JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
1
diPemodelan dan Simulasi Perencanaan Permintaan dan Pasokan Menggunakan Metode Sistem Dinamik Untuk Mengatasi Kelangkaan Pupuk Wilayah Jawa Timur (Studi Kasus : PT. XYZ) Riskha Dwi Anggraeni, Erma Suryani Jurusan Sistem Informasi, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected] Abstrak—Industri Pertanian merupakan salah satu sumber utama perekonomian Nasional. Pertanian memiliki beberapa faktor pendukung yang penting, salah satunya yaitu pupuk. Keterjaminan kualitas dan kuantitas pupuk mempengaruhi produktivitas pertanian. Kebijakan yang diterapkan pemerintah untuk mengatasi kebutuhan pupuk selama ini berupa pemberian pupuk bersubsidi, perencanaan sistem distribusi pupuk perlini dan perencanaan jumlah alokasi kebutuhan pupuk per wilayah. Pada tahun 2009 pemerintah memberlakukan sistem rayonisasi dengan pola distribusi tertutup untuk menjamin ketersebaran pupuk nasional dengan meminimalkan terjadinya penimbunan pupuk pada lini 3(distributor). Kebijakan ini dirasa cukup bagus dan komprehensif namun pada kenyataannya kelangkaan dan kenaikan harga pupuk masih terjadi. Kasus kelangkaan pupuk bersubsidi merupakan fenomena yang terjadi secara berulang hampir setiap tahun. Fenomena ini ditandai dengan melonjaknya harga pupuk ditingkat petani jauh dari Harga Eceran Tertinggi yang ditetapkan pemerintah. Tugas akhir ini bertujuan untuk menganalisa sistem distribusi pupuk sehingga menghasilkan keputusan yang ideal guna mengatasi kelangkaaan pupuk sehingga mampu menjaga stabilitas harga pupuk. Pendekatan supply chain diterapkan guna mengetahui peran antar pelaku dalam sistem. Objek permasalahan menggunakan waktu sebagai variable independent (bebas/berpengaruh) sehingga memungkinkan model untuk menyesuaikan kondisi dalam jangka waktu pendek maupun panjang. Tugas akhir ini diharapkan mampu memberikan alternative penyelesaian permasalahan kelangkaan pupuk di Jawa Timur. Kata Kunci—Sistem Dinamik, Supply Chain, Distribusi, Pupuk, HET
I. PENDAHULUAN ndustri pupuk merupakan salah satu faktor yang paling berpengaruh dalam persediaan produksi pertanian. Kebutuhan pupuk Nasional yang semakin meningkat sementara pasokan yang terbatas menyebabkan kelangkaan pupuk dan mempengaruhi stabilitas harga eceran tertinggi pupuk. Pada tahun 2009 pemerintah menetapkan sistem rayonisasi dengan sistem distribusi tertutup. Pada sistem distribusi tertutup setiap daerah distribusi hanya dapat melakukan pemasaran ke daerah-daerah pemasaran yang ditunjuk. Penyaluran dan rayonisasi pemasaran pupuk telah ditentukan oleh Departemen Perdagangan dengan tujuan menjaga kepastian harga, kebutuhan, serta wilayah pemasaran pupuk bersubsidi. Kenyataannya dengan sistem rayonisasi yang diterapkan justru menimbulkan jalur birokrasi yang rumit sehingga apabila terdapat daerah yang mengalami kekurangan pasokan tidak dapat langsung ditangani oleh produsen lain. Kebijakan sistem distribusi
I
tertutup ini dirasa belum mampu mengatasi kelangkaan pupuk ditingkat petani. Salah satu factor penyebabnya adalah sistem penerimaan di lini 4 yang belum optimal (Deptan, 2010) Tabel 1 Luas lahan pertanian Provinsi 2009 2010 Jawa Barat 124.857 132.683 Jawa Timur 117.476 121.538 Kal. Barat 87.007 94.009 Kal. Tengah 81.415 100.082 Sumsel 67.222 79.228
2011 115.261 119.403 92.482 66.093 62.143
Melalui data tersebut terlihat bahwa Jawa Timur merupakan salah satu wilayah dengan kebutuhan pupuk tinggi. Pada umumnya pertanian Jawa Timur bersifat musiman dan tahunan. Beberapa daerah yang menerapkan 2 jenis pertanian ini akan memiliki kebutuhan pupuk yang lebih tinggi dibanding dengan daerah yang menerapkan pertanian hanya satu musim saja. Konsumsi pupuk diwilayah Jawa Timur yang tinggi menimbulkan seringnya terjadi kelangkaan pupuk. Sistem dinamik merupakan metode pendekatan yang dirasakan tepat untuk mengkaji permasalahan ini. Objek permasalahan menggunakan waktu sebagai variable independent (bebas/berpengaruh) sehingga memungkinkan