OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS UNTUK PROGRAM RASKIN (STUDI KASUS PADA PERUM BULOG SUBDIVISI REGIONAL CIANJUR) RIA SARTIKA

OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS UNTUK PROGRAM RASKIN (STUDI KASUS PADA PERUM BULOG SUBDIVISI REGIONAL CIANJUR)

RIA SARTIKA

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa tesis berjudul Optimasi Persediaan pada Rantai Pasokan Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur) adalah karya saya dengan arahan dari Komisi Pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2014 Ria Sartika NIM F153110141

RINGKASAN

RIA SARTIKA. Optimasi Persediaan pada Rantai Pasokan Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur). Dibimbing oleh EMMY DARMAWATI dan RIDWAN RACHMAT. Permintaan distribusi beras yang tidak beraturan dan tidak dapat diprediksi menjadi unsur ketidakpastian pada rantai pasokan beras untuk Program Raskin. Hal ini menyebabkan beberapa wilayah kerja BULOG tidak dapat menentukan persediaan secara pasti di setiap bulannya, salah satunya adalah Subdivre Cianjur. Tujuan penelitian ini adalah menentukan jumlah persediaan beras yang dapat meminimalkan biaya penyediaan dalam ketidakpastian situasi rantai pasokan beras di wilayah kerja Subdivre Cianjur. Ruang lingkup penelitian ini meliputi 6 (enam) wilayah Kabupaten/Kota di Propinsi Jawa Barat, yakni Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kota Bogor, Kota Sukabumi, dan Kota Depok. Tahapan penelitian terdiri dari (1) penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo, (2) penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan distribusi secara efektif dan efisien dilakukan dengan proses analisis bertingkat (analytic hierarchy process/AHP), dan (3) pengembangan model perencanaan dan penjadwalan penyediaan beras dilakukan dengan pendekatan model fuzzy linear programming. Subdivre Cianjur menerima Pagu Raskin Kabupaten/Kota tahun alokasi 2012 sebanyak 194.678.465 kg. Kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin diduga dapat menyebabkan ketidakpastian jumlah beras untuk kebutuhan pasokan. Hasil simulasi Monte Carlo membuktikan bahwa semakin terlambat waktu dalam penerbitan SPA Raskin Kabupaten/Kota dan semakin besar jumlah tunggakan dalam pembayaran HP-Raskin cenderung akan meningkatkan jumlah kebutuhan pasokan yang harus disediakan. Kondisi ketidakpastian permintaan distribusi tertinggi diperkirakan membutuhkan pasokan sebesar 319.024.683 kg per tahun atau sebesar 1,6 kali dari rencana Pagu Raskin Kabupaten/Kota tahun 2012 dan masih dalam batas persediaan minimal yang ditetapkan. Hasil penilaian akhir sumber pasokan beras untuk Program Raskin di Subdivre Cianjur diperoleh bahwa prioritas pertama adalah kegiatan pengadaan gabah/beras setempat yaitu sebesar 0,4201; kemudian diikuti oleh sumber pasokan dari kegiatan MOVEREG dengan bobot 0,3697 dan sumber pasokan dari kegiatan MOVENAS dengan bobot 0,2102. Pengembangan model perencanaan dan penjadwalan penyediaan beras dilakukan sesuai dengan urutan sumber pasokan. Hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 100% membutuhkan pasokan sebanyak 207.959.833 kg per tahun dan rata-rata persediaan optimal sebesar 9.157.820 ± 5.433.015 kg per bulan. Sedangkan hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 60,15% membutuhkan pasokan sebanyak 131.602.570 kg per tahun dan rata-rata persediaan optimal sebesar 9.744.943 ± 4.649.305 kg per bulan. Kata kunci: beras Program Raskin, analisis bertingkat, Simulasi Monte Carlo, fuzzy linear programming

SUMMARY

RIA SARTIKA. Inventory Optimization at rice supply chain for Raskin Program (Case Study at Perum BULOG Subdivisi Regional Cianjur). Under supervition of EMMY DARMAWATI and RIDWAN RACHMAT. Demand distribution of rice for Raskin Program is irregular and unpredictable and it caused uncertainty to rice supply chain for Raskin Program. This led to some BULOG regional areas can not determine the amount of monthly rice inventory with certainty. One of this area is Subdivre Cianjur. This research was aimed to determine the amount of rice inventory that can minimize procurement cost on supply chain uncertainties in Subdivre Cianjur. The scope of this study includes six (6) districts/towns in West Java, namely district of Bogor, Sukabumi, Cianjur, town of Bogor, Sukabumi, and Depok. Stages of the study consisted of (1) determine the amount of rice supply on the demand uncertainty and publishing SPPB/DO monthly with the Monte Carlo simulation approach, (2) determine prioritization of supply sources that can meet the distribution needs effectively and efficiently with analytic hierarchy process, and (3) develope the model of rice supply planning and scheduling with fuzzy linear programming approach. Subdivre Cianjur receive alocation Raskin District/Town in 2012 as many as 194.678.465 kg . Conditions of monthly issuing SPPB/DO and constraints of arrears in the payment of the HP-Raskin can cause the amount of rice to supply needs uncertainty. Monte Carlo simulation results prove that the more late of issuing SPA Raskin District/Town and the greater amount of arrears in the payment of the HP-Raskin will tend to increase the uncertainty of supply and the greater the amount of supply. The highest of demand distribution uncertainty estimated to need a supply of 319.024.683 kg per year or 1.6 times of alocation Raskin District/Town in 2012. The results for assessment of the source of supply obtained first priority is the procurement of paddy/rice (ADA SETEMPAT) with weights 0,4201; then followed by sources of supply from MOVEREG activities with weights 0,3697; and sources of supply from MOVENAS activities with weights 0,2102. Development the model of rice supply planning and scheduling with fuzzy linear programming is done in accordance with the order of the source of supply. Results of inventory optimization in achieving distribution service level to 100% requires need supply as much as 207.959.833 kg per year and the average optimal inventory of 9.157.820 ± 5.433.015 kg per month. While the results of inventory optimization in achieving distribution service level to 60,15% requires need supply as much as 131.602.570 kg per year and the average optimal inventory of 9.744.943 ± 4.649.305 kg per month. Keywords: rice for Raskin Program, analytic hierarchy process, Monte Carlo Simulation, fuzzy linear programming

© Hak Cipta Milik IPB, Tahun 2014 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS UNTUK PROGRAM RASKIN (STUDI KASUS PADA PERUM BULOG SUBDIVISI REGIONAL CIANJUR)

RIA SARTIKA

Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Teknologi Pascapanen

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014

Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Lilik Pujantoro Eko Nugroho, MAgr

Judul Tesis

Nama NIM Program Studi

: Optimasi Persediaan pada Rantai Pasok Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur) : Ria Sartika : F153110141 : Teknologi Pascapanen

Disetujui oleh Komisi Pembimbing

Dr. Ir. Emmy Darmawati, MSi Ketua

Dr. Ir. Ridwan Rachmat, MAgr Anggota

Diketahui oleh

Ketua Program Studi Teknologi Pascapanen

Prof. Dr. Ir Sutrisno, MAgr

Tanggal Ujian : 19 Agustus 2014

Dekan Sekolah Pascasarjana

Dr. Ir. Dahrul Syah, MScAgr

Tanggal Lulus :

PRAKATA Puji dan syukur penulis panjatkan kepada Allah Subhanahu Wa Ta’ala atas segala karunia-Nya karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2013 ini adalah analisis persediaan, dengan judul Optimasi Persediaan pada Rantai Pasok Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur). Penulis mengucapkan terima kasih yang sebesar-besarnya kepada Dr. Ir. Emmy Darmawati, MSi dan Dr. Ir. Ridwan Rachmat, MSc selaku komisi pembimbing, Prof. Dr. Ir Sutrisno, MAgr selaku Ketua Program Studi Teknologi Pascapanen, serta Bapak Dr. Ir. Lilik Pujantoro Eko Nugroho, MAgr selaku penguji luar komisi pembimbing yang telah banyak memberikan bimbingan dan arahan kepada penulis. Penulis menyadari bahwa dalam penulisan karya ilmiah ini tidak luput dari kesalahan dan kekurangan, untuk itu penulis tetap membuka diri untuk menerima saran dan kritik yang sifatnya konstruktif. Ungkapan terima kasih juga disampaikan kepada suami dan anak tercinta serta seluruh keluarga, atas segala doa dan kasih sayangnya. Harapan penulis semoga karya ilmiah ini dapat bermanfaat di masa depan. Terakhir penulis ingin mengucapkan terima kasih untuk semua dan semoga Allah SWT meridhoi kita semua, Amin.

Bogor, Agustus 2014

Ria Sartika

DAFTAR ISI

DAFTAR TABEL

xii

DAFTAR GAMBAR

xiii

DAFTAR LAMPIRAN

xiv

1 PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Ruang Lingkup

1 1 2 3 4 4

2 TINJAUAN PUSTAKA Konsep Manajemen Rantai Pasok Model-Model Persediaan Fuzzy Linear Programming Kajian Penelitian Terdahulu Kerangka Pemikiran

4 4 5 6 9 12

3 METODE PENELITIAN Tempat dan Waktu Penelitian Pendekatan Penelitian Jenis dan Sumber Data Teknik Pengumpulan Data dan Informasi Teknik Pengolahan dan Analisis Data

14 14 14 14 14 15

4 HASIL DAN PEMBAHASAN Alur Distribusi Beras untuk Program Raskin Model Perkiraan Kebutuhan Pasokan untuk Program Raskin Kondisi Permintaan Alokasi Pagu Raskin Perkiraan Permintaan Alokasi Pagu Raskin Perkiraan Kebutuhan Pasokan Model Perencanaan dan Penjadwalan Penyediaan Beras untuk Program Raskin Sumber Pasokan Penentuan Prioritas Sumber Pasokan Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Pengadaan Beras Setempat (Prioritas 1) Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan MOVEREG (Prioritas 2) Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan MOVENAS (Prioritas 3) Hasil Optimasi Analisa Perubahan Pasca Optimasi

25 25 26 26 28 30

50 58 60

5 SIMPULAN DAN SARAN Simpulan Saran

64 64 65

DAFTAR PUSTAKA

65

LAMPIRAN

67

33 33 34 36 43

DAFTAR TABEL

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

Tingkat pelayanan distribusi beras untuk Program Raskin di wilayah kerja Subdivre Cianjur Perbandingan penelitian terdahulu Struktur data hasil observasi permintaan alokasi Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty Jumlah kecamatan dan titik distribusi di Subdivre Cianjur tahun 2008-2011 Hasil analisis ragam terhadap realisasi Pagu Raskin untuk masing-masing wilayah distribusi Perkiraan rasio permintaan alokasi Pagu Raskin bulanan untuk masing-masing wilayah distribusi Alokasi Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional pada tahun 2012 di masing-masing wilayah distribusi Perkiraan permintaan alokasi Pagu Raskin tahun 2012 di masing-masing wilayah distribusi Nilai koefisien varians yang dihasilkan dari 15 skenario penerbitan SPPB/DO beras untuk Program Raskin yang mungkin dihadapi oleh Subdivre Cianjur Nilai awal untuk membuat perkiraan kebutuhan pasokan dengan pendekatan metode simulasi Monte Carlo Nilai rata-rata geometrik dari bobot kriteria penilaian efektifitas dan efisiensi sumber pasokan Perhitungan bobot tiap kriteria penilaian efektifitas dan efisiensi sumber pasokan Hasil penilaian akhir sumber pasokan Rencana target kegiatan pengadaan beras setempat tahun 2012 Hasil akhir model upper dari sumber pasokan pengadaan beras setempat Hasil akhir model lower dari sumber pasokan pengadaan beras setempat Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat Rencana target kegiatan MOVEREG tahun 2012 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 2 Hasil akhir model upper dari sumber pasokan MOVEREG Hasil akhir model lower dari sumber pasokan MOVEREG Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG Rencana target kegiatan MOVENAS tahun 2012 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 3 Hasil akhir model upper dari sumber pasokan MOVENAS Hasil akhir model lower dari sumber pasokan MOVENAS

3 12 17 21 25 27 28 28 29 31 32 35 35 36 37 39 40 42 44 45 46 47 49 50 51 52 54 55

29 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS tahun 2012 30 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS 31 Perbandingan persediaan beras optimal yang dihasilkan oleh model LP dengan model FLP pada kondisi penerbitan SPPB/DO 100% 32 Perbandingan kondisi riil dengan skenario perubahan penerbitan SPPB/DO tahun 2012 33 Perbandingan formulasi fungsi kendala kebutuhan beras 34 Persediaan beras optimal yang dihasilkan oleh model FLP pada kondisi penerbitan SPPB/DO 60,15%, dan kondisi riil persediaan tahun 2012

56 57 60 61 61 64

DAFTAR GAMBAR

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Grafik realisasi pengadaan beras di wilayah kerja Subdivre Cianjur tahun 2008-2011 Fungsi keanggotaan Kerangka pemikiran penelitian Tahapan penelitian tentang model perkiraan kebutuhan pasokan Alternatif sumber pasokan pada rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur Stuktur hierarki dalam AHP Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur Alur distribusi beras untuk Program Raskin Perkembangan Pagu Raskin di wilayah kerja Subdivre Cianjur Realisasi dan perkiraan rasio permintaan Pagu Raskin tahun 2012 di wilayah kerja Subdivre Cianjur Perkiraan kebutuhan pasokan tahun 2012 menggunakan pendekatan metode simulasi Monte Carlo Realisasi bulanan kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011 Realisasi kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat tahun 2012 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS setempat tahun 2012 Grafik perbandingan total pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 100%, dan kondisi riil pasokan tahun 2012 Grafik perbandingan total biaya penyediaan yang dihasilkan oleh model FLP dan model LP pada kondisi penerbitan SPPB/DO 100%

2 8 13 16 19 20 22 26 27 29 33 34 34 42 49 57 58 59

19 Persentase pasokan dari masing-masing sumber pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 100% 20 Grafik perbandingan total pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 60,15%, dan kondisi riil pasokan tahun 2012 21 Grafik perbandingan total biaya penyediaan yang dihasilkan oleh model FLP dan model LP pada kondisi penerbitan SPPB/DO 60,15% 22 Realisasi dan hasil optimasi penyediaan beras dari sumber pasokan pengadaan beras setempat, MOVEREG, dan MOVENAS tahun 2012 di wilayah kerja Subdivre Cianjur

59 62 62 63

DAFTAR LAMPIRAN

1 2 3 4

5

6

Skenario penerbitan SPPB/DO yang digunakan pada penelitian Penentuan tingkat kepentingan untuk masing-masing kriteria Penentuan tingkat kepentingan antar alternatif sumber pasokan Variabel keputusan yang dipergunakan dalam model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat (prioritas 1) Variabel keputusan yang dipergunakan dalam model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG (prioritas 2) Variabel keputusan yang dipergunakan dalam model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS (prioritas 3)

67 69 70

73

74

75

NOTASI MATEMATIKA

Notasi Yij-k

T ri S2 i-k S2g db_i_k D’_bar S D’-bar XG-bar n Xi ∏ xoj xpj xqj ij Co Cp Cq Ci Toj Tpj Tqj K S D’j

Arti respon perlakuan (permintaan alokasi Pagu Raskin pada tahun alokasi i (i=1,2,..,t) dan bulan ke-j (j=1,2,..,ri) di wilayah Kabupaten/Kota k(k=1,2,..,6), dalam satuan kg banyaknya perlakuan (jumlah periode tahun alokasi yang akan dianalisis) banyaknya ulangan pada perlakuan ke-i (bulan permintaan alokasi Pagu Raskin pada periode tahun alokasi i) ragam permintaan alokasi Pagu Raskin pada tahun alokasi i di wilayah Kabupaten/Kota k ragam gabungan derajat bebas (jumlah bulan permintaan alokasi Pagu Raskin pada periode tahun alokasi i di wilayah Kabupaten/Kota k) rata-rata perkiraan penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, dalam satuan kg per bulan simpangan baku perkiraan penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja Subdivre Cianjur rata-rata geometrik jumlah responden penilaian oleh responden ke-i perkalian beras yang dipasok dari sumber pasokan ADA SETEMPAT pada bulan j (j=1,2,..,n), dalam satuan kg atau ton beras yang dipasok dari sumber pasokan MOVEREG pada bulan j (j=1,2,..,n), dalam satuan kg atau ton beras yang dipasok dari sumber pasokan MOVENAS pada bulan j (j=1,2,..,n), dalam satuan kg atau ton jumlah beras yang menjadi persediaan pada bulan j (j=1,2,..,n), dalam satuan kg atau ton biaya pengadaan beras ADA SETEMPAT, dalam satuan Rp per kg atau Rp per ton biaya angkutan MOVEREG, dalam satuan Rp per kg atau Rp per ton biaya angkutan MOVENAS, dalam satuan Rp per kg atau Rp per ton biaya penyimpanan, dalam satuan Rp per kg atau Rp per ton target kegiatan ADA SETEMPAT pada bulan j (j=1,2,..,n), dalam satuan kg atau ton, target kegiatan MOVEREG pada bulan j (j=1,2,..,n), dalam satuan kg atau ton, target kegiatan MOVENAS pada bulan j (j=1,2,..,n), dalam satuan kg atau ton, kapasitas tempat penyimpanan, dalam satuan kg atau ton, jumlah beras untuk kebutuhan pasokan, dalam satuan kg per tahun atau ton per tahun, rencana penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja SUBDIVRE CIANJUR pada bulan j (j=1,2,..,n), dalam satuan kg atau ton,

1 PENDAHULUAN Latar Belakang Kemiskinan merupakan permasalahan bangsa yang mendesak dan memerlukan langkah-langkah penanganan dan pendekatan yang sistematik, terpadu dan menyeluruh. Salah satu program penanggulangan kemiskinan dan perlindungan sosial yang diselenggarakan oleh Pemerintah Pusat adalah Program Raskin, yakni berupa bantuan beras bersubsidi kepada rumah tangga dengan pendapatan rendah (rumah tangga miskin dan rentan miskin) (Sudarsana 2009, Jamhari 2012). Penyediaan beras untuk Program Raskin dipercayakan kepada BULOG (kini merupakan suatu perusahaan umum). BULOG berkewajiban menyediakan beras dengan jumlah dan waktu yang tepat serta kualitas yang sesuai dengan Inpres Perberasan yang berlaku. Pelaksanaan distribusi beras untuk Program Raskin diawali dengan penetapan alokasi Pagu Raskin Kabupaten/Kota untuk Rumah Tangga Sasaran Penerima Manfaat (RTS-PM) oleh Tim Koordinasi Raskin Kabupaten/Kota. Data RTS-PM diperoleh dari hasil Pendataan Program Perlindungan Sosial (PPLS) yang dilaksanakan oleh Badan Pusat Statistik (BPS). Perencanaan Pagu Raskin dalam setahun telah ditetapkan oleh Pemerintah Pusat setiap awal tahun, tetapi dalam perjalanannya permintaan alokasi sangat dipengaruhi oleh kondisi geografis wilayah distribusi, infrastuktur dan sarana transportasi, perkembangan harga serta kebutuhan beras RTS-PM. Permintaan alokasi bulanan yang tidak beraturan dan tidak dapat diprediksi ini menjadi suatu permasalahan yang harus dihadapi dalam pelaksanaan distribusi. Hasil penetapan alokasi selanjutnya digunakan sebagai dasar penerbitan Surat Perintah Pengeluaran Barang/Delivery Order (SPPB/DO) oleh unit kerja BULOG yang berkedudukan di daerah, yakni Divisi Regional atau Subdivisi Regional (Divre/Subdivre). Ketepatan waktu dalam penerbitan Surat Permintaan Alokasi (SPA Raskin), dan adanya tunggakan dalam pembayaran hasil penjualan beras dari RTS-PM (tunggakan HP-Raskin) dapat mempengaruhi jumlah penerbitan SPPB/DO. Pengecekan terhadap tunggakan HP-Raskin wajib dilakukan oleh Divre/Subdivre sebelum menerbitkan SPPB/DO. Apabila tidak ada tunggakan HP-Raskin, maka permintaan alokasi yang diterima dapat langsung diterbitkan SPPB/DO. Namun apabila terdapat tunggakan HP-Raskin untuk Kelurahan/Desa tertentu maka alokasi untuk Kelurahan/Desa tersebut belum dapat dilayani sampai dilakukan pelunasan. Ketidakpastian permintaan alokasi bulanan dan penerbitan SPPB/DO menyebabkan ketidakpastian jumlah beras untuk kebutuhan pasokan. Dalam rangka menjaga persediaan antar tempat dan waktu, BULOG menetapkan batas persediaan minimal yang harus tersedia di gudang BULOG (atau dikenal dengan istilah Minimum Stock Requirement/MSR) yakni sebesar 3 (tiga) bulan penyaluran rutin ditambah 1 (satu) bulan penyaluran untuk cadangan sewaktuwaktu digunakan apabila kondisi darurat. Namun di beberapa wilayah kerja BULOG tidak dapat menerapkan kebijakan MSR tersebut dikarenakan kendala pasokan dan keterbatasan kapasitas tempat penyimpanan, salah satunya adalah wilayah kerja Subdivre Cianjur yang berada di bawah koordinasi wilayah kerja

2

Divre Jabar. Permintaan alokasi diupayakan dapat dilayani dengan segera dari persediaan yang ada di gudang Subdivre Cianjur, untuk itu diperlukan suatu pengoptimalan persediaan untuk mengantisipasi ketidakpastian situasi rantai pasokan beras. Perumusan Masalah Beberapa kendala yang harus dipertimbangkan untuk mendapatkan jumlah persediaan yang optimal, diantaranya ketidakpastian jumlah pasokan dan keterbatasan kapasitas tempat penyimpanan. Jumlah dan alokasi pasokan dari kegiatan pengadaan gabah/beras dalam negeri menjadi masalah karena situasi yang sebenarnya tidak tegas pada jumlah tertentu dan tidak dapat digambarkan secara persis. Kondisi alam dapat mempengaruhi kondisi hasil panen, kualitas gabah/beras, harga gabah di tingkat produsen, dan harga beras di tingkat konsumen sehingga menyebabkan ketidakpastian jumlah dan alokasi pasokan (Gambar 1). Upaya meningkatkan persediaan di gudang Subdivre Cianjur adalah dengan melakukan (i) pemindahan persediaan dari gudang di wilayah kerja Subdivre lain yang masih berada di bawah koordinasi wilayah kerja Divre Jabar (dengan istilah MOVEREG), dan (ii) pemindahan persediaan dari gudang di wilayah kerja Divre lain (dengan istilah MOVENAS).

