Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang

Gunawan, et al. / Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang / Jurnal Titra, Vol. 2, No. 2, Juni 2014, pp. 183190

Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang Gerry Anggian Gunawan1, I Gede Agus Widyadana2, Herry Christian Palit3

Abstract: Pisang Mas (Musa acuminata colla) is one of important commodities in East Java. Previous study showed that there are two different supply chain models at Lumajang and at Malang. In these paper, we combine different supply chain models and considers the effect of price on customer demand. This model is simulated using Vensim PLE software. The result shows that demand is affected by price change. This model is sensitive to price with percentage of 12,4% in retail and 13,04% in traditional market. Keywords: Supply chain management, dynamic system, simulation, Musa Acuminata cola, Vensim PLE

Pendahuluan Aliran suatu produk mulai produsen hingga konsumen pada saat ini dituntut untuk lebih cepat dalam pendistribusian, memiliki kualitas produk lebih baik, serta mampu memenuhi kebutuhan masyarakat. Hal ini akan berjalan dengan baik apabila didukung dengan pendistribusian barang yang baik melalui struktur rantai pasok yang baik pula. Perancangan jaringan rantai pasok dapat dilakukan untuk semua komoditas, termasuk buah pisang Mas (Musa acuminata colla). Pisang Mas termasuk ke dalam komoditas fresh fruits and vegetables atau buah segar merupkan produk yang menuntut kesegaran hingga ke tangan end customer. Menurut Setiawan, dkk [4], rantai pasok buah segar perlu ditangani secara khusus dalam pendistribusiannya karena termasuk ke dalam fresh product yang rentan terjadi kerusakan. Ray [2] menyatakan bahwa pendistribusian produk buah segar atau sayuran memiliki resiko kerusakan yang dampaknya akan ditanggung oleh pihak retailer atau tahap akhir dalam jaringan rantai pasok. Produk yang berupa fresh product berpeluang mengalami penurunan kualitas dalam setiap tahap dalam jaringan rantai pasok Jalur rantai pasok pisang Mas di Jawa Timur terbagi menjadi 2 jalur, yaitu berasal dari Lumajang dan Malang (Sanada, dkk [3]). Jalur rantai pasok pisang Mas yang pertama yaitu dimulai dari petani dan jalur rantai pasok berikutnya yaitu berasal dari perkebunan besar. Fakultas Teknologi Industri, Program Studi Teknik Industri, Universitas Kristen Petra. Jl. Siwalankerto 121-131, Surabaya 60236. E-mail: [email protected], [email protected], [email protected] 1,2,3

183

Pisang Mas yang diproduksi oleh petani berlokasi di Lumajang, sedangkan perkebunan besar yang dikelola oleh PT Perkebunan Nusantara XII berlokasi di Malang, Jawa Timur. Hasil dari penelitian tersebut yaitu kedua model rantai pasok memberikan dampak yang berbeda terhadap setiap pelaku bisnis di masing-masing jalur rantai pasok. Perbandingan untuk kedua model rantai pasok pisang Mas di Jawa Timur dapat dilihat dari performance yang dihasilkan, yang meliputi pendapatan penjualan, lost sales, oversupply dan prosentase ketersediaan produk. Hasil penelitian Sanada, dkk [3] mengenai model rantai pasok pisang Mas sebelumnya, menyatakan bahwa petani di Lumajang lebih baik dalam hal pendapatan penjualan, lost sales dan tingkat ketersediaan. Hasil produksi perkebunan besar di Malang tidak sebaik rantai pasok petani Lumajang karena pasokan yang dimiliki perkebunan lebih rendah dari pasokan pisang Mas dari Lumajang. Penelitian tersebut juga diasumsikan bahwa harga beli end customer/masyarakat independen terhadap jumlah permintaan terhadap pisang Mas, yang artinya harga beli berapapun jumlahnya tidak akan mempengaruhi jumlah permintaan. Penelitian ini akan menggabungkan dua model rantai pasok pisang Mas sebelumya menjadi satu model baru. Model rantai pasok gabungan pisang Mas yang akan dibuat juga memperhitungkan variabel harga beli masyarakat terhadap kuantitas permintaan pisang Mas. Simulasi rantai pasok pada penelitian ini menggunakan software Vensim PLE yang merupakan simulator untuk sistem dinamis. Model rantai pasok yang dihasilkan pada penelitian ini bertujuan untuk mengetahui bagaimana kinerja setiap pelaku bisnis maupun secara kaseluruhan. Penelitian ini juga dilakukan untuk mengetahui