model untuk menyesuaikan kondisi dalam jangka waktu pendek maupun panjang. Tujuan simulasi yaitu menganalisis dan mensimulasikan sistem distribusi pupuk guna menjamin ketersediaan dan kestabilan harga pupuk ditingkat petani, II. KAJIAN PUSTAKA A. Sistem Dinamik Simulasi sistem dinamik merupakan simulasi kontinyu yang dikembangkan oleh Jay Forrester (MIT) tahun 1960an, berfokus pada struktur dan perilaku sistem yg terdiri dari interaksi antar variabel dan loop feedback. Hubungan dan interaksi antar variabel dinyatakan dalam diagram kausatik. Karakteristik model sistem dinamik antara lain adalah: Dinamika sistem yang kompleks Perubahan perilaku sistem terhadap waktu Adanya sistem umpan balik tertutup Adanya umpan balik ini menggambarkan informasi baru tentang keadaan sistem, yang kemudian akan menghasilkan keputusan selanjutnya. Berbeda dengan sistem konvensional, sistem dinamik memiliki kontribusi dalam simulasi. Beberapa keuntungan dalam menggunakan sistem dinamik adalah:
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 Tersedianya kerangka kerja bagi aspek kausalitas, nonlinearitas, dinamika dan perilaku endogen dari sistem Menciptakan pengalaman eksperimental bagi para pengambil kebijakan berdasarkan perilaku faktor–faktor pendukung sistem Adanya kemudahan untuk mengatur skenario simulasi sesuai dengan yang dikehendaki Tersedianya sumber informasi dari yang sifatnya mental, tertulis, maupun numerik sehingga model yang dihasilkan lebih berisi dan representatif. Menghasilkan struktur model dari input-input manajerial dan mensimulasikannya lewat prosedur komputasi yang kuantitatif. III. METODE a. Data Masukan Data yang digunakan dalam permasalahan ini adalah data-data yang didapatkan berdasarkan hasil survey dan wawancara yang dilakukan pada Kantor pemasaran PT. XYZ yang berlokasi di Surabaya Jawa Timur, Berikut informasi yang didapatkan dari annual report perusahaan :
Permintaan Pupuk Regional Supply Pupuk Regional Jatim Penjualan Pupuk Produksi Pupuk Inventory Gudang Jatim Harga Eceran Tertinggi
Dari data-data tersebut nantinya akan diproses menjadi suatu model dan skenario dengan menggunakan bantuan Vensim sebagai aplikasi simulasi. b. Pembuatan Konseptual Model Langkah awal dari tahapan adalah menentukan model konseptual untuk mengetahui pola perilaku dan hubungan antar variabel yang ada pada simulasi guna menentukan kesesuaian model dengan perilaku di kehidupan. Model konseptual tersebut digambarkan dalam sebuah Causal Loop Diagram (CLD). Causal Loop dibuat untuk menggambarkan interaksi atau hubungan sebab-akibat dari variabel-variabel utama yang akan dibuat dalam model. Hubungan sebabakibat dalam model dapat bersifat positif dan negatif. c. Pembuatan Base Model Basemodel merupakan model dasar yang nantinya akan dikembangkan untuk dianalisis. Langkah awal yang dilakukan adalah mengidentifikasi variabel-variabel terkait yang mempengaruhi sistem utama. Pada tugas akhir ini ini kebutuhan (demand) dan pasokan (supply) pupuk Jawa Timur yang menjadi tumpuan utama yang mempengaruhi variabel Level of service pemenuhan pupuk diwilayah Jawa Timur. Produksi perusahaan dipengaruhi oleh besarnya kebutuhan pupuk Nasional. Produksi perusahaan tiap tahunnya mengalami kenaikan dan penurunan bergantung pada kapasitas mesin produksi. Hal ini akan mempengaruhi kapasitas persediaan tiap gudang dan pemasokan kebutuhan pupuk daerah. Excess capacity merupakan tambahan kapasitas produksi jika pada titik tertentu perusahaan terindikasi akan
2 mengalami kekurangan jumlah produksi akibat dari tingginya kebutuhan pupuk nasional. Total kapasitas merupakan batas maksimal dari kapasitas gudang Jawa Timur. Semakin tinggi total kapasitas maka semakin besar pula inventory yang tersedia. Selain itu juga dapat dilihat tingkat pencapaian permintaan pupuk (level of service) perusahaan untuk jumlah produksi dan pasokan terhadap kebutuhan pupuk tahunan, semakin rendah nilai level of service menunjukkan semakin rendah pula tingkat pemenuhan perusahaan. d.
