BAB 4 ANALISIS DAN PENGOLAHAN DATA - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab4/2009-1-00475-TIAS Bab 4.pdf · DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh

43

BAB 4

ANALISIS DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Data-data yang di peroleh dari perusahaan berasal dari departemen

logistic dan purchasing. Adapun data-data yang di kumpulkan adalah data

permintaan dari setiap cabang pada tahun 2008 bulan oktober sampai

september, biaya angkut kesetiap cabang PT United Tractor, serta

pengumpulan data melalui wawancara ke manajer atau orang yang

bertanggung jawab pada departemen logistic dan beberapa staf departemen

logistic serta mempelajari langsung permasalahan di lapangan.

Dalam metode pengambilan sampel, sampel yang digunakan adalah

sample yang dominan atau frekuensi permintaan akan produk sangat tinggi

atau permintaan yang paling tinggi setiap bulannya serta permintaan produk

yang mendesak. Banyaknya item yang dipilih cukup mewakili proses

distribusi spare parts yang diterapkan dalam PT United Tractros yang

dilakukan dengan menggunakan pengiriman udara (airfried). Untuk data

biaya pengiriman, dalam penelitian ini akan menganalisa salah satu cara atau

alat trasportasi yang digunakan perusahaan yaitu distribusi spare parts melaui

pengiriman udara. Jadi biaya yang digunakan adalah biaya pengiriman

melalui udara.

44

4.2. Pengolahan Data

4.2.1 Transportasi

Dalam melakukan proses distribusi suatu barang dari satu tempat ke tempat

lain dibutuhkan suatu keputusan yang sangat penting yaitu penentuan jadwal dan rute

pengiriman barang ke lokasi tujuan. Dalam penelitian ini, proses distribusi spare

parts khususnya Bearing dan O-ring dilakukan dari perusahaan United Tractors yaitu

diantara depo ke cabang, Depo ke Depo yang lain, dan cabang ke cabang lain yang

tersebar di Indonesia. Tujuan dilakukannya penjadwalan dan penentuan rute

pengiriman barang adalah untuk mengoptimumkan biaya yang dikeluarkan oleh

perusahaan untuk melakukan proses pendistribusian spare parts.

4.2.1.1 Penjadwalan dan Penentuan Rute Pengiriman

Seperti yang telah diketahui tujuan utama dari penjadwalan dan penentuan

rute pengiriman adalah untuk mendapatkan biaya yang optimum yang dapat

dikeluarkan suatu perusahaan untuk melakukan proses distribusi spare parts. Dalam

sebuah perusahaan seorang manajer harus mampu menentukan atau memberikan

keputusan tentang alat transportasi apa yang harus digunakan, kapan spare parts

tersebut harus dikirim, ke cabang atau DEPO mana yang akan dituju serta rute mana

yang harus ditempuh oleh satu alat transportasi dalam melakukan proses distribusi.

Manajer juga harus memastikan tidak ada satupun alat transportasi yang melebihi

muatan serta dapat memenuhi permintaan baik itu berupa kuantiti ataupun kwaliti

serta waktu pengiriman harus tepat waktu.

45

Pada penelitian ini akan membahas tentang proses distribusi spare

parts khususnya bearing dan o-ring pada bulan oktober 2008. untuk

mempermudah pemecahan masalah penjadwalan dan penentuan rute

kendaraan, ke setiap cabang ataupun depo di seluruh Indonesia maka terlebih

dahulu daerah-daerah tujuan di-plot kedalam peta kemudian dibuatkan skala

sumbu X dan sumbu Y dengan DC sebagai pusat koordinat (0,0). Dapat

dilihat pada gambar 7 Menunjukan bentuk plot setiap cabang dan depo yang

akan dituju untuk proses distribusi spare parts dalam peta dalam skala sumbu

XY. Tabel 2 menampilkan lokasi DC dari setiap cabang dan DEPO dalam

skala sumbu XY. Serta banyaknya permintaan untuk bulan oktober 2008

dimana penggunaan alat transportasi menggunakan pesawat terbang.

Dengan mempertimbangkan bahwa jarak dua titik antar koordinat

dalam sumbu XY berkolerasi dengan jarak nyata yang akan ditempuh alat

transportasi serta jarak tempuh yang ditempuh oleh alat transportasi akan

sangat mempengaruhi waktu pengiriman yang secara langsung berdampak

pada tingkat pelayanan kepada pelanggan, maka total jarak tempuh harus

dipertimbangkan untuk meminimumkan biaya yang timbul akibat proses

transportasi.

Dalam penelitian ini akan digunakan metode saving matrix untuk

penjadwalan dan penentuan rute pengiriman spare parts.

46

4.2. 2 Metode Saving Matrix

Dalam metode ini langkah langkah yang dilakukan adalah pertama membuat

peta lokasi dari DEPO yang dimiliki oleh PT. United Tractors dan lokasi cabang dari

PT United Tractors sebagai customer dari DEPO PT UT.

Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com.

Skala = 1cm : 20.000.000 km.

Gambar 7. Peta Lokasi DEPO dan Cabang PT.UT

47

Keterangan (Gambar 7) adalah sebagai berikut:

Lokasi DEPO

Lokasi cabang/ cusromer

NO LOKASI NO LOKASI 1 Banda aceh 16 Balikpapan 2 Medan 17 Senakin 3 Padang 18 Samarinda

4 Pekanbaru 19 Ujung pandang

5 Jambi 20 Berau

6 Palembang 21 Bontang

7 Pangkalpinang 22 Palu

8 Bandar lampung 23 Tarakan

10 Pontianak 24 Ambon 11 12

Semarang Banjarmasin 25

Manado

13 Adaro 26 Timika

14 Surabaya 27 Jayapura

15 Sangata

Pada gambar 7 yaitu peta persebaran lokasi DEPO dan cabang untuk wilayah

Indonesia memiliki skala gambar sebesar 1cm pada peta mewakili 20.000.000 km untuk jarak

sebenarnya.

48

Berdasarkan lokasi DEPO yang terdapat pada PT. United Tractor dapat

ditentukan jarak dari setiap lokasi customer berdasarkan atas sumbu XY, dan jumlah

permintaan bulan oktober 2008.

4.2.2.1 DEPO JAKARTA

Untuk DEPO PT United Tractors yang pertama adalah di Jakarta, dapat

digambarkan pemetaannya sebagai berikut:


Skala = 1cm : 20.000.000 km.

Gambar 8. Lokasi DEPO Jakarta dan Lokasi Cabang PT.UT

Pada gambar 8, merupakan hasil pengolahaan data yaitu loksai persebaran

DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh sumbu XY

adalah untuk jarak titik satu ke titik yang laian adalah 0,5cm = 10.000.000 km untuk

jarak nyata. Untuk penentuan nilai pada sumbu X dan Y terhadap lokasi cabang dan

49

DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga

pecaha).DEPO Jakarta sebagai DC (Distribution Center)

50

Tabel 2. Jarak Lokasin DEPO Dan Cabang Dalam Dua Titk Koordinat Dalam Sumbu XY

Koordinat Permintaan CUSTOMER Lokasi

X Y box Kg CDC 0 0 - -

CUS 1 Banda aceh -11 -13 3 14

CUS 2 Medan -8 -11 49 269

CUS 3 Padang -6 -6 78 554

CUS 4 Pekanbaru -5 8 20 40 CUS 5 Jambi -3 6 20 40

CUS 6 Palembang -2 4 49 111

CUS 7 Pangkalpinang 0 4 48 367

CUS 8 Bandar lampung -2 1 28 191

CUST 10 Pontianak 3 7 57 553

CUST 11 Semarang 2 1 33 215

CUST 12 Banjarmasin 7 4 318 2909

CUST 13 Adaro 8 5 260 2896

CUST 14 Surabaya 6 2 69 522

CUST 15 Sangata 7 9 352 4177

CUST 16 Balikpapan 9 6 151 982

CUST 17 Senakin 9 3 17 139

CUST 18 Samarinda 9 6 431 4915

CUST 19 Ujung pandang 12 1 100 722

CUST 20 Berau 9 10 173 1833

CUST 21 Bontang 10 7 152 1965 CUST 22 Palu 12 6 49 257 CUST 23 Tarakan 10 11 71 775

CUST 24 Ambon 20 3 11 91

CUST 25 Manado 17 9 68 872

CUST 26 Timika 28 3 49 345

CUST 27 Jayapura 31 5 94 1512 Sumber: Hasil Pengolahan Data

Dengan pertimbangan bahwa jarak dua titik antar koordinat dalam sumbu XY

berkolerasi dengan jarak nyata yang akan di tempuh oleh salah satu alat transportasi

51

yang akan digunakan, serta jarak tempuh alat transportasi akan sangat mempengaruhi

jumlah biaya yang akan dikeluarkan oleh perusahaan yang secara langsung

berpengaruh pada seberapa besar biaya yang dapat di minimalkan kepada perusahaan,

maka meminimumkan total jarak tempuh akan sangat berguna untuk meminimumkan

biaya yang timbul akibat proses transportasi.