Gambar 1 Grafik realisasi pengadaan beras di wilayah kerja Subdivre Cianjur tahun 2008-2011 (sumber: Perum BULOG 2012) Ketersediaan kapasitas tempat penyimpanan menjadi kendala baik dalam pelaksanaan pengadaan beras dalam negeri maupun dalam kegiatan MOVEREG dan MOVENAS. Keterlambatan jadwal pendistribusian karena keterlambatan penerbitan SPA Raskin dan adanya tunggakan HP-Raskin dapat berakibat tertahannya persediaan di dalam gudang, sehingga hal ini akan berdampak pada

3

perubahan jadwal penerimaan pasokan. Keterbatasan persediaan di gudang Subdivre Cianjur akibat perubahan jadwal penerimaan pasokan membuat beberapa permintaan alokasi tidak dapat dilayani dengan segera. Persediaan yang kurang optimal dalam rantai pasokan ini menyebabkan rendahnya pencapaian tingkat pelayanan distribusi. Selama tahun 2008-2011, rata-rata tingkat pelayanan distribusi di wilayah kerja Subdivre Cianjur hanya mencapai 87,50% per tahun (Tabel 1). Tabel 1 Tingkat pelayanan distribusi beras untuk Program Raskin di wilayah kerja Subdivre Cianjur (sumber: Perum BULOG 2012) No

Wilayah Distribusi

1 2 3 4 5 6

KOTA DEPOK KAB.BOGOR KOTA BOGOR KAB. CIANJUR KAB.SUKABUMI KOTA SUKABUMI

Tingkat Pelayanan Distribusi (dalam %) 2008 80,38 90,74 91,27 96,06 98,27 96,72

2009 67,97 97,30 99,00 99,80 99,35 100,00

2010 80,08 93,99 74,02 83,80 90,48 91,89

2011 67,44 46,20 71,21 99,94 91,69 92,31

Rata-Rata Tingkat Pelayanan Distribusi (dalam %) 73,97 82,06 83,88 94,90 94,95 95,23 87,50

Kegiatan MOVEREG dan MOVENAS dilakukan dalam upaya untuk meningkatkan penyediaan beras di gudang Subdivre Cianjur dengan tambahan biaya penyediaan yakni berupa penambahan biaya angkutan. Semakin banyak jumlah persediaan yang diangkut, maka akan semakin besar tambahan biaya angkutan. Dalam hal ini, Subdivre Cianjur harus mampu mengelola persediaan untuk mengantisipasi ketidakpastian jadwal pendistribusian agar dicapai dua sisi, yakni tidak terjadi kehabisan persediaan (out of stock) dan biaya penyediaan harus dengan biaya minimum. Bila tidak, kemungkinan kelancaran distribusi dapat terganggu sehingga menyebabkan terjadinya pemborosan (inefficiency). Dalam hal ini, Subdivre Cianjur harus secara seksama melakukan perencanaan dan penjadwalan penyediaan beras. Untuk menjaga keberlangsungan dan keberlanjutan rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, maka permasalahan yang perlu diperhatikan adalah bagaimana menentukan jumlah persediaan yang dapat meminimalkan biaya penyediaan dengan memperhatikan ketidakpastian jumlah pasokan dan kapasitas tempat penyimpanan. Tujuan Penelitian Tujuan penelitian ini adalah menentukan jumlah persediaan beras yang dapat meminimalkan biaya penyediaan dalam ketidakpastian situasi rantai pasokan beras di wilayah kerja Subdivre Cianjur.

4

Manfaat Penelitian Penelitian ini diharapkan dapat menjadi masukan bagi manajemen Divre Jabar dan Subdivre Cianjur dalam mengelola rantai pasokan beras untuk Program Raskin ke depan, yakni untuk perbaikan perencanaan dan penjadwalan penyediaan beras sehingga dapat dihasilkan jumlah pasokan dan penyimpanan beras yang dapat meminimalkan biaya penyediaan dalam rangka meningkatkan pelayanan distribusi Program Raskin. Ruang Lingkup Ruang lingkup penelitian ini meliputi analisis persediaan pada rantai pasokan beras dalam rangka meningkatkan pelayanan distribusi di 6 (enam) wilayah Kabupaten/Kota di Propinsi Jawa Barat, yakni Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kota Bogor, Kota Sukabumi, dan Kota Depok. Studi kasus penelitian dilakukan di wilayah kerja Subdivre Cianjur, yang berada di bawah koordinasi wilayah kerja Divre Jabar.

2 TINJAUAN PUSTAKA Konsep Manajemen Rantai Pasok Konsep Supply Chain Management (SCM) atau manajemen rantai pasok mulai dikenal sejak awal tahun 1980-an dan terintegrasi dengan kegiatan manajemen logistik. SCM maupun manajemen logistik juga memiliki kesamaan dalam hal peningkatan efisiensi dan efektivitas dalam pengelolaan barang. Menurut Chopra dan Meindl (2007) rantai pasok terdiri dari semua pelaku (usaha) yang terlibat langsung atau tidak langsung dalam memenuhi permintaan pelanggan. Supply chain dapat dipandang sebagai suatu rangkaian perusahaan (pelaku) yang terintegrasi yang berbagi informasi dan berkoordinasi dalam eksekusi untuk menjamin kelancaran aliran barang, jasa, informasi, dan uang secara terintegrasi melalui suatu pipe line. Tujuan dari setiap jaringan rantai pasok adalah memaksimalkan nilai yang dihasilkan secara keseluruhan. Nilai dari sebuah jaringan rantai pasok adalah selisih antara penerimaan yang dihasilkan dari penjualan produk akhir kepada konsumen dengan seluruh biaya yang ditimbulkan untuk memenuhi kebutuhan konsumen. Nilai disini berarti keuntungan atau surplus dalam jaringan rantai pasok secara keseluruhan bukan pada setiap tahap-tahap kegiatan dalam jaringan rantai pasok. Rantai suplai yang terintegrasi akan menimbulkan keseluruhan nilai yang dihasilkan oleh rantai suplai tersebut.

5

Model-Model Persediaan Model-model persediaan menurut Heizer dan Render (1996), dapat dipisahkan menjadi 2 golongan utama, yakni model deterministik dan model stokastik/probabilistik, yakni apabila salah satu dari permintaan dan waktu tunggu sampai pesanan diterima atau bahkan keduanya tidak dapat diketahui secara pasti. Kelompok model deterministik yang sering dipakai adalah Economic Order Quantity (EOQ), Economic Production Quantity (EPQ), dan Material Requirements Planning (MRP), sedangkan pada kelompok stokastik/probabilistik adalah model simulasi. Simulasi berasal dari kata inggris simulation, yang berarti peniruan. Objek yang ditiru adalah keadaan di dunia nyata, sehingga simulasi tersebut merupakan usaha untuk menduplikasi/meniru kejadian di dunia nyata. Simulasi ini dapat digunakan untuk membantu memecahkan masalah-masalah yang sangat sederhana sampai yang sangat rumit. Menurut Heizer dan Render (1996), pendekatan dengan simulasi mempunyai kelebihan dan kekurangannya. a. Keuntungan utama dari penggunaan simulasi. 1. Simulasi relatif fleksibel dan bersifat langsung. 2. Simulasi dapat dipakai untuk menganalisis masalah yang kompleks dan rumit, dimana masalah itu tidak dapat dipecahkan dengan model manajemen operasi konvensional. 3. Simulasi dapat memasukkan komplikasi-komplikasi, dimana model sederhana tidak dapat melakukannya. Simulasi dapat dilakukan dengan memakai berbagai sebaran peluang, sehingga sebaran peluang yang digunakan tidak harus sebaran normal (standar). 4. Simulasi dapat digunakan pada masalah-masalah yang mungkin akan terjadi di masa yang akan datang. Artinya model ini dapat mensimulasikan kejadian-kejadian beberapa bulan bahkan beberapa tahun ke depan. 5. Simulasi dapat digunakan untuk menjawab suatu pertanyaan what-if. 6. Simulasi tidak dipengaruhi oleh dunia nyata. 7. Dengan simulasi bisa dipelajari pengaruh-pengaruh dan hubungan-hubungan antara komponen individu-individu atau variabel-variabel untuk menentukan komponen apa yang paling penting. b. Kelemahan utama dari penggunaan simulasi. 1. Model simulasi yang baik memerlukan biaya mahal dan waktu yang lama. 2. Simulasi tidak dapat menghasilkan suatu solusi optimal seperti model linier programing. simulasi pendekatannya atas dasar coba-coba sehingga penyelesaiannya dapat berbeda-beda. 3. Model simulasi tidak akan dapat menghasilkan solusi optimal tanpa adanya input yang cukup realistik. 4. Setiap model simulasi bersifat unik. Dengan demikian solusi dan kesimpulan yang diperoleh tidak dapat digunakan pada masalah/kondisi yang berbeda.

6

Fuzzy Linear Programming Masalah-masalah yang ditemui di dunia nyata berhubungan erat dengan masalah ketidakpastian (tidak memiliki definisi batas yang jelas), misalnya banyak, tinggi, muda, lebih banyak dari, dan lain-lain. Pada kondisi demikian dibutuhkan program linear samar. Program linear samar (fuzzy linear programming) adalah program linear dengan koefisien-koefisien fungsi tujuan (koefisien biaya), konstanta-konstanta sebelah kanan dan koefisien-koefisien teknis dinyatakan dalam bentuk himpunan samar. Salah satu contoh model linear programming klasik, adalah (Zimmermann, 1991): Maksimumkan : f(x) = cTx dengan batasan : Ax < b x>0 dengan c, x Є Rn, bЄRm, AЄRmxn. (1) atau Minimumkan : f(x) = cTx dengan batasan : Ax < b x>0 dengan c, x Є Rn, bЄRm, AЄRmxn. (2) A, b dan c adalah bilangan-bilangan crisp, tanda < pada kasus maksimasi dan tanda > pada kasus minimasi juga bermakna crisp, demikian juga perintah “maksimumkan” atau “minimumkan” merupakan bentuk imperative tegas. Jika diasumsikan bahwa keputusan linear programming akan dibuat pada lingkungan fuzzy, maka bentuk (1) dan (2) akan mengalami sedikit perubahan, yaitu (Zimmermann, 1991) : 1. Bentuk imperative pada fungsi objektif tidak lagi benar-benar “maksimum” atau “minimum”, karena adanya beberapa hal yang perlu mendapat pertimbangan dalam suatu sistem. 2. Tanda < (pada batasan) dalam kasus maksimasi dan tanda > (pada batasan) dalam kasus minimasi tidak lagi bermakna crisp secara matematis, namun sedikit mengalami pelanggaran makna. Hal ini juga disebabkan karena adanya beberapa yang perlu dipertimbangkan dalam sistem yang mengakibatkan batasan tidak dapat didekati secara tegas. Pada fuzzy linear programming (FLP), akan dicari suatu nilai z yang merupakan fungsi objektif yang akan dioptimasikan sedemikian hingga tunduk pada batasan-batasan yang dimodelkan dengan menggunakan himpunan fuzzy. Sehingga untuk kasus maksimisasi (1) akan diperoleh (Zimmermann, 1991): Tentukan x sedemikian hingga : CTx z Ax b X >0 (3)

7

Dengan tanda ‘ ’ merupakan bentuk fuzzy dari ‘ < ’ yang menginterprestasikan ‘pada dasarnya kurang dari atau sama dengan’. Demikian pula, tanda ‘ ’ merupakan bentuk fuzzy dari ‘ > ’ yang menginterprestasikan ‘pada dasarnya lebih dari atau sama dengan’. Untuk kasus minimisasi (2) akan diperoleh (Zimmermann, 1991): Tentukan x sedemikian hingga: CTx z Ax b X >0 (4) Kedua bentuk (3) dan (4) dapat dibawa ke suatu bentuk (5), yaitu: Tentukan x sedemikian hingga : Bx d x>0 (5) dengan : B=

 c

; dan

A d=

 z ; untuk kasus maksimasi b

atau B=

c

; dan

A d=

z

; untuk kasus minimisasi

b Tiap-tiap baris/ batasan (0,1, 2, …., m) akan direpresentasikan dengan sebuah himpunan fuzzy, dengan fungsi keanggotaan pada himpunan ke-i adalah µi(Bix). Fungsi keanggotaan untuk model ‘keputusan’ himpunan fuzzy dapat dinyatakan sebagai (Zimmermann, 1991) : µD[x] = min {µi[Bix]} (6) i

Solusi terbaik yaitu suatu solusi dengan nilai keanggotaan yang paling besar, dengan demikian solusi sebenarnya adalah (Zimmermann, 1991) : max µD[Bx] = max min {µi[Bix]} (7) x>0

x>0

i

8

Dari sini terlihat bahwa µi (bix)=0 jika batasan ke-i benar-benar dilanggar. Sebaliknya, µi (bix)=1 jika batasan ke-i benar-benar dipatuhi (sama halnya batasan bernilai tegas). Nilai µi (bx) akan naik secara monoton pada selang [0,1], yaitu (Zimmermann, 1991) : 1; jika Bix < di µi (bix) = Є [0,1] jika di < Bix < di + pi 0; jika Bix > di + pi (8) i=0,1,2,…,m, Gambar 2 menunjukkan fungsi keanggotaan tersebut. 1

[Bix]

µi [x] 0 di

di+pi pi

Gambar 2 Fungsi keanggotaan (Zimmermann, 1991)

µi [x]

=

1; 1– Bix – di; pi 0;

jika jika

Bix < di di < Bix < di + pi

jika

Bix > di + pi

(9)

i=0,1,2,…,m, dengan pi adalah toleransi interval yang diperbolehkan untuk melaksanakan pelanggaran baik pada fungsi objektif maupun batasan. Dengan mensubstitusikan (9) ke (7) akan diperoleh (Zimmermann, 1991) : max µD [Bx] = max min 1– Bix – di; x>0 x>0 i pi

(10)

Dari Gambar 4 dapat dilihat bahwa, semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil. Sehingga untuk mencari nilai λ-cut dapat dihitung sebagai λ=1-t, dengan : di+tpi = ruas kanan batasan ke-i (11) Dengan demikian akan diperoleh bentuk linear programming baru sebagai berikut (Zimmermann, 1991) : Maksimumkan : λ Dengan batasan : λpi + Bix < di + pi i=0,1,…m x>0 (12)

9

Kajian Penelitian Terdahulu Penelitian yang terkait dengan perencanaan persediaan pada umumnya bertujuan untuk memperbaiki kinerja dan manajemen persediaan. Perbaikan kinerja dan manajemen persediaan dilakukan dengan berbagai pendekatan antara lain dalam pengendalian biaya dan pengukuran kinerja manajemen dengan berbagai metode dan teknik analisis. Penelitian yang dilakukan Wang Ge (2004) tentang proses pengambilan keputusan pada rantai pasokan dengan bantuan seperangkat matrik kinerja, yakni menghubungkan karakteristik produk dengan strategi rantai pasokan dan mengadopsi model metrik kinerja referensi operasi rantai pasokan (SCOR) tingkat 1 sebagai kriteria keputusan. Metodologi pengambilan keputusan berbasis multi-kriteria dengan memadukan analytic hierarchy process (AHP) dan preemptive goal programming (PGP) kemudian dikembangkan untuk memperhitungkan faktor-faktor kualitatif dan kuantitatif dalam pemilihan pemasok. Sementara AHP mencocokkan karakteristik produk dengan karakteristik pemasok (menggunakan peringkat pemasok yang berasal dari perbandingan berpasangan) untuk menentukan strategi rantai pasokan secara kualitatif, model matematis dalam PGP digunakan untuk menentukan kuantitas pesanan optimal dari pemasok yang dipilih. Karena PGP menggunakan penilaian AHP sebagai masukan, maka variasi perbandingan berpasangan pada AHP akan mempengaruhi kuantitas pesanan akhir. Oleh karena itu, pengguna metodologi ini harus menempatkan penekanan lebih besar pada pengembangan AHP untuk memastikan keakuratan peringkat pemasok. Chandra Dewi (2005) melakukan penelitian tentang pengukuran kinerja manajemen rantai pasokan beras, yang dalam hal ini dilakukan di Jawa Barat untuk mendapatkan efisiensi operasi melalui peta transportasi yang optimal. Hasil penelitian menggunakan metode pendugaan kondisi antara volume produksi dan volume konsumsi di Jawa Barat hingga beberapa tahun ke depan, serta analisis menggunakan metode transportasi, maka dalam waktu beberapa tahun ke depan, untuk mengatasi kekurangan persediaan pada daerah-daerah defisit di Jawa Barat, BULOG masih dapat menerapkan transportasi beras dari Subdivre Karawang menuju Subdivre Cianjur atau dari Subdivre Cirebon menuju Subdivre Ciamis. Dilain pihak, pengiriman sisa persediaan beras di Jawa Barat hanya optimal dilakukan di Subdivre-Subdivre Cirebon, Indramayu, Karawang dan Subang menuju Divre DKI Jakarta. Penelitian yang dilakukan Parwati Indri dan Prima Andrianto (2009) untuk menganalisis Bullwhip Effect yang terjadi pada sistem distribusi dan meminimalisasi total biaya persediaan dengan metode Continous Review pada PT Mondrian yang memproduksi produk pakaian jadi. Evaluasi adanya Bullwhip Effect yang terjadi pada rantai distribusinya dilakukan dengan menghitung variabilitas yang dihadapi oleh manufaktur dan membandingkannya dengan variabilitas yang terjadi pada retailer. Sistem informasi yang transparan, akurat, dan terintegrasi mengenai hal-hal yang menyangkut permintaan dan persediaan produk (Accurate Pull Data), yang dapat dilakukan melalui sharing EPOS (Electronic Point of Sales), sehingga setiap rantai dapat menjadwalkan secara efektif dan CAO (Computer Assisted Ordering), dengan ini pihak supply chain dapat mengetahui secara pasti besarnya permintaan, jumlah penjualan dan jumlah produk yang tersedia.

10

Penelitian yang dilakukan Burhan (2010) tentang penerapan kebijakan persediaan (dengan model P) untuk meminimumkan biaya total dengan mempertimbangkan biaya transportasi, dimana permintaan bersifat probabilistik selama kurun waktu horizon perencanaan, barang akan diterima setelah lead time (waktu ancang) L, metoda yang digunakan adalah metoda P dimana periode antarpemesanan T nilainya konstan. Beberapa variabel keputusan yang dihasilkan dari penelitian yakni (i) periode waktu antarpemesanan selama 17 hari, (ii) persediaan maksimum sebesar 1.910 unit, (iii) cadangan pengamanan sebesar 110 unit, dan (iv) minimum total biaya persediaan sebesar $69,198. Anne Marie Iveline (2011) melakukan penelitian pada industri jamu dengan pertimbangan bahwa agroindustri ini bersifat unik karena bahan bakunya yang musiman menyebabkan terjadinya faktor ketidakpastian dalam ketersediaan bahan baku sehingga diperlukan adanya kegiatan manajemen persediaan, penjadwalan produksi serta diperlukannya ekstra koordinasi diantara kegiatan pada rantai pasoknya. Pada penelitian ini, peramalan permintaan produk jamu menggunakan metode dekomposisi, sedangkan perencanaan agregat untuk menentukan ukuran batch optimum produk jamu menggunakan metode linear programming. Penelitian yang serupa kembali dilakukan Anne Marie Iveline (2012) pada industri roti dengan pertimbangan bahwa ketersediaan bahan baku yang bersifat tidak pasti dalam kuantitas dan kualitas serta kemungkinan terjadinya gangguan internal produksi menyebabkan adanya toleransi dalam pemakaian bahan baku, waktu penyelesaian produksi dan biaya produksi. Penelitian ini bertujuan untuk membahas model penjadwalan induk produksi yang handal yaitu menggunakan model optimasi Fuzzy Multi Objective Linear Programming untuk mengetahui besarnya ukuran produksi optimum untuk tiap item produk yang diproduksi. Model Fuzzy Multi Objective Linear Programming yang memanfaatkan kurva-s termodifikasi dalam penentuan angka fuzzy merupakan model keputusan perencanaan produksi dan pengendalian persediaan yang cukup handal karena merupakan model optimasi yang sudah mengakomodir kebutuhan industri pangan dengan memungkinkan perhitungan angka fuzzy serta sesuai dengan fungsi tujuan industri pangan. Penelitian yang dilakukan Permana Rangga (2011) untuk mengetahui perilaku sistem supply chain pisang, khususnya komoditi pisang mas di sentra produksi Lumajang, Jawa Timur, pada berbagai skenario sehingga dapat dicapai performansi supply chain yang lebih baik, dilakukan dengan pendekatan (1) pemetaan konfigurasi dan mekanisme supply chain, dan (2) model sistem dinamik dengan tahapan penyusunan influence diagram, pengembangan model simulasi dengan Vensim 5 Professional, dan verifikasi dan validasi model menggunakan uji konfirmasi struktur, uji parameter (SyntheSim), dan uji konsistensi dimensi (check unit). Surjasa Dadang (2011) melakukan penelitian untuk menghasilkan model dalam bentuk program komputasi yang dapat digunakan untuk (1) memperkirakan jumlah pasokan beras dari PIBC ke wilayah di propinsi DKI Jakarta, (2) memperkirakan harga beras jenis Muncul/III dan IR 64/III di PIBC Jakarta, dan (3) sebagai suatu sistem peringatan dini dalam mengantisipasi pasokan dan harga beras yang tidak dikehendaki. Pada penelitian ini, model dikembangkan dengan menggunakan metode jaringan syaraf tiruan (JST) backpropagation, untuk memperkirakan pasokan beras dan harga beras.