Verifikasi dan Validasi
Verifikasi merupakan penerjemahan model simulasi konseptual (diagram alur dan asumsi) ke dalam bahasa pemrograman secara benar. Sementara Validasi bertujuan melakukan pengecekan apakah model konseptual simulasi adalah representasi akurat dari sistem nyata yang sedang dimodelkan (Law & Kelton, 1991). Pada tugas akhir ini, cara yang akan digunakan untuk melakukan validasi adalah melalui behaviour validity test, yaitu fungsi yang digunakan untuk memeriksa apakah model yang dibangun mampu menghasilkan tingkah laku (behaviour) output yang diterima. Terdapat dua cara pengujian dalam validasi behavior adalah sebagai berikut: 1. Perbandingan Rata – Rata (Mean Comparison)
E1
S A A
Prasyarat :
S Nilai rata-rata hasil simulasi A
Nilai rata-rata data
Model valid apabila nilai E1 5% 2. Perbandingan Variasi Amplitudo (% Error Variance)
E2
Ss Sa Sa
Prasyarat : Ss = Standard deviasi model Sa = Standard deviasi data Model valid bila E2 30% Berikut hasil penghitungan mean variance (E1) dan Error Variance (E2) pada data hasil simulasi: 1. Demand Regional Jawa Timur Mean Variance = Error Variance =
2. Produksi PT. XYZ Mean Variance = Error Variance =
3. Inventory Gudang Jawa Timur Mean Variance =
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 Error Variance =
3 akan di analisis untuk mengamati kondisi yang mungkin terjadi. a. Skenario struktur tanpa penambahan kapasitas
4. Supply Jawa Timur Mean Variance =
Berdasarkan hasil simulasi dari skenario struktur tanpa penambahan kapasitas, dilakukan beberapa perbandingan untuk melihat kondisi pupuk Jawa Timur jika tidak dilakukan penambahan kapasitas.
Error Variance =
5. Sales PT. XYZ Mean Variance = Error Variance =
6. HET (Harga Eceran Tertinggi) Mean Variance = Gambar 2 Hasil skenario struktur tanpa penambahan kapasitas
Error Variance =
e. Pembuatan Skenario Setelah basemodel selanjutnya adalah pembuatan skenario simulasi. Jenis skenaro yang dibuat terbagi menjadi 2 yaitu skenario struktur (structure scenario) dan skenario parameter (parameter scenario). Model Valid
Scenario Model
Skenario Struktur
Tanpa Penambahan Kapasitas
Grafik pada gambar 2 menjelaskan bahwa demand regional dari tahun 2000-2020 berkisar antara 1035740 sampai 1382620, namun order yang terjadi diperkirakan antara 864867 sampai 1214940. Dari angka tersebut dapat dilihat bahwa order yang terjadi dibawah angka permintaan pupuk yang ditetapkan pemerintah. Perusahaan selalu berusaha mampu memenuhi order pupuk ditingkat petani. Pada tahun 2005-2012 perusahaan mampu mencukupi order petani dengan sangat baik, namun diperkiraan mulai tahun 2013 perusahaan tidak dapat mencukupi order pupuk dilihat dari garis hijau (supply) yang jauh dibawah garis merah (expected order).