Dalam penelitian kali ini akan digunakan metode Saving Matrix untuk

penjadwalan dan penentuan rute transportasi.

Langkah pertama metode Saving Matrix adalah membuat matriks jarak

(distance matrix) yang terdapat pada Bab II, dan hasilnya akan ditampilkan dalam

tabel 3 berikut. Matriks jarak ini selanjutnya akan digunakan untuk mengevaluasi

matriks penghematan (Saving matrix).

Pada langkah ini kita memerlukan jarak antara gudang kemasing-masing

customer dan jarak customer kemasing-masing customer. Dengan mengetahui

masing-masing koordinat dari customer maka dapat dilakukan perhitungan untuk

menemukan jarak antara gudang kemasing-masing customer serta jarak antar

customer yang satu dengan customer yang lain.

52

Tabel 3. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang)

Sumber: Hasil Pengolahan Data

Untuk jarak antara customer 1 dengan distribution center (DC) dan customer

2 perhitungannya di uraikan sebagai berikut. Jarak antar dua koordinat yang lain

dihitung sama seperti perhitungan sebagai berikut:

Dist (A,B) = √((XA-XB)2+(YA-YB)2)

Dist (CUS 1,CUS 2) = √((XCUS 1 - XCUS 2)2+(YCUS 1-YCUS 2)2)

Dist (DC,CUS 1) = √((0 – (-11))2+(0-(-13))2) = 17.0

Dist (DC,CUS 2) = √((0 – (-8))2+(0-(-11))2) = 13.6

53

Dist (CUS 1,CUS 2 )= √((-11– (-8))2+(-13-(-11))2) = 3.6

Dist (CUS 1,CUS 3) = √((-11– (-6))2+(-13-(-6))2) = 8.6

Dist (CUS 23,CUS 24) = √((10– (20))2+(11-(3))2) = 12.8

Dist (CUS 24,CUS 25) = √((20– (17))2+(3-(9))2) = 6.7

Keterangan:

Dist = Distribusi

CUS 1 = Customers 1

CUS 2 = Customers 2

CUS n = Customers n

Pada proses distance matrix seluruh jarak dari setiap gudang dan setiap

customer seluruhnya haruslah dihitung, dan hasil dari perhitungan ini akan digunakan

untuk menentukan matriks penghematan (saving matrix) yang akan di kerjakan pada

langkah berikutnya.

Langkah kedua yaitu matriks penghematan (saving matrix). Saving matrix

merepresentasikan penghematan yang bisa direalisasikan dengan menggabungkan

dua atau lebih pelanggan kedalam satu rute.

54

Sebelum Rute Digabung Setelah Rute Digabung

Gambar 9. Sebelum Dan Sesudah Penggabungan Rute

Perubahan yang terjadi dengan menggabungkan pelanggan 1 dan pelanggan 2

kedalam satu rute.

Dengan menggunakan data hasil perhitungan distance matrix dapat dibuat

penghematan jarak dengan menggabungkan dua trip menjadi satu trip. Misalnya jarak

antara DC (Distribution Centers) ke customer1 kemudian kembali ke DC, dan DC ke

customer 2 kemudian kembali ke DC, dapat di gabung menjadi DC ke customer1 lalu

ke customer 2 kemudian kembali lagi ke DC. Untuk pembuatan saving matrix ini

perhitungannya menggunakan rumus (2) yang terdapat pada Bab II yang hasilnya

akan di tampilkan dalam Tabel 4. Selanjutnya pada proses saving matrix adalah

menentukan kendaraan mana yang akan melayani customer yang mana.

55

Tabel 4. Tabel Penghematan Jarak


Untuk penghematan jarak customer1 dan customer 2 perhitungannya adalah

sebagai berikut. Penghematan jarak antar dua koordinat yang lain dapat dihitung

dengan menggunakan rumus yang sama.

S(X,Y)=Dist(DC,X)+Dist(DC,Y)-Dist(X,Y) atau

S(CUS 1, CUS 2) = Dist(DC,CUS1)+Dist(DC,CUS 2)-Dist(CUS 1,CUS 2)

= 17.0 + 13.6 – 3.6 = 27.0

56

S(CUS 2, CUS 3) = Dist(DC,CUS2)+Dist(DC,CUS 3)-Dist(CUS 2,CUS 2)

= 13.6 +8.5 – 5.4 = 16.7

Keterangan

S = Seving Matrix

CUS 1 = Customers 1

CUS 2 = Customers 2

CUS n = Customers n

Langkah selanjutnya penentuaan kendaraan terhadap customer. Tujuan

dilakukannya penentuan kendaraan terhadap customer adalah untuk memaksimalkan

penghemataan jarak, untuk itu diperlukan prosedur iterasi yang akan dilakukan dari

matriks penghematan. Syarat utamanya adalah dua rute dapat digabung dalam satu

rute feasible jika total pengiriman kedua rute tidak melebihi kapasitas alat

transportasi yang digunakan. Pada perusahaan PT United Tractros, pihak ekspedisi

pengiriman barang membatasi jumlah beban pengiriman sebanyak 6000 kg atau 600

box untuk satu alat transportasi.

Langkah pertama dari prosedur iterasi adalah menggabungkan dua rute

dengan penghematan tertinggi menjadi satu rute yang feasible. Prosedur ini dilakukan

terus menerus sampai tidak ditemukan lagi kombinasi yang feasible.

Untuk penelitian ini, seperti terlihat pada tabel … penghematan tertinggi

adalah 46.0 yang merupakan penggabungan rute pengiriman customer 26 dan

customer 27. Pada proses iterasi ini memungkinkan dilakukan penggabungan karena

57

total pengiriman yang dilakukan adalah untuk customer 26 jumlah spare part yang di

order adalah 345 dan customer 27 jumlah spare part yang di order adalah 1512 jadi

total penjumlahan spare parts yang di order adalah 345+1512= 1857 kg, masih

dibawah batas kapasitas yang diijinkan yaitu 6000kg atau 600 box, sehingga dua

customer tersebut dapat digabung dalam satu rute pengiriman, yaitu rute pengiriman

pertama (RUTE 1) seperti terlihat pada tabel..dan selanjutnya penghematan yang

sudah dilakukan (46.0) diabaikan dalam prosedur iterasi berikutnya.

Tabel 5. Saving Matrix - Iterasi Pertama

Sumber: Hasi Pengolahan Data

58

Penghematan tertinggi berikutnya adalah 40.4 yang merupakan penggabungan

dari customer 26 dan customer 24. Proses penggabungan dapat dilakukan antara

customer 26 dan customer 24 karena total pengiriman 1857+91=1948kg, masih

dibawah 6000kg atau 600box. Dalam hal ini customer 24 akan digabung dalam rute

yang sama dengan customer 27 karena customer 27 sudah tergabung dengan

customer 26 dan telah memiliki rute.

Tabel 6. Saving Matrix- Iterasi Ke-Dua


Penghematan tertinggi berikutnya adalah 40.4 yang merupakan gabungan

dari customer 26 dan customer 24 lagi karena keduanya sudah memiliki rute jadi

59

tidak perlu dilakukan perhitungan lagi. Penghematan berikutnya yaitu 36.0 yang

merupakan gabungan dari customer 27 dan customer 25 karena customer 27 sudah

memiliki rute pengiriman maka untuk customer 25 akan di gabung dengan customer

27, customer 26 dan customer 24 jadi total pengiriman adala 1948+872= 2820,

karena masih di bawah batas maksimal beban yang di ijinkan maka customer 25

dapat digabung dengan customer 27, customer 26 dan customer 24.

Proses penggabungan ini dilakun terus menerus sama tapi tidak ditemukan

lagi kombinasi yang feasible dan sampai batas maksimal pengiriman yang di ijinkan

oleh pihak ekspedisi.

Tabel 7. Saving Matrix- Iterasi-Ke-Tiga


60

Setelah tidak ditemukan lagi kombinasi yang feasible dan kapasitas beban

yang berlebihan, maka rute berikutnya akan menggunakan rute kendaraan kedua. Hal

ini disebabkan karena berapa pun penambahan penghematan jarak yang akan

dilakukan akan menyebabkan kelebihan beban muatan yang telah ditentukan oleh

pihak ekspedisi. Untuk rute 1 alat transportasi yang digunakan sudah mengangkut

sebanyak 5996 kg (599 box) dari kapasitas yang diijinkan adalah 6000kg atau 600

box. Untuk memenuhi kapasitas alat transportasi yang digunakan diperlukan 6000 –

5996 = 4kg lagi, dalam hal ini semua customer yang masih belum terlayani

mempunyai permintaan lebih dari jumlah tersebut yaitu 4kg. untuk rute kendaraan

kedua, prosedur iterasi juga dilakukan sama seperti pada rute kendaraan pertama.