11

Tingkat akurasi untuk model prakiraan pasokan beras adalah 91,96%, tingkat akurasi untuk model prakiraan harga beras Muncul/III adalah 93,95% dan tingkat akurasi untuk model prakiraan harga beras IR 64/III adalah 98,63%. Penelitian yang dilakukan Azmi Nora (2012) pada industri kemasan karton dengan pertimbangan bahwa sebagian besar produk kemasan karton merupakan pesanan yang didesain secara khusus untuk konsumen tertentu sehingga banyak perusahaan kemasan karton yang beroperasi berdasarkan pesanan (make to order). Produksi yang dilakukan berdasarkan pesanan memberikan tingkat ketidakpastian dan kompleksitas perencanaan produksi yang tinggi. Pada penelitian ini, model dikembangkan dengan menggunakan pendekatan pohon keputusan atau pohon klasifikasi (decision tree) untuk menghasilkan model penerimaan dan evaluasi pesanan pada industri kemasan karton yang dapat digunakan untuk (1) menghasilkan kodefikasi produk dan pesanan, (2) menghitung kebutuhan bahan baku utama (kertas), (3) melakukan evaluasi kelayakan pesanan dari aspek kemampuan produksi dan jumlah pesanan, (4) menentukan mesin-mesin serta urutan proses produksi, dan (5) mengkalkulasi kebutuhan waktu produksi. Fitriani Nur (2014) melakukan penelitian tentang analisis persediaan beras di Perum BULOG Divre NTT dalam memenuhi kebutuhan masyarakatnya terhadap beras yang menggunakan dua pendekatan indikator yaitu biaya persediaan dan persediaan pengaman. Berdasarkan hasil analisis jumlah pemesanan beras yang ekonomis (EOQ) adalah 816,65 ton dengan frekuensi pemesanan sebanyak 175 kali. Jumlah safety stock yang harus dimiliki oleh Perum BULOG Divre NTT adalah sebanyak 35.731,71 ton dan persediaan maksimum yang dapat dikelola adalah sebanyak 36.548,36 ton. Relevansi dari penelitian-penelitian di atas dengan penelitian ini adalah dalam hal penggunaan model persediaan dalam melakukan analisis perencanaan persediaan. Perbandingan penelitian terdahulu disajikan pada Tabel 2. Sebagian besar penelitian terdahulu menggunakan pendekatan EOQ dan MRP. Hal tersebut dalam kondisi nyata sulit untuk dapat diterapkan, khususnya teknik EOQ karena ketatnya asumsi yang membatasi berlakunya teknik EOQ, antara lain permintaan dan waktu pengiriman (lead time) diketahui secara pasti dan konstan. Analisis dengan menggunakan pendekatan metode simulasi Monte Carlo merupakan salah satu metode yang paling tepat untuk merencanakan jumlah permintaan yang tidak pasti jumlahnya. Analisis perencanaan persediaan bahan baku dengan pendekatan metode simulasi Monte Carlo memiliki beberapa keuntungan. 1. Dapat dipergunakan sebagai teknik peramalan untuk data informasi yang sifatnya terbatas, atau tidak mencukupi bila menggunakan model yang lain. 2. Dalam penerapan analisis metode simulasi Monte Carlo tersebut digunakan percobaan yang dilakukan atas adanya peluang-peluang elemen melalui random secara sampling, sehingga hasil dari analisis simulasi diharapkan dapat dipakai dalam menghitung/menentukan besarnya kebutuhan bahan baku yang produknya secara acak.

12

Tabel 2 Perbandingan penelitian terdahulu NAMA Wang Ge (2004)

Chandra Dewi (2005)

Anne Marie Iveline (2011)

Anne Marie Iveline (2012)

Fitriani Nur (2014)

Penelitian ini

JUDUL

MODEL

KOMODITAS

Product-driven supply chain selection using integrated multi-criteria decision-making methodology Optimasi Model Transportasi dalam Pengukuran Kinerja Manajemen Rantai Pasokan Beras: Studi Kasus di Perum BULOG Divisi Regional Jawa Barat Proyeksi Permintaan dan Penentuan Ukuran Batch Optimum Produk pada Agroindustri (Studi Kasus di Industri Jamu) Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multi Objective Linear Programming pada Industri Pangan (Studi Kasus pada Industri Roti PT NIC) Analisis Persediaan Beras di Perusahaan Umum BULOG Divisi Regional Nusa Tenggara Timur Optimasi Persediaan pada Rantai Pasokan Beras untuk Program Raskin (Studi Kasus pada Perum BULOG Subdivisi Regional Cianjur)

Proses Analisis Bertingkat, Preemptive Goal Programming

Industri Otomotif

Pendugaan volume produksi dan konsumsi, Model Transportasi

Beras

Metode Dekomposisi, Model Linear Programming

Industri Jamu

Model Fuzzy Multi Objective Linear Programming

Industri Roti

Metode EOQ

Beras

Simulasi Monte Carlo, Proses Analisis Bertingkat, Model Pemrograman Linear Samar

Beras

Kerangka Pemikiran Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo berdasarkan data historis yang dipunyai Subdivre Cianjur, yakni dengan membuat berbagai skenario kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Berdasarkan hasil simulasi, beberapa informasi mengenai penerbitan SPPB/DO dapat diperoleh guna membantu mengambil keputusan mengenai kebutuhan pasokan beras dalam rangka meningkatkan kemampuan dalam merespon ketidakpastian permintaan alokasi dan penerbitan SPPB/DO. Perencanaan dan penjadwalan penyediaan beras dilakukan agar dapat dihasilkan jumlah pasokan dan penyimpanan beras yang dapat meminimalkan biaya penyediaan dalam rangka meningkatkan pelayanan distribusi Program Raskin. Penggunaan model fuzzy linear programming pada penelitian ini dikarenakan masalah yang ada dalam penentuan jumlah pasokan dan penyimpanan beras seringkali tidak dapat dipecahkan dan dimodelkan secara pasti dan jelas. Diperlukan adanya suatu jangkauan toleransi agar pelaksanaan

13

distribusi dapat berjalan dengan lancar dimana penentuan tersebut ditentukan oleh kondisi ketidakpastian permintaan alokasi Pagu Raskin bulanan dan penerbitan SPPB/DO, serta ketidakpastian jumlah dan alokasi pasokan beras dari berbagai sumber pasokan. Pengembangan model perencanaan dan penjadwalan penyediaan beras diawali dengan penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan distribusi secara efektif dan efisien. Pada penelitian ini digunakan proses analisis bertingkat (analytic hierarchy process/AHP) dikarenakan pengambilan keputusan dalam penentuan prioritas sumber pasokan terkait dengan banyak kriteria dan banyak kendala. Penentuan jumlah pasokan dari masing-masing sumber pasokan pada model pemrograman linear samar dilakukan sesuai dengan urutan sumber pasokan. Model perencanaan dan penjadwalan penyediaan beras ini diharapkan dapat menjadi masukan bagi manajemen Subdivre Cianjur dalam mengelola rantai pasokan beras untuk Program Raskin ke depan. Secara garis besar kerangka pemikiran penelitian ini sebagaimana digambarkan pada Gambar 3.

Gambar 3 Kerangka pemikiran penelitian

14

3 BAHAN DAN METODE Tempat dan Waktu Penelitian Penelitian ini meliputi kegiatan penelitian lapangan yang dilakukan di wilayah kerja Subdivre Cianjur, dan Divre Jabar. Kegiatan pengolahan data dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian Fateta IPB. Waktu pelaksanaan kegiatan penelitian lapangan dilakukan pada bulan April-Mei 2013, dan dilanjutkan dengan pengolahan data pada bulan Juni-Juli 2013. Pendekatan Penelitian Metode penelitian menggunakan metode pendekatan sistem, yakni serangkaian langkah-langkah pemecahan masalah yang memastikan bahwa masalah dipahami, solusi alternatif dipertimbangkan, dan solusi yang dipilih bekerja. Sedangkan jenis dari penelitian ini adalah studi kasus, yaitu dengan mengadakan penelitian intensif yang terinci terhadap objek, agar dapat diketahui keadaan yang sebenarnya terjadi pada perusahaan. Subdivre Cianjur terpilih sebagai tempat penelitian karena alokasi Pagu Raskin di wilayah kerja Subdivre Cianjur merupakan Pagu Raskin terbesar di Divre Jabar. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder baik yang bersifat kualitatif maupun kuantitatif. Data primer yang dikumpulkan meliputi data yang terkait dengan menentukan urutan prioritas sumber pasokan. Sedangkan data sekunder meliputi data Pagu Raskin, data realisasi jumlah pengadaan beras dalam negeri di wilayah kerja Subdivre Cianjur, data realisasi jumlah pemindahan persediaan beras dari gudang di wilayah kerja Divre Jabar, data realisasi jumlah pemindahan persediaan beras dari gudang di wilayah kerja Divre DKI, serta data biaya penyediaan beras, yakni biaya angkutan dan biaya penyimpanan. Sumber data primer berasal dari hasil wawancara yang dilakukan dengan beberapa pimpinan di Kantor Subdivre Cianjur, sedangkan data sekunder berasal dari laporan manajerial (operasional dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, dan Kantor Pusat Perum BULOG, maupun dari sumber instansi lain seperti Kementerian Pertanian dan Badan Pusat Statistik. Teknik Pengumpulan Data dan Informasi

1.

Pengumpulan data dan informasi dilakukan dengan cara sebagai berikut: Observasi lapangan, yakni melihat secara langsung kegiatan penyediaan beras untuk Program Raskin,

15

2.

3.

Wawancara, dilakukan untuk memperoleh informasi kondisi persediaan, pelaksanaan pasokan beras dari masing-masing sumber pasokan, pelaksanaan distribusi beras untuk Program Raskin, dan kebijakankebijakan yang berhubungan dengan kegiatan penyediaan beras untuk Program Raskin, Pengumpulan data sekunder berasal dari laporan manajerial (operasional dan keuangan) pada tahun 2008-2011 di Kantor Subdivre Cianjur, Kantor Divre Jabar, Kantor Divre DKI, dan Kantor Pusat Perum BULOG. Teknik Pengolahan dan Analisis Data

Berdasarkan pengumpulan data dan sesuai dengan tujuan penelitian, pengolahan data yang telah diperoleh selama kegiatan penelitian akan diarahkan pada upaya perbaikan pengelolaan rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, yakni mampu menjaga keberlangsungan dan keberlanjutan rantai pasokan dengan menyediakan kebutuhan distribusi pada kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota dan penerbitan SPPB/DO, serta kondisi ketidakpastian jumlah dan alokasi pasokan beras dari berbagai sumber pasokan. 1.

Model perkiraan kebutuhan pasokan untuk Program Raskin Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin Kabupaten/Kota bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo (Heizer dan Render, 1996), berdasarkan data historis yang dipunyai Subdivre Cianjur (Perum BULOG, 2012), yakni membuat skenario kondisi penerbitan SPA Raskin dan kendala tunggakan HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Langkah-langkah dalam simulasi disajikan dengan singkat pada Gambar 4. i.

Pemilihan data Data hasil observasi populasi permintaan alokasi pada periode tahun alokasi 2008, 2009, 2010, dan 2011 untuk masing-masing wilayah distribusi direkapitulasikan dalam struktur data seperti pada Tabel 3. Hipotesis yang akan diuji pada analisis ragam adalah nilai tengah (rata-rata) populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2009, 2010, dan 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda. Dalam notasi matematik: Ho: μk-2008 = μk-2009 = μk-2010 = μk-2011 = μk melawan, H1: paling sedikit ada sepasang periode tahun alokasi yang berbeda, μk-l ≠ μk-l’, l≠l’. Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa perbedaan tahun alokasi tidak memberikan pengaruh yang berbeda terhadap rata-rata permintaan alokasi pada tingkat nyata α. Sebaliknya jika H1 diterima maka sekurangnya ada satu periode tahun alokasi yang memberikan rata-rata permintaan alokasi yang berbeda.

16

Gambar 4 Tahapan penelitian tentang model perkiraan kebutuhan pasokan

17

Tabel 3 Struktur data hasil observasi permintaan alokasi BULAN

PERMINTAAN ALOKASI PAGU RASKIN UNTUK WILAYAH KABUPATEN/KOTA k PADA PERIODE TAHUN ALOKASI 2008 = τ1

2009 = τ2

2010 = τ3

2011= τt=4

1

Y11

Y21

Y31

Y41

2 …

Y12 …

Y22 …

Y32 …

Y42 …

Y1-12

Y2-12

Y3-12

Y4-12

Y1.

Y2.

Y3.

Y4.

Y1-bar

Y2-bar

Y3-bar

Y4-bar

r = 12 Total Perlakuan/ Tahun Alokasi (Yi.) Rataan Perlakuan/ Tahun Alokasi (Yi-bar) Grand Total Rataan Umum

∑∑Yij = Y.. Y-bar

Hipotesis yang akan diuji pada Uji Barlett adalah ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2009, 2010, dan 2011 pada masing-masing wilayah distribusi adalah sama, dan hipotesis tandingannya adalah paling sedikit ada sepasang periode tahun alokasi pada masing-masing wilayah distribusi yang berbeda. Dalam notasi matematik: Ho: σ2k-2008 = σ2k-2009 = σ2k-2010 = σ2k-2011 = σ2k melawan, H1: paling sedikit ada sepasang populasi yang berbeda, σ2k-l ≠ σ2k-l’, l≠l’. Uji Barlett dilakukan dengan menggunakan rumus: (∑db_i_k) x ln S2g - ∑ (db_i_k x ln S2 i-k) 1 + [ {∑ (1/ db_i_k) – (∑db_i_k)-1}/3(t-1) dan nilai ini dibandingkan dengan nilai pada tabel χ2 dengan derajat bebas t-1. Penerimaan Ho pada taraf uji atau tingkat nyata α menunjukkan bahwa perbedaan tahun alokasi tidak memberikan pengaruh yang berbeda terhadap ragam permintaan alokasi pada tingkat nyata α. Sebaliknya jika H1 diterima maka sekurangnya ada satu periode tahun alokasi yang memberikan ragam permintaan alokasi yang berbeda. ii.

Perkiraan permintaan alokasi bulanan Hasil uji Barlett dijadikan dasar untuk membuat pola permintaan alokasi bulanan yang dinyatakan sebagai rasio perbandingan antara permintaan alokasi pada bulan j di wilayah Kabupaten/Kota k dengan total Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional (rasio D_j_k). Perkiraan permintaan alokasi pada bulan j di wilayah Kabupaten/Kota k (D’_j_k), yang dihitung dengan menggunakan rumus: (rasio D_j_k) x (rencana Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional) Uji Barlett juga kembali digunakan sebagai uji validasi antara hasil perkiraan permintaan alokasi Pagu Raskin Kabupaten/Kota dengan data aktual.

18

iii.

Pembuatan skenario penerbitan SPPB/DO Perkiraan penerbitan SPPB/DO dibuat pada berbagai skenario waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Kabupaten/Kota, dan kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur. Kondisi ketidakpastian penerbitan SPPB/DO di wilayah kerja Subdivre Cianjur ditentukan dengan menghitung koefisien varians (cv) yang merupakan rasio perbandingan antara simpangan baku dengan rata-rata perkiraan penerbitan SPPB/DO. Semakin besar nilai koefisien varians, maka kondisi penerbitan SPPB/DO semakin tidak pasti. Nilai koefisien varians (cv) dihitung menggunakan rumus: S D’-bar cv = D’_bar di mana, D’_bar rata-rata perkiraan penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, dalam satuan ton per bulan, S D’-bar simpangan baku perkiraan penerbitan SPPB/DO beras untuk Program Raskin di wilayah kerja Subdivre Cianjur. iv.

Simulasi Monte Carlo Penerbitan SPPB/DO merupakan variabel acak yang mencerminkan ketidakpastian penerbitan SPPB/DO. Langkah-langkah simulasi adalah sebagai berikut. - Membuat simulasi penerbitan SPPB/DO dengan menurunkan angka acak sebanyak 1.000 percobaan. - Menetapkan relasi antara angka acak dengan perkiraan penerbitan SPPB/DO. Dalam hal ini, jika nilai koefisien varians (cv) kurang dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi normal dengan rata-rata D’_bar dan simpangan baku sD’-bar. Namun, jika nilai koefisien varians (cv) lebih besar dari 0,4, maka penerbitan SPPB/DO mengikuti distribusi log-normal dengan rata-rata D’_bar dan simpangan baku s D’-bar. - Berdasarkan hasil simulasi penerbitan SPPB/DO dapat diperkirakan kebutuhan pasokan untuk Program Raskin (S). Penyelesaian simulasi dapat dibantu dengan menggunakan program komputer Excel. 2.

Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin Pengembangan model perencanaan dan penjadwalan penyediaan beras diawali dengan penentuan prioritas sumber pasokan yang dapat memenuhi kebutuhan distribusi secara efektif dan efisien. Penentuan jumlah pasokan dari masing-masing sumber pasokan pada model pemrograman linear samar dilakukan sesuai dengan urutan sumber pasokan.

19

i.

Penentuan prioritas sumber pasokan Berdasarkan hasil observasi terhadap laporan manajerial Subdivre Cianjur, alternatif sumber pasokan yang dapat dilakukan pada rantai pasokan adalah melalui (1) pengadaan gabah/beras setempat (ADA SETEMPAT), (2) pemindahan persediaan beras regional (MOVEREG) dari gudang di wilayah-wilayah surplus beras di wilayah kerja Divre Jabar, dan (3) pemindahan persediaan beras nasional (MOVENAS) dari gudang di wilayah kerja Divre DKI Jakarta, sebagaimana dapat digambarkan pada Gambar 5.

Keterangan: kegiatan ADA SETEMPAT kegiatan MOVEREG kegiatan MOVENAS Gambar 5 Alternatif sumber pasokan pada rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur

20

Pengambilan keputusan dalam penentuan prioritas sumber pasokan terkait dengan banyak kriteria dan banyak kendala. Masing-masing sumber pasokan selalu memiliki kriteria yang berbeda satu terhadap yang lain. Atas dasar tersebut, maka proses analisis bertingkat (analytic hierarchy process/AHP) merupakan salah satu metode yang tepat untuk menentukan prioritas sumber pasokan. Untuk menyelesaikan masalah proses penentuan prioritas sumber pasokan yang efektif dan efisien, maka dilakukan langkah berikut untuk memecah persoalan menjadi unsur-unsur secara hierarkis. - Penentuan sasaran yang ingin dicapai: penilaian efektivitas dan efisiensi sumber pasokan. - Penentuan kriteria sumber pasokan. - Penentuan alternatif pilihan. Informasi mengenai sasaran, kriteria, dan alternatif tersebut kemudian disusun dalam bentuk diagram hierarki fungsional, seperti terlihat pada Gambar 6.

Gambar 6 Struktur hierarki dalam AHP Penilaian setiap level hierarki dinilai melalui perbandingan berpasangan. Pada penelitian ini skala perbandingan Saaty (skala 1-9) ditetapkan sebagai pertimbangan dalam membandingkan pasangan elemen di setiap level hierarki terhadap suatu elemen yang berada di level atasnya, karena skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat untuk berbagai persoalan. Skala dengan sembilan satuan dapat menggambarkan derajat sampai di mana kemampuan membedakan intensitas tata hubungan antarelemen. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty, dapat dilihat pada Tabel 4 berikut.

21

Tabel 4 Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty NILAI KETERANGAN 1 Faktor Vertikal sama penting dengan Faktor Horizontal 3 Faktor Vertikal lebih penting dari Faktor Horizontal 5 Faktor Vertikal jelas lebih penting Faktor Horizontal 7 Faktor Vertikal sangat jelas lebih penting dari Faktor Horizontal 9 Faktor Vertikal mutlak lebih penting dari Faktor Horizontal 2, 4, 6, 8 Apabila ragu-ragu antara dua nilai elemen yang berdekatan 1/(2-9) Kebalikan dari keterangan nilai 2-9 Pada dasarnya, AHP dapat digunakan untuk mengolah data dari satu responden ahli, tetapi aplikasinya penilaian kriteria dan alternatif dilakukan oleh beberapa ahli multidisiplioner. Konsekuensinya pendapat beberapa ahli tersebut perlu dicek konsistensinya satu persatu. Pendapat yang konsisten kemudian digabungkan dengan menggunakan rata-rata geometrik. n

XG-bar = ( ∏ Xi )1/n i=1

Hasil penilaian gabungan ini kemudian diolah dengan prosedur AHP dengan urutan tahapan berikut. - Pembobotan kriteria - Pembobotan alternatif - Validitas dan konsistensi penilaian perbandingan ii.

Pembuatan model fuzzy linear programming (FLP) Proses pembuatan model FLP diawali dengan mem-fuzzy-kan atau fuzzyfikasi fungsi tujuan dan kendala utama sebagai dua unsur utama model linear programming (LP). Hal tersebut dilakukan dengan merepresentasikan keadaan fungsi tujuan dan kendala utama menggunakan himpunan samar yang didefinisikan dengan fungsi keanggotaan linear (linear membership function) yang sesuai. Proses ini akan menghasilkan himpunan samar yang merepresentasikan keadaan fungsi tujuan dan kendala utama yang mengandung data samar. Selanjutnya, terbentuk suatu model FLP dengan fungsi tujuan dan kendala utama samar. Secara garis besar model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur sebagaimana digambarkan pada Gambar 7. Model FLP ini dapat diselesaikan dengan beberapa tahap. Tahap pertama adalah mendefinisikan himpunan keputusan samar (fuzzy set decision) dan tahap kedua adalah mendefinisikan keputusan samar optimal (optimal fuzzy decision) yang diperoleh dari himpunan samar fungsi tujuan dan kendala utama. Tahap ketiga, sebagai konsekuensi dari keputusan samar optimal, model FLP ditransformasikan ke dalam bentuk λ-cut. Transformasi tersebut dilakukan dengan membawa himpunan samar fungsi tujuan dan kendala utama ke dalam bentuk λ-cut-nya berdasarkan fungsi keanggotannya masing-masing. Pengolahan data dalam pembuatan model perencanaan dan penjadwalan penyediaan beras yang merupakan bagian dari FLP dilakukan dengan bantuan program komputer Excel Solver.

22

MULAI

Kebijakan mengenai batas persediaan minimal (MSR)

TIDAK

Kapasitas tempat penyimpanan ≤ MSR?

SELESAI YA INPUT Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 1 Toj = target kegiatan pasokan dari sumber pasokan prioritas 1 pada bulan j (kg), D'j = rencana penerbitan SPPB/DO pada bulan j (kg), S = jumlah beras untuk kebutuhan distribusi (kg), K = kapasitas tempat penyimpanan (kg), Co = biaya penyediaan dari sumber pasokan prioritas 1 ( Rp/kg), Ci = biaya penyimpanan ( Rp/kg),

Variabel keputusan xoj = beras yang dipasok dari sumber pasokan prioritas 1 pada bulan j (kg), ij = jumlah beras yang menjadi persediaan pada bulan j, Fungsi tujuan: meminimalkan biaya penyediaan minimalkan Z = Co (x o1, x o2 ..xon ) + Ci (i1, i2 ..in ) Fungsi kendala xoj Toj ∑xoj ≈ S xoj + ij -1 - ij = D'j ij ≤ K xoj , ij ≥ 0

Biaya penyediaan minimal?

TIDAK

YA OUTPUT JUMLAH PENYEDIAAN OPTIMUM

JUMLAH PENYEDIAAN CUKUP?

TIDAK A

YA SELESAI

Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur

23

A

INPUT Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 2 Tpj = target kegiatan pasokan dari sumber pasokan prioritas 2 pada bulan j (kg), D'j = rencana penerbitan SPPB/DO pada bulan j (kg), S = jumlah beras untuk kebutuhan distribusi (kg), K = kapasitas tempat penyimpanan (kg), Cp = biaya penyediaan dari sumber pasokan prioritas 2 ( Rp/kg), Ci = biaya penyimpanan ( Rp/kg),

Variabel keputusan xpj = beras yang dipasok dari sumber pasokan prioritas 2 pada bulan j (kg), ij = jumlah beras yang menjadi persediaan pada bulan j, Fungsi tujuan: meminimalkan biaya penyediaan minimalkan Z = Cp (xo1, x o2 ..xon ) + Ci (i1, i2 ..in ) Fungsi kendala xpj Tpj ?xpj ˜ S xpj + ij -1 - ij = D'j ij = K xpj , ij = 0


TIDAK

YA OUTPUT JUMLAH PENYEDIAAN OPTIMUM

JUMLAH PENYEDIAAN CUKUP?

TIDAK B

YA SELESAI

Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur (lanjutan)

24

B

INPUT Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Prioritas 3 Tqj = target kegiatan pasokan dari sumber pasokan prioritas 3 pada bulan j (kg), D'j = rencana penerbitan SPPB/DO pada bulan j (kg), S = jumlah beras untuk kebutuhan distribusi (kg), K = kapasitas tempat penyimpanan (kg), Cq = biaya penyediaan dari sumber pasokan prioritas 3 ( Rp/kg), Ci = biaya penyimpanan ( Rp/kg),

Variabel keputusan x qj = beras yang dipasok dari sumber pasokan prioritas 3 pada bulan j (kg), ij = jumlah beras yang menjadi persediaan pada bulan j, Fungsi tujuan: meminimalkan biaya penyediaan minimalkan Z = Cq (x o1, x o2 ..x on ) + Ci (i1, i2 ..in ) Fungsi kendala x qj Tqj ?x qj ˜ S x qj + ij -1 - ij = D'j ij = K x qj , ij = 0


TIDAK

YA

OUTPUT JUMLAH PENYEDIAAN OPTIMUM

SELESAI

Gambar 7 Model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di Subdivre Cianjur (lanjutan)

25

4 HASIL DAN PEMBAHASAN Alur Distribusi Beras untuk Program Raskin Pendistribusian beras untuk Program Raskin berawal dari Surat Permintaan Alokasi Pagu Raskin (SPA Raskin) dari Pemerintah Kabupaten/Kota kepada BULOG dalam hal ini kepada Kadivre/Kasubdivre/KaKansilog berdasarkan Pagu Raskin (tonase dan jumlah RTS-PM) dan rincian di masing-masing Kecamatan dan Desa/Kelurahan. Pada waktu beras akan didistribusikan ke Titik Distribusi, BULOG berdasarkan SPA Raskin menerbitkan Surat Perintah Pengeluaran Barang/Delivery Order (SPPB/DO) beras untuk masing-masing Kecamatan atau Desa/ Kelurahan kepada Satker RASKIN. Satker RASKIN mengambil beras di gudang BULOG, mengangkut dan menyerahkan beras kepada Pelaksana Distribusi RASKIN di Titik Distribusi. Pada Titik Distribusi, penyerahan/penjualan beras kepada RTS-PM dilakukan oleh salah satu dari 3 (tiga) Pelaksana Distribusi RASKIN yaitu Kelompok Kerja (Pokja), atau Warung Desa (Wardes) atau Kelompok Masyarakat (Pokmas). Secara garis besar alur distribusi beras untuk Program Raskin sebagaimana digambarkan pada Gambar 8. Wilayah kerja Subdivre Cianjur melayani distribusi beras untuk Program Raskin pada 1.322 Titik Distribusi yang terdapat di 6 (enam) wilayah Kabupaten/Kota di Propinsi Jawa Barat, yakni Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kota Bogor, Kota Sukabumi, dan Kota Depok. Kabupaten Bogor merupakan wilayah distribusi dengan jumlah titik distribusi terbanyak yakni sebanyak 431 titik distribusi (Tabel 5). Tabel 5 Jumlah kecamatan dan titik distribusi di Subdivre Cianjur tahun 2008-2011 NO

KABUPATEN/ KOTA

2008-2009 Jumlah Jumlah Kecamatan Titik Distribusi 6 63 40 431

2010-2011 Jumlah Jumlah Kecamatan Titik Distribusi 11 63 40 431

1 2

KOTA DEPOK KAB.BOGOR

3

KOTA BOGOR

6

68

6

68

4

KAB. CIANJUR

32

360

32

360

5

KAB.SUKABUMI

47

367

47

367

6

KOTA SUKABUMI TOTAL

7 138

33 1.322

7 143

33 1.322

26

Gambar 8 Alur distribusi beras untuk Program Raskin Model Perkiraan Kebutuhan Pasokan untuk Program Raskin Kondisi Permintaan Alokasi Pagu Raskin Sejalan dengan perkembangan pelaksanaan Program Raskin Nasional, Pagu Raskin Kabupaten/Kota di wilayah kerja Subdivre Cianjur ikut mengalami perubahan. Selama kurun waktu 2008-2011, peningkatan Pagu Raskin terjadi pada tahun alokasi 2009 yakni sebesar 3,16% jika dibandingkan dengan tahun alokasi 2008, dan pada tahun alokasi 2011 yakni sebesar 5,57% jika dibandingkan dengan tahun alokasi 2010, meskipun realisasi Pagu Raskin juga pernah mengalami penurunan pada tahun alokasi 2010 sebesar 2,22% jika dibandingkan dengan tahun alokasi 2009 (Gambar 9). Namun perubahan Pagu Raskin ini masih dinilai tidak signifikan. Hal ini terbukti dari hasil analisis ragam yang menunjukkan bahwa realisasi Pagu Raskin pada periode tahun alokasi 2008, 2009, 2010, dan 2011 untuk masing-masing wilayah distribusi tidak memiliki perbedaan secara signifikan pada tingkat nyata 10% (Tabel 6).

27

Gambar 9 Perkembangan Pagu Raskin di wilayah kerja Subdivre Cianjur Tabel 6 Hasil analisis ragam terhadap realisasi Pagu Raskin untuk masing-masing wilayah distribusi Keterangan Wilayah Distribusi Keputusan Uji (α=10%) Kabupaten Bogor μ2011 = μ2010 = μ2009 = μ2008 realisasi Pagu Raskin pada Kabupaten Sukabumi μ2011 = μ2010 = μ2009 = μ2008 periode tahun alokasi 2008, 2009, 2010, dan Kabupaten Cianjur μ2011 = μ2010 = μ2009 = μ2008 2011 tidak memiliki Kota Bogor μ2011 = μ2010 = μ2009 = μ2008 perbedaan secara Kota Depok μ2011 = μ2010 = μ2009 = μ2008 signifikan pada tingkat nyata 10 persen Kota Sukabumi μ2011 = μ2010 = μ2009 = μ2008 Analisis lanjutan dengan uji Barlett terhadap ragam Pagu Raskin sebagaimana tersaji pada Tabel 7 dilakukan untuk memberikan keyakinan bahwa Pagu Raskin pada beberapa periode tahun untuk masing-masing wilayah distribusi memang berasal dari populasi yang tidak jauh berbeda keragamannya. Perkiraan rasio permintaan alokasi Pagu Raskin dengan menggunakan hasil uji Barlett membentuk pola permintaan alokasi Pagu Raskin bulanan yang berbeda di masing-masing wilayah distribusi. Rasio permintaan alokasi Pagu Raskin bulanan tertinggi di wilayah distribusi Kota Bogor diperkirakan pada bulan April, wilayah distribusi Kota Depok diperkirakan pada bulan Juni, dan wilayah distribusi Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, dan Kota Sukabumi diperkirakan pada bulan Desember (Tabel 7).

28

Tabel 7 Perkiraan rasio permintaan alokasi Pagu Raskin bulanan untuk masing-masing wilayah distribusi BULAN

KAB. BOGOR 0,062 0,078 0,076 0,076 0,075 0,075 0,075 0,111 0,076 0,076 0,075 0,144* σ2008=σ2011**

WILAYAH DISTRIBUSI KAB. KAB. KOTA SUKABUMI CIANJUR BOGOR 0,073 0,074 0,109 0,073 0,070 0,113 0,073 0,074 0,097 0,073 0,074 0,139* 0,073 0,074 0,068 0,079 0,079 0,096 0,079 0,079 0,097 0,079 0,079 0,118 0,079 0,079 0,066 0,079 0,079 0,030 0,079 0,079 0,020 0,161* 0,158* 0,047 σ2010=σ2011*** σ2010=σ2011*** σ2008=σ2010 =σ2011****

KOTA DEPOK 0,091 0,102 0,102 0,106 0,069 0,111* 0,107 0,070 0,070 0,067 0,107 0,000 σ2008=σ2010 =σ2011****

KOTA SUKABUMI 0,074 0,074 0,074 0,074 0,074 0,079 0,079 0,079 0,079 0,079 0,079 0,158* σ2010=σ2011***

Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember KEPUTUSAN UJI BARLETT (α=1%) Keterangan: * Rasio permintaan alokasi Pagu Raskin bulanan tertinggi ** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008 dan 2011 adalah sama *** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2010 dan 2011 adalah sama **** Ragam populasi permintaan alokasi Pagu Raskin periode tahun alokasi 2008, 2010 dan 2011 adalah sama

Perkiraan Permintaan Alokasi Pagu Raskin Tujuan perkiraan permintaan alokasi Pagu Raskin pada penelitian ini adalah untuk memperkirakan kondisi permintaan alokasi Pagu Raskin Kabupaten/Kota bulanan tidak beraturan dan tidak dapat diprediksi di wilayah kerja Subdivre Cianjur. Permintaan alokasi Pagu Raskin di tiap bulannya diperkirakan berdasarkan pola permintaan alokasi Pagu Raskin bulanan pada masing-masing wilayah distribusi seperti yang dibahas pada bagian sebelumnya, dan rencana Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional. Pada tahun 2012, Subdivre Cianjur menerima rencana Pagu Raskin Kabupaten/Kota sebanyak 194.678.465 kg. Rencana Pagu Raskin ini meningkat 33,85% jika dibandingkan dengan Pagu Raskin tahun alokasi 2011 yang hanya mencapai 145.444.620 kg. Peningkatan ini lebih banyak disebabkan oleh peningkatan tonase beras yang didistribusikan, dan bukan oleh peningkatan jumlah RTS-PM. Rincian alokasi Pagu Raskin di masing-masing Kabupaten/Kota sebagaimana pada Tabel 8. Tabel 8 Alokasi Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional pada tahun 2012 di masing-masing wilayah distribusi Wilayah Distribusi Alokasi Pagu Raskin Nasional (dalam satuan kg) Kabupaten Bogor 82.830.765 Kabupaten Sukabumi 43.009.425 Kabupaten Cianjur 45.369.645 Kota Bogor 9.225.240 Kota Depok 11.165.600 Kota Sukabumi 3.077.790 Total 194.678.465

29

Perkiraan permintaan alokasi Pagu Raskin di tiap bulannya selama tahun 2012 cukup bervariasi, dengan ragam sebesar 12.532.389.102.304 kg2, atau simpangan baku sebesar 3.540.111 kg (Tabel 9 dan Gambar 10). Walaupun nilai ragam dan simpangan baku ini lebih kecil jika dibandingkan dengan ragam dan simpangan baku data aktual (ragam data aktual sebesar 22.617.911.646.466 kg2, atau simpangan baku sebesar 4.755.829 kg), tetapi diduga ragam hasil perkiraan tidak jauh berbeda dengan ragam data aktual. Hal ini dibuktikan oleh hasil uji Barlett terhadap ragam permintaan alokasi Pagu Raskin yang menunjukkan bahwa ragam hasil perkiraan dengan ragam data aktual memang berasal dari populasi yang tidak jauh berbeda keragamannya pada tingkat nyata 1%. Tabel 9 Perkiraan permintaan alokasi Pagu Raskin tahun 2012 di masing-masing wilayah distribusi (dalam satuan kg) Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Rata-rata (kg per bulan) Ragam (kg2) Simpangan baku (kg) Koefisien varians

KAB. BOGOR 5.159.623 6.456.100 6.271.047 6.332.183 6.244.914 6.246.547 6.243.590 9.207.346 6.255.485 6.254.465 6.243.590 11.915.875

KAB. SUKABUMI 3.155.871 3.155.871 3.155.871 3.155.871 3.156.638 3.386.896 3.386.896 3.386.896 3.386.896 3.388.152 3.386.896 6.906.673

KAB. CIANJUR 3.365.213 3.176.516 3.365.213 3.365.213 3.365.213 3.592.107 3.592.107 3.592.107 3.592.107 3.592.107 3.592.107 7.179.636

KOTA BOGOR 1.005.277 1.041.390 898.771 1.282.861 625.619 884.366 898.771 1.085.091 613.232 273.152 182.102 434.608

KOTA DEPOK 1.018.416 1.135.632 1.135.632 1.178.730 765.190 1.235.721 1.192.623 779.082 779.082 750.028 1.195.463 0

KOTA SUKABUMI 226.515 226.515 226.515 226.515 226.515 243.152 243.152 243.152 243.152 243.152 243.152 486.304

Total 13.930.915 15.192.024 15.053.049 15.541.373 14.384.089 15.588.788 15.557.139 18.293.674 14.869.954 14.501.055 14.843.309 26.923.096 16.223.205

12.532.389.102.304

Gambar 10 Realisasi dan perkiraan rasio permintaan Pagu Raskin tahun 2012 di wilayah kerja Subdivre Cianjur

3.540.111 0,218

30

Realisasi dan perkiraan permintaan alokasi Pagu Raskin tahun 2012 mengalami perubahan. Permintaan alokasi Pagu Raskin tertinggi yang diperkirakan berdasarkan data tahun yang lalu terjadi di bulan Desember berubah lebih awal di bulan Agustus. Hal ini diperkirakan terjadi karena 4 dari 6 wilayah kerja di Subdivre Cianjur menunjukkan perkiraan permintaan alokasi Pagu Raskin tertinggi terjadi di bulan Desember. Perkiraan Kebutuhan Pasokan a. Perkiraan Penerbitan SPPB/DO Penentuan jumlah beras untuk kebutuhan pasokan pada kondisi ketidakpastian permintaan alokasi Pagu Raskin bulanan dan penerbitan SPPB/DO dilakukan dengan pendekatan metode simulasi Monte Carlo yang diawali dengan membuat berbagai kondisi yang dapat menyebabkan ketidakpastian jumlah beras untuk kebutuhan pasokan, yakni membuat skenario kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin yang mungkin dihadapi oleh Subdivre Cianjur, yakni, waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Propinsi atau Tim Koordinasi Raskin Kabupaten/Kota dibuat dalam 3 (tiga) kemungkinan, (i) SPA Raskin terbit sesuai bulan, (ii) SPA Raskin terlambat terbit 2 bulan, dan (iii) SPA Raskin terlambat terbit 3 bulan, kendala tunggakan dalam pembayaran HP-Raskin dibuat dalam 5 (lima) kemungkinan, (i) tidak ada tunggakan di akhir bulan, (ii) tunggakan di akhir bulan sebesar 10% dari penerbitan SPPB/DO bulan sebelumnya, (iii) tunggakan di akhir bulan sebesar 30% dari penerbitan SPPB/DO bulan sebelumnya, (iv) tunggakan di akhir bulan sebesar 50% dari penerbitan SPPB/DO bulan sebelumnya, dan (v) tunggakan di akhir bulan sebesar 70% dari penerbitan SPPB/DO bulan sebelumnya, asumsi lain yang digunakan dalam penelitian ini adalah tunggakan pembayaran HP-Raskin akan selesai dalam waktu 2 bulan ke depan, dan di awal dan akhir tahun alokasi tidak terdapat tunggakan pembayaran HP-Raskin, sehingga dari kemungkinan-kemungkinan dan asumsi tersebut di atas, terdapat 15 skenario penerbitan SPPB/DO. Kondisi ketidakpastian penerbitan SPPB/DO ini ditentukan oleh nilai koefisien varians (cv) yang merupakan rasio perbandingan antara simpangan baku dengan rata-rata perkiraan penerbitan SPPB/DO. Semakin tinggi nilai koefisien varians, maka kondisi penerbitan SPPB/DO semakin tidak pasti. Nilai koefisien varians yang dihasilkan dari 15 skenario yang dibuat, sebagaimana disajikan pada Tabel 10, dan perkiraan penerbitan SPPB/DO untuk 15 skenario dalam penelitian ini secara rinci dapat dilihat pada Lampiran 1.

31

Tabel 10 Nilai koefisien varians yang dihasilkan dari 15 skenario penerbitan SPPB/DO beras untuk Program Raskin yang mungkin dihadapi oleh Subdivre Cianjur Kemungkinan waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Kabupaten/ Kota (1) SPA Raskin terbit sesuai bulan

SKENARIO 1 Koefisien varians: 0,218





(2) SPA Raskin terlambat terbit 2 bulan






(3) SPA Raskin terlambat terbit 3 bulan






(1) tidak ada tunggakan

Kemungkinan kendala tunggakan dalam pembayaran HP-Raskin (2) (3) (4) (5) tunggakan 10% tunggakan 30% tunggakan 50% tunggakan 70 %

Waktu dalam penerbitan SPA Raskin Kabupaten/Kota dan kendala tunggakan dalam pembayaran HP-Raskin cenderung berpengaruh positif terhadap nilai koefisien varians yang dihasilkan. Semakin terlambat waktu dalam penerbitan SPA Raskin Kabupaten/Kota dan semakin besar jumlah tunggakan dalam pembayaran HP-Raskin cenderung akan meningkatkan nilai koefisien varians, atau dengan kata lain kondisi penerbitan SPPB/DO akan semakin tidak pasti. Pada kondisi SPA Raskin yang terbit sesuai bulan dan tunggakan HP-Raskin sebesar 70 persen (skenario 5), akan dihasilkan kondisi tunggakan HP-Raskin yang lebih besar dari jumlah beras yang akan disalurkan, sehingga alokasi pada bulan tertentu belum dapat dilayani sampai dilakukan pelunasan. Penetapan kondisi penerbitan SPPB/DO beras untuk Program Raskin terbaik yang mungkin dihadapi oleh Subdivre Cianjur dilakukan dengan mempertimbangkan bahwa jumlah beras untuk kebutuhan pasokan akan semakin sedikit dengan semakin rendah nilai koefisien varians. Berdasarkan pertimbangan tersebut, maka nilai koefisien varians terendah dengan nilai 0,218 yang dihasilkan dari kondisi SPA Raskin yang terbit sesuai bulan dan kondisi tidak terdapat tunggakan HP-Raskin di akhir bulan (skenario 1) merupakan kondisi penerbitan SPPB/DO beras untuk Program Raskin terbaik yang mungkin dihadapi oleh Subdivre Cianjur. b. Model Perkiraan Kebutuhan Pasokan Penerbitan SPPB/DO merupakan variabel acak yang mencerminkan ketidakpastian penerbitan SPPB/DO, sehingga analisis dengan menggunakan pendekatan metode simulasi Monte Carlo merupakan salah satu metode yang paling tepat untuk membuat perkiraan kebutuhan pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur pada kondisi ketidakpastian permintaan alokasi Pagu Raskin dan penerbitan SPPB/DO beras untuk Program Raskin.

32

Tahapan simulasi Monte Carlo diawali dengan membuat asumsi distribusi probabilitas atas penerbitan SPPB/DO mengikuti distribusi normal atau distribusi log-normal. Dalam hal ini, skenario 1,2, dan 3 memiliki nilai koefisien varians (cv) kurang dari 0,4, sehingga penerbitan SPPB/DO mengikuti distribusi normal dengan rata-rata D’_bar dan simpangan baku sD’-bar. Sedangkan skenario 4 sampai dengan skenario 15 memiliki nilai koefisien varians (cv) lebih besar dari 0,4, sehingga penerbitan SPPB/DO mengikuti distribusi log-normal dengan rata-rata D’_bar dan simpangan baku s D’-bar. Beberapa nilai awal untuk membuat perkiraan kebutuhan pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur dengan pendekatan metode simulasi Monte Carlo sebagaimana disajikan pada Tabel 11. Tabel 11 Nilai awal untuk membuat perkiraan kebutuhan pasokan dengan pendekatan metode simulasi Monte Carlo Skenario Distribusi Probabilitas Rata-rata, μ Simpangan baku, σ Skenario 1 distribusi normal 16.223.205 3.540.111 Skenario 2 distribusi normal 16.223.205 4.011.260 Skenario 3 distribusi normal 16.223.205 5.144.498 Skenario 4 distribusi log-normal 17* 0,35** Skenario 5 distribusi log-normal 16* 1,22** Skenario 6 distribusi log-normal 17 0,32 Skenario 7 distribusi log-normal 17 0,30 Skenario 8 distribusi log-normal 17 0,29 Skenario 9 distribusi log-normal 17 0,30 Skenario 10 distribusi log-normal 17 0,69 Skenario 11 distribusi log-normal 17 0,36 Skenario 12 distribusi log-normal 17 0,34 Skenario 13 distribusi log-normal 17 0,33 Skenario 14 distribusi log-normal 17 0,35 Skenario 15 distribusi log-normal 17 0,37 Keterangan: * Rata-rata nilai logaritma natural (ln) dari perkiraan penerbitan SPPB/DO bulanan tahun 2012 ** Simpangan baku nilai logaritma natural (ln) dari perkiraan penerbitan SPPB/DO bulanan tahun 2012

Hasil simulasi membuktikan bahwa kondisi ketidakpastian penerbitan SPPB/DO yang ditunjukkan dengan besarnya nilai koefisien varians cenderung berpengaruh positif terhadap jumlah kebutuhan pasokan beras. Semakin terlambat waktu dalam penerbitan SPA Raskin Kabupaten/Kota dan semakin besar jumlah tunggakan dalam pembayaran HP-Raskin cenderung akan meningkatkan jumlah kebutuhan pasokan beras yang harus disediakan, sebagaimana disajikan pada Gambar 11. Perkiraan pasokan beras minimal sebesar 194.307.991 kg per tahun, dan dibutuhkan pasokan beras sebesar 319.024.683 kg per tahun atau 1,6 kali dari rencana Pagu Raskin Kabupaten/Kota tahun 2012 untuk dapat mengantisipasi kondisi ketidakpastian penerbitan SPPB/DO tertinggi (skenario 5).

33

Gambar 11 Perkiraan kebutuhan pasokan tahun 2012 menggunakan pendekatan metode simulasi Monte Carlo Model Perencanaan dan Penjadwalan Penyediaan Beras untuk Program Raskin Sumber Pasokan Meskipun penyerapan pengadaan gabah/beras di wilayah kerja Subdivre Cianjur masih tergolong rendah, tetapi kegiatan pengadaan gabah/beras tetap dipertahankan sebagai upaya agar petani produsen di wilayah kerja Subdivre Cianjur tetap mendapatkan harga jual yang wajar sesuai ketentuan harga pembelian pemerintah. Biaya penyediaan beras dalam negeri di wilayah kerja Subdivre Cianjur untuk tahun pengadaan 2012 mengacu pada harga pembelian dan kualitas gabah/beras ditetapkan berdasarkan Instruksi Presiden Nomor 3 Tahun 2012 tentang Kebijakan Pengadaan Gabah/Beras dan Penyaluran Beras oleh Pemerintah, yakni sebesar Rp 6.600 per kg di gudang BULOG, dengan kualitas kadar air maksimum 14%, butir patah maksimum 20%, kadar menir maksimum 2%, dan derajat sosoh minimum 95%. Pemindahaan persediaan melalui kegiatan MOVEREG dan MOVENAS didasarkan pada kelebihan dan kekurangan persediaan di masing-masing Divre/Subdivre. Kelebihan dan kekurangan persediaan beras dihitung berdasarkan jumlah pengadaan dikurangi dengan jumlah penyaluran. Berdasarkan perhitungan inilah dapat ditentukan klasifikasi Divre/Subdivre Surplus (pengadaan lebih besar dari penyaluran) dan Divre/Subdivre Defisit (pengadaan lebih kecil dari penyaluran). Kegiatan MOVEREG di Divre Jabar tidak dapat ditentukan secara pasti di setiap bulannya (Gambar 12). Kegiatan MOVEREG tertinggi mencapai 146.950.000 kg pada tahun 2010 (Gambar 13), yang sebagian besar pemindahan persediaan tersebut berasal dari Subdivre Surplus, seperti Subdivre Cirebon, Subdivre Indramayu, Subdivre Ciamis, dan Subdivre Karawang, menuju wilayah Subdivre Defisit, salah satunya yaitu Subdivre Cianjur. Divre DKI Jakarta merupakan alternatif sumber pasokan pada rantai pasokan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur, karena gudang Divre DKI Jakarta khususnya yang berada di komplek pergudangan Sunter Timur Jakarta memiliki kapasitas yang besar dan dekat dengan wilayah kerja Subdivre Cianjur. Keunggulan kapasitas gudang inilah yang menjadikan Divre DKI Jakarta dapat menerima pasokan beras dari Divre Surplus dan beras impor, dan juga sekaligus mengirim pasokan beras untuk Divre/Subdivre Defisit lainnya.

34

Gambar 12 Realisasi bulanan kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011

Gambar 13 Realisasi kegiatan MOVEREG di wilayah kerja Divre Jabar tahun 2008-2011 Penentuan Prioritas Sumber Pasokan Penentuan prioritas sumber pasokan yang efektif dan efisien bertujuan untuk menjaga keberlangsungan dan keberlanjutan pasokan di Subdivre Cianjur dalam ketidakpastian situasi rantai pasokan beras untuk Program Raskin. Pada penelitian ini digunakan proses analisis bertingkat (analytic hierarchy process/AHP), karena merupakan salah satu metode yang dapat diterapkan pada kasus-kasus pengambilan keputusan yang kompleks dengan beberapa kriteria penilaian. Kriteria penilaian efektifitas dan efisiensi sumber pasokan yang dapat mencerminkan strategi rantai pasokan beras untuk Program Raskin, adalah (1) kemudahan operasional, (2) kemudahan administrasi, dan (3) biaya.

35

a.

Pemberian Bobot Masing-Masing Kriteria Pemberian bobot untuk masing-masing kriteria dilakukan dengan cara perbandingan berpasangan yang dilakukan oleh 3 narasumber sebagaimana tersaji pada Lampiran 2. Setelah dilakukan pengecekan terhadap konsisten pendapat masing-masing narasumber, nilai tersebut digabungkan dengan menggunakan rata-rata geometrik. Nilai 0,3420* pada Tabel 12 menunjukkan kriteria kemudahan operasional sedikit lebih penting dari kriteria biaya, dan nilai 2,9240** merupakan kebalikannya. Sedangkan untuk semua perbandingan yang berada pada garis diagonal diberi nilai 1 karena membandingkan kriteria yang sama. Tahap selanjutnya adalah perhitungan bobot dari semua kriteria. Setiap nilai perbandingan di atas dibagi dengan total dari kolom yang bersesuaian. Misalnya nilai 0,4270 pada kolom 1 baris 1 Tabel 13 diperoleh dari 1/2,3420. Bobot akhir masing-masing kriteria diperoleh dengan mencari rata-rata baris. Tabel 12 Nilai rata-rata geometrik dari bobot kriteria penilaian efektifitas dan efisiensi sumber pasokan Kriteria Kemudahan Kemudahan Biaya (k3) Operasional (k1) Administrasi (k2) Kemudahan 1,0000 1,0000 2,9240** Operasional (k1) Kemudahan 1,0000 1,0000 2,9240 Administrasi (k2) Biaya (k3) 0,3420* 0,3420 1,0000 Total

2,3420

2,3420

6,8480

Tabel 13 Perhitungan bobot tiap kriteria penilaian efektifitas dan efisiensi sumber pasokan Kriteria Kemudahan Operasional (k1) Kemudahan Administrasi (k2) Biaya (k3)

b.

Kemudahan Operasional (k1) 0,4270

Kemudahan Administrasi (k2) 0,4270

Biaya (k3)

Bobot

0,4270

0,4270

0,4270

0,4270

0,4270

0,4270

0,1460

0,1460

0,1460

0,1460

Perhitungan Bobot Sumber Pasokan Setelah dilakukan pemberian bobot untuk masing-masing sumber pasokan, langkah terakhir adalah menghitung nilai bobot dari masing-masing sumber pasokan sebagaimana tersaji pada Lampiran 3. Nilai diperoleh dengan menjumlahkan hasil perkalian bobot masing-masing kriteria yang bersangkutan. Dari hasil pembobotan kriteria penilaian efektifitas dan efisiensi sumber pasokan pada Tabel 14 terlihat bahwa kriteria yang paling berpengaruh dalam penilaian adalah kemudahan operasional dan kemudahan administrasi dengan bobot masing-masing 0,4270; kemudian diikuti oleh kriteria biaya dengan bobot 0,1460.

36

Tabel 14 Hasil penilaian akhir sumber pasokan Kriteria Kemudahan Operasional (k1) Kemudahan Administrasi (k2) Biaya (k3) Nilai Berbobot Prioritas

Bobot 0,4270

Sumber Pasokan ADA SETEMPAT 0,4989

Sumber Pasokan MOVEREG 0,3695

Sumber Pasokan MOVENAS 0,1316

0,4270

0,2396

0,4369

0,3235

0,1460

0,7177

0,1736

0,1087

0,4201

0,3697

0,2102

1

2

3

Pada penelitian ini, kegiatan pengadaan gabah/beras setempat memperoleh bobot tertinggi dalam penilaian efektifitas dan efisiensi sumber pasokan beras untuk Program Raskin di Subdivre Cianjur yaitu sebesar 0,4201; kemudian diikuti oleh sumber pasokan dari kegiatan MOVEREG dengan bobot 0,3697 dan sumber pasokan dari kegiatan MOVENAS dengan bobot 0,2102. Sumber pasokan dari kegiatan pengadaan gabah/beras setempat lebih dapat memenuhi kriteria biaya dan kemudahan operasional. Sedangkan sumber pasokan dari kegiatan MOVEREG lebih dapat memenuhi kriteria kemudahan administrasi. Pengembangan model perencanaan dan penjadwalan penyediaan beras dilakukan sesuai dengan urutan sumber pasokan ini. Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan Pengadaan Beras Setempat (Prioritas 1) - Formulasi Fungsi Tujuan Setelah mendapatkan hasil dari perhitungan semua data-data yang diperlukan maka pada tahap ini akan dibentuk variabel keputusan yang dipergunakan untuk menyelesaikan persoalan FLP yaitu yang bertujuan untuk mendapatkan jumlah pasokan beras dengan biaya penyediaan minimum. Variabel keputusan yang dipergunakan dapat dilihat secara rinci pada Lampiran 4. Berdasarkan harga pembelian gabah/beras sebesar Rp 6.600 per kg dan perkiraan biaya penyimpanan sebesar Rp 70 per kg, maka fungsi tujuan untuk model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat dinyatakan sebagai berikut. minimalkan Z = 6600 (xo1+xo2+xo3+xo4+xo5+xo6+xo7+xo8+xo9+xo10+xo11 +xo12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12) - Formulasi Fungsi Kendala Target Kegiatan Pengadaan Beras Setempat Kendala pasokan dari kegiatan pengadaan beras dalam negeri di wilayah kerja Subdivre Cianjur menjadi masalah karena situasi yang sebenarnya tidak tegas pada jumlah tertentu dan tidak dapat digambarkan secara persis. Rencana target kegiatan pengadaan beras dalam negeri tahun 2012 didasarkan pada data pencapaian target pengadaan beras tertinggi di setiap bulannya selama tahun 2008-2011, tetapi masih memungkinkan adanya penurunan target pengadaan beras akibat pengaruh kondisi alam, sebagaimana tersaji pada Tabel 15, dan dapat disusun menjadi sebuah model sebagai berikut,

37

1) xo1 = xo2 = 0 2) xo3 4.739.340 8.057.460 3) xo4 4) xo5 9.267.420 5) xo6 7.196.595 4.033.650 6) xo7 7) xo8 3.217.770 8) xo9 1.357.470 1.802.070 9) xo10 10) xo11 1.854.525 533.400 11) xo12 dapat dibawa ke bentuk, 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22)

xo1 = xo2 = 0 xo3 ≤ 4.739.340 - 1.184.835 t xo4 ≤ 8.057.460 - 2.014.365 t xo5 ≤ 9.267.420 - 2.316.855 t xo6 ≤ 7.196.595 - 1.799.149 t xo7 ≤ 4.033.650 - 1.008.413 t xo8 ≤ 3.217.770 - 804.443 t xo9 ≤ 1.357.470 - 339.368 t xo10 ≤ 1.802.070 - 450.518 t xo11 ≤ 1.854.525 - 463.631 t xo12 ≤ 533.400 - 133.350 t

Tabel 15 Rencana target kegiatan pengadaan beras setempat tahun 2012 Realisasi ADA SETEMPAT pada periode tahun (dalam satuan kg) Bulan

Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Total

2008

2009

2010

0 0 3.181.720 8.057.460 2.921.310 634.965 405.600 139.995 700.005 1.802.070 1.854.525 533.400 20.231.050

0 0 4.739.340 8.008.215 9.267.420 6.841.125 4.033.650 3.217.770 1.357.470 1.535.010 0 0 39.000.000

0 0 1.246.320 5.680.830 7.115.130 7.196.595 1.990.140 420.000 0 0 0 0 23.649.015

2011 0 0 0 301.980 2.367.480 1.787.835 339.510 970.995 795.000 150.000 21.000 0 6.733.800

Rencana Target 2012 (dalam satuan kg) Toleransi Maksimum (25% dari Maksimum) 0 0 0 0 4.739.340 1.184.835 8.057.460 2.014.365 9.267.420 2.316.855 7.196.595 1.799.149 4.033.650 1.008.413 3.217.770 804.443 1.357.470 339.368 1.802.070 450.518 1.854.525 463.631 533.400 133.350 42.059.700

- Formulasi Fungsi Kendala Kebutuhan Beras untuk Distribusi Formulasi fungsi kendala kebutuhan beras untuk distribusi akan menggunakan:  jumlah beras yang telah dibahas pada bagian sebelumnya (319.024.683 kg per tahun) dan masih memungkinkan adanya penurunan akibat kondisi ketidakpastian penerbitan SPPB/DO sebesar 124.346.218 kg per tahun,

38

 rencana penerbitan SPPB/DO akan digunakan sebagaimana skenario 1,  jumlah persediaan beras di gudang pada akhir tahun 2011 sebesar 1.218.632 kg, dan dapat disusun menjadi sebuah model sebagai berikut, 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13)

xo1 + xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 ≈ 319.024.683 xo1 – i1 + 1.218.632 = 13.930.915 xo2 + i1 – i2 = 15.192.024 xo3 + i2 – i3 = 15.053.049 xo4 + i3 – i4 = 15.541.373 xo5 + i4 – i5 = 14.384.089 xo6 + i5 – i6 = 15.588.788 xo7 + i6 – i7 = 15.557.139 xo8 + i7 – i8 = 18.293.674 xo9 + i8 – i9 = 14.869.954 xo10 + i9 – i10 = 14.501.055 xo11 + i10 – i11 =14.843.309 xo12 + i11 – i12 =26.923.096

batasan no 1 dapat dibawa ke bentuk, xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 = 319.024.683 - 124.346.218 t

- Formulasi Fungsi Kendala Kapasitas Tempat Penyimpanan Persediaan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur diupayakan untuk meningkatkan pelayanan distribusi beras dengan tetap memperhatikan kapasitas tempat penyimpanan yang hanya tersedia sebesar 14.500.000 kg. i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000

- Fuzzyfikasi Fuzzyfikasi dilakukan untuk mendapatkan nilai dari model upper dan model lower yang dibentuk.  Model Upper Parameter untuk kendala-kendala pada model upper ini diperoleh dari perhitungan untuk nilai upper, yakni jika t=0 (λ=1), maka formulasi fungsi tujuan dan kendala menjadi, minimalkan Z = 6600 (xo1+xo2+xo3+xo4+xo5+xo6+xo7+xo8+xo9+xo10+xo11 +xo12)+70 (i1+i2+i3+i4 +i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11)

xo1 = xo2 = 0 xo3 ≤ 4.739.340 xo4 ≤ 8.057.460 xo5 ≤ 9.267.420 xo6 ≤ 7.196.595 xo7 ≤ 4.033.650 xo8 ≤ 3.217.770 xo9 ≤ 1.357.470 xo10 ≤ 1.802.070 xo11 ≤ 1.854.525 xo12 ≤ 533.400

39

12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26)

xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 = 319.024.683 xo1 – i1 + 1.218.632 = 13.930.915 xo2 + i1 – i2 = 15.192.024 xo3 + i2 – i3 = 15.053.049 xo4 + i3 – i4 = 15.541.373 xo5 + i4 – i5 = 14.384.089 xo6 + i5 – i6 = 15.588.788 xo7 + i6 – i7 = 15.557.139 xo8 + i7 – i8 = 18.293.674 xo9 + i8 – i9 = 14.869.954 xo10 + i9 – i10 = 14.501.055 xo11 + i10 – i11 = 14.843.309 xo12 + i11 – i12 = 26.923.096 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xo1,xo2,xo3,xo4,xo5,xo6,xo7,xo8,xo9,xo10,xo11,xo12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=0 (λ=1) adalah biaya penyediaan minimum (Z) sebesar Rp 277.594.020.000, dan rencana penyediaan beras dari sumber pasokan pengadaan beras setempat sebanyak 4.739.340 kg pada Maret; 8.057.460 kg pada April; dan rencana penyediaan beras pada Mei-Desember sebagaimana tersaji pada Tabel 16 berikut. Tabel 16 Hasil akhir model upper dari sumber pasokan pengadaan beras setempat Bulan


Jumlah pasokan dari sumber pasokan ADA SETEMPAT (dalam satuan kg) 0 0 4.739.340 8.057.460 9.267.420 7.196.595 4.033.650 3.217.770 1.357.470 1.802.070 1.854.525 533.400 42.059.700

Jumlah beras yang menjadi persediaan (dalam satuan kg) 0 0 0 0 0 0 0 0 0 0 0 0

 Model Lower Parameter untuk kendala-kendala pada model lower ini diperoleh dari perhitungan untuk nilai lower, yakni jika t=1 (λ=0), maka formulasi fungsi tujuan dan kendala menjadi, minimalkan Z = 6600 (xo1+xo2+xo3+xo4+xo5+xo6+xo7+xo8+xo9+xo10+xo11 +xo12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 1) 2) 3) 4)

xo1 = xo2 = 0 xo3 ≤ 3.554.505 xo4 ≤ 6.043.095 xo5 ≤ 6.950.565

40

5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26)

xo6 ≤ 5.397.446 xo7 ≤ 3.025.238 xo8 ≤ 2.413.328 xo9 ≤ 1.018.103 xo10 ≤ 1.351.553 xo11 ≤ 1.390.894 xo12 ≤ 400.050 xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 = 194.678.465 xo1 – i1 + 1.218.632 = 13.930.915 xo2 + i1 – i2 = 15.192.024 xo3 + i2 – i3 = 15.053.049 xo4 + i3 – i4 = 15.541.373 xo5 + i4 – i5 = 14.384.089 xo6 + i5 – i6 = 15.588.788 xo7 + i6 – i7 = 15.557.139 xo8 + i7 – i8 = 18.293.674 xo9 + i8 – i9 = 14.869.954 xo10 + i9 – i10 = 14.501.055 xo11 + i10 – i11 = 14.843.309 xo12 + i11 – i12 = 26.923.096 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xo1,xo2,xo3,xo4,xo5,xo6,xo7,xo8,xo9,xo10,xo11,xo12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=1 (λ=0) adalah biaya penyediaan minimum (Z) sebesar Rp 208.195.515.000, dan rencana penyediaan beras dari sumber pasokan pengadaan beras setempat sebanyak 3.554.505 kg pada Maret; 6.043.095 kg pada April; dan rencana penyediaan beras pada Mei-Desember sebagaimana tersaji pada Tabel 17 berikut. Tabel 17 Hasil akhir model lower dari sumber pasokan pengadaan beras setempat Bulan


Jumlah pasokan dari sumber pasokan ADA SETEMPAT (dalam satuan kg) 0 0 3.554.505 6.043.095 6.950.565 5.397.446 3.025.238 2.413.328 1.018.103 1.351.553 1.390.894 400.050 31.544.775


41

Dari kedua hasil ini (t=0 dan t=1), dapat ditentukan nilai po, yaitu hasil pengurangan dari Z pada saat t=0 dengan Z pada saat t=1 (po=277.594.020.000 – 208.195.515.000 = 69.398.505.000). Dengan mengambil λ=1-t, akhirnya dapat dibentuk model FLP sebagai berikut: Maks: λ dengan batasan: 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)

69.398.505.000 λ + [6600 (xo1+xo2+xo3+xo4+xo5+xo6+xo7+xo8+xo9+xo10+xo11 +xo12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12)] ≤ 277.594.020.000 xo1 = xo2 = 0 -1.184.835 λ + xo3 ≥ 3.554.505 -2.014.365 λ + xo4 ≥ 6.043.095 -2.316.855 λ + xo5 ≥ 6.950.565 -1.799.149 λ + xo6 ≥ 5.397.446 -1.008.413 λ + xo7 ≥ 3.025.238 -804.443 λ + xo8 ≥ 2.413.328 -339.368 λ + xo9 ≥ 1.018.103 -450.518 λ + xo10 ≥ 1.351.553 -463.631 λ + xo11 ≥ 1.390.894 -133.350 λ + xo12 ≥ 400.050 -124.346.218 λ + xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 = 194.678.465 xo1 – i1 + 1.218.632 = 13.930.915 xo2 + i1 – i2 = 15.192.024 xo3 + i2 – i3 = 15.053.049 xo4 + i3 – i4 = 15.541.373 xo5 + i4 – i5 = 14.384.089 xo6 + i5 – i6 = 15.588.788 xo7 + i6 – i7 = 15.557.139 xo8 + i7 – i8 = 18.293.674 xo9 + i8 – i9 = 14.869.954 xo10 + i9 – i10 = 14.501.055 xo11 + i10 – i11 = 14.843.309 xo12 + i11 – i12 = 26.923.096 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xo1,xo2,xo3,xo4,xo5,xo6,xo7,xo8,xo9,xo10,xo11,xo12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir diperoleh λ sebesar 0,50 dan biaya penyediaan minimum (Z) sebesar Rp 242.894.767.500, dengan harus menyediakan beras dari sumber pasokan pengadaan beras setempat sebanyak 4.146.923 kg pada Maret; 7.050.278 kg pada April; 8.108.993 kg pada Mei; 6.297.021 kg pada Juni; 3.529.444 kg pada Juli; 2.815.549 kg pada Agustus; 1.187.786 kg pada September; 1.576.811 kg pada Oktober; 1.622.709 kg pada Nopember; dan 466.725 kg pada Desember; tanpa harus menyediakan beras pada bulan Januari-Februari, sebagaimana tersaji pada Gambar 14.