Gunawan., et al. / Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang / JTI, Vol. 2, No. 2, Juni 2014, pp. 183-190

bagaimana sensitivitas harga jual terhadap jumlah permintaan pisang Mas. Penggambaran model rantai pasok ini terbatas pada wilayah Lumajang, Malang, dan Surabaya.

pisang mas dari perkebunan besar sehingga terbentuk 1 jaringan rantai pasok yang saling terkait.

Metode Penelitian

Bab hasil dan pembahasan berisi analisa model rantai pasok yang dibangun beserta output yang dihasilkan dari simulasi sistem dinamis. Berikut merupakan perancangan model rantai pasok pisang Mas di Lumajang dan Malang.

Pembahasan mengenai langkah-langkah dalam penyelesaian permasalahan serta metode apa saja yang digunakan pada penelitian ini dijabarkan dalam bab metode penelitian. Pengembagan model rantai pasok pisang Mas ini diawali dengan mempelajari model dan causal loop yang telah ada sebelumnya, kemudian dilanjutkan dengan penyusunan causal loop baru untuk mempermudah pembuatan model rantai pasok pisang Mas. Penelitian dilanjutkan dengan membangun model rantai pasok berdasarkan causal loop yang telah dirancang sebelumnya. Causal loop ini merupakan pengembangan dari studi yang dilakukan sebelumnya mengenai pisang Mas. Langkah yang terakhir setelah menyusun model rantai pasok yaitu menganalisa hasil simulasi dan menarik kesimpulan.

Sistem Dinamis dan Causal Loop Menurut Daellenbach & McNickle [1], sistem dinamis merupakan kondisi di mana perilaku dari sistem berubah-ubah secara kontinu/berkelanjutan dalam suatu waktu tertentu. Penggambaran sistem dinamis melalui bentuk diagram dapat dilakukan dengan menggunakan causal loop diagram untuk mengetahui perilaku dari suatu sistem yang kompleks. Causal loop diagram menggambarkan hubungan sebab akibat dari beberapa aspek, entiti, maupun variabel. Hubungan yang terjadi antar 2 entiti semisal A dan B saling berpengaruh dan merubah nilai dari salah satu entiti, maka diberi penghubung anak panah. Sistem dinamis dapat diselesaikan dengan menggunakan pendekatan kualitatif dan kuantitatif (Setiawan, [4]). Pendekatan kualitatif dilakukan dengan menggunakan causal loop diagram dan pendekatan kuantitatif dilakukan melalui simulasi dengan bantuan komputer. Simulasi dalam riset operasi digunakan untuk mengeksplor perilaku dinamis dari operasi yang kompleks (Daellenbach & McNickle [1]). Penyusunan Model dengan VENSIM PLE Aktivitas yang dilakukan setelah memahami model dan causal loop pada tahap sebelumnya yaitu pembuatan model rantai pasok pisang Mas gabungan dari jalur petani dan perkebunan besar. Jalur rantai pasok pisang mas yang berasal dari petani akan digabungkan dengan jalur rantai pasok