Proses penambahan rute dilakukan sampai seluruh customer yang ada telah

dilayani semua. Dalam hal ini tidak menutup kemungkinan satu customer akan

dilayani oleh satu alat transportasi dan begitu pula sebaliknya satu pesawat (alat

transportasi) akan melayani beberapa customer, tetapi satu customer tidak dapat

dilayani oleh dua atau lebih alat transportasi (kecuali situasi khusus atau kondisi

mendesak).

61

Tabel 8. Saving Matrix – Setelah Dilakukan Itersi


Dari hasil iterasi,didapat lima rute pengiriman yaitu kelompok rute pertama [

CUS 1, CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27] , untuk

kelompok rute kedua [ CUS 17 ], untuk kelompok rute ketiga [ CUS 16, CUS 18],

untuk rute ke empat [ CUS 12, CUS 13], dan untuk rute terakhir yaitu rute kelima [

CUS 2, CUS 3, CUS 4, CUS 5,CUS 6, CUS 7, CUS 8, CUS 10, CUS 11, CUS 14]

yang masing-masing dilayani oleh satu alat transportasi. Langkah selanjutnya adalah

62

menentukan urutan-urutan kunjungan setiap customer dalam setiap rute yang telah di

kelompokan tersebut.

Dalam penelitian ini, penulis menggunakan tiga prosedur pengukuran yang

selanjutnya dipilih urutan yang menghasilkan total jarak paling minimal. Ketiga

prosedur tersebut adalah Nearest Insert, Nearet Neighbor, dan Sweep. Jarak antar

customer didasarkan pada angka-angka dalam distance matrix pada (Tabel 3).

1. Nearest Insert

a. Rute 1

Untuk alat transportasi dengan rute pertama melayani customer [ CUS 1,

CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS 26, CUS 27] dapat dilihat

dalam tabel dibawah ini.

Tabel 9. Hasil Itersai Untuk Rute 1

CUS LOKASI RUTE CDC 1 3 20 23 24 25 26 27 1 Banda aceh 1 17 0.0 3 Padang 1 8.5 8.6 0.0 20 Berau 1 13.5 30.5 15.5 0.0 23 Tarakan 1 14.9 31.9 16.5 1.4 0.0 24 Ambon 1 20.2 34.9 7.4 13.0 12.8 0.0 25 Manado 1 19.2 35.6 14.2 8.1 7.3 6.7 0.0 26 Timika 1 28.2 42.2 6.9 20.2 19.7 8.0 12.5 0.0 27 Jayapura 1 31.4 45.7 9.2 22.6 21.8 11.2 14.6 3.6 0.0


Untuk menentukan customer mana yang akan dikunjungi terlebih dahulu

kemudian dari customer yang satu ke customer lainnya dilakukan perhitungan

untuk menentukan jarak terpendek adalah sebagai berikut. Dimulai dari DC

63

kemudian untuk menentukan tujuan berikutnya di pilih jarak tempuh yang

terdekat dengan DC yaitu customer CUS 3. Hasil jarak perjalanannya adalah

DC menuju CUS 3 kemudian kembali ke DC.

Tabel 9.1. Metode Nearest Insert Rute Kendaraan 1 – Iterasi 1

DC CUS 1 17.0 17.0 34.1

DC CUS 3 8.49 8.5 17.0

DC CUS 20 13.5 13.5 26.9

DC CUS 23 14.9 14.9 29.7

DC CUS 24 20.2 20.2 40.4

DC CUS 25 19.2 19.2 38.5

DC CUS 26 28.2 28.2 56.3

DC CUS 27 31.4 31.4 62.8


Setelah melakukan proses iterasi pertama untuk rute pertama, hasilnya

yang ditampilkan pada tabel diatas kemudian menentukan rute jarak yang

terpendek sebagai customer yang akan di kunjungi untuk pertama kali dalam

rute pertama adalah CUS 3 yang memiliki jarak terdekat dari distribution

center (CD) yaitu 17.0.

Pada langkah selanjutnya, penambahan customer CUS 1 pada tip

(DC,CUS 3, CUS 1, DC) menghasilkan jarak 34.1, penambahan customer

64

CUS 20 menghasilkan jarak 37.5, penambahan jarak dari DC ke customer

CUS 3 ke customer CUS 23 adalah 39,9, penambahan customer CUS 24

menghasilkan jarak 36.1, penambahan jarak customer CUS 25 memiliki jarak

41.9, penambahan jarak customer CUS 26 memiliki jarak43.5, penambahan

jarak customer CUS 25 memiliki jarak49.1.


DC CUS 3 CUS 1 8.5 8.6 17 34.1

DC CUS 3 CUS 20 8.5 15.5 13.5 37.5

DC CUS 3 CUS 23 8.5 16.5 14.9 39.9

DC CUS 3 CUS 24 8.5 7.4 20.2 36.1

DC CUS 3 CUS 25 8.5 14.2 19.2 41.9

DC CUS 3 CUS 26 8.5 6.9 28.2 43.5

DC CUS 3 CUS 27 8.5 9.2 31.4 49.1


Setelah hasil dari perhitungan jarak untuk iterasi ke-dua pada rute

pertama ini, maka ditentukan lagi jarak yang terdekat pada iterasi kedua untuk

menentukan pelanggan mana yang akan dikunjungi berikutnya pada proses

distribusi ini setelah pelanggan CUS 3 setelah dikunjungi oleh suatu alat

transportasi. Dalam iterasi ke-dua ini jarak terdekat adalah 34.1 yang

merupakan rute dari DC, CUS3, CUS1, DC.

65

Selanjutnya penambahan customer CUS 20 pada trip (DC, CUS3,

CUS1, DC) menghasilkan jarak perjalanan 61.5, penambahan customer CUS

23 menghasilkan jarak perjalanan 63.9, penambahan customer CUS 24

menghasilkan jarak perjalanan 72.2, penambahan customer CUS 25



menghasilkan jarak perjalanan 94.2.


DC CUS 3 CUS 1 CUS 20 8.5 8.6 30.5 13.5 61.1

DC CUS 3 CUS 1 CUS 23 8.5 8.6 31.9 14.9 63.9

DC CUS 3 CUS 1 CUS 24 8.5 8.6 34.9 20.2 72.2

DC CUS 3 CUS 1 CUS 25 8.5 8.6 35.6 19.2 71.9

DC CUS 3 CUS 1 CUS 26 8.5 8.6 42.2 28.2 87.4

DC CUS 3 CUS 1 CUS 27 8.5 8.6 45.7 31.4 94.2


Setelah perhitungan iterasi ke-tiga pada rute pertama didapatkan, maka

proses penentuan jarak terdekat berikutnya dilakukan untuk menentukan

customer mana yang selanjutnya dikunjungi setelah customer CUS 3, dan

CUS 1. Pada hasil iterasi ke-tiga rute pertama ditemukan jarak terpendek

adalah 61.1, yang merupakan rute dari DC, CUS3, CUS1, CUS 20, DC.

66

Selanjutnya penambahan customer CUS 23 pada trip (DC, CUS3, CUS1,

CUS20, DC) menghasilkan jarak perjalanan 63.9, penambahan customer CUS

24 menghasilkan jarak perjalanan 80.8, penambahan customer CUS 25



menghasilkan jarak perjalanan 101.5. Hasil iterasi ke-empat adalah sebagai

berikut:


D C CUS 3 CUS 1 CUS 20 CUS 23 8.5 8.6 30.5 1.4 14.9 63.9

DC CUS 3 CUS 1 CUS 20 CUS 24 8.5 8.6 30.5 13.0 20.2 80.8

DC CUS 3 CUS 1 CUS 20 CUS 25 8.5 8.6 30.5 8.1 19.2 74.8

DC CUS 3 CUS 1 CUS 20 CUS 26 8.5 8.6 30.5 20.2 28.2 96.0

DC CUS 3 CUS 1 CUS 20 CUS 27 8.5 8.6 30.5 22.6 31.4 101.5


Pada iterasi ke-empat dilakukan proses yang sama seperti iterasi-iterasi

sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi ke-

empat ini jarak terdekat adalah 63.9 yang merupakan rute dari DC, CUS3,

CUS1, CUS20 CUS23, DC.

Selanjutnya dilakukan iterasi ke-lima yaitu penambahan customer CUS

24 pada trip (DC,CUS3,CUS1, CUS20, CUS 23, DC) menghasilkan jarak

perjalanan 82.0, penambahan customer CUS 25 menghasilkan jarak

67



perjalanan 102.2. Hasil iterasi ke-lima adalah sebagai berikut:


DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 24 8.5 8.6 30.5 1.4 12.8 20.2 82.0





Proses selanjutnya menentukan jarak terpendek pada hasil iterasi ke-lima

rute yang pertama. Pada iterasi ke lima ini jarak terdekat adalah 75.5 yang

merupakan rute dari DC, CUS3, CUS1, CUS20 CUS23, CUS 25, DC.

