 0

11247 534 1409 48 24 16105 764 2018 68 34 23001 1091 2882 98 49

11247 534 1409 48 24 16105 764 2018 68 34 23001 1091 2882 98 49

; Kapasitasw= 100000 100000 100000 100000 100000 100000 100000

; Permintaan= 11247 534 1409 48 24 16105 764 2018 68 34 23001 1091 2882 98 49

91

11077 525 1388 47 24 21912 1039 2746 93 47 10626 504 1332 45 23 21063 999 2639 90 45

11077 525 1388 47 24 21912 1039 2746 93 47 10626 504 1332 45 23 21063 999 2639 90 45

11077 525 1388 47 24 21912 1039 2746 93 47 10626 504 1332 45 23 21063 999 2639 90 45

; Cij= 10000000 320000 212000 321000 123000 168000 246000

320000 10000000 192000 347000 197000 242000 299000

212000 192000 10000000 195000 89000 134000 100000

321000 347000 195000 10000000 198000 206000 115000

123000 197000 89000 198000 10000000 45000 123000

168000 242000 134000 206000 45000 10000000 131000

246000 299000 100000 115000 123000 131000 10000000

320000 10000000 192000 347000 197000 242000 299000

212000 192000 10000000 195000 89000 134000 100000

321000 347000 195000 10000000 198000 206000 115000

123000 197000 89000 198000 10000000 45000 123000

168000 242000 134000 206000 45000 10000000 131000

246000 299000 100000 115000 123000 131000 10000000

; Cjk= 10000000 320000 212000 321000 123000 168000 246000

; FC= 1000000000 1000000000 1000000000 1000000000 1000000000 1000000000 1000000000

; Iv=700000; Iw=800000; 92

Enddata

!Fungsi Tujuan; Min=@sum(DC(j):FC(j)*Y(j))+@sum(Links2(i,j,p,t):Cij(i,j)*Xijpt(i,j,p,t))+ @sum(Links4(j,k,p,t):Cjk(j,k)*Zjkpt(j,k,p,t))+@sum(Links5(i,p,t):Inventoryv(i,p, t))*Iv+@sum(Links6(j,p,t):Inventoryw(j,p,t))*Iw; !Fungsi Kendala 1; @for(Pemasok(i):@for(Produk(p): @sum(Waktu(t):Produksi(i,p,t))<=Kapasitass(i,p)); @for(Pemasok(i):@for(Produk(p):@for(Waktu(t): @sum(DC(j):Xijpt(i,j,p,t))<=0.9*Produksi(i,p,t))))); !Fungsi Kendala 2; @for(DC(j):@for(Produk(p):@for(Waktu(t): @sum(Pemasok(i):Xijpt(i,j,p,t))*0.9>=@sum(Konsumen(k):Zjkpt(j,k,p,t))))); !Fungsi Kendala 3; @for(DC(j):@for(Produk(p):@for(waktu(t): @sum(Konsumen(k):Zjkpt(j,k,p,t))<=Kapasitasw(j)*Y(j)))); !Fungsi Kendala 4; @for(Konsumen(k):@for(Produk(p):@for(Waktu(t): @sum(DC(j):Zjkpt(j,k,p,t))=Permintaan(k,p,t)))); !Fungsi Kendala 5; !Periode 1; @for(Pemasok(i):@for(Produk(p):@for(Waktu(t)|t#EQ#1: @sum(Pemasok(i):Initialinvv(i,p,t))=0.1*Produksi(i,p,t)))); @for(Pemasok(i):@for(Produk(p):@for(Waktu(t)|t#EQ#1: Initialinvv(i,p,t)+Produksi(i,p,t)-@sum(DC(j):Xijpt(i,j,p,t))=Inventoryv(i,p,t)))); !Periode selanjutnya; @for(Pemasok(i):@for(Produk(p):@for(Waktu(t)|t#GT#1: Inventoryv (i,p,t-1)+Produksi(i,p,t)@sum(DC(j):Xijpt(i,j,p,t))=Inventoryv(i,p,t))));

93

!Fungsi Kendala 6; !Periode 1; @for(DC(j):@for(Produk(p):@for(Waktu(t)|t#EQ#1: Initialinvw(j,p,t)=(0.1*Permintaan(j,p,t))*Y(j)))); @for(DC(j):@for(Produk(p):@for(Waktu(t)|t#EQ#1: Initialinvw(j,p,t)+@sum(Pemasok(i):Xijpt(i,j,p,t))@sum(Konsumen(k):Zjkpt(j,k,p,t))=Inventoryw(j,p,t)))); !Periode selanjutnya; @for(DC(j):@for(Produk(p):@for(Waktu(t)|t#GT#1: Inventoryw (j,p,t-1)+@sum(Pemasok(i):Xijpt(i,j,p,t))@sum(Konsumen(k):Zjkpt(j,k,p,t))=Inventoryw(j,p,t))));

@for(DC(j):@bin(Y(j))); End

94

LAMPIRAN 7A Hasil (Output) Software Lingo 11 pada Skenario 1

Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations: Variable IV IW Y( 1) Y( 2) Y( 3) Y( 4) Y( 5) Y( 6) Y( 7) FC( 1) FC( 2) FC( 3) FC( 4) FC( 5) FC( 6) FC( 7) KAPASITASW( 1) KAPASITASW( 2) KAPASITASW( 3) KAPASITASW( 4) KAPASITASW( 5) KAPASITASW( 6) KAPASITASW( 7)

0.1173294E+14 0.1173294E+14 0.1455192E-10 0 1547

Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0

95

Reduced Cost 0.000000 0.000000 0.8107617E+09 0.4541210E+10 -0.6937333E+11 0.2590161E+10 0.7200880E+10 0.4007200E+10 -0.7893526E+11 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7B Hasil (Output) Software Lingo 11 pada Skenario 2


Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0

96

0.1173494E+14 0.1173494E+14 0.1455192E-10 0 1868 Reduced Cost 0.000000 0.000000 -0.9447938E+09 0.5541210E+10 -0.1240956E+12 -0.3987006E+10 0.8200880E+10 0.5007200E+10 -0.1628019E+12 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7C Hasil (Output) Software Lingo 11 pada Skenario 3


Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0

97

0.1173694E+14 0.1173694E+14 0.1455192E-10 0 1921 Reduced Cost 0.000000 0.000000 -0.2700349E+10 0.6541210E+10 -0.1888178E+12 -0.7220339E+10 0.9200880E+10 0.6007200E+10 -0.2466686E+12 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7D Hasil (Output) Software Lingo 11 pada Skenario 4


0.1129406E+14 0.1129406E+14 0.1891749E-09 2 3679

Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0

98

Reduced Cost 0.000000 0.000000 0.3888392E+10 0.8082792E+10 -0.7499072E+11 -0.1660715E+11 -0.4266515E+11 0.7013920E+10 0.5987947E+10 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7E Hasil (Output) Software Lingo 11 pada Skenario 5


0.1126957E+14 0.1126957E+14 0.7275958E-11 0 1549

Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0

99

Reduced Cost 0.000000 0.000000 0.1621726E+10 0.9082792E+10 -0.1269463E+12 -0.1507148E+10 0.1440152E+11 0.8013920E+10 -0.1880705E+12 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7F Hasil (Output) Software Lingo 11 pada Skenario 6


Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0

100

0.1127157E+14 0.1127157E+14 0.7275958E-11 0 1845 Reduced Cost 0.000000 0.000000 0.3424453E+10 0.1008279E+11 -0.1831685E+12 -0.4740481E+10 0.1540152E+11 0.9013920E+10 -0.2870372E+12 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7G Hasil (Output) Software Lingo 11 pada Skenario 7


Value 700000.0 800000.0 0.000000 0.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 0.1000000E+10 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0 100000.0

101

0.1086580E+14 0.1086580E+14 0.2328306E-09 2 2385 Reduced Cost 0.000000 0.000000 0.6547024E+10 0.1159755E+11 0.1332736E+11 0.6643080E+10 -0.1576427E+11 0.1002136E+11 0.3704142E+10 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7H Hasil (Output) Software Lingo 11 pada Skenario 8


Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 0.2000000E+10 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0 200000.0

102

0.1082536E+14 0.1082536E+14 0.3637979E-11 5 8243 Reduced Cost 0.000000 0.000000 0.9680358E+10 0.1259755E+11 -0.9184452E+11 0.9541909E+09 -0.1490871E+11 0.1102136E+11 0.1988192E+11 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

LAMPIRAN 7I Hasil (Output) Software Lingo 11 pada Skenario 9


Value 700000.0 800000.0 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 0.3000000E+10 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0 300000.0

103

0.1081781E+14 0.1081781E+14 0.2910383E-10 0 1705 Reduced Cost 0.000000 0.000000 0.4251396E+10 0.1355608E+11 -0.1698431E+12 -0.2307666E+10 0.2160240E+11 0.1202136E+11 -0.3939391E+12 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000


104

BIODATA PENULIS

Penulis dilahirkan pada tanggal 25 Mei 1989 di Bontang, Kalimantan Timur. Penulis merupakan putra pertama dari lima bersaudara pasangan Bapak Ningrum Usman dan Ibu Anima Umar. Penulis menempuh pendidikan S1 pada tahun 2008-2012 pada Program Studi Teknologi Industri Pertanian

di

Universitas

Trunojoyo

Madura

yang

merupakan perguruan tinggi negeri di Pulau Madura. Pada saat menjadi mahasiswa S1 penulis aktif dalam berbagai organisasi kemahasiswaan baik di intra maupun eksternal kampus. Penulis juga sering mengikuti pelatihan-pelatihan soft skill untuk mengembangkan potensi Sumber Daya Manusia (SDM). Pelatihan yang telah diikuti, antara lain: MCC Leadership Training (2010), ESQ Leadership Training (2011), MPI Training Of Management Qolbu (2012), dan beberapa pelatihan-pelatihan soft skill yang ada di internal maupun eksternal kampus. Setelah lulus dari S1 penulis aktif pada beberapa Bidang Penelitian dan Pengabdian Masyarakat, diantaranya: (1) Studi Penataan Pasar Daerah di Kabupaten Bangkalan, (2) Studi Pengembangan SDM Masyarakat Madura Sesuai Potensi Daerah, (3) Kegiatan Fasilitasi dan Manajemen Teknis Program Sosial Penunjang Operasi Dan Pengembangan Masyarakat (PSPO-CD), (4) Program Sosialisasi dan Pendampingan Masyarakat Reklamasi Sumber Getar Survei Seismik Blok Madura. Pada tahun 2013 penulis mendapatkan kesempatan untuk melanjutkan studi S2 pada Program Magister dalam bidang keahlian Manajemen Logistik dan Rantai Pasok pada Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember di Surabaya. Selama studi S2 penulis mendapatkan wawasan dan ilmu pengetahuan yang lebih luas dalam Manajemen Industri khususnya pada bidang keahlian yang pilih yaitu Manajemen Logistik dan Rantai Pasok. Penulis berharap semoga mendapatkan ilmu yang bermanfaat dan bisa mengembangkan wawasan dan ilmu pengetahuan yang dimiliki. 105

TESIS-TI OPTIMASI RANCANGAN JARINGAN DISTRIBUSI PADA RANTAI PASOK BAHAN PANGAN DI JAWA TIMUR

Recommend Documents