Skenario Parameter
Dengan Penambahan Kapasitas
Optimistic
Pessimistic
Most Likely
Gambar 1 Bagan Skenario
Skenario struktur digunakan untuk mengetahui kapan kapasitas membutuhkan penambahan kapasitas, sedangkan skenario parameter digunakan untuk mengetahui kemampuan dari kapasitas baru dalam menghadapi berbagai kondisi. Skenario parameter dilakukan dengan mengubah parameter growth yang merupakan nilai pertumbuhan perkiraan permintaan yang secara langsung berpengaruh pada besarnya inventory gudang Jawa Timur. Perkiraan pertumbuhan permintaan pupuk masing-masing 0.06 untuk skenario optimis, 0.02 untuk skenario pessimistic dan 0.04 untuk skenario mostlikely. Nilai tersebut ditetapkan berdasarkan target yang ditetapkan perusahaan. IV. HASIL DAN PEMBAHASAN 4.1 Skenario Struktur Skenario struktur terdiri dari skenario struktur tanpa penambahan kapasitas dan skenario struktur dengan penambahan kapasitas. Masing-masing hasil dari skenario
Gambar 3 Level of service skenario struktur
Dari tabel 5.1 dapat dillhat bahwa tahun 2012-2020 harga eceran pupuk terus mengalami kenaikan berkisar antar Rp. 2.000,00 sampai Rp.2.600,00. Berdasarkan ketetapan pemerintah tahun 2011 bahwa harga eceran pupuk tahun 2012 sebesar 1800. Namun seiring rendahnya level of service di wilayah Jawa Timur diprediksi harga eceran pupuk ditingkat petani akan terus mengalami kenaikan. b. Skenario struktur dengan penambahan kapasitas Berdasarkan hasil simulasi dari skenario struktur dengan penambahan kapasitas, dilakukan beberapa perbandingan untuk melihat kondisi pupuk Jawa Timur setelah diterapkannya penambahan gudang baru.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
Gambar 4 Hasil skenario struktur dengan penambahan kapasitas
Grafik pada gambar 4 menjelaskan bahwa kekurangan kapasitas terjadi mulai tahun dimana garis merah yang merupakan kapasitas persediaan dibawah dari garis biru yaitu permintaan pupuk. Pertumbuhan ini membentuk garis yang selalu meningkat seiring dengan tingginya permintaan pupuk diwilayah Jawa Timur. Sedangkan hasil dimana perusahaan menerapkan penambahan kapasitas diketahui dengan membandingkan jumlah inventory baru (excess capacity) dengan inventory lama dapat dilihat mulai tahun 2014. Garis hijau dimana inventory baru telah jauh bertambah dari kondisi garis merah (inventory lama) sehingga mampu mencukupi kebutuhan pupuk (garis biru).
4 besarnya pasokan maka akan berpotensi terjadi kelangkaan pupuk. Distribusi pupuk pada wilayah Jawa Timur dapat dilihat pada tabel 5. Wilayah II dengan daerah pemasaran Madiun, Madiun Kota, Magetan, Nganjuk, Ngawi, Pacitan, Ponorogo dan wilayah IV daerah pemasaran Jombang, Kediri, Kediri Kota, Mojokerto, Mojokerto Kota, Tulungagung, Trenggalek merupakan wilayah dengan distribusi pupuk paling tinggi, sedang wilayah V daerah pemasaran Batu Kota, Blitar, Blitar Kota, Malang, Malang Kota, Pasuruan, Pasuruan Kota merupakan wilayah dengan distribusi pupuk rendah. Wilayah II dan wilayah IV merupakan daerah yang memiliki lahan tanam subur dengan konsumsi pupuk tinggi dengan 2 musim tanam, musim tanam padi dan musim tanam kacang-kacangan. Ekspansi kapasitas gudang dapat difokuskan di wilayah II dan wilayah IV dengan peningkatan waktu operasi pengiriman. Penambahan kapasitas akan terganjal dengan maksimum kapasitas gudang. Dalam kondisi normal maka perusahaan hanya memasok 1bulan sekali, namun jika terjadi permintaan yang melebihi batas persediaan maka perusahaan dapat melakukan pasokan ke gudang lebih dari 1x dalam sebulan. 4.2 Skenario Parameter Simulasi skenario parameter dilakukan untuk mengetahui kesiapan perusahaan dalam menghadapi predikasi jumlah pertumbuhan yang telah ditargetkan oleh pihak managemen apabila melakukan penambahan kapasitas berupa gudang baru di beberapa wilayah. a. Skenario Optimis Skenario optimis yaitu kondisi predisksi optimis terhadap nilai permintaan pupuk dimasa mendatang. Hasil run simulasi menunjukkan menunjukkan bahwa untuk 7 tahun ke depan atau sampai 2020 kapasitas persediaan gudang baru mampu menjangkau besarnya permintaan pupuk wilayah Jawa Timur.