184

Hasil dan Pembahasan

Causal Loop Rantai Pasok Pisang Mas Causal loop diagram ditandai dengan adanya tanda “+” dan “–“ untuk 2 variabel yang saling terhubung. Tanda “+” menggambarkan hubungan yang berdampak positif jika salah satu variabel ditingkatkan nilainya dan sebaliknya akan berdampak negatif jika salah satu variabel ditingkatkan nilainya. Causal loop model rantai pasok pisang Mas Lumajang dan Malang dapat dilihat pada Gambar 1. Pelaku bisnis yang terlibat dalam di dalam rantai pasok secara keseluruhan meliputi petani di Lumajang dan perkebunan di Malang, distributor, pasar yang terdiri dari retail, grosir buah, serta pedagang buah eceran. Perusahaan yang berperan sebagai distributor yaitu PT Sewu Segar Nusantara atau dikenal dengan PT SSN. Pemilihan Retail yang dipilih sebagai tempat untuk memasarkan pisang Mas kepada end customer yaitu PT Carrefour. Adanya mekanisme effecot of price and demand pada penelitian ini membutuhkan lebih dari 1 retail di samping PT Carrefour sebagai pembanding harga jual pisang Mas kepada end customer. Pasar selain retail yang dijadikan sebagai penjual pisang ke end customer yaitu grosir buah (toko buah) dan pengecer (pedagang buah di pasar tradisional). Performansi atau kinerja yang diukur dari rantai pasok, dimodelkan dengan variabel respon yang meliputi pendapatan penjualan, lost sales, oversupply serta ketersediaan terhadap pada setiap pelaku bisnis. Input Data Data yang digunakan dalam model mengacu pada studi pisang Mas sebelumnya dan juga hasil wawancara serta data sekunder yang berasal dari SUSENAS (Survey Sosial dan Ekonomi Nasional). Jumlah permintaan konsumen Surabaya terhadap buah pisang untuk setiap minggu yaitu sebesar 12.230 kg hingga 13.000 kg (SUSENAS, [5]). Permintaan masyarakat Surabaya terhadap pisang ini akan ditampung ke dalam dummy retail setelah

Gunawan, et al. / Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang / Jurnal Titra, Vol. 2, No. 2, Juni 2014, pp. 183190 retail, grosir & pengecer demand riil pasar

reject rate pasar tingkat persediaan pasar

ketersediaan pasar +

+ + + supply pasar ke konsumen

+ -

-

lost sales pasar

oversupply pasar + supply ke pasar +

+

+ +

selling price pasar + +

+ pendapatan penjualan pasar -

profit margin pasar

demand riil pasar ke distributor + ukuran order minimum pasar ke pemasok buying price pasar + Distributor (PT SSN)

+

ketersediaan distributor +

-

+ supply dari distributor yang dapat dipenuhi untuk pasar +

lost sales distributor

tingkat persediaan + siap kirim

tingkat persediaan belum siap kirim

-

+

+ tingkat oversupply distributor

reject rate distributor +

selling price + + distributor

demand riil distributor ke perkebunan

profit margin distributor

+

+ Demand riil distributor ke kelompok tani

+ Pendapatan penjualan distributor -

+ Petani dan kelompok tani,

supply ke distributor

Buying price distributor +

+

+ Demand riil pedagang pengumpul ke kelompok tani

Perkebunan besar

+

+

+ + pendapatan penjualan perkebunan

profit margin petani

-

+ -

+

selling price petani +

Supply ke kelompok tani+

biaya produksi pisang per kg

pendapatan petani dari pasar lokal +

+

Ketersediaan petani +

kapasitas produksi perkebunan

Profit margin kelompok tani

+ + pendapatan penjualan petani + +

+ lost sales petani

hasil panen perkebunan

Oversupply + perkebunan

Selling price kelompok tani + +

Buying price kelompok tani +

lost sales kelompok tani

+ Demand riil kelompok tani ke petani

-

-

Selling price + perkebunan

Biaya produksi per kg

+

Ketersediaan kelompok tani

pendapatan penjualan + ke kelompok tani +

+

+

-

Reject rate perkebunan

Ketersediaan perkebunan

Profit margin perkebunan

supply ke distributor dari kel. tani

+

- + + Lost sales perkebunan

+

hasil panen

supply ke pasar + lokal -

reject rate petani

Gambar 1. Causal Loop Rantai Pasok Pisang Mas Lumajang dan Malang Selling price trigger 0 0 Demand elasticity 0 0

Selling price change 0 0

Pisang tak terserap retail

Effect demand price 0 0

Demand riil retail 00

<Time>

Supply retail Surabaya ke konsumen 0 0 <Time> <Time> Ketersediaan Retail Surabaya 0 0

pendapatan retail 00

Selling price trigger

Pendapatan penjualan retail Surabaya 0 0

Demand elasticity

Selling price change

Lost sales retail lost sales retail 0 0 Surabaya 0 0

ketersediaan retail 0 0

Effect demand price

Demand riil retail Selling price retail Surabaya 0 0

Oversupply retail Surabaya 00 Oversupply retail 00 Demand riil retail Surabaya 0 0