Selanjutnya dilakukan iterasi ke-enam yaitu penambahan customer CUS

24 pada trip (DC,CUS3,CUS1, CUS20, CUS 23, CUS 25, DC) menghasilkan

jarak perjalanan 83.2, penambahan customer CUS 26 menghasilkan jarak


perjalanan 98.9. Hasil iterasi ke-enam adalah sebagai berikut:

68


DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 24 8.5 8.6 30.5 1.4 7.3 6.7 20.2 83.2




Pada iterasi ke-enam dilakukan proses yang sama seperti iterasi-iterasi

sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi ke-

enam ini jarak terdekat adalah 83.2 yang merupakan rute dari DC, CUS3,

CUS1, CUS20 CUS23, CUS 25, CUS 24, DC.

Selanjutnya dilakukan iterasi ke-tujuh yaitu penambahan customer CUS

26 pada trip (DC, CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, DC)


menghasilkan jarak perjalanan 105.6. Hasil iterasi ke-enam adalah sebagai

berikut:


DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 24 CUS 26 8.5 8.6 30.5 1.4 7.3 6.7 8.0 28.2 99.2

DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 24 CUS 27 8.5 8.6 30.5 1.4 7.3 6.7 11.2 31.4 105.6


69

Proses selanjutnya menentukan jarak terpendek pada hasil iterasi ke-tujuh

rute yang pertama. Pada iterasi ke-tujuh ini jarak terdekat adalah 99.2 yang

merupakan rute dari DC, CUS3, CUS1, CUS20, CUS23, CUS 25, CUS 24,

CUS 26, DC.

Pada iterasi ke-delapan, merupakan iterasi yang terakhir karena semua

customer di lalui oleh alat transportasi untuk membawa permintaan spare

parts kecuali customer CUS 27. Penambahan customer CUS 27 pada trip

(DC, CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, DC)

menghasilkan jarak perjalanan 106.0.


DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 24 CUS 26 CUS 27 8.5 8.6 30.5 1.4 7.3 6.7 8.0 3.6 31.4 106.0


Pada iterasi ini di temukan jarak optimal untuk rute satu sebesar 106.6,

yang merupakan rute perjalanan mulai dari DC, CUS3, CUS1, CUS20, CUS

23, CUS 25, CUS 24, CUS 26, CUS 27, DC dengan total jarak tempuh 106.6.

b. Rute 2


CUST LOKASI CDC CUS

19 CUS 21

CUS 22

CUS 19 Ujung pandang 12.0 0.0 CUS 21 Bontang 12.2 6.3 0.0 CUS 22 Palu 13.4 5.0 2.2 0.0


70


DC CUS 19 12.0 12.0 24.1

DC CUS 21 12.2 12.2 24.4

DC CUS 22 13.4 13.4 26.8



DC CUS 19 CUS 21 12.0 6.3 12.2 30.6 DC 19 CUS 22 12.0 5.0 13.4 30.5



DC CUS 19 CUS 21 CUS 22 12.0 6.3 2.2 13.4 34.0


c. Rute 3

Pada rute ke-dua ini hanya memiliki satu pelanggan saja yang dilayani

jadi proses iterasi yang digunakan hanya satu kali saja.


CUSTOMER LOKASI CDC CUS 17

CUS 17 Senakin 9.5 0.0 Sumber: Hasil Pengolahan Data

71

Proses iterasi pertama dalam rute kedua ini memiliki total jarak yaitu

19.0. yang berarti satu alat transportasi melayani satu customer saja.


DC 17.0 9.5 9.5 19.0


d. Rute 4


RUTE 4 CUSTOMER LOKASI CDC 16 18

16 Balikpapan 10.8 0.0 18 Samarinda 10.8 0.0 0.0


Proses iterasi dilakukan sebanyak dua kali yang pertama adalah


DC 16 10.8 0.0 10.8

DC 18 10.8 0.0 10.8


Karena hasil iterasi menunjukan jarak yang sama maka di pilih salah satu.

Jarak yang terdekat dengan DC adalah 10.8.

72

Iterasi ke-dua adalah


DC 16 18 10.8 0.0 10.8 21.6


Total jarak tempuh pada rut eke tiga ini adalah 21.6

e. Rute 5




DC 12 8.1 8.1 16.1

DC 13.0 9.4 9.4 18.9


Proses iterasi pertama menghasilkan jarak minimum sebesar 16.1


CDC 12 13 8.1 8.1 1.4 17.5


Proses iterasi kedua menghasilkan jarak total sebesar 17.5.

CUSTOMER LOKASI CDC 12 13

12 Banjarmasin 8.1 0.0

13 Adaro 9.4 1.4 0.0

73

f. Rute 6


CUS LOKASI CDC 2 4 5 6 7 8 10 11 14 2 Medan 13.6 0.0 4 Pekanbaru 9.4 19.2 0.0 5 Jambi 6.7 17.7 2.8 0.0 6 Palembang 4.5 16.2 5.0 2.2 0.0 7 Pangkalpinang 4.0 17.0 6.4 3.6 2.0 0.0 8 Bandar lampung 2.2 13.4 7.6 5.1 3.0 3.6 0.0

10 Pontianak 7.6 21.1 8.1 6.1 5.8 4.2 7.8 0.0 11 Semarang 2.2 15.6 9.9 7.1 5.0 3.6 4.0 6.1 0.0 14 Surabaya 6.3 19.1 12.5 9.8 8.2 6.3 8.1 5.8 4.1 0.0


74

Langkah-langkah iterasi yang dilakukan sampai menemukan jarak

tempuh yang optimum adalah


DC CUS 2 13.6 13.6 27.2

DC CUS 4 9.4 9.4 18.9

DC CUS 5 6.7 6.7 13.4

DC CUS 6 4.5 4.5 8.9

DC CUS 7 4.0 4.0 8.0

DC CUS 8 2.2 2.2 4.5

DC CUS 10 7.6 7.6 15.2

DC CUS 11 2.2 2.2 4.5

DC CUS 14 6.3 6.3 12.6


75


CDC 8 2 2.2 13.4 13.6 29.3

CDC 8 4 2.2 7.6 9.4 19.3

CDC 8 5 2.2 5.1 6.7 14.0

CDC 8 6 2.2 3.0 4.5 9.7

CDC 8 7 2.2 3.6 4.0 9.8

CDC 8 10 2.2 7.8 7.6 17.7

CDC 8 11 2.2 4.0 2.2 8.5

CDC 8 14 2.2 8.1 6.3 16.6



CDC 8 11 2

2.2 4.0 15.6 13.6 35.5 CDC 8 11 4

2.2 4.0 9.9 9.4 25.6 CDC 8 11 5

2.2 4.0 7.1 6.7 20.0 CDC 8 11 6

2.2 4.0 5.0 4.5 15.7 CDC 8 11 7

2.2 4.0 3.6 4.0 13.8 CDC 8 11 10

2.2 4.0 6.1 7.6 19.9 CDC 8 11 14

2.2 4.0 5.8 6.3 18.4 Sumber: Hasil Pengolahan Data

76


CDC 8 11 7 2 2.2 4.0 3.6 17.0 13.6 40.4

CDC 8 11 7 4 2.2 4.0 3.6 6.4 9.4 25.7

CDC 8 11 7 5 2.2 4.0 3.6 3.6 6.7 20.2

CDC 8 11 7 6 2.2 4.0 3.6 2.0 4.5 16.3

CDC 8 11 7 10 2.2 4.0 3.6 4.2 7.6 21.7

CDC 8 11 7 14 2.2 4.0 3.6 6.3 6.3 22.5



CDC 8 11 7 6 2 2.2 4.0 3.6 2.0 16.2 13.6 41.6

CDC 8 11 7 6 4 2.2 4.0 3.6 2.0 5.0 9.4 26.3

CDC 8 11 7 6 5 2.2 4.0 3.6 2.0 2.2 6.7 20.8

CDC 8 11 7 6 10 2.2 4.0 3.6 2.0 5.8 7.6 25.3

CDC 8 11 7 6 14 2.2 4.0 3.6 2.0 8.2 6.3 26.4


77


CDC 8 11 7 6 5 2 2.2 4.0 3.6 2.0 2.2 17.7 13.6 45.4

CDC 8 11 7 6 5 4 2.2 4.0 3.6 2.0 2.2 2.8 9.4 26.3

CDC 8 11 7 6 5 10 2.2 4.0 3.6 2.0 2.2 6.1 7.6 27.8

CDC 8 11 7 6 5 14 2.2 4.0 3.6 2.0 2.2 9.8 6.3 30.3



CDC 8 11 7 6 5 4 2 2.2 4.0 3.6 2.0 2.2 2.8 19.2 13.6 49.7

CDC 8 11 7 6 5 4 10 2.2 4.0 3.6 2.0 2.2 2.8 8.1 7.6 32.6

CDC 8 11 7 6 5 4 14 2.2 4.0 3.6 2.0 2.2 2.8 12.5 6.3 35.8



CDC 8 11 7 6 5 4 10 2 2.2 4.0 3.6 2.0 2.2 2.8 8.1 21.1 13.6 59.7

CDC 8 11 7 6 5 4 10 14 2.2 4.0 3.6 2.0 2.2 2.8 8.1 5.8 6.3 37.1



CDC 8 11 7 6 5 4 10 14 2 2.2 4.0 3.6 2.0 2.2 2.8 8.1 5.8 19.1 13.6 63.5


78

2. Nearet Neighbor

a. Rute 1

Dengan menggunakan metode Nearet Neighbor, rute pertama untuk

pelayanan customer CUS 1, CUS 3, CUS 20, CUS 23, CUS 24, CUS 25, CUS

26, CUS 27] dapat dilihat dalam tabel dibawah ini.