42

Gambar 14 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat tahun 2012 Nilai λ = 0,50 mengandung pengertian bahwa λ-cut untuk setiap himpunan yang digunakan untuk mengimplementasikan setiap batasan sebesar 0,50. Dengan kata lain, skala terbesar t = 1 – 0,5 = 0,5 digunakan untuk menentukan jumlah target kegiatan pengadaan beras setempat yang akan diterima dari setiap batasan yang diizinkan, dengan penjelasan sebagaimana Tabel 18 berikut. Tabel 18 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat Bulan

Batasan penerimaan pasokan yang seharusnya (dalam satuan kg) 0 0 4.739.340 8.057.460 9.267. 420 7.196.595 4.033.650 3.217.770 1.357.470 1.802.070 1.854.525 533.400

Batasan penerimaan pasokan maksimal (dalam satuan kg)

Januari 0 Februari 0 Maret 4.146.923 April 7.050.278 Mei 8.108.993 Juni 6.297.021 Juli 3.529.444 Agustus 2. 815.549 September 1.187.786 Oktober 1.576.811 Nopember 1.622.709 Desember 466.725 Keterangan: - Pada Maret, jumlah pengadaan beras setempat yang harus diterima sebesar 4.739.340 kg hanya akan diterima maksimal sebesar 4.146.923 kg

43

Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan MOVEREG (Prioritas 2) - Formulasi Fungsi Tujuan Setelah mendapatkan hasil dari model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan setempat (prioritas 1), maka pada tahap ini akan dibentuk variabel keputusan yang dipergunakan untuk menyelesaikan persoalan FLP yang bertujuan untuk mendapatkan jumlah pasokan beras dengan biaya angkutan MOVEREG minimum. Variabel keputusan yang dipergunakan dapat dilihat secara rinci pada Lampiran 5. Biaya angkutan MOVEREG di wilayah kerja Divre Jabar ke Subdivre Cianjur dihitung berdasarkan harga perhitungan sendiri (HPS) yang besarannya dipengaruhi oleh tarif transportasi beras yang jumlahnya tergantung pada jarak tempuh distribusi, tarif bongkar/muat, serta PPN sebesar 10% dari total tarif angkutan. Berdasarkan data realisasi MOVEREG di wilayah kerja Divre Jabar, beras yang dikirim ke Subdivre Cianjur sebagian besar berasal dari Subdivre Cirebon, Subdivre Indramayu, Subdivre Ciamis, dan Subdivre Karawang. Oleh karena itu biaya tarif HPS MOVEREG dihitung berdasarkan pengiriman beras yang berasal dari wilayah Subdivre tersebut dengan rata-rata tertinggi diperkirakan sebesar Rp 155 per kg. Fungsi tujuan untuk model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG dinyatakan sebagai berikut. minimalkan Z = 155(xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11 +xp12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12) - Formulasi Fungsi Kendala Target Kegiatan MOVEREG Berdasarkan data hasil observasi kegiatan MOVEREG di wilayah-wilayah surplus beras di wilayah kerja Divre Jabar pada periode tahun 2008-2011, maka diketahui pencapaian kegiatan MOVEREG di setiap bulannya beserta kemungkinan penyesuaian jumlah persediaan yang diangkut akibat pencapaian pengadaan beras di Subdivre Pengirim yang lebih rendah dari target pengadaan yang telah direncanakan. Sejalan dengan strategi rantai pasokan beras, yakni mendapatkan jumlah pasokan beras dengan biaya angkutan MOVEREG minimum, maka penentuan target kegiatan MOVEREG pada penelitian ini didasarkan pada rata-rata pencapaian target kegiatan MOVEREG selama tahun 2008-2011, tetapi masih memungkinkan adanya penurunan target akibat pengaruh kondisi alam, sebagaimana tersaji pada Tabel 19, dan dapat disusun menjadi sebuah model sebagai berikut, 1) xp1 8.825.000 2) xp2 6.937.500 3) xp3 8.750.000 4) xp4 8.417.024 5) xp5 4.395.476 6) xp6 7.500.000 7) xp7 10.100.000 8) xp8 7.775.000 9) xp9 6.762.500 10) xp10 8.287.500 11) xp11 8.175.000 12) xp12 2.987.500

44

dapat dibawa ke bentuk, 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24)

xp1 ≤ xp2 ≤ xp3 ≤ xp4 ≤ xp5 ≤ xp6 ≤ xp7 ≤ xp8 ≤ xp9 ≤ xp10 ≤ xp11 ≤ xp12 ≤

8.825.000 - 5.295.000 t 6.937.500 - 4.162.500 t 8.750.000 - 5.250.000 t 8.417.024 - 5.050.214 t 4.395.476 - 2.637.286 t 7.500.000 - 4.500.000 t 10.100.000 - 6.060.000 t 7.775.000 - 4.665.000 t 6.762.500 - 4.057.500 t 8.287.500 - 4.972.500 t 8.175.000 - 4.905.000 t 2.987.500 - 1.792.500 t

Tabel 19 Rencana target kegiatan MOVEREG tahun 2012 Realisasi MOVEREG periode tahun (dalam satuan kg) Bulan


2008

2009

2010

2011

9.250.000 7.500.000 6.000.000 1.000.000 7.500.000 8.500.000 15.000.000 9.900.000 3.000.000 0 0 0 67.650.000

0 1.750.000 2.000.000 17.750.000 7.500.000 16.500.000 23.900.000 2.100.000 10.500.000 11.000.000 12.000.000 8.000.000 113.000.000

19.500.000 16.000.000 20.000.000 9.918.095 581.905 5.000.000 1.500.000 14.100.000 13.550.000 22.150.000 20.700.000 3.950.000 146.950.000

6.550.000 2.500.000 7.000.000 5.000.000 2.000.000 0 0 5.000.000 0 0 0 0 28.050.000

Rencana Target 2012 (dalam satuan kg) Toleransi Rata-rata (60% dari rata-rata) 8.825.000 5.295.000 6.937.500 4.162.500 8.750.000 5.250.000 8.417.024 5.050.214 4.395.476 2.637.286 7.500.000 4.500.000 10.100.000 6.060.000 7.775.000 4.665.000 6.762.500 4.057.500 8.287.500 4.972.500 8.175.000 4.905.000 2.987.500 1.792.500 88.912.500

- Formulasi Fungsi Kendala Kebutuhan Beras untuk Distribusi Setelah mendapatkan hasil dari model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan setempat (prioritas 1), dapat diketahui jumlah kekurangan beras untuk distribusi Program Raskin yang harus dilakukan pemindahan persediaan beras dari gudang di wilayah kerja Subdivre lain sebagaimana pada Tabel 20, dan dapat disusun menjadi sebuah model sebagai berikut, 1) 2) 3) 4) 5) 6) 7) 8) 9)

xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11+xp12 ≈ 282.222.446 xp1 – i1 =12.712.283 xp2 + i1 – i2 = 15.192.024 xp3 + i2 – i3 = 10.906.126 xp4 + i3 – i4 = 8.491.096 xp5 + i4 – i5 = 6.275.096 xp6 + i5 – i6 = 9.291.768 xp7 + i6 – i7 = 12.027.695 xp8 + i7 – i8 =15.478.125

45

10) 11) 12) 13)

xp9 + i8 – i9 = 13.682.167 xp10 + i9 – i10 = 12.924.244 xp11 + i10 – i11 = 13.220.600 xp12 + i11 – i12 = 26.456.371

batasan no 1 dapat dibawa ke bentuk, xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11+xp12 = 282.222.446 -124.346.218 t

Tabel 20 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 2 Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember

Jumlah kebutuhan beras untuk distribusi Program Raskin (dalam satuan kg) 13.930.915 15.192.024 15.053.049 15.541.373 14.384.089 15.588.788 15.557.139 18.293.674 14.869.954 14.501.055 14.843.309 26.923.096

Ketersediaan beras (dalam satuan kg) 1.218.632 0 4.146.923 7.050.278 8.108.993 6.297.021 3.529.444 2.815.549 1.187.786 1.576.811 1.622.709 466.725

Jumlah kekurangan beras (dalam satuan kg) 12.712.283 15.192.024 10.906.126 8.491.096 6.275.096 9.291.768 12.027.695 15.478.125 13.682.167 12.924.244 13.220.600 26.456.371

- Fuzzyfikasi Fuzzyfikasi dilakukan untuk mendapatkan nilai dari model upper dan model lower yang dibentuk.  Model Upper Parameter untuk kendala-kendala pada model upper ini diperoleh dari perhitungan untuk nilai upper, yakni jika t=0 (λ=1), maka bentuk di atas menjadi, minimalkan Z = 155(xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11 +xp12)+ 70 (i1+i2+i3+i4 +i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13)

xp1 ≤ 8.825.000 xp2 ≤ 6.937.500 xp3 ≤ 8.750.000 xp4 ≤ 8.417.024 xp5 ≤ 4.395.476 xp6 ≤ 7.500.000 xp7 ≤ 10.100.000 xp8 ≤ 7.775.000 xp9 ≤ 6.762.500 xp10 ≤ 8.287.500 xp11 ≤ 8.175.000 xp12 ≤ 2.987.500 xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11+xp12 = 282.222.446

46

14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26) 27)

xp1 – i1 =12.712.283 xp2 + i1 – i2 = 15.192.024 xp3 + i2 – i3 = 10.906.126 xp4 + i3 – i4 = 8.491.096 xp5 + i4 – i5 = 6.275.096 xp6 + i5 – i6 = 9.291.768 xp7 + i6 – i7 = 12.027.695 xp8 + i7 – i8 =15.478.125 xp9 + i8 – i9 = 13.682.167 xp10 + i9 – i10 = 12.924.244 xp11 + i10 – i11 = 13.220.600 xp12 + i11 – i12 = 26.456.371 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xp1,xp2,xp3,xp4,xp5,xp6,xp7,xp8,xp9,xp10,xp11,xp12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=0 (λ=1)adalah biaya penyediaan minimum (Z) sebesar Rp 13.781.437.500, dan rencana penyediaan beras dari sumber pasokan MOVEREG sebanyak 8.825.000 kg pada Januari; 6.937.500 kg pada Februari; dan rencana penyediaan beras pada Maret-Desember sebagaimana tersaji pada Tabel 21 berikut. Tabel 21 Hasil akhir model upper dari sumber pasokan MOVEREG Bulan


Jumlah pasokan dari sumber pasokan MOVEREG (dalam satuan kg) 8.825.000 6.937.500 8.750.000 8.417.024 4.395.476 7.500.000 10.100.000 7.775.000 6.762.500 8.287.500 8.175.000 2.987.500 88.912.500


 Model Lower Parameter untuk kendala-kendala pada model lower ini diperoleh dari perhitungan untuk nilai lower, yakni jika t=1 (λ=0), maka bentuk di atas menjadi, minimalkan Z = 155(xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11 +xp12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 1) 2) 3) 4)

xp1 xp2 xp3 xp4

≤ ≤ ≤ ≤

3.530.000 2.775.000 3.500.000 3.366.810

47

5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26) 27)

xp5 ≤ 1.758.191 xp6 ≤ 3.000.000 xp7 ≤ 4.040.000 xp8 ≤ 3.110.000 xp9 ≤ 2.705.000 xp10 ≤ 3.315.000 xp11 ≤ 3.270.000 xp12 ≤ 1.195.000 xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11+xp12 = 157.876.228 xp1 – i1 =12.712.283 xp2 + i1 – i2 = 15.192.024 xp3 + i2 – i3 = 10.906.126 xp4 + i3 – i4 = 8.491.096 xp5 + i4 – i5 = 6.275.096 xp6 + i5 – i6 = 9.291.768 xp7 + i6 – i7 = 12.027.695 xp8 + i7 – i8 =15.478.125 xp9 + i8 – i9 = 13.682.167 xp10 + i9 – i10 = 12.924.244 xp11 + i10 – i11 = 13.220.600 xp12 + i11 – i12 = 26.456.371 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xp1,xp2,xp3,xp4,xp5,xp6,xp7,xp8,xp9,xp10,xp11,xp12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=1 (λ=0) adalah biaya penyediaan minimum (Z) sebesar Rp 5.512.575.000, dan rencana penyediaan beras dari sumber pasokan MOVEREG sebanyak 3.530.000 kg pada Januari; 2.775.000 kg pada Februari; dan rencana penyediaan beras pada Maret-Desember sebagaimana tersaji pada Tabel 22 berikut. Tabel 22 Hasil akhir model lower dari sumber pasokan MOVEREG Bulan




48

Dari kedua hasil ini (t=0 dan t=1), dapat ditentukan nilai po, yaitu hasil pengurangan dari Z pada saat t=0 dengan Z pada saat t=1 (po= 13.781.437.500 – 5.512.575.000 = 8.268.862.500). Dengan mengambil λ=1-t, akhirnya dapat dibentuk model FLP sebagai berikut: Maks: λ dengan batasan: 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)

8.268.862.500 λ + [155(xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11 +xp12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12)] ≤ 13.781.437.500 -5.295.000 λ + xp1 ≥ 3.530.000 -4.162.500 λ + xp2 ≥ 2.775.000 -5.250.000 λ + xp3 ≥ 3.500.000 -5.050.214 λ + xp4 ≥ 3.366.810 -2.637.286 λ + xp5 ≥ 1.758.191 -4.500.000 λ + xp6 ≥ 3.000.000 -6.060.000 λ + xp7 ≥ 4.040.000 -4.665.000 λ + xp8 ≥ 3.110.000 -4.057.000 λ + xp9 ≥ 2.705.000 -4.972.500 λ + xp10 ≥ 3.315.000 -4.905.000 λ + xp11 ≥ 3.270.000 -1.792.500 λ + xp12 ≥ 1.195.000 -124.346.218 λ + xp1+xp2+xp3+xp4+xp5+xp6+xp7+xp8+xp9+xp10+xp11+xp12 = 157.876.228 xp1 – i1 =12.712.283 xp2 + i1 – i2 = 15.192.024 xp3 + i2 – i3 = 10.906.126 xp4 + i3 – i4 = 8.491.096 xp5 + i4 – i5 = 6.275.096 xp6 + i5 – i6 = 9.291.768 xp7 + i6 – i7 = 12.027.695 xp8 + i7 – i8 =15.478.125 xp9 + i8 – i9 = 13.682.167 xp10 + i9 – i10 = 12.924.244 xp11 + i10 – i11 = 13.220.600 xp12 + i11 – i12 = 26.456.371 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xp1,xp2,xp3,xp4,xp5,xp6,xp7,xp8,xp9,xp10,xp11,xp12,i1,i2,i3,i4,i5,i6,i7,i8,i9,,i10,i11,i12 ≥ 0

Hasil akhir diperoleh λ sebesar 0,50 dan biaya penyediaan minimum (Z) sebesar Rp 9.647.006.250, dengan harus menyediakan beras dari sumber pasokan MOVEREG sebanyak 6.177.500 kg pada Januari; 4.856.250 kg pada Februari, dan rencana penyediaan beras pada Maret-Desember sebagaimana tersaji pada Tabel 23 dan Gambar 15 berikut.

49

Tabel 23 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 Bulan




Gambar 15 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG tahun 2012 Nilai λ = 0,50 mengandung pengertian bahwa λ-cut untuk setiap himpunan yang digunakan untuk mengimplementasikan setiap batasan sebesar 0,50. Dengan kata lain, skala terbesar t = 1 – 0,50 = 0,50 digunakan untuk menentukan jumlah target kegiatan MOVEREG yang akan diterima dari setiap batasan yang diizinkan, dengan penjelasan sebagaimana Tabel 24 berikut.

50

Tabel 24 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG Bulan

Batasan penerimaan pasokan yang seharusnya (dalam satuan kg) 8.825.000 6.937.500 8.750.000 8.417.024 4.395.476 7.500.000 10.100.000 7.775.000 6.762.500 8.287.500 8.175.000 2.987.500

Batasan penerimaan pasokan maksimal (dalam satuan kg) 6.177.500 4.856.250 6.125.000 5.891.917 3.076.833 5.250.000 7.070.000 5.442.500 4.733.750 5.801.250 5.722.500 2.091.250

Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Keterangan: - Pada Januari, jumlah kegiatan MOVEREG yang harus diterima sebesar 8.825.000 kg hanya akan diterima maksimal sebesar 6.177.500 kg

Model Perencanaan dan Penjadwalan Penyediaan Beras dari Sumber Pasokan MOVENAS (Prioritas 3) - Formulasi Fungsi Tujuan Setelah mendapatkan hasil dari model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan setempat (prioritas 1) dan sumber pasokan MOVEREG (prioritas 2), maka pada tahap ini akan dibentuk variabel keputusan yang dipergunakan untuk menyelesaikan persoalan FLP yang bertujuan untuk mendapatkan jumlah pasokan beras dengan biaya angkutan MOVENAS minimum. Variabel keputusan yang dipergunakan dapat dilihat secara rinci pada Lampiran 6. Parameter yang dijadikan kriteria optimasi atau koefisien peubah pengambilan keputusan dengan fungsi tujuan meminimumkan biaya adalah biaya angkutan dari satu Divre ke Divre lain. Sama halnya dengan penentuan biaya angkutan MOVEREG, biaya angkutan MOVENAS ini juga dipengaruhi oleh tarif transportasi beras yang jumlahnya tergantung pada jarak tempuh distribusi, tarif bongkar/muat, serta PPN sebesar 10% dari total tarif angkutan. Rata-rata biaya angkutan dari wilayah kerja Divre DKI Jakarta ke Subdivre Cianjur tahun 2012 diperkirakan sebesar Rp 138 per kg, sedangkan biaya penyimpanan berupa biaya operasional pemeliharaan penyimpanan dan biaya bunga modal, diperkirakan sebesar Rp 70 per kg. Fungsi tujuan untuk model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS dinyatakan sebagai berikut. minimalkan Z = 138(xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11 +xq12)+ 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12) - Formulasi Fungsi Kendala Target Kegiatan MOVENAS Sejalan dengan strategi rantai pasokan beras, yakni mendapatkan jumlah pasokan beras dengan biaya angkutan MOVENAS minimum, maka penentuan target kegiatan MOVENAS pada penelitian ini adalah sama dengan pencapaian kegiatan MOVENAS di wilayah kerja Divre DKI Jakarta pada periode tahun 2011 dan kemungkinan penyesuaian jumlah persediaan yang diangkut akibat

51

penerimaan pasokan di Divre DKI Jakarta yang lebih rendah 85% dari target penerimaan pasokan yang telah direncanakan, sebagaimana pada Tabel 25, dan dapat disusun menjadi sebuah model sebagai berikut, 1) xq1 43.500.000 2) xq2 21.700.000 xq3 60.000.000 3) 4) xq4 23.000.000 xq5 35.764.000 5) 6) xq6 28.506.000 xq7 18.250.000 7) xq8 40.631.000 8) 9) xq9 10.500.000 0 10) xq10 = 11) xq11 36.369.000 39.727.000 12) xq12 dapat dibawa ke bentuk, 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24)

xq1 ≤ xq2 ≤ xq3 ≤ xq4 ≤ xq5 ≤ xq6 ≤ xq7 ≤ xq8 ≤ xp9 ≤ xq10 = xq11 ≤ xq12 ≤

43.500.000 - 36.975.000 t 21.700.000 - 18.445.000 t 60.000.000 - 51.000.000 t 23.000.000 - 19.550.000 t 35.764.000 - 30.399.400 t 28.506.000 - 24.230.100 t 18.250.000 - 15.512.500 t 40.631.000 - 34.536.350 t 10.500.000 - 8.925.000 t 0 36.369.000 - 30.913.650 t 39.727.000 - 33.767.950 t

Tabel 25 Rencana target kegiatan MOVENAS tahun 2012

Bulan


Realisasi MOVENAS periode tahun 2011 (dalam satuan kg) 43.500.000 21.700.000 60.000.000 23.000.000 35.764.000 28.506.000 18.250.000 40.631.000 10.500.000 0 36.369.000 39.727.000 357.947.000

Rencana Target 2012 Toleransi sama dengan dari (85% dari periode tahun 2011 periode tahun 2011) 43.500.000 36.975.000 21.700.000 18.445.000 60.000.000 51.000.000 23.000.000 19.550.000 35.764.000 30.399.400 28.506.000 24.230.100 18.250.000 15.512.500 40.631.000 34.536.350 10.500.000 8.925.000 0 0 36.369.000 30.913.650 39.727.000 33.767.950 357.947.000

52

- Formulasi Fungsi Kendala Kebutuhan Beras untuk Distribusi Setelah mendapatkan hasil dari model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan setempat (prioritas 1) dan sumber pasokan MOVEREG (prioritas 2), dapat diketahui jumlah kekurangan beras untuk distribusi Program Raskin yang harus dilakukan pemindahan persediaan beras dari gudang di wilayah kerja Divre lain sebagaimana pada Tabel 26 dan dapat disusun menjadi sebuah model sebagai berikut, 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13)

xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11+xq12 ≈ 219.983.696 xq1 – i1 = 6.534.783 xq2 + i1 – i2 = 10.335.774 xq3 + i2 – i3 = 4.781.126 xq4 + i3 – i4 = 2.599.179 xq5 + i4 – i5 = 3.198.263 xq6 + i5 – i6 = 4.041.768 xq7 + i6 – i7 = 4.957.695 xq8 + i7 – i8 = 10.035.625 xq9 + i8 – i9 = 8.948.417 xq10 + i9 – i10 = 7.122.994 xq11 + i10 – i11 = 7.498.100 xq12 + i11 – i12 = 24.365.121

batasan no 1 dapat dibawa ke bentuk, xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11+xq12 = 219.983.696 -124.346.218 t

Tabel 26 Jumlah kekurangan beras untuk distribusi Program Raskin untuk model prioritas 3 Jumlah kebutuhan Jumlah beras untuk distribusi Ketersediaan beras Bulan kekurangan beras Program Raskin (dalam satuan kg) (dalam satuan kg) (dalam satuan kg) Januari 13.930.915 7.396.132 6.534.783 Februari 15.192.024 4.856.250 10.335.774 Maret 15.053.049 10.271.923 4.781.126 April 15.541.373 12.942.194 2.599.179 Mei 14.384.089 11.185.826 3.198.263 Juni 15.588.788 11.547.021 4.041.768 Juli 15.557.139 10.599.444 4.957.695 Agustus 18.293.674 8.258.049 10.035.625 September 14.869.954 5.921.536 8.948.417 Oktober 14.501.055 7.378.061 7.122.994 Nopember 14.843.309 7.345.209 7.498.100 Desember 26.923.096 2.557.975 24.365.121

53

- Fuzzyfikasi Fuzzyfikasi dilakukan untuk mendapatkan nilai dari model upper dan model lower yang dibentuk.  Model Upper Parameter untuk kendala-kendala pada model upper ini diperoleh dari perhitungan untuk nilai upper, yakni jika t=0 (λ=1), maka bentuk di atas menjadi, minimalkan Z = 138(xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11 +xq12)+70 (i1+i2+i3+i4 +i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 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)

xq1 ≤ 43.500.000 xq2 ≤ 21.700.000 xq3 ≤ 60.000.000 xq4 ≤ 23.000.000 xq5 ≤ 35.764.000 xq6 ≤ 28.506.000 xq7 ≤ 18.250.000 xq8 ≤ 40.631.000 xp9 ≤ 10.500.000 xq10 = 0 xq11 ≤ 36.369.000 xq12 ≤ 39.727.000 xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11+xq12 = 219.983.696 xq1 – i1 = 6.534.783 xq2 + i1 – i2 = 10.335.774 xq3 + i2 – i3 = 4.781.126 xq4 + i3 – i4 = 2.599.179 xq5 + i4 – i5 = 3.198.263 xq6 + i5 – i6 = 4.041.768 xq7 + i6 – i7 = 4.957.695 xq8 + i7 – i8 = 10.035.625 xq9 + i8 – i9 = 8.948.417 xq10 + i9 – i10 = 7.122.994 xq11 + i10 – i11 = 7.498.100 xq12 + i11 – i12 = 24.365.121 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xq1,xq2,xq3,xq4,xq5,xq6,xq7,xq8,xq9,xq10,xq11,xq12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=0 (λ=1) adalah biaya penyediaan minimum (Z) sebesar Rp 23.094.790.232, dan rencana penyediaan beras dari sumber pasokan MOVENAS sebanyak 9.492.021 kg pada Januari dan Februari; 4.702.121 kg pada Maret dan rencana penyediaan beras pada April-Desember sebagaimana tersaji pada Tabel 27 berikut.

54

Tabel 27 Hasil akhir model upper dari sumber pasokan MOVENAS Bulan


Jumlah pasokan dari sumber pasokan MOVENAS (dalam satuan kg) 9.492.021 9.492.021 4.702.121 6.815.606 6.815.606 6.815.606 6.815.606 9.492.021 9.492.021 0 14.621.094 24.365.121 108.918.846

Jumlah beras yang menjadi persediaan (dalam satuan kg) 2.957.238 2.113.485 2.034.480 6.250.907 9.868.250 12.642.089 14.500.000 13.956.396 14.500.000 7.377.006 14.500.000 14.500.000

 Model Lower Parameter untuk kendala-kendala pada model lower ini diperoleh dari perhitungan untuk nilai lower, yakni jika t=1 (λ=0), maka bentuk di atas menjadi, minimalkan Z = 138(xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11 +xq12)+70 (i1+i2+i3+i4 +i5+i6+i7+i8+i9+i10+i11+i12) dengan batasan, 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23)

xq1 ≤ 6.525.000 xq2 ≤ 3.255.000 xq3 ≤ 9.000.000 xq4 ≤ 3.450.000 xq5 ≤ 5.364.600 xq6 ≤ 4.275.900 xq7 ≤ 2.737.500 xq8 ≤ 6.094.650 xp9 ≤ 1.575.000 xq10 = 0 xq11 ≤ 5.455.350 xq12 ≤ 5.959.050 xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11+xq12= 95.637.477 xq1 – i1 = 6.534.783 xq2 + i1 – i2 = 10.335.774 xq3 + i2 – i3 = 4.781.126 xq4 + i3 – i4 = 2.599.179 xq5 + i4 – i5 = 3.198.263 xq6 + i5 – i6 = 4.041.768 xq7 + i6 – i7 = 4.957.695 xq8 + i7 – i8 = 10.035.625 xq9 + i8 – i9 = 8.948.417 xq10 + i9 – i10 = 7.122.994

55

24) 25) 26) 27)

xq11 + i10 – i11 = 7.498.100 xq12 + i11 – i12 = 24.365.121 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xq1,xq2,xq3,xq4,xq5,xq6,xq7,xq8,xq9,xq10,xq11,xq12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir untuk t=1 (λ=0) adalah biaya penyediaan minimum (Z) sebesar Rp 9.548.263.724, dan rencana penyediaan beras dari sumber pasokan MOVENAS sebanyak 6.525.000 kg pada Januari; 3.255.000 kg pada Februari, dan rencana penyediaan beras pada Maret-Desember sebagaimana tersaji pada Tabel 28 berikut. Tabel 28 Hasil akhir model lower dari sumber pasokan MOVENAS Bulan Jumlah pasokan Jumlah beras yang dari sumber pasokan menjadi persediaan MOVENAS (dalam satuan kg) (dalam satuan kg) Januari 6.525.000 0 Februari 3.255.000 0 Maret 9.000.000 4.218.874 April 3.450.000 5.069.694 Mei 5.364.600 7.236.032 Juni 4.275.900 7.470.164 Juli 2.737.500 5.249.969 Agustus 6.094.650 1.308.994 September 1.575.000 0 Oktober 0 0 Nopember 5.455.350 0 Desember 5.959.050 0 Total 53.692.050 Dari kedua hasil ini (t=0 dan t=1), dapat ditentukan nilai po, yaitu hasil pengurangan dari Z pada saat t=0 dengan Z pada saat t=1 (po= 23.094.790.232 – 9.548.263.724 = 13.546.526.508). Dengan mengambil λ=1-t, akhirnya dapat dibentuk model FLP sebagai berikut: Maks: λ dengan batasan: 13.546.526.508 λ + [138(xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10 +xq11+xq12) + 70 (i1+i2+i3+i4+i5+i6+i7+i8+i9+i10+i11+i12)] ≤ 23.094.790.232 2) -36.975.000 λ + xq1 ≥ 6.525.000 3) -18.445.000 λ + xq2 ≥ 3.255.000 4) -51.000.000 λ + xq3 ≥ 9.000.000 5) -19.550.000 λ + xq4 ≥ 3.450.000 6) -30.399.400 λ + xq5 ≥ 5.364.000 7) -24.230.100 λ + xq6 ≥ 4.275.900 8) -15.512.500 λ + xq7 ≥ 2.737.500 9) -34.536.350 λ + xq8 ≥ 6.094.650 10) -8.925.000 λ + xq9 ≥ 1.575.000 1)

56

11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26) 27) 28)

xq10 = 0 -30.913.650 λ + xq11 ≥ 5.455.350 -33.767.950 λ + xq12 ≥ 5.959.050 -124.346.218 λ + xq1+xq2+xq3+xq4+xq5+xq6+xq7+xq8+xq9+xq10+xq11+xq12= 95.637.477 xq1 – i1 = 6.534.783 xq2 + i1 – i2 = 10.335.774 xq3 + i2 – i3 = 4.781.126 xq4 + i3 – i4 = 2.599.179 xq5 + i4 – i5 = 3.198.263 xq6 + i5 – i6 = 4.041.768 xq7 + i6 – i7 = 4.957.695 xq8 + i7 – i8 = 10.035.625 xq9 + i8 – i9 = 8.948.417 xq10 + i9 – i10 = 7.122.994 xq11 + i10 – i11 = 7.498.100 xq12 + i11 – i12 = 24.365.121 i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≤ 14.500.000 xq1,xq2,xq3,xq4,xq5,xq6,xq7,xq8,xq9,xq10,xq11,xq12,i1,i2,i3,i4,i5,i6,i7,i8,i9,i10,i11,i12 ≥ 0

Hasil akhir diperoleh λ sebesar 0,60 dan biaya penyediaan minimum (Z) sebesar Rp 22.723.369.326, dengan harus menyediakan beras dari sumber pasokan MOVENAS sebanyak 8.914.738 kg pada Januari dan Februari; 5.857.771 kg pada Maret, dan rencana penyediaan beras pada April-Desember sebagaimana tersaji pada Tabel 29 dan Gambar 16 berikut. Tabel 29 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS tahun 2012 Bulan


Jumlah pasokan dari sumber pasokan MOVENAS (dalam satuan kg) 8.914.304 8.914.738 5.857.771 6.815.481 6.816.256 6.816.256 6.813.783 10.035.625 6.887.883 0 16.681.628 24.365.121 108.918.846

Jumlah beras yang menjadi persediaan (dalam satuan kg) 2.379.521 958.484 2.035.129 6.251.431 9.869.424 12.643.912 14.500.000 14.500.000 12.439.465 5.316.472 14.500.000 14.500.000

57

Gambar 16 Hasil akhir model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS tahun 2012 Nilai λ = 0,60 mengandung pengertian bahwa λ-cut untuk setiap himpunan yang digunakan untuk mengimplementasikan setiap batasan sebesar 0,60. Dengan kata lain, skala terbesar t = 1 – 0,6 = 0,4 digunakan untuk menentukan jumlah target kegiatan MOVENAS yang akan diterima dari setiap batasan yang diizinkan, dengan penjelasan sebagaimana Tabel 30 berikut. Tabel 30 Makna λ-cut pada model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS Bulan

Batasan penerimaan pasokan yang seharusnya (dalam satuan kg) 43.500.000 21.700.000 60.000.000 23.000.000 35.764.000 28.506.000 18.250.000 40.631.000 10.500.000 0 36.369.000 39.727.000

Batasan penerimaan pasokan maksimal (dalam satuan kg) 28.710.000 14.322.000 39.600.000 15.180.000 23.604.240 18.813.960 12.045.000 26.816.460 6.930.000 0 24.003.540 26.219.820

Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Keterangan: Pada Januari, jumlah kegiatan MOVENAS yang harus diterima sebesar 43.500.000 kg hanya akan diterima maksimal sebesar 28.710.000 kg

58

Hasil Optimasi Hasil optimasi dengan model FLP memperlihatkan bahwa tujuan minimasi biaya penyediaan untuk menentukan jumlah persediaan dalam ketidakpastian penerbitan SPPB/DO dan jumlah pasokan beras, serta kendala kapasitas tempat penyimpanan dapat tercapai. Rencana penerbitan SPPB/DO sebagaimana skenario 1 (nilai koefisien varians sebesar 0,218) dengan total sebesar 194.678.465 kg per tahun dapat dilayani 100% dengan menyediakan pasokan sebanyak 207.959.833 kg per tahun (Gambar 17).

Gambar 17 Grafik perbandingan total pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 100%, dan kondisi riil pasokan tahun 2012 Model FLP mampu meningkatkan efisiensi penyediaan pasokan (Gambar 18). Total biaya penyediaan yang dihasilkan oleh model FLP lebih rendah 11.27% jika dibandingkan dengan total biaya penyediaan yang dihasilkan oleh model LP. Perbedaan persentase pasokan dari masing-masing sumber pasokan menjadi penyebab perbedaan total biaya penyediaan ini. Pada Gambar 19, dapat dilihat bahwa pada total pasokan yang sama, yakni sebesar 207.959.833 kg per tahun, persentase pasokan optimal dari sumber pasokan ADA SETEMPAT dan MOVEREG yang dihasilkan oleh model LP lebih besar jika dibandingkan dengan model FLP, sehingga total biaya penyediaan yang dihasilkan cenderung meningkat. Persentase pasokan optimal tertinggi yang dihasilkan oleh model LP adalah berasal dari sumber pasokan MOVEREG, sedangkan pada model FLP adalah berasal dari sumber pasokan MOVENAS.

59

Gambar 18 Grafik perbandingan total biaya penyediaan yang dihasilkan oleh model FLP dengan model LP pada kondisi penerbitan SPPB/DO 100%

(a)

(b)

Gambar 19 Persentase pasokan dari masing-masing sumber pasokan yang dihasilkan oleh (a) model LP, dan (b) model FLP pada kondisi penerbitan SPPB/DO 100%, Selaras dengan total biaya penyediaan yang dihasilkan, pada Tabel 31 dapat dilihat bahwa pada tingkat pelayanan distribusi yang sama, rata-rata persediaan optimal yang dihasilkan oleh model FLP lebih kecil jika dibandingkan dengan rata-rata persediaan optimal yang dihasilkan oleh model LP. Hasil optimasi menunjukkan bahwa rata-rata persediaan yang dihasilkan oleh model FLP sebesar 9.157.820 ± 5.433.015 kg per bulan, sedangkan rata-rata persediaan yang dihasilkan oleh model LP sebesar 9.804.242 ± 5.099.767 kg per bulan.

60

Tabel 31 Perbandingan persediaan beras optimal yang dihasilkan oleh model LP dengan model FLP pada kondisi penerbitan SPPB/DO 100%, Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Rata-rata Simpangan baku

Persediaan beras optimal (dalam satuan kg) Model LP Model FLP 3.176.354 2.379.521 1.972.250 958.484 2.263.006 2.035.129 6.569.862 6.251.431 9.222.414 9.869.424 12.158.941 12.643.912 14.500.000 14.500.000 14.199.562 14.500.000 14.500.000 12.439.465 10.088.515 5.316.472 14.500.000 14.500.000 14.500.000 14.500.000 9.804.242 9.157.820 5.099.767 5.433.015

Analisa Perubahan Pasca Optimasi Model optimasi tidak hanya dilakukan terhadap kondisi ideal tetapi juga terhadap kemungkinan adanya perubahan-perubahan dari faktor eksternal yang berkaitan dengan kondisi penerbitan SPPB/DO, maka dalam perencanaannya perlu adanya beberapa analisa perubahan pasca optimasi untuk mengantisipasinya. Realisasi alokasi Pagu Raskin di wilayah kerja Subdivre Cianjur tahun 2012 yang sebesar 194.678.465 kg hanya dapat dilayani dengan menerbitkan SPPB/DO sampai dengan akhir tahun 2012 sebesar 117.386.490 kg (lihat kembali pada Gambar 17), atau dengan kata lain tingkat pelayanan distribusi beras untuk Program Raskin yang dicapai hanya sebesar 60,30%, dengan rata-rata jumlah penerbitan SPPB/DO adalah sebesar 9.782.207 ± 3.230.398 kg per bulan. Keterlambatan jadwal pendistribusian yang dikarenakan masih adanya tunggakan HP-Raskin alokasi tahun 2011 dan adanya tunggakan HP-Raskin tahun 2012 yang tiap bulan nilainya setara dengan 6.607.193 kg menjadi penyebab rendahnya pencapaian tingkat pelayanan distribusi. Berdasarkan kondisi faktor eksternal yang terjadi pada tahun 2012 sebagaimana kondisi di atas, maka secara garis besar terdapat beberapa asumsi-asumsi perubahan yang akan dijadikan skenario penerbitan SPPB/DO dalam melakukan analisa perubahan pasca optimasi, yakni, waktu dalam penerbitan SPA Raskin oleh Tim Koordinasi Raskin Kabupaten/Kota dibuat terbit sesuai bulan, kendala tunggakan dalam pembayaran HP-Raskin di akhir bulan sebesar 60% dari penerbitan SPPB/DO bulan sebelumnya, asumsi lain yang digunakan dalam skenario perubahan penerbitan SPPB/DO ini adalah tunggakan pembayaran HP-Raskin akan selesai dalam waktu 3 bulan ke depan, dan di awal tahun terdapat tunggakan pembayaran HP-Raskin alokasi tahun sebelumnya yang nilainya setara dengan 8.500.000 kg, sehingga dari kemungkinan dan asumsi tersebut di atas, kondisi penerbitan SPPB/DO beras untuk Program Raskin tahun 2012 dapat didekati dengan skenario perubahan sebagaimana disajikan pada Tabel 32.

61

Tabel 32 Perbandingan kondisi riil dengan skenario perubahan penerbitan SPPB/DO tahun 2012 Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Total Rata-rata Simpangan baku Koefisien varians

Penerbitan SPPB/DO beras untuk Program Raskin Skenario Kondisi riil perubahan 5.430.915 3.000.375 11.933.476 9.514.500 4.634.415 7.702.260 8.859.188 9.431.220 13.448.012 7.271.790 4.985.117 7.808.340 9.812.774 10.258.230 17.483.747 13.578.375 1.483.112 12.452.115 9.008.605 10.212.480 19.038.527 10.798.410 10.984.684 15.358.395 117.102.570 117.386.490 9.758.548 9.782.207 5.250.718 3.230.398 0,538 0,330

Pengembangan model perencanaan dan penjadwalan penyediaan beras untuk persoalan FLP dengan menggunakan data hasil perubahan skenario ini hanya akan menyebabkan perubahan penyusunan formulasi fungsi kendala kebutuhan beras sebagaimana disajikan pada Tabel 33. Tabel 33 Perbandingan formulasi fungsi kendala kebutuhan beras Formulasi fungsi kendala kebutuhan beras Kondisi awal Perubahan 1. xo1 + xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ 1. xo1 + xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 ≈ xo8+ xo9+ xo10+ xo11+ xo12 ≈ 319.024.683 319.024.683 2. xo1 – i1 + 1.218.632 = 13.930.915 2. xo1 – i1 + 1.218.632 =5.430.915 3. xo2 + i1 – i2 = 15.192.024 3. xo2 + i1 – i2 =11.933.476 4. xo3 + i2 – i3 = 15.053.049 4. xo3 + i2 – i3 = 4.634.415 5. xo4 + i3 – i4 = 15.541.373 5. xo4 + i3 – i4 = 8.859.188 6. xo5 + i4 – i5 = 14.384.089 6. xo5 + i4 – i5 =13.448.012 7. xo6 + i5 – i6 = 15.588.788 7. xo6 + i5 – i6 = 4.985.117 8. xo7 + i6 – i7 = 15.557.139 8. xo7 + i6 – i7 = 9.812.774 9. xo8 + i7 – i8 = 18.293.674 9. xo8 + i7 – i8 =17.483.747 10. xo9 + i8 – i9 = 14.869.954 10. xo9 + i8 – i9 =1.483.112 11. xo10 + i9 – i10 = 14.501.055 11. xo10 + i9 – i10 = 9.008.605 12. xo11 + i10 – i11 =14.843.309 12. xo11 + i10 – i11 =19.038.527 13. xo12 + i11 – i12 =26.923.096 13. xo12 + i11 – i12 =10.984.684 batasan no 1 dapat dibawa ke bentuk, batasan no 1 dapat dibawa ke bentuk, xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo1+ xo2+ xo3+ xo4+ xo5+ xo6+ xo7+ xo8+ xo9+ xo10+ xo11+ xo12 = 319.024.683 - xo9+ xo10+ xo11+ xo12 = 319.024.683 124.346.218 t 307.314.426 t

62

Hasil akhir model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin di wilayah kerja Subdivre Cianjur tahun 2012 dengan kondisi penerbitan SPPB/DO yang mendekati kondisi riil penerbitan SPPB/DO tahun 2012 juga memberikan informasi bahwa pada tingkat pelayanan distribusi yang sama diperoleh total penyediaan pasokan yang relatif sama antara kondisi riil pasokan tahun 2012 dengan model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin menggunakan model FLP maupun model LP, sebagaimana diperlihatkan pada Gambar 20. Sama halnya dengan bagian sebelumnya bahwa tingkat efisiensi penyediaan pasokan dengan model FLP lebih tinggi jika dibandingkan dengan model LP, sebagaimana diperlihatkan pada Gambar 21.

Gambar 20 Grafik perbandingan total pasokan yang dihasilkan oleh model LP dan model FLP pada kondisi penerbitan SPPB/DO 60,15%, dan kondisi riil pasokan tahun 2012

Gambar 21 Grafik perbandingan total biaya penyediaan yang dihasilkan oleh model FLP dengan model LP pada kondisi penerbitan SPPB/DO 60,15%

63

Total biaya penyediaan yang dihasilkan oleh model FLP lebih rendah 18,25% jika dibandingkan dengan total biaya penyediaan yang dihasilkan oleh model LP. Pada bagian sebelumnya juga telah disampaikan bahwa perbedaan jumlah pasokan dari masing-masing sumber pasokan menjadi penyebab perbedaan total biaya penyediaan ini. Pada Gambar 22, dapat dilihat bahwa pada total pasokan yang sama, yakni sebesar 131.602.570 kg per tahun, sumber pasokan ADA SETEMPAT dan MOVEREG pada model LP menunjukkan jumlah pasokan optimal yang lebih besar, sehingga total biaya penyediaannya cenderung meningkat. Selain itu, model perencanaan dan penjadwalan penyediaan beras untuk Program Raskin menggunakan model FLP berhasil mendekati kondisi riil pasokan tahun 2012, dan keterbatasan kapasitas tempat penyimpanan yang hanya sebesar 14.500.000 kg dapat dengan optimal digunakan di setiap bulannya (Tabel 34).

Gambar 22 Realisasi dan hasil optimasi penyediaan beras dari sumber pasokan pengadaan beras setempat, MOVEREG, dan MOVENAS tahun 2012 di wilayah kerja Subdivre Cianjur

64

Tabel 34 Persediaan beras optimal yang dihasilkan oleh model FLP pada kondisi penerbitan SPPB/DO 60,15%, dan kondisi riil persediaan tahun 2012 Persediaan beras (dalam satuan kg) Model FLP Kondisi riil Januari 4.700.921 9.952.830 Februari 364.965 8.697.120 Maret 5.689.695 9.738.017 April 9.624.874 5.218.248 Mei 7.153.425 9.057.649 Juni 13.622.397 10.061.978 Juli 14.500.000 12.787.847 Agustus 7.610.121 8.916.327 September 14.500.000 7.019.002 Oktober 12.735.923 10.753.957 Nopember 11.937.000 15.874.662* Desember 14.500.000 5.632.032 Rata-rata 9.744.943 9.475.806 Simpangan baku 4.649.305 2.926.681 Keterangan: * persediaan yang melebihi kapasitas tempat penyimpanan Bulan

5 SIMPULAN DAN SARAN Simpulan Perkiraan distribusi beras untuk Program Raskin dan jumlah persediaan beras yang dapat meminimalkan biaya penyediaan dalam kondisi ketidakpastian situasi rantai pasokan dapat dibuat dengan (1) mengetahui rencana alokasi Pagu Raskin Kabupaten/Kota yang ditetapkan secara Nasional, dan (2) membuat target tingkat pelayanan distribusi, asumsi waktu penerbitan SPA Raskin, dan asumsi tunggakan HP-Raskin, serta (3) memperkirakan kebutuhan pasokan dan membuat target pasokan dan toleransinya dari masing-masing sumber pasokan. Subdivre Cianjur menerima Pagu Raskin Kabupaten/Kota tahun alokasi 2012 sebanyak 194.678.465 kg, dan diperkirakan membutuhkan pasokan beras sebesar 319.024.683 kg per tahun atau 1,6 kali dari Pagu Raskin Kabupaten/Kota untuk dapat mengantisipasi kondisi ketidakpastian permintaan distribusi tertinggi. Hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 100% membutuhkan pasokan sebanyak 207.959.833 kg per tahun dan rata-rata persediaan optimal sebesar 9.157.820 ± 5.433.015 kg per bulan. Sedangkan hasil optimasi persediaan pada pencapaian tingkat pelayanan distribusi 60,15% membutuhkan pasokan sebanyak 131.602.570 kg per tahun dan rata-rata persediaan optimal sebesar 9.744.943 ± 4.649.305 kg per bulan.

65

Saran Perubahan pada beberapa asumsi dalam pembuatan skenario penerbitan SPPB/DO dapat dilakukan lebih lanjut guna memperoleh tambahan informasi mengenai kondisi ketidakpastian penerbitan SPPB/DO dan pengaruh perubahan asumsi tersebut terhadap perkiraan kebutuhan pasokan. Pengawalan pada proses penerbitan SPA Raskin Kabupaten/Kota dan pengawasan terhadap setiap tunggakan yang terjadinya dalam pembayaran HP-Raskin sampai dilakukan pelunasan dapat dilakukan agar kemungkinan kondisi penerbitan SPPB/DO beras untuk Program Raskin terbaik dan persediaan optimal dapat dicapai.

DAFTAR PUSTAKA

Anne Marie Iveline. 2011. Proyeksi Permintaan dan Penentuan Ukuran Batch Optimum Produk pada Agroindustri (Studi Kasus di Industri Jamu). Jurnal Teknik Industri ISSN: 1411-6340, Vol 1. No.1, halaman 55-65. Anne Marie Iveline, Eriyatno, Yandra Arkeman, Dadan Umar Daihani. 2012. Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multi Objective Linear Programming pada Industri Pangan (Studi Kasus pada Industri Roti PT NIC). Jurnal Teknik Industri ISSN: 1411-6340, Vol 2. No.1, halaman 38-46. Azmi Nora, Irawadi Jamaran, Yandra Arkeman, Djumali Mangunwidjaja. 2012. Perancangan Model Penerimaan dan Evaluasi Pesanan pada Industri Kemasan Karton yang Berbasiskan Make to Order. Jurnal Teknik Industri ISSN: 1411-6340, Vol 2. No.1, halaman 10-28. Burhan. 2010. Model P Back Order dan Algoritma Permasalahan Inventori dengan Mempertimbangkan Ongkos Transportasi (Fixed and Variable Cost) – Permintaan Probabilistik.Jurnal Agrointek, Vol 4. No.2, halaman 158-166. Chandra Dewi Galuh, E Gumbira Sa’id, Idqan Fahmi. 2005. Optimasi Model Transportasi dalam Pengukuran Kinerja Manajemen Rantai Pasokan Beras: Studi Kasus di Perum BULOG Divisi Regional Jawa Barat. Jurnal Manajemen dan Agribisnis, Vol 2. No.2, halaman 113-127. Chopra S dan P Meindl. 2007. Supply Chain Management: Strategy, Planning and Operations. Third Edition. Pearson Prentice Hall. New Jersey.

66

Fitriani Nur, Ria Puspa Yusuf, I Ketut Rantau. 2014. Analisis Persediaan Beras di Perusahaan Umum BULOG Divisi Regional Nusa Tenggara Timur. E-Jurnal Agribisnis dan Agrowisata ISSN: 2301-6523, Vol 3. No.1, halaman 12-21. Heizer J dan B Render. 1996. Production and Operations Management: Strategic and Tactical Decisions, Fourth Edition. Jamhari. 2012. Efektivitas Distribusi Raskin di Pedesaan dan Perkotaan Indonesia. Jurnal Ekonomi Pembangunan Volume 13, Nomor 1, halaman 132-145. Parwati Indri dan Prima Andrianto. 2009. Metode Supply Chain Management untuk Menganalisis Bullwhip Effect guna Meningkatkan Efektivitas Sistem Distribusi Produk. Jurnal Teknologi, Volume 2 Nomor 1, halaman 47-52. Permana Rangga. 2011. Simulasi Koordinasi Supply Chain Pisang. Jurnal Teknik Industri ISSN: 1411-6340, Vol 1. No.1, halaman 102-111. Perum BULOG. 2012. Laporan Operasional Subdivisi Regional Cianjur. http://bulog.net/. Diakses tanggal 01 Nopember 2012. Sudarsana. 2009. Program Raskin sebagai Upaya Penanggulangan Kemiskinan di Indonesia. Jurnal Sosiologi ISSN: 0215-9636, Vol 21. No.2, halaman 59-66. Surjasa

Dadang, E Gumbira Sa’id, Bustanil Arifin, Sukardi. 2011. Rancang Bangun Model Prakiraan dan Peringatan Dini untuk Pasokan dan Harga Beras di Propinsi DKI Jakarta Menggunakan Jaringan Syaraf Tiruan. Jurnal Teknik Industri ISSN: 1411-6340, Vol 1. No.3, halaman 231-239.

Wang Ge, Samuel H Huang, John P Dismukes. 2004. Product-driven supply chain selection using integrated multi-criteria decision-making methodology. International journal of production economics 91 (2004) 1-15. Zimmermann. 1991. Fuzzy Set Theory an Its Applications. Massachusetts: Kluwer Academic Publishers.

Edisi-2.

67

LAMPIRAN

Lampiran 1 Skenario penerbitan SPPB/DO yang digunakan pada penelitian A. Kemungkinan kondisi penerbitan SPA Raskin dan kendala tunggakan dalam pembayaran HP-Raskin Skenario Skenario 1 Skenario 2

Waktu dalam penerbitan SPA Raskin SPA Raskin terbit sesuai bulan SPA Raskin terbit sesuai bulan

Skenario 3

SPA Raskin terbit sesuai bulan

Skenario 4


Skenario 5


Skenario 6

SPA Raskin terlambat terbit 2 bulan SPA Raskin terlambat terbit 2 bulan

Skenario 7

Skenario 8

SPA Raskin terlambat terbit 2 bulan

Skenario 9


Skenario 10


Skenario 11

SPA Raskin terlambat terbit 3 bulan SPA Raskin terlambat terbit 3 bulan

Skenario 12

Skenario 13


Skenario 14


Skenario 15


Kendala tunggakan dalam pembayaran HP-Raskin Tidak ada tunggakan HP-Raskin di akhir bulan Ada tunggakan HP-Raskin di akhir bulan sebesar 10% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 30% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 50% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 70% dari penerbitan SPPB/DO bulan sebelumnya Tidak ada tunggakan HP-Raskin di akhir bulan Ada tunggakan HP-Raskin di akhir bulan sebesar 10% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 30% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 50% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 70% dari penerbitan SPPB/DO bulan sebelumnya Tidak ada tunggakan HP-Raskin di akhir bulan Ada tunggakan HP-Raskin di akhir bulan sebesar 10% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 30% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 50% dari penerbitan SPPB/DO bulan sebelumnya Ada tunggakan HP-Raskin di akhir bulan sebesar 70% dari penerbitan SPPB/DO bulan sebelumnya

68

B. Perkiraan penerbitan SPPB/DO beras untuk Program Raskin pada skenario 1-5 (dalam satuan kg) Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Total Rata-rata (dalam satuan kg per bulan) Simpangan baku (dalam satuan kg) Koefisien varians

Skenario 1 13.930.915 15.192.024 15.053.049 15.541.373 14.384.089 15.588.788 15.557.139 18.293.674 14.869.954 14.501.055 14.843.309 26.923.096 194.678.465

Perkiraan penerbitan SPPB/DO Skenario 2 Skenario 3 Skenario 4 13.930.915 13.930.915 13.930.915 13.798.933 11.012.750 8.226.567 15.066.247 15.928.498 17.905.223 15.414.642 14.066.649 10.702.045 14.349.249 14.942.644 17.985.677 15.695.328 15.325.990 11.946.972 15.422.531 15.442.135 18.576.491 18.320.953 18.258.830 14.978.914 14.580.111 14.024.945 16.668.742 14.875.139 15.771.221 13.656.141 14.813.806 14.319.426 16.349.609 28.410.610 31.654.462 33.751.167 194.678.465 194.678.465 194.678.465

Skenario 5 13.930.915 5.440.384 20.996.421 4.652.148 25.825.080 767.736 33.097.279 0 33.701.043 0 29.344.364 26.923.096 194.678.465

16.223.205

16.223.205

16.223.205

16.223.205

16.223.205

3.540.111

4.011.260

5.144.498

6.360.572

13.526.105

0,218

0,247

0,317

0,392

0,834

C. Perkiraan penerbitan SPPB/DO beras untuk Program Raskin pada skenario 6-10 (dalam satuan kg) Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Total Rata-rata (dalam satuan kg per bulan) Simpangan baku (dalam satuan kg) Koefisien varians

Skenario 6 0 0 13.930.915 30.245.073 29.925.462 15.588.788 15.557.139 18.293.674 14.869.954 14.501.055 14.843.309 26.923.096 194.678.465

Perkiraan penerbitan SPPB/DO Skenario 7 Skenario 8 Skenario 9 0 0 0 0 0 0 13.930.915 13.930.915 13.930.915 28.851.982 26.065.799 23.279.616 28.433.355 26.284.997 25.251.111 15.630.651 15.523.029 14.603.041 16.837.409 18.785.729 20.881.174 18.172.998 17.314.864 15.154.607 14.736.395 15.311.213 17.733.237 14.844.715 15.102.150 13.211.740 14.832.477 14.906.028 17.104.058 28.407.568 31.453.741 33.528.966 194.678.465 194.678.465 194.678.465

Skenario 10 0 0 13.930.915 20.493.433 25.331.699 12.202.002 24.747.927 9.511.526 25.535.434 3.284.320 30.419.089 29.222.120 194.678.465

16.223.205

16.223.205

16.223.205

16.223.205

16.223.205

9.734.315

9.531.035

9.408.878

9.534.689

11.246.631

0,600

0,587

0,580

0,588

0,693

69

D. Perkiraan penerbitan SPPB/DO beras untuk Program Raskin pada skenario 11-15 (dalam satuan kg) Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Total Rata-rata (dalam satuan kg per bulan) Simpangan baku (dalam satuan kg) Koefisien varians

Skenario 11 0 0 0 13.930.915 30.245.073 29.925.462 31.145.927 18.293.674 14.869.954 14.501.055 14.843.309 26.923.096 194.678.465

Perkiraan penerbitan SPPB/DO Skenario 12 Skenario 13 Skenario 14 0 0 0 0 0 0 0 0 0 13.930.915 13.930.915 13.930.915 28.851.982 26.065.799 23.279.616 28.433.355 26.284.997 25.251.111 31.187.790 31.080.168 30.160.179 18.018.230 16.855.122 15.839.140 16.186.910 19.137.467 22.030.473 14.684.187 13.816.352 11.405.388 14.993.581 16.439.644 20.155.852 28.391.515 31.068.002 32.625.790 194.678.465 194.678.465 194.678.465

Skenario 15 0 0 0 13.930.915 20.493.433 25.331.699 27.759.141 16.594.465 22.685.227 10.237.522 23.556.703 34.089.361 194.678.465

16.223.205

16.223.205

16.223.205

16.223.205

16.223.205

11.783.500

11.609.229

11.476.369

11.528.466

11.598.639

0,726

0,716

0,707

0,711

0,715

Lampiran 2 Penentuan tingkat kepentingan untuk masing-masing kriteria A. Hasil penentuan tingkat kepentingan antar kriteria oleh narasumber Narasumber 1 KRITERIA KEMUDAHAN OPERASIONAL KEMUDAHAN ADMINISTRASI BIAYA

KEMUDAHAN OPERASIONAL

KEMUDAHAN ADMINISTRASI

BIAYA

1,0000

1,0000

5,0000

1,0000

1,0000

5,0000

0,2000

0,2000

1,0000



BIAYA

1,0000

1,0000

5,0000

1,0000

1,0000

5,0000

0,2000

0,2000

1,0000

Narasumber 2 KRITERIA KEMUDAHAN OPERASIONAL KEMUDAHAN ADMINISTRASI BIAYA

70

Narasumber 3 KRITERIA KEMUDAHAN OPERASIONAL KEMUDAHAN ADMINISTRASI BIAYA



BIAYA

1,0000

1,0000

1,0000

1,0000

1,0000

1,0000

1,0000

1,0000

1,0000

B. Hasil pengecekan konsistensi pendapat narasumber URAIAN Indeks konsistensi (CI) Random Indeks (RI) Rasio konsistensi (CR=CI/RI)

1

NARASUMBER 2

3

0,00

0,00

0,00

0,58

0,58

0,58

0,00

0,00

0,00

* Penilaian perbandingan dikatakan konsisten jika CR tidak lebih dari 0,1, jika lebih dari 0,1 , maka penilaian perbandingan masih acak dan perlu diperbaiki. Lampiran 3 Penentuan tingkat kepentingan antar alternatif sumber pasokan A. Hasil penentuan tingkat kepentingan antar alternatif sumber pasokan untuk kriteria kemudahan operasional Narasumber 1 ALTERNATIF SUMBER PASOKAN ADA SETEMPAT MOVEREG MOVENAS

ADA SETEMPAT 1,0000 1,0000 0,3333

MOVEREG

MOVENAS

1,0000 1,0000 0,3333

3,0000 3,0000 1,0000

MOVEREG

MOVENAS

1,0000 1,0000 0,3333

3,0000 3,0000 1,0000

MOVEREG

MOVENAS

3,0000 1,0000 0,3333

5,0000 3,0000 1,0000

Narasumber 2 ALTERNATIF SUMBER PASOKAN ADA SETEMPAT MOVEREG MOVENAS

ADA SETEMPAT 1,0000 1,0000 0,3333


ADA SETEMPAT 1,0000 0,3333 0,2000

71

Hasil pengecekan konsistensi pendapat narasumber URAIAN Indeks konsistensi (CI) Random Indeks (RI) Rasio konsistensi (CR=CI/RI)

1

NARASUMBER 2

3

0,00

0,00

0,02

0,58

0,58

0,58

0,00

0,00

0,03

* Penilaian perbandingan dikatakan konsisten jika CR tidak lebih dari 0,1, jika lebih dari 0,1 , maka penilaian perbandingan masih acak dan perlu diperbaiki. B. Hasil penentuan tingkat kepentingan antar alternatif sumber pasokan untuk kriteria kemudahan administrasi Narasumber 1 ALTERNATIF SUMBER PASOKAN ADA SETEMPAT MOVEREG MOVENAS

ADA SETEMPAT 1,0000 1,0000 1,0000

MOVEREG

MOVENAS

1,0000 1,0000 1,0000

1,0000 1,0000 1,0000

MOVEREG

MOVENAS

1,0000 1,0000 1,0000

1,0000 1,0000 1,0000

MOVEREG

MOVENAS

0,2000 1,0000 0,3333

0,3333 3,0000 1,0000


ADA SETEMPAT 1,0000 1,0000 1,0000


ADA SETEMPAT 1,0000 5,0000 3,0000


1

NARASUMBER 2

3

0,00

0,00

0,02

0,58

0,58

0,58

0,00

0,00

0,03

* Penilaian perbandingan dikatakan konsisten jika CR tidak lebih dari 0,1, jika lebih dari 0,1 , maka penilaian perbandingan masih acak dan perlu diperbaiki.

72

C. Hasil penentuan tingkat kepentingan antar alternatif sumber pasokan untuk kriteria biaya Narasumber 1 ALTERNATIF SUMBER PASOKAN ADA SETEMPAT MOVEREG MOVENAS

ADA SETEMPAT 1,0000 0,1429 0,3333

MOVEREG

MOVENAS

7,0000 1,0000 1,0000

3,0000 1,0000 1,0000

MOVEREG

MOVENAS

5,0000 1,0000 0,3333

7,0000 3,0000 1,0000

MOVEREG

MOVENAS

5,0000 1,0000 0,3333

7,0000 3,0000 1,0000


ADA SETEMPAT 1,0000 0,2000 0,1429


ADA SETEMPAT 1,0000 0,2000 0,1429


1

NARASUMBER 2

3

0,04

0,03

0,03

0,58

0,58

0,58

0,07

0,06

0,06

* Penilaian perbandingan dikatakan konsisten jika CR tidak lebih dari 0,1, jika lebih dari 0,1 , maka penilaian perbandingan masih acak dan perlu diperbaiki.

73

Lampiran 4 Variabel keputusan yang dipergunakan untuk menyelesaikan model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan pengadaan beras setempat (prioritas 1) xo1 xo2 xo3 xo4 xo5 xo6 xo7 xo8 xo9 xo10 xo11 xo12 i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i12

= beras yang dipasok dari sumber pasokan ADA SETEMPAT pada januari, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada februari, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada maret, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada april, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada mei, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada juni, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada juli, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada agustus, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada september, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada oktober, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada nopember, dalam satuan kg, = beras yang dipasok dari sumber pasokan ADA SETEMPAT pada desember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada januari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada februari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada maret, dalam satuan kg, = jumlah beras yang menjadi persediaan pada april, dalam satuan kg, = jumlah beras yang menjadi persediaan pada mei, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juni, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juli, dalam satuan kg, = jumlah beras yang menjadi persediaan pada agustus, dalam satuan kg, = jumlah beras yang menjadi persediaan pada september, dalam satuan kg, = jumlah beras yang menjadi persediaan pada oktober, dalam satuan kg, = jumlah beras yang menjadi persediaan pada nopember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada desember, dalam satuan kg.

74

Lampiran 5 Variabel keputusan yang dipergunakan untuk menyelesaikan model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVEREG (prioritas 2) xp1 xp2 xp3 xp4 xp5 xp6 xp7 xp8 xp9 xp10 xp11 xp12 i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i12

= beras yang dipasok dari sumber pasokan MOVEREG pada januari, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada februari, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada maret, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada april, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada mei, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada juni, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada juli, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada agustus, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada september, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada oktober, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada nopember, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVEREG pada desember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada januari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada februari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada maret, dalam satuan kg, = jumlah beras yang menjadi persediaan pada april, dalam satuan kg, = jumlah beras yang menjadi persediaan pada mei, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juni, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juli, dalam satuan kg, = jumlah beras yang menjadi persediaan pada agustus, dalam satuan kg, = jumlah beras yang menjadi persediaan pada september,dalam satuan kg, = jumlah beras yang menjadi persediaan pada oktober, dalam satuan kg, = jumlah beras yang menjadi persediaan pada nopember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada desember, dalam satuan kg.

75

Lampiran 6 Variabel keputusan yang dipergunakan untuk menyelesaikan model perencanaan dan penjadwalan penyediaan beras dari sumber pasokan MOVENAS (prioritas 3) xq1 xq2 xq3 xq4 xq5 xq6 xq7 xq8 xq9 xq10 xq11 xq12 i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i12

= beras yang dipasok dari sumber pasokan MOVENAS pada januari, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada februari, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada maret, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada april, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada mei, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada juni, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada juli, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada agustus, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada september, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada oktober, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada nopember, dalam satuan kg, = beras yang dipasok dari sumber pasokan MOVENAS pada desember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada januari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada februari, dalam satuan kg, = jumlah beras yang menjadi persediaan pada maret, dalam satuan kg, = jumlah beras yang menjadi persediaan pada april, dalam satuan kg, = jumlah beras yang menjadi persediaan pada mei, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juni, dalam satuan kg, = jumlah beras yang menjadi persediaan pada juli, dalam satuan kg, = jumlah beras yang menjadi persediaan pada agustus, dalam satuan kg, = jumlah beras yang menjadi persediaan pada september, dalam satuan kg, = jumlah beras yang menjadi persediaan pada oktober, dalam satuan kg, = jumlah beras yang menjadi persediaan pada nopember, dalam satuan kg, = jumlah beras yang menjadi persediaan pada desember, dalam satuan kg.

76

RIWAYAT HIDUP

Penulis dilahirkan di Palembang, Sumatera Selatan pada tanggal 12 September 1983 sebagai anak kelima dari enam bersaudara dari pasangan Bapak H. Sugandi dan Ibu Hj. Sopiah Elawaty. Pendidikan Sarjana ditempuh di Program Studi Teknologi Industri Pertanian Institut Pertanian Bogor, lulus pada tahun 2005. Kesempatan untuk melanjutkan ke Program Magister di Program Studi Teknologi Pascapanen Sekolah Pascasarjana Institut Pertanian Bogor pada tahun 2010. Penulis memulai karirnya sebagai pegawai di Perum BULOG Kantor Pusat Jakarta pada tahun 2006 hingga saat ini.

OPTIMASI PERSEDIAAN PADA RANTAI PASOKAN BERAS UNTUK PROGRAM RASKIN (STUDI KASUS PADA PERUM BULOG SUBDIVISI REGIONAL CIANJUR) RIA SARTIKA

Recommend Documents