<Time>

Supply retail Surabaya ke konsumen <Time>

Profit margin retail Surabaya 0 0

<Time>

pendapatan retail

<Time> Persediaan retail Surabaya 0 0

Reject rate retail Surabaya 0 0

Ketersediaan Retail Surabaya

Supply distributor untuk retail Surabaya 0 0

lost sales retail

ketersediaan retail

Reject rate pengecer Surabaya

Lost sales retail Surabaya Selling price retail Surabaya

Ketersediaan grosir Surabaya

Oversupply retail Demand riil retail ke APP Seroja

Profit margin retail Surabaya

Reject rate processing

Persediaan retail Surabaya

Supply dari APP Seroja ke retail

Supply distributor untuk retail Surabaya

Ukuran order minimum pasar Surabaya

Demand riil retail ke distributor

Ketersediaan APP

Akumulasi ketersediaan distributor

Reject rate grosir Surabaya

Supply dari distributor yang dipenuhi

Selling price APP Seroja

<Time>

Profit margin APP Seroja

Oversupply APP Seroja

Persediaan distributor siap kirim

Oversupply APP

Selling price pengecer Surabaya

Buying price pengecer Surabaya Selling price grosir Surabaya

Supply distributor ke retail

Profit margin grosir Surabaya Oversupply grosir Buying price grosir Surabaya

Oversupply grosir Surabaya <Time>

Profit margin distributor untuk retail Reject rate distributor

Akum. oversupply distributor

<Time>

Persediaan distributor belum siap kirim

Buying price APP Seroja

Pendapatan pengecer

Pendapatan penjualan grosir Surabaya

Supply distributor untuk grosir Surabaya

Lost sales APP

selling price distributor untuk retail

Oversupply distributor

Supply distributor ke grosir

Selling price distributor untuk grosir

Penawaran harga lelang dari distributor

Profit margin distributor untuk grosir

<Time> Pendapatan penjualan distributor

Lost sales distributor terhadap retail

Akum. lost sales distributor

Pendapatan distributor

Buying price distributor dari kelompok tani

Lost sales distributor terhadap grosir

Buying Price Distributor

Demand riil distributor ke perkebunan

Lost sales distributor

<Time>

Buying price distributor dari lelang perkebunan

Harga lelang minimum Supply dari perkebunan ke distributor <Time>

<Time>

Demand riil distributor dan APP Seroja ke kelompok tani

Oversupply Kel. tani

Oversupply kelompk tani

Pendapatan penjualan kelompok tani

Reject rate kel. tani Ketersediaan kelompok tani

buying price kelompok tani

Lost sales kelompok tani

Pisang tak terserap kel.tani

Selling price perkebunan

Pendapatan kebun

Ketersediaan kebun

Konstanta harga perkebunan

<Time> Hasil panen perkebunan siap kirim

<Time>

Konstanta harga petani

Lost sales kel. Tani

Profit margin petani

<Time> Selling price petani

Ketersediaan kel. Tani

Pendapatan penjualan perkebunan

Profit margin kelompok tani Ketersediaan Perkebunan

Supply dari kelompok tani ke distributor dan APP Seroja

<Time>

<Time>

Selling price kelompok tani Pendapatan kel. Tani

Lost sales perkebunan

Lost sales kebun

Konstanta hasil panen perkebunan Reject rate

Profit margin perkebunan

Biaya produksi per kg kebun

<Time> Demand riil kelompok tani ke petani Akum. ketersediaan petani Ketersediaan petani

Pendapatan petani

<Time>

Konstanta hasil panen petani Oversupply Petani

Oversupply kebun

Oversupply perkebunan

<Time> <Time>

Lost sales petani

Hasil panen petani

Akum. lost sales petani

Selling price petani ke pasar lokal

Profit margin petani ke pasar lokal

Hasil panen perkebunan

Biaya produksi per kg petani Pisang tak terserap petani

Supply dari petani ke kelompok tani

<Time> Overupply petani

Pendapatan penjualan petani

Supply ke pasar lokal

Reject rate hasil panen

Pendapatan petani dari penjualan ke pasar lokal

Gambar 2. Model Rantai Pasok Pisang Mas Kombinasi Lumajang dan Malang

185

Lost sales pengecer Surabaya

<Time>

Demand riil grosir ke distributor

Demand riil pasar ke distributor

ketersediaan distributor

Persediaan APP Seroja

Lost sales pengecer

Pendapatan penjualan pengecer Surabaya

Persediaan grosir Surabaya

<Time>

<Time> Lost sales APP Seroja

Selling price change pengecer

<Time>

Demand riil grosir Surabaya

Pendapatan grosir Pendapatan APP

Demand elasticity pengecer Demand riil pengecer Surabaya

<Time>

Supply grosir Surabaya ke pengecer Surabaya

Lost sales grosir Surabaya Lost sales grosir

Buying price retail Surabaya

Pendapatan penjualan APP Seroja

Demand riil pengecer

Oversupply pengecer Surabaya Oversupply pengecer

Selling price trigger pengecer

<Time>

<Time> Reject rate retail Surabaya

<Time> Ketersediaan APP Seroja

Ketersediaan grosir

Ketersediaan pengecer Surabaya

Ketersediaan pengecer

Supply pengecer Surabaya ke konsumen

<Time>

<Time> <Time>

Persediaan pengecer Surabaya

<Time>

Oversupply retail Surabaya Demand riil retail Surabaya

Buying price retail Surabaya 0 0

Pendapatan penjualan retail Surabaya

Pisnag tak terserap perkebunan

Profit margin pengecer Surabaya

Effect price demand pengecer


dikurangi dengan permintaan retail PT Carrefour di model rantai pasok. Jumlah permintaan pisang yang tertampung di dummy retail yaitu berkisar antara 9.430 kg hingga 9.500 kg per minggu untuk memenuhi jumlah konsumsi pisang masyarakat Surabaya. Data untuk input model dapat dilihat pada Tabel 1 hingga Tabel 3. Tabel 1. Hasil Panen dan Demand Rill Perkebunan dan Petani Variabel Hasil panen Demand riil retail Surabaya Demand riil pengecer Surabaya Hasil panen petani Demand riil retail dummy

Jenis Distribusi Distribusi uniform Distribusi uniform

Input Distribusi (kg)

Distribusi uniform

Nilai minimum: 1.200 Nilai maksimum: 1.500

Distribusi uniform

Nilai minimum: 7.700 Nilai maksimum: 8.800 Nilai minimum: 9.430 Nilai maksimum: 9.500

Distribusi uniform

Nilai minimum: 1.000 Nilai maksimum: 2.000 Nilai minimum: 2.800 Nilai maksimum: 3.500

Reject rate perkebunan Reject rate distributor Reject rate retail Reject rate grosir Reject rate pengecer Reject rate petani Reject rate processing

Jenis Distribusi Distribusi uniform Distribusi uniform Distribusi uniform Distribusi uniform Distribusi uniform Distribusi uniform Distribusi uniform

Variabel Profit margin petani Profit margin kelompok tani Profit margin APP Seroja Profit margin Distribusi retail uniform Profit margin Distribusi uniform grosir

Input Simulasi 200% 20% 20% Nilai minimum: 3% Nilai maksimum: 5%

Profit margin pengecer

Nilai minimum: 18% Nilai maksimum: 22%

Distribusi uniform

Nilai minimum: 18% Nilai maksimum: 22%

Reject rate pada Tabel 2 merupakan variabel yang bersifat keputusan, sehingga besarnya reject rate berbeda-beda dan ditentukan oleh kebijakan pelaku bisnis terkait. Data distribusi reject rate dari seluruh rantai pasok pada Tabel 2 menunjukkan perbedaan yang menandakan bahwa keputusan setiap pelaku bisnis mematok reject rate memang murni keputusan sendiri. Tabel 3 menunjukkan biaya produksi dari setiap produsen dan profit margin yang ditentukan oleh setiap pelaku bisnis. Distribusi yang digunakan yaitu uniform karena informasi yang didaptkan dari narasumber terbatas pada nilai maksimum dan minimum.

Tabel 2. Reject Rate Rantai Pasok Variabel

Tabel 3. Biaya Produksi dan Profit Margin Rantai Pasok (Sambungan)

Input Distribusi

Pengembangan Model

Nilai minimum: 0,8% Nilai maksimum: 1,2% Nilai minimum: 1% Nilai maksimum: 3% Nilai minimum: 2% Nilai maksimum: 3% Nilai minimum: 5% Nilai maksimum: 7% Nilai minimum: 5% Nilai maksimum: 7% Nilai minimum: 3% Nilai maksimum: 5% Nilai minimum: 1% Nilai maksimum: 3%

Model rantai pasok pisang Mas ini telah digabungkan antara 2 produsen pisang Mas di Lumajang dan Malang dan juga telah ditambahkan pelaku bisnis baru dalam rantai pasok, yaitu APP Seroja sebagai distributor. Alur pendistribusian rantai pasok ini dapat dilihat pada Gambar 3.

Tabel 3. Biaya Produksi dan Profit Margin Rantai Pasok Variabel Biaya produksi per kg Profit margin perkebunan Profit margin distributor untuk retail Profit margin distributor untuk grosir Biaya produksi per kg petani Profit margin petani ke pasar lokal

Input Simulasi Rp 1.375,00 300% 100%

Gambar 3. Alur Distribusi Pisang Mas Kombinasi Lumajang dan Malang Model rantai pasok pisang Mas yang telah dibangun berdasarkan causal loop yang telah dibuat, dapat dilihat pada Gambar 2. Pelaku bisnis yang terlibat di dalam rantai pasok pisang Mas memiliki perbedaan dibandingkan model rantai pasok pisang Mas

80% Rp 1.250,00 50%

186


yang pernah digambarkan pada penelitian sebelumnya. Adanya APP Seroja dalam rantai pasok, menjadikan distributor PT SSN memiliki pesaing baru dalam hal pendistribusian pisang Mas. Perancangan model rantai pasok 1 ini menghubungkan APP Seroja selaku distributor ke retail langsung di daerah Surabaya. Pembagian supply dari kelompok tani dibagi menjadi 2, yaitu ke APP Seroja dan ke distributor PT SSN. Proporsi pembagian supply pisang mas yaitu dilakukan sebanyak 2 truk yang masing-masing berbobot 4,4 ton untuk pengiriman pisang Mas ke PT SSN dan APP Seroja setiap minggunya. Perancangan model rantai pasok pisang Mas ini juga menggunakan mekanisme perubahan harga terhadap permintaan, sehingga dapat mengetahui seberapa besar perubahan kinerja rantai pasok jika harga jual dan demand berubah. Model ini menggunakan dummy retail untuk menampung jumlah permintaan pisang Mas Surabaya.

Lost sales yang dihasilkan setiap pelaku bisnis dapat dilihat pada Gambar 5. PT SSN dan petani adalah pelaku bisnis yang memiliki kerugian terbesar akibat tidak dapat memenuhi semua permintaan yang ada. Petani dan PT SSN memiliki jumlah pasokan yang lebih kecil dari permintaan yang diterima, sehingga mengalami kerugian. Solusi untuk kedua pelaku bisnis ini yaitu menambah jumlah pasokan yang berasal dari pelaku bisnis sebelumnya.

Gambar 5. Lost Sales Rantai Pasok Pisang Mas

Hasil Simulasi Hasil dari simulasi dijabarkan sesuai dengan parameter pengukuran kinerja yang terdiri dari pendapatan, lost sales, oversupply, dan ketersediaan. Keuntungan terbesar pada pendapatan penjualan yang dihasilkan dari perancangan model ini didapatkan oleh distributor PT SSN yang diikuti oleh petani dengan keuntungan terbesar kedua yang dihasilkan. Keuntungan besar yang dihasilkan oleh distributor ini disebabkan oleh profit margin yang ditetapkan lebih besar daripada profit margin yang ditetapkan oleh APP Seroja. Profit margin yang diterapkan oleh distributor yaitu sebesar 80% untuk penjualan kepada grosir dan 100% kepada retail, sementara APP Seroja mematok profit margin 20%. Gambar 4 menunjukkan perbandingan pendapatan yang diterima oleh setiap pelaku bisnis. Petani dan PT SSN memiliki pendapatan yang lebih tinggi jika dibandingkan semua pelaku bisnis yang terlibat.