CUS LOKASI RUTE CDC 1 3 20 23 24 25 26 27 1 Banda aceh 1 17 0.0 3 Padang 1 8.5 8.6 0.0

20 Berau 1 13.5 30.5 15.5 0.0 23 Tarakan 1 14.9 31.9 16.5 1.4 0.0 24 Ambon 1 20.2 34.9 7.4 13.0 12.8 0.0 25 Manado 1 19.2 35.6 14.2 8.1 7.3 6.7 0.0 26 Timika 1 28.2 42.2 6.9 20.2 19.7 8.0 12.5 0.0 27 Jayapura 1 31.4 45.7 9.2 22.6 21.8 11.2 14.6 3.6 0.0


Dengan menggunakan hasil dari distance matrix dapat ditentukan

customer mana yang harus dilalui oleh alat trasportasi terlebih dahulu,

kemudian akan dilanjutkan ke customer lain sampai seluruh customer dapat

terlayani dalam satu rute ini.

Prinsip dasar dari metode Nearet Neighbor adalah memilih jalur yang

sudah dikelompokan dalam satu rute yang memiliki jarak tempuh terkecil

yang mempunyai jarak terdekat dengan distribution center (DC) kemudian

dilanjutkan ke jarak pelanggan yang terdekat dengan pelanggan yang sudah di

79

lalui oleh alat transportasi, sampai seluruh customer dalam rute yang

dikelompokan tersebut di layani semuanya.

Tabel 15.1. Metode Nearest Neighbor Rute Kendaraan 1

DC 3 1 20 23 25 24 26 27 8.5 8.6 30.5 1.4 7.3 6.7 8.0 3.6 31.4 106.0


Untuk pelayanan customer dalam rute pertama ini dimulai dari

distribution center sebagai tempat dimana barang itu akan mulai dikirim

kemudian menuju lokasi customer yang jaraknya sangat dekat dengan DC

tersebut. Jarak yang paling dekat dengan DC adalah CUS 3 yang memiliki

jarak tempuh 8.5, kemudian dari CUS 3 ditentukan lagi jarak yang paling

dekat dengan CUS 3 dan lokasi itu adalah pada CUS1 yang memiliki jarak

tempuh 8.6, kemudian jarak yang paling dekat dengan CUS 1 adalah CUS 20

yang memiliki jarak tempuh 30.5, kemudian jarak terdekat dari CUS 20

adalah CUS 23 yang memiliki jarak tempuh 1.4, kemudian jarak yang paling

dekat dengan CUS 23 adalah CUS 25 yang memiliki jarak tempuh 7.3,

Kemudian jarak yang paling dekat dengan CUS 25 adalah CUS 24 yang

memiliki jarak tempuh 6.7, kemudian jarak yang terdekat dengan CUS 24

adalah CUS 26 yang memiliki jarak tempuh 8.0, kemudian jarak yang paling

dekat dengan CUS 26 adalah CUS 27 yang memiliki jarak tempuh 3.6, dan

untuk CUS 27 jarak yang digunakan adalah jarak dari CUS 27 kembali ke DC

jaraknya adalah 31.4. setelah jarak dari masing-masing customer dalam rute

80

satu ini diketahui, selanjutnya semua jarak dari masing-masing customer

dijumlahkan sehingga ditemukan jarak optimal. Dalam rute satu ini total jarak

atau jarak yang paling optimal adalah 106.0.

Untuk rute-rute berikutnya dapat dilakukan prosedur yang sama dalam

menentukan lokasi customer mana yang harus dikunjungi terlebih dahulu dan

seberapa besar jarak optimal yang dapat ditempuh oleh sebuah alat

transportasi untuk mendapatkan biaya pengiriman yang paling optimum.

b. Rute2


CUSTOMER LOKASI CDC CUS 19 CUS 21 CUS 22 CUS 19 Ujung pandang 12.0 0.0 CUS 21 Bontang 12.2 6.3 0.0 CUS 22 Palu 13.4 5.0 2.2 0.0



DC 19.0 22.0 21.0 12.0 5.0 2.2 12.2 31.4


c. Rute 3


RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0


81


DC 17.0 9.5 9.5 19.0


d. Rute 4






DC 16 18 10.8 0.0 10.8 21.6


e. Rute 5

Tabel 19. Hasil itersai untuk rute 5



CDC 12 13 8.1 8.1 1.4 17.5


CUSTOMER LOKASI CDC 12 13

12 Banjarmasin 8.1 0.0

13 Adaro 9.4 1.4 0.0

82

f. Rute 6






DC 7.0 6.0 5.0 4.0 8.0 10.0 14.0 11.0 2.0 2.2 3.6 2.0 2.2 2.8 7.6 5.8 4.1 15.6 13.6 59.7


3. Sweep

a. Rute 1

Dalam prosedur sweep, pertama-tama menentukan customer mana saja

yang berada dalam satu rute yang telah di kelompokan melalui proses distance

matrix.

83


CUS LOKASI RUTE CDC 1 3 20 23 24 25 26 27 1 Banda aceh 1 17 0.0 3 Padang 1 8.5 8.6 0.0

20 Berau 1 13.5 30.5 15.5 0.0 23 Tarakan 1 14.9 31.9 16.5 1.4 0.0 24 Ambon 1 20.2 34.9 7.4 13.0 12.8 0.0 25 Manado 1 19.2 35.6 14.2 8.1 7.3 6.7 0.0 26 Timika 1 28.2 42.2 6.9 20.2 19.7 8.0 12.5 0.0 27 Jayapura 1 31.4 45.7 9.2 22.6 21.8 11.2 14.6 3.6 0.0


Kemudian menentukan customer mana yang harus di kunjungi terlebih

dahulu, kemudian customer mana yang harus dikunjungi setelah customer

yang sudah di kunjungi sebelumnya, sampai semua customer dapat dilayani.

Dalam mendapatkan jarak yang optimal maka prosedur menambahkan jarak

dari setiap customer yang di jumpai adalah dengan alur searah jarum jam atau

berlawanan jarum jam dengan DC sebagai titik awal.

Tabel 21.1. Metode Sweep Rute Kendaraan 1

DC 3 1 20 23 25 24 26 27 8.5 8.6 30.5 1.4 7.3 6.7 8.0 3.6 31.4 106.0


Perhitungan penjumlahan customer diawali dari DC sebagai starting

point, customer yang di jumpai secara berturut-turut dengan rute perjalanan

searah jarum jam adalah CUS3, CUS1, CUS20, CUS 23, CUS 25, CUS 24,

CUS 26, CUS 27, sehingga menghasilkan rute perjalanan adalah DC, CUS3,

84

CUS1, CUS20, CUS 23, CUS 25, CUS 24, CUS 26, CUS 27, DC. Kemudian

dari setiap lokasi yang ada memiliki jarak masing-masing. Jarak dari masing-

masing lokasi pelanggan ini di jumlahkan untuk mendapatkan jarak yang

optimum. Total jarak pada rute pertama ini adalah 106.0.

b. Rute2


CUSTOMER LOKASI CDC CUS 19 CUS 21 CUS 22 CUS 19 Ujung pandang 12.0 0.0 CUS 21 Bontang 12.2 6.3 0.0 CUS 22 Palu 13.4 5.0 2.2 0.0



DC 19.0 22.0 21.0 12.0 5.0 2.2 12.2 31.4


c. Rute 3


RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0


85


DC 17.0 9.5 9.5 19.0


d. Rute 4






DC 16 18 10.8 0.0 10.8 21.6


e. Rute 5


CUSTOMER LOKASI CDC 12 13 12 Banjarmasin 8.1 0.0 13 Adaro 9.4 1.4 0.0



DC 13 12 9.4 1.4 8.1 18.9


86

f. Rute 6






DC 14 11 8 7 6 5 4 2 10 6.3 4.1 4.0 3.6 2.0 2.2 2.8 19.2 21.1 7.6 73.1


Urutan perjalanan suatu alat trasportasi untuk mendistribusikan sparepart

dengan Distribution Center (DC) berlokasikan di Jakarta dengan

menggunakan tiga metode yang beda adalah sebagai berikut:

87

Tabel 27. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda

Jenis Prosedur Hasil Urutan Perjalanan Jarak Tempuh

Rute 1 1, 3, 20, 23, 24, 25, 26, 27 Nearest Insert 3, 1, 20, 23, 24, 25, 26, 27 106.0

Nearest Neighbor 3, 1, 20, 23, 24, 25, 26, 27 106.0 Sweep 3, 1, 20, 23, 24, 25, 26, 27 106.0 Rute 2 19, 21, 22

Nearest Insert 19, 21, 22 31.4 Nearest Neighbor 19, 22, 21 31.4

Sweep 91, 22, 21 31.4 Rute 3 17

Nearest Insert 17 19.0 Nearest Neighbor 17 19.0

Sweep 17 19.0 Rute 4 16, 18

Nearest Insert 16, 18 21.6 Nearest Neighbor 16, 18 21.6

Sweep 18, 16 21.6 Rute 5 12, 13


Sweep 13, 12 18.9 Rute 6 2, 4, 5, 6, 7, 8, 10, 11, 14

Nearest Insert 8, 11, 7, 6, 5, 4, 10, 14, 2 63.5 Nearest Neighbor 7, 6, 5, 4, 8, 10, 14, 11, 2 59.7

Sweep 14, 11, 8, 7, 6, 5, 4, 2, 10 73.1 Sumber: Hasil Pengolahan Data

Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan

perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan

digunakan.

88

Tabel 28. Penjadwalan Pengirimana Dengan Metode Saving Matrix

Rute Lokasi Customer Jarak Tempuh Muatan Kendaraan 1 3, 1, 20, 23, 24, 25, 26, 27 106.0 5996 2 19, 22, 21 31.4 2944 3 17 19.0 4316 4 16, 18 21.6 5897 5 12, 13 17.5 5805 6 7, 6, 5, 4, 8, 10, 14, 11, 2 59.7 2308 jumlah 255.2 27266


Tabel diatas merupakan hasil yang akan digunakan untuk penjadwalan

pengiriman permintaan spare parts pada bulan oktober 2008 kepada setiap

customer dengan menggunakan metode saving matrix.

89

Berdasarkan (Tabel 28.) dapat dibuatkan peta rute pengiriman yang di

mulai dari Jakarta adalah sebagai berikut:


Skala = 1cm : 20.000.000 km.

Gambar 10. Peta Alur Distribusi Dari DEPO Jakarta Kesemua Customer (Cabang)

Pada gambar 10, dapat terlihat bahwa rute perjalanan dimulai dari

DEPO Jakarta sebagai DC (Distribution Center) kemudiaan melayani setiap

cabang atau customer yang sesuai dengan rute yang telah di hitung dengan

tiga metode Saving Matrix.

90

4.2.2.2 DEPO PEKANBARU

Untuk DEPO PT United Tractors yang ke-dua adalah di Pekanbaru, dapat



Skala = 1cm : 20.000.000 km.

Gambar 11. Lokasi DEPO Pekanbaru Dan Lokasi Cabang PT.UT






pecaha).DEPO Pekanbaru sebagai DC (Distribution Center).

91

Hasil perhitungan untuk DEPO Pekanbaru untuk menentukan jarak dari setiap

customer berdasarkan pada sumbu XY adalah sebagai berikut.

Tabel 29. Jarak Lokasi DEPO Dan Cabang Dalam Dua Titk Koordinat Pada Sumbu

XY

koordinat Permintaan CUSTOMER Lokasi

X y box Kg

CDC 0 0 - -

CUS 1 Banda aceh -6 5 3 14

CUS 2 Medan -3 3 49 269

CUS 3 Padang 0 -2 78 554

CUS 5 Jambi 2 -2 20 40

CUS 6 Palembang 3 -4 49 111

CUS 7 Pangkalpinang 5 -4 48 367

CUS 8 Bandar lampung 3 -7 28 191

CUS 10 Pontianak 8 0 57 553

CUS 11 Semarang 7 -9 33 215

CUS 12 Banjarmasin 12 -4 318 2909

CUS 13 Adaro 12 -2 260 2896

CUS 14 Surabaya 11 -9 69 522

CUS 15 Sangata 13 1 352 4177

CUS 16 Balikpapan 14 -2 151 982

CUS 17 Senakin 14 -5 17 139

CUS 18 Samarinda 14 -1 431 4915

CUS 19 Ujung pandang 17 -7 100 722

CUS 20 Berau 14 2 173 1833

CUS 21 Bontang 15 0 152 1965

CUS 22 Palu 17 -2 49 257

CUS 23 Tarakan 15 3 71 775

CUS 24 Ambon 25 -5 11 91

CUS 25 Manado 22 1 68 872

CUS 26 Timika 33 -5 49 345

CUS 27 Jayapura 36 -3 94 1512 Sumber:Hasil Pengolahan Data

92

Langkah-langkah yang dilakukan pada metode Saving matrixsama dengan

langkah-langkah yang dilakukan pada DEPO Pekanbaru. hasil perhitungan metode

saving matrix pada DEPO Pekanbaru adalah sebagai berikut

Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di

tentukan berdasarkan pada sumbu XY hasilnya adalah


Sumber:Hasil Pengolahan Data

93

Hasil perhitungan savging matrix berdasarkan data dari distance matrix

adalah sebagai berikut:

Tabel 31. Tabel Penghematan Jarak


94

Selanjutnya adalah menentukan rute dari setiap customer yang berdasarkan

pada data Saving Matrix. Hasil perhitungannya adalah sebagai berikut:

Tabel 32. Saving Matrix – Hasil Setelah Dilakukan Iterasi


95

Dari hasil iterasi yang dilakukan berdasarkan tabel diatas dapat dikelompokan

kedalam lima rute. Rute-rute tersebut adalah:

a. Rute 1 : CUS 11, CUS 16, CUS 17, CUS 22, CUS 23, CUS 24, CUS 25,

CUS 26, CUS 27.

b. Rute 2 : CUS 1, CUS 2, CUS 5, CUS 6, CUS 7, CUS 8, CUS 10, CUS

14, CUS 20, CUS 21.

c. Rute 3 : CUS 18.

d. Rute 4 : CUS 15.

e. Rute 5 : CUS 12, CUS 13.

Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart

dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan

tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai

berikut:

96

Tabel 33. Hasil Urutan-Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga Metode Yang Berbeda


Rute 1 11, 16, 17, 22, 23, 24, 25, 26, 27 Nearest Insert 11, 17, 16, 23, 22, 25, 24, 26, 27 95.1

Nearest Neighbor 11, 17, 16, 22, 23, 25, 24, 26, 27 92.6 Sweep 27, 26, 24, 25, 22, 16,17, 11, 23 104.1 Rute 2 1, 2, 5, 6, 7, 8, 10, 14, 20, 21

Nearest Insert 5, 6, 7, 8, 2, 1, 10, 20, 21, 14 81.0 Nearest Neighbor 5, 6, 7, 8, 14, 10, 20, 21, 2, 1 66.6

Sweep 21, 14, 8, 7, 6, 5, 1, 2, 10, 20 87.0 Rute 3 3, 18


Sweep 18, 13 30.1 Rute 4 15


Sweep 15 26.1 Rute 5 12, 13


Sweep 13, 12 26.8 Sumber:Hasil Pengolahan Data

97

Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan

mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan.


Rute Lokasi Customer Jarak Tempuh Muatan Kendaraan 1 11, 17, 16, 22, 23, 25, 24, 26, 27 92.6 5910 2 5, 6, 7, 8, 14, 10, 20, 21, 2, 1 66.6 5865 3 3, 18 30.1 5469 4 15 26.1 4177 5 13, 12 26.8 5805 Jumlah 242.2 27226



pengiriman permintaan spare parts pada bulan oktober 2008 kepada setiap customer

dengan menggunakan metode saving matrix.

98

Berdasarkan (Tabel 34.) dapat dibuatkan peta rute pengiriman yang di mulai

dari balikpapan adalah sebagai berikut:


Skala = 1cm : 20.000.000 km.

Gambar 12. Peta Alur Distribusi Dari DEPO Pekanbaru Kesemua Customer

(Cabang)


DEPO Pekanbaru sebagai DC (Distribution Center) kemudiaan melayani

setiap cabang atau customer yang sesuai dengan rute yang telah di hitung

dengan tiga metode Saving Matrix.

99

4.2.2.2 DEPO BANJARMASIN

Untuk DEPO PT United Tractors yang ke-tiga adalah di Banjarmasin, dapat



Skala = 1cm : 20.000.000 km.

Gambar 13. Lokasi DEPO Banjarmasin Dan Lokasi Cabang PT.UT






pecaha).DEPO Banjarmasin sebagai DC (Distribution Center).