Gambar 5 Excess capacity skenario struktur
Dengan additional capacity sebesar 200000ton excess warehouse capacity 100000ton pada tahun 2013-2016 kemudian mengalami penurunan dan belum masih dapat mencukupi permintaan pupuk Jawa Timur sampai akhir 2020. Distribusi pupuk pada wilayah Jawa Timur dapat dilihat pada tabel 2. Setiap wilayah memiliki tingkat kebutuhan pupuk yang berbeda. Gambar 6 Hasil skenario optimis
Tabel 2 Distribusi Jawa Timur Distribusi Wil I Wil II Wil III Wil IV
Wil V
2007
191390
226600
191000
200500
176349
2008
193310
229770
209760
224400
172450
2009
207005
227850
209870
219070
178755
2010
209005
231675
217145
210075
177060
2011
211580
231080
205690
220645
185595
Tahun
Kelangkaan pupuk berkaitan dengan demand dan volume pasokan pupuk di Lini III. Ketika demand tidak diimbangi
Grafik excess warehouse capacity skenario optimis pada gambar 5.18 menunjukkan, penambahan kapasitas yang dilakukan mulai tahun 2013 akan bersisa sebesar 45000ton sampai 60000ton dan stabil sampai tahun 2020. Diperkirakan kapasitas yang ditambahkan belum habis dalam waktu dekat akan cukup sampai diatas tahun 2020. b. Skenario Pesimis Skenario pesimis menunjukkan kondisi pesimis permintaan pupuk terhadap pemenuhan kebutuhan pupuk Jawa Timur. Pertumbuhan kebutuhan pupuk diatur sebesar 2% sedikit dibawah nilai pertumbuhan normal.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
5 kondisi pesimis dimana angka pertumbuhan diatur sebesar 2% maka yang terjadi level of service perusahaan mampu mencapai angka 100 pada tahun 2013 sampai 2016 selanjutnya menurun pada tahun 2017-2020. Pada kondisi most likely telah dijelaskan pada grafik pada gambar 9 dimana supply seimbang dengan kebutuhan yang ada, kondisi ini merupakan kondisi ideal dimana perusahaan tidak mengalami kelebihan kapasitas maupun kekurangan kapasitas. Pada skenario most likely level of service perusahaan stabil bernilai 100 terhitung mulai tahun 2013 sampai 2018 dan menuruh di tahun 2019 dan 2020.
Gambar 7 Hasil skenario pesimis
Grafik pada skenario pesimis menunjukkan excess warehouse capacity pada gambar 7 atau penambahan kapasitas hanya mampu mencukupi permintaan pupuk Jawa Timur 3 tahun yaitu mulai tahun 2013 sampai 2015. Seiring dengan tingginya permintaan pupuk maka kapasitas tambahan akan habis pada tahun 2016. Jika kondisi ini terus berlangsung sampai 2020 maka tidak menutup kemungkinan akan terjadi kelangkaan pupuk ditingkat petani. c. Skenario Most Likely Pertumbuhan kebutuhan pada skenario most likely yang diatur sebesar 4% merupakan kondisi dimana kebutuhan pupuk berada diatara nilai optimis dan pesimis. Pada dasarnya hasil skenario most likely mendekati skenario struktur dengan penambahan kapasitas.
Gambar 9 Level of service skenario parameter
Bagan pada gambar 5.24 menyediakan ringkasan informasi mengenai prosentase kenaikan inventory setelah dilakukan penambahan kapasitas dan kemampuan supply untuk mencukupi permintaan pupuk jawa timur sampai tahun 2020. Pada skenario struktur sebelum dilakukan penambahan kapasitas demand lebih tinggi dari supply, setelah dilakukan penambahan kapasitas inventory naik 22% dan mampu mencukupi sampai 2018. Skenario parameter menunjukan pada kondisi optimis inventory naik 25% dan supply perusahaan mampu mencukupi permintaan pupuk sampai 2020, kondisi pesimis inventory naik 11% hanya mampu mencukupi permintaan 3 tahun awal yaitu 20132015, dan kondisi most likely inventory naik 17% dan supply perusahaan mampu mencukupi sampai 2018. Tanpa penambahan kapasitas
Inventory tetap, supply < demand
Gambar 8 Hasil skenario most likely Struktur
Grafik angka penambahan kapasitas pada skenraio most likely menunjukan additional capacity mampu mencukupi kebutuhan pupuk Jawa Timur mulai tahun 2013 sampai 2018. Excess capacity pada tahun 2013 sebesar 50000ton dan akan habis pada tahun 2018, mengalami minus pada tahun 2019 dan 2020. Sehingga perlu direncanakan lagi pembangunan gudang baru untuk mengatasi permintaan pupuk beberapa tahun kedepan. Dari simulasi yang telah dilakukan, dapat dilakukan pembandingan terhadap level of service masing-masing skenario parameter mengenai kapan tercapai batas kebutuhan penambahan kapasitas dan melihat pemenuhan kebutuhan dari masing-masing kondisi yang diprediksi. Grafik level of service menunjukkan tingkat pemenuhan dari masing-masing kondisi yang diprediksi. Dari grafik pada gambar 9 tersebut dapat dilihat bahwa pada kondisi optimis level of service tahun 2013 selalu berada diatas angka 100, dimana menunjukan level yang tinggi. Pada
Dengan Penambahan Kapasitas
Inventory naik 22%, supply mampu mencukupi 2018
Skenaro Optimis Inventory naik 25%, supply mampu mencukupi 2020
Pesimis Inventory naik 11%, supply mampu mencukupi 2015
Parameter
Most Likely Inventory naik 17%, supply mampu mencukupi 2018
Gambar 10 Bagan Run Out
Dari keseluruhan hasil analisis diberikan beberapa usulan kebijakan bagi perusahaan dalam mengatasi permasalahan distribusi pupuk Jawa Timur. Beberapa usulan kebijakan tersebut antara lain:
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1. Meningkatkan level of service perusahaan dalam pemenuhan kebutuhan pupuk Jawa Timur untuk menjaga stabilitas harga eceran tertinggi ditingkat petani. Hal ini dapat dilakukan dengan memaksimalkan supply pada lini III (distributor) dan lini IV (kelompok tani). 2. Penambahan gudang baru didaerah-daerah yang memiliki tingkat kebutuhan tinggi. Penambahan gudang baru dapat dipertimbangkan dari tingginya permintaan pupuk perwilayah. Dari distribusi pupuk Jawa Timur dilihat bahwa wilayah II dan wilayah IV merupakan wilayah dengan permintaan pupuk tertinggi dibanding yang lainnya. Penambahan gudang baru dapat dibangun di wilayah II dan wilayah IV. 3. Kajian ulang tentang sistem rayonisasi distribusi pupuk wilayah Jawa Timur. Sistem rayonisasi berpotensi terjadinya kelangkaan pupuk ditingkat petani. Seringkali demand suatu wilayah tinggi dan tidak dapat dicukupi oleh inventory gudang penyangga, namun juga tidak dapat disupply oleh gudang lainnya. Wilayah yang memiliki demand tinggi dialokasikan dengan inventory yang tinggi pula sehingga tidak terjadi kelangkaan pupuk maupun penimbunan stok pupuk.
6 wilayah II dan wilayah IV yang merupakan wilayah dengan konsumsi dan tingkat kebutuhan pupuk yang tertinggi di Jawa Timur. 5. Level of service sebagai indikator yang mempengaruhi harga eceran tertinggi pupuk. Semakin rendah level of service perusahaan maka harga eceran tertinggi pupuk bernilai tinggi, begitu pula semakin tinggi level of service perusahaan maka harga eceran tertinggi pupuk akan stabil. 6. Berdasarkan perbandingan antara skenario struktur dan parameter pada tabel 5.5 dapat diperkirakan waktu dimana perusahaan perlu merencanakan penambahan kapasitas ulang karena additional capacity telah habis. a. Skenario optimis (6%) menunjukkan additional capacity sebesar 200000ton tidak akan habis sampai tahun 2020 dengan excess capacity* 50000ton. b. Skenario pesimis (2%) kemungkinan additional capacity akan habis pada tahun 2015 dengan tidak ada excess capacity untuk tahun 2016. c. Skenario most likely (4%) kemungkinan additional capacity akan habis pada tahun 2018 tidak ada excess capacity untuk tahun 2019. DAFTAR PUSTAKA
V. KESIMPULAN Adapun beberapa hal yang dapat disimpulkan dalam pengerjaan Tugas Akhir ini sebagai berikut : 1. Model yang dikembangkan dalam tugas akhir ini telah valid melalui pengujian behaviour validity test dengan mean variance lebih rendah dari 5% dan error variance lebih rendah dari 30% untuk sub-model demand regional, produksi, inventory, supply, sales, dan HET. Model dapat digunakan sebagai acuan simulasi untuk membantu perusahaan memprediksi upaya peningkatan pemenuhan permintaan dengan menambahkan kapasitas produksi, kapasitas persediaan dan jumlah pasokan berdasarkan pertumbuhan permintaan pupuk Jawa Timur. 2. Kapasitas total persediaan gudang wilayah jawa timur saat ini sebesar 1208750ton diprediksi tidak akan mampu mencukupi permintaan pupuk 5-8 tahun kedepan. Melalui rencana ekspansi kapasitas dengan additional capacity tahun 2013 sebesar 200000ton pada kondisi optimis inventory pupuk perusahaan naik sebesar 25% mampu mencukupi permintaan sampai tahun 2020, sedang pada kondisi pesimis inventory naik sebesar 11% mampu mencukupi permintaan sampai tahun 2015 dan pada kondisi most likely naik sebesar 17% akan mampu mencukupi permintaan pupuk sampai 2018. 3. Dengan pengalokasian pasokan pupuk perusahaan sebesar 90% dari kapasitas persediaan maka pada kondisi optimis (pertumbuhan permintaan naik 6%) perusahaan mampu memasok keseluruhan pemintaan pupuk sampai tahun 2020, sedang pada kondisi pesimis (pertumbuhan naik 2%) perusahaan hanya mampu memasok pada 2013-2015, sedang pada kondisi mostlikely perusahaan mampu memasok sampai tahun 2018. 4. Penambahan kapasitas persediaan sebesar 200000ton sebaiknya ditambahkan pada gudang penyangga di
[1] [2] [3] [4] [5]
[6]
[7]
[8]
[9]
Basyaib, F. 2006. Teori Pembuatan Keputusan. Jakarta: Grasindo. Law & Kelton. 1991. Pengertian Simulasi. Simulation Modeling and Analysis 109-115. Peraturan Menteri Perdagangan. 2009. PERMENDAG No. 07/MDAG/PER/2/2009 Peraturan Menteri Pertanian. 2008. PERMENTAN No. 42/ Permentan/OT.140/09/2008 Pupuk Kaltim. 2009. Pemain Utama di Asia Pasifik. [Online]. http://www.pupukkaltim.com/ina/news/index.php?act=news_detail&p _id=805. Diakses: 5 September 2012. Pupuk Kaltim. 2009. Pemasaran Urea. [Online]. http://www.pupukkaltim.com/ina/pemasaran/index.php?act=urea. Diakses: 5 Sepetember 2012. Suryani, E., Chou, S.-Y., & Chen, C.-H. 2010. Demand scenario analysis and planned capacity expansion: A system. Simulation Modelling Practice and Theory, 732-751. Suryani, E., Chou, S.-Y., & Chen, C.-H. 2012. Dynamic simulation model of air cargo demand forecast and terminal capacity planning. Simulation Modelling Practice and Theory, 27-41. Raymond McLeod, J., & Schell, G. P. 2007. Management Information System. Pearson/Prentice Hall.