Gambar 4. Pendapatan Penjualan Rantai Pasok Pisang Mas

187

Gambar 6. Oversupply Rantai Pasok Pisang Mas Kinerja rantai pasok pisang Mas jika dilihat dari sisi oversupply, didapatkan bahwa grosir dan APP seroja yang mengalami oversupply terbesar jika dibandingkan pelaku bisnis yan lain. Hal ini dikarenakan kedua pelaku bisnis tersebut memiliki supply yang besar dan juga reject rate yang tinggi. Reject rate yang tinggi ini ada untuk mengakomodasi banyaknya pisang Mas yang rusak atau matang sebelum waktunya sehingga tidak dapat dijual ke end customer. Oversupply dapat dilihat pada Gambar 6.

Gambar 7. Ketersediaan Rantai Pasok Pisang Mas


Parameter pengukuran yang terakhir dari simulasi rantai pasok pisang Mas yang dijalankan yaitu tingkat ketersediaan. Tingkat ketersediaan dapat dilihat pada Gambar 7. Perkebunan memiliki ratarata ketersediaan pisang Mas yang terkecil, sebesar 48,8%. Ketersediaan yang berada di bawah 50% ini terjadi karena pasokan di perkebunan lebih kecil daripada permintaan yang diterimanya. Hal ini menunjukkan bahwa pemenuhan perkebunan di Malang terhadap pisang Mas masih kurang. Tingkat ketersediaan pelaku bisnis lain dikatakan cukup baik karena mendekati 100%.

silkan supply pisang yang terserap di tahap petani dan kelompok tani. Tingkat serapan berubah menjadi tidak terserap di petani dan kelompok tani ketika perubahan harga jual di retail dinaikkan menjadi Rp 19.125,00 dan harga jual pengecer menjadi Rp 17.250,00. Prosentase perubahan harga di retail yaitu sebesar 12,42% dan 13,04% untuk perubahan harga di pengecer guna mencapai perubahan kondisi serapan pisang. Perubahan harga ini juga berdampak pada perubahan permintaan di retail dan pengecer. Perubahan permintaan dapat dilihat pada Tabel 3.

Dari keseluruhan kinerja rantai pasok pisang Mas, dapat dilihat bahwa pelaku bisnis yang paling besar keuntungannya yaitu distributor PT SSN, sedangkan pelaku bisnis yang paling sedikit menderita kerugian akibat lost sales yaitu grosir. Oversupply terkecil dari keseluruhan rantai pasok yaitu perkebunan karena memiliki tingkat supply yang rendah dan juga reject rate paling rendah jika dibandingkan dengan reject rate pelaku bisnis lain. Model rantai pasok pisang Mas yang dirancang ini, didapatkan bahwa hanya perkebunan PTPN XII di Malang saja yang memiliki rata-rata tingkat ketersediaan paling rendah dan berada di bawah 50%. Solusi yang dapat diterapkan untuk perkebunan yaitu mengurangi permintaan atau membatasi permintaan hingga pasokan yang dimiliki bertambah, mengingat perkebunan PTPN XII baru 2 tahun merintis usaha. Rekapitulasi kinerja rantai pasok secara keseluruhan dapat dilihat pada Tabel 4.

Tabel 3. Perubahan Permintaan Sebelum dan Sesudah Harga Dinaikkan

Tabel 4. Rekapitulasi Kinerja Rantai Pasok Pisang Mas Pelaku Bisnis

3,000

3,000

Kg/Week

Kg/Week

4,000

2,000

2,000

1,000

1,000 0

0

0

0

4

8

12

16

Demand riil pengecer Surabaya : run1 Demand riil retail Surabaya : run1

20

24 28 32 Time (Week)

36

40

44

48

4

8

12

16

52

20

24 28 32 Time (Week)

36

40

44

48

52

Demand riil pengecer Surabaya : run1 Demand riil retail Surabaya : run1

Hal yang sebaliknya juga dilakukan terhadap perkebunan, di mana harga diubah untuk mengubah status pisang menjadi tidak terserap dari kondisi awalnya yang terserap. Hasil yang didapatkan setelah merubah harga jual di retail sebesar Rp 90.000,00 dan pengecer sebesar Rp 80.000,00 per kg tetap tidak mengubah kondisi pisang di perkebunan akibat demand yang masih lebih tinggi dari supply perkebunan. Upaya peningkatan harga tersebut bertujuan untuk mengurangi demand, sehingga dapat merubah tingkat serapan pisang di tahap produsen.

Simpulan

Parameter Pengukuran Pendapatan Penjualan (Rp) 3.353.630.000

Lost Sales (Rp)

Oversupply (Rp)

942.442.000

123.916.000

Ketersediaan (%) 0,779381

902.948.000

286.096.000

23.770.100

0,75939

321.584.000

337.524.000

2.905.760

0,487908

746.461.000

14.326.500

322.750.000

0,981169

4.695.760.000

1.067.880.000

119.747.000

1

137.838.000

9.352.990

364.886.000

0,936457

152.602.000

21.864.200

10.778.000

0,87468

Retail

973.139.000

20.590.800

20.590.800

0,979279

Supply Chain

11.283.962.00 0

2.700.076.490

989.343.660

0,849783

Petani Kelompok Tani Perkebunan APP Seroja Dist. PT SSN Grosir Pengecer

Selected Variables

Selected Variables 4,000

Model yang dirancang pada penelitian ini merupakan penggabungan jalur rantai pasok pisang Mas di Lumajang dan Malang serta penambahan APP Seroja sebagai distributor. Parameter pengukuran kinerja rantai pasok yaitu pendapatan penjualan, lost sales, oversupply, dan ketersediaan. Pengukuran terhadap tingkat serapan pisang juga ditambahkan dalam simulasi, namun hanya ada di tahap produsen pisang untuk mengetahui tingkat serapan pisang setelah proses pemanenan.

Pengujian Sensitivitas Model rantai pasok ini memiliki tingkat harga jual awal di retail yaitu sebesar Rp 16.750,00 dan harga jual di tingkat pengecer yaitu sebesar Rp 15.000,00. Konfigurasi harga sedemikian rupa telah mengha-

188

Pisang Mas pada petani, kelompok tani, dan perkebunan terserap seluruhnya oleh pasar. Hasil pengujian sensitivitas perubahan harga jual terhadap permintaan yaitu permintaan akan berubah seiring peningkatan atau penurunan harga jual. Peningkatan permintaan dipicu oleh penurunan harga jual dan sebaliknya. Kebijakan pemilihan model yang paling optimal ditentukan oleh kepentingan dari setiap pelaku bisnis. Hal ini dikarenakan hasil


rantai pasok keseluruhan merupakan akumulasi dari pengukuran kinerja dalam model tersebut. Daftar Pustaka

3.

4.

1.

McNickle, Donald C. & Daellenbach, Hans G. 2005. Management Science: Decision Making Through System Thinking. New York: Palgrave Macmillan. 2. Ray, Rajesh. 2010. Supply Chain Management for Retailing. New Delhi: Tata McGraw-Hill Publishing Company Limited.

189

5.

Sanada, Wilson, Widyadana, Gede Agus, & Palit, Herry Christian. Pengembangan Model Rantai Pasok Pisang Mas di Jawa Timur. Jurnal Titra Vol. 2, No. 1 (Januari 2014): 17-24. Setiawan, Thea Callista, Tjondrokusumo, Garry, Suseno, Valencia, Christnawan, Dandy Lonata, Purnomo, Monica, Budiman, Fenny Suryanita. 2013 Rantai Pasok Buah Pepaya di Jawa Timur. Unpublished research, Universitas Kristen Petra, Surabaya. Survey Sosial Ekonomi dan Nasional. 2010. Tingkat Konsumsi Pisang di Jawa Timur. Retrieved June 27, 2014 From Badan Pusat Statistik Jawa Timur.


190

Pengembangan Model Rantai Pasok Pisang Mas di Lumajang dan Malang

Recommend Documents