100

Hasil perhitungan untuk DEPO Banjarmasin untuk menentukan jarak dari

setiap customer berdasarkan pada sumbu XY adalah sebagai berikut:

Table 35. Jarak Lokasi DEPO Dan Cabang Dalam Dua Titk Koordinat Pada Sumbu XY


X y box Kg

CDC 0 0 - -


CUS 2 Medan -15 8 49 269

CUS 3 Padang -13 3 78 554


CUS 6 Palembang -9 0 49 111

CUS 7 Pangkalpinang -7 0 48 367

CUS 8 Bandar lampung -9 -3 28 191

CUS 10 Pontianak -4 4 57 553

CUS 11 Semarang -5 4 33 215

CUS 13 Adaro 0 2 260 2896

CUS 14 Surabaya -1 -5 69 522

CUS 15 Sangata 1 5 352 4177

CUS 16 Balikpapan 2 2 151 982

CUS 17 Senakin 2 -1 17 139

CUS 18 Samarinda 2 3 431 4915

CUS 19 Ujung pandang 5 2 100 722

CUS 20 Berau 3 6 173 1833

CUS 21 Bontang 4 4 152 1965

CUS 22 Palu 5 -2 49 257

CUS 23 Tarakan 4 7 71 775

CUS 24 Ambon 14 0 11 91

CUS 25 Manado 10 5 68 872

CUS 26 Timika 22 1 49 345

CUS 27 Jayapura 24 0 94 1512 Sumber:Hasil Pengolahan Data

101

Langkah-langkah yang dilakukan pada metode Saving matrix sama dengan langkah-

langkah yang dilakukan pada DEPO Banjarmasin. Hasil perhitungan metode saving

matrix pada DEPO Banjarmasin adalah sebagai berikut


tentukan berdasarkan pada sumbu XY hasilnya adalah:



102

Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan

hasil penentuan rute dari setiap customer yang berdasarkan pada data seving matrix






103


berikut:

Tabel 38. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga

Metode Yang Berbeda


Rute 1 1, 2, 3, 4, 5, 6, 7, 8, 10, 1, 14, 24, 25, 26, 27 Nearest Insert 14,7,10,11,6,8,5,4,3,2,1,25,24,26,27, 117.2

Nearest Neighbor 14,7,6,8,5,4,3,2,1,11,10,25,24,26,27 108.5 sweep 27,26,24,14,11,8,1,2,4,3,5,6,7,10,25 133.4

Rute 2 19, 20, 21, 22, 23 Nearest Insert 19,21,20,23,22 21.8

Nearest Neighbor 19,21,20,23,22 21.8 sweep 19,23,20,21,22 25.6 Rute 3 16, 18

Nearest Insert 16.18 7.4 Nearest Neighbor 18, 16 7.4

sweep 18,16 7.4 Rute 4 15, 17

Nearest Insert 17.15 13.4 Nearest Neighbor 17,15 13.4

sweep 17,15 13.4 Rute 5 13


sweep 13 4.0 Sumber:Hasil Pengolahan Data

104




Rute Lokasi Customer Jarak Tempuh Muatan Kendaraan 1 14,7,6,8,5,4,3,2,1,11,10,25,24,26,27 108.5 5696 2 19,21,20,23,22 21.8 5295 3 18, 16 7.4 5897 4 17,15 13.4 4177 5 13 4.0 2896 Jumlah 155.1 23961





105


dari Banjarmasin adalah sebagai berikut:


Skala = 1cm : 20.000.000 km.

Gambar 14. Peta Alur Distribusi Dari DEPO Banjarmasin Kesemua Customer

(Cabang)


DEPO Banjarmasin sebagai DC (Distribution Center) kemudiaan melayani



106

4.2.2.4 DEPO BALIKPAPAN

Untuk DEPO PT United Tractors yang ke-empat adalah di Balikpapan, dapat



Skala = 1cm : 20.000.000 km.

Gambar 15. Lokasi DEPO Balikpapan Dan Lokasi Cabang PT.UT






pecaha).DEPO Balikpapan sebagai DC (Distribution Center).

107

Hasil perhitungan untuk DEPO Balikpapan, untuk menentukan jarak dari

setiap customer berdasarkan pada sumbu XY adalah sebagai berikut:


X y box Kg

CDC 0 0 - -


CUS 2 Medan -17 6 49 269

CUS 3 Padang -15 1 78 554


CUS 6 Palembang -11 -1 49 111

CUS 7 Pangkalpinang -9 -1 48 367

CUS 8 Bandar lampung -11 -4 28 191

CUS 10 Pontianak -6 2 57 553

CUS 11 Semarang -7 -6 33 215

CUS 12 Banjarmasin -2 -2 318 2909

CUS 13 Adaro -1 0 260 2896

CUS 14 Surabaya -3 -7 69 522

CUS 15 Sangata -1 3 352 4177

CUS 17 Senakin 0 -3 17 139

CUS 18 Samarinda 0 1 431 4915

CUS 19 Ujung pandang 3 -4 100 722

CUS 20 Berau 0 4 173 1833

CUS 21 Bontang 1 2 152 1965

CUS 22 Palu 3 0 49 257

CUS 23 Tarakan 1 5 71 775

CUS 24 Ambon 11 2 11 91

CUS 25 Manado 8 -3 68 872

CUS 26 Timika 14 -3 49 345

CUS 27 Jayapura 22 -1 94 1512 Sumber:Hasil Pengolahan Data

108

Langkah-langkah yang dilakukan sama dengan langkah-langkah yang

dilakukan pada DEPO Balikpapan. hasil perhitungan metode saving matrix pada

DEPO Balikpapan adalah sebagai berikut


tentukan berdasarkan pada sumbu XY hasilnya adalah:



109

Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan

hasil penentuan rute dari setiap customer yang berdasarkan pada data saving matrix






110


berikut:

Tabel 43. Hasil Urutan Lokasi Customer Yang Akan Dikunjungi Dengan Tiga

Metode Yang Berbeda

Jenis Prosedur Hasil Urutan Perjalanan Jarak Tempuh Rute 1 1,2,3,4,5,6,7,8,11,14,17,22,24,25,26,27

Nearest Insert 17,22,25,24,26,14,11,7,6,5,8,3,4,2,1,27 140.7 Nearest Neighbor 17,22,25,24,26,27,14,11,8,6,5,7,3,4,2,1 112.8

sweep 27,26,24,17,14,11,8,7,6,5,3,1,2,4,22,25 120.0 Rute 2 10,13,19

Nearest Insert 13,19,10 23.8 Nearest Neighbor 13,10,19 22.2

sweep 19,13,10 22.4 Rute 3 12,20,23

Nearest Insert 12,20,23 15.7 Nearest Neighbor 12,20,23 15.7

sweep 12,20,23 15.7 Rute 4 15,21

Nearest Insert 21,15 7.6 Nearest Neighbor 21, 15 7.6

sweep 15,21 7.6 Rute 5 18


sweep 18 2.0 Sumber:Hasil Pengolahan Data

111




Rute Lokasi Customer Jarak Tempuh Muatan Kendaraan 1 1,2,3,4,5,6,7,8,11,14,17,22,24,25,26,27 112.8 5696 2 10,13,19 22.2 5295 3 12,20,23 15.7 5897 4 15,21 7.6 4177 5 18 2.0 2896 Jumlah 160.3 23961





112


dari Balikpapan adalah sebagai berikut:


Skala = 1cm : 20.000.000 km.

Gambar 16. Peta Alur Distribusi Dari DEPO Balikpapan Keemua Customer (Cabang)


DEPO Balikpapan sebagai DC (Distribution Center) kemudiaan melayani



113

4.3 Perhitungan Biaya

Berdasarkan hasil olahan data pada metode saving matrix, perusahaan dapat

mengetahui seberapa besar biaya yang dikeluarkan oleh perusahaan untuk suatu

proses distribusi. adalah

1. DEPO Jakarta

114

Tabel 45. Biaya Distribusi Untuk DEPO Jakarta

CUS Lokasi DEMAND TOT

DEMAND BIAYA/Kg TOT BIAYA Rute 1

3 Padang 554 5996 7450 44670200 1 Banda aceh 14 5442 3000 16326000 20 Berau 1833 5428 7000 37996000 23 Tarakan 775 3595 2850 10245750 25 Manado 872 2820 5100 14382000 24 Ambon 91 1948 4500 8766000 26 Timika 345 1857 4500 8356500 27 Jayapura 1512 1512 3500 5292000 Rute 2

19 Ujung pandang 722 2944 8800 25907200 22 Palu 257 2222 3500 7777000 21 Bontang 1965 1965 3500 6877500 Rute 3

17 Senakin 139 139 9500 1320500 Rute 4

16 Balikpapan 982 5897 9500 56021500 18 Samarinda 4915 4915 2500 12287500 Rute 5

12 Banjarmasin 2909 5805 8700 50503500 13 Adaro 2896 2896 2500 7240000 Rute 6 7 Pangkalpinang 367 2308 6940 16017520 6 Palembang 111 1941 3000 5823000 5 jambi 40 1830 2500 4575000 4 Pekanbaru 40 1790 2500 4475000 8 Bandar lampung 191 1750 3000 5250000 10 Pontianak 553 1559 3250 5066750 14 Surabaya 522 1006 3150 3168900 11 Semarang 215 484 2500 1210000 2 Medan 269 269 7550 2030950

Total biaya untuk seluruh customer 361,586,270 Sumber:Hasil Pengolahan Data

115

2. DEPO Pekanbaru

Tabel 46. Biaya Distribusi Untuk DEPO Pekanbaru

CUS Lokasi DEMAND AVG

DEMAND BIAYA/Kg TOT BIAYA Rute 1

11 Semarang 215 5188 5500 28534000 17 Senakin 139 4973 4500 22378500 16 Balikpapan 982 4834 3500 16919000 22 Palu 257 3852 3000 11556000 23 Tarakan 775 3595 4250 15278750 25 Manado 872 2820 5100 14382000 24 Ambon 91 1948 4500 8766000 26 Timika 345 1857 4500 8356500 27 Jayapura 1512 1512 3500 5292000 Rute 2

5 jambi 40 5865 2500 14662500 6 Palembang 111 5825 2500 14562500 7 Pangkalpinang 367 5714 3000 17142000 8 Bandar lampung 191 5347 3500 18714500

14 Surabaya 522 5156 6100 31451600 10 Pontianak 553 4634 4300 19926200 20 Berau 1833 4081 2500 10202500 21 Bontang 1965 2248 2500 5620000 2 Medan 269 283 6650 1881950 1 Banda aceh 14 14 3000 42000

Rute 3 3 Padang 554 5469 2500 13672500

18 Samarinda 4915 4915 5900 28998500 Rute 4 15 Sangata 4177 4177 7200 30074400 Rute 6

13 Adaro 2896 5805 6800 39474000 12 Banjarmasin 2909 2909 2500 7272500

Total biaya untuk seluruh customer 385,160,400 Sumber:Hasil Pengolahan Data

116

3. DEPO Banjarmasin

Tabel 48. Biaya Distribusi Untuk DEPO Banjarmasin


DEMAND BIAYA/Kg TOT BIAYA Rute 1 14 Surabaya 522 5696 3500 19936000 7 Pangkalpinang 367 5174 5100 26387400 6 Palembang 111 4807 3000 14421000 8 Bandar lampung 191 4696 2500 11740000 5 Jambi 40 4505 3000 13515000 4 Pekanbaru 40 4465 2500 11162500 3 Padang 554 4425 3750 16593750 2 Medan 269 3871 3500 13548500 1 Banda aceh 14 3602 3000 10806000

11 Semarang 215 3588 9500 34086000 10 Pontianak 553 3373 6150 20743950 25 Manado 872 2820 7500 21150000 24 Ambon 91 1948 4500 8766000 26 Timika 345 1857 4500 8356500 27 Jayapura 1512 1512 3500 5292000 Rute 2

19 Ujung pandang 722 5552 4000 22208000 21 Bontang 1965 4830 4250 20527500 20 Berau 1833 2865 3000 8595000 23 Tarakan 775 1032 2500 2580000 22 Palu 257 257 4250 1092250 Rute 3

18 Samarinda 4915 5897 3000 17691000 16 Balikpapan 982 982 2500 2455000 Rute 4

17 Senakin 139 4316 2500 10790000 15 Sangata 4177 4177 3000 12531000 Rute 5

13 Adaro 2896 2896 3000 8688000 Total biaya untuk seluruh customer 343,662,350


117

4. DEPO Balikpapan

Tabel 49. Biaya Distribusi Untuk DEPO Balikpapan


DEMAND BIAYA/Kg TOT

BIAYA Rute 1 17 Senakin 139 5539 2500 13847500 22 Palu 257 5400 4300 23220000 25 Manado 872 5143 3000 15429000 24 Ambon 91 4271 4500 19219500 26 Timika 345 4180 4500 18810000 27 Jayapura 1512 3835 3500 13422500 14 Surabaya 522 2323 15000 34845000 11 Semarang 215 1801 2500 4502500 8 Bandar lampung 191 1586 3000 4758000 6 Palembang 111 1395 2500 3487500 5 Jambi 40 1284 2500 3210000 7 Pangkalpinang 367 1244 3500 4354000 3 Padang 554 877 3500 3069500 4 Pekanbaru 40 323 3750 1211250 2 Medan 269 283 3500 990500 1 Banda aceh 14 14 3000 42000 Rute 2

13 Adaro 2896 4171 2500 10427500 10 Pontianak 553 1275 4000 5100000 19 Ujung pandang 722 722 6500 4693000 Rute 3

12 Banjarmasin 2909 5517 3500 19309500 20 Berau 1833 2608 5100 13300800 23 Tarakan 775 775 2850 2208750 Rute 4

21 Bontang 1965 6142 5100 31324200 15 Sangata 4177 4177 3200 13366400 Rute 5

18 Samarinda 4915 4915 2800 13762000 Total biaya untuk seluruh customer 277,910,900


118

4.4 Kondisi Aktual Di Perusahan

Pada kondisi aktual di lapangan, proses pengiriman atau distribusi spare parts

dilakukan dengan cara mengirim atau mendistribusikan spare parts langsung dari

Distribution Center (DC) kemasing-masing cabang atau customer yang melakukan

order ke DEPOJakarta.

Adapun data-data proses pendistribusian spare parts yang dilakukan oleh PT.

United Tractors adalah sebagai berikut:

Tabel 50. Data-Data Permintaan Bearing dan O-ring

Sumber:Data Perusahaan

119

Tabel 51. Data-Data Permintaan Bearing dan O-ring


120

Tabel 52. Data-Data Total Permintaan Bearing dan O-ring dan biaya distribusi


Dari data-data tabel yang di peroleh dari perusahaan menyatakan bahwa

permintaan akan probuk Bearing dan O-ring cukup tinggi dibuktikan dengan

banyaknya frekuensi order yang dilakukan oleh cabang atau customer. Pada data ini

juga tercantum besarnya biaya yang dikeluarkan oleh perusahaan akibat proses

121

distribusi. Besarnya biaya yang dikeluarkan oleh perusahaan untuk proses distribusi

ini adalah sebesar Rp 354,522,430.

4.5 Analisis dan Pembahasan

Setelah dilakukan penelitiaan dengan menggunakan metode saving mtrix

dengan tiga metode yang berbeda, maka dari hasil pengolahaan data dapat di temukan

jarak atau rute terpendek. Penjadwalan dan penentuaan rute pengiriman spare parts

yang dilakukan oleh perusahaan saat ini masih kurang efisen karana rute dari setiap

pengiriman masih memiliki jarak tempuh yang jauh sehingga menimbulkan biaya

yang cukup besar.

Tujuan dari penjadwalan dan penentuan rute kendaraan adalah untuk

mengoptimalkan biaya yang dikeluarkan oleh perusahaan sehingga perusahaan dapat

meminimumkan biaya yang timbul akibat suatu proses distribusi dengan cara

mengurangi jarak tempuh suatu alat transportasi, mengurangi jumlah alat ransportasi

yang digunakan, dan mengurangi waktu yang dibutuhkan dalam suatu proses

distribusi. Dalam penjadwalan dan penentuaan rute kendaraan yang digunakan,

perusahaan harus dapat menentukan alat transpotasi mana yang akan melayani

customer mana dan rute pengiriman searah atau letaknya yang saling berdekataan

dapat digabung dengan merancang terlebih dahulu rute pengiriman yang harus

ditempuh oleh masing-masing alat transportasi agar dapat menghemat jarak

perjalanan dan secara langsung dapat mengurangi biaya untuk proses distribusi.

122

Perusahaan juga harus memperhatikan kondisi dari alat trasportasi yang

digunakan agar proses distribusi yang dilakukan dapat berjalan sesua dengan apa

yeng telah di jadwalkan, sehingga produk yang akan di kirim dapat sampai di tangan

pelanggan tepat waktu dan tidak rusak.

Selain penentuaan rute dan penjadwalan, letak dari DEPO juga dapat

mengurangi jumlah biaya yang tibul akibat proses distribusi karena dengan semakin

dekatnya lokasi DEPO dengan lokasi cabang atau customer maka biaya pengiriman

barang yang timbul akibat proses distribusi dan dapat menimalkan baik deri segi

waktu pengiriman barang dan biaya distibusi kesetiap pelanggan atau cabang.

Dengan menggunakan metode saving matriks dan penentuan Lokasi DEPO,

yaitu pada DEPO Balikpapan sebagai DC (Distribution Center) untuk produk

Bearing dan O-ring, maka perusshaan dapt menghemat biaya distribusi sebesar:

Jumlah Biaya Diminimalkan = Biaya Aktual – Biaya Metode SavingMmatrix

= 354,522,430 - 277,910,900 = 76,611,530

atau sebesar 21.6% dari biaya yang dikeluarkan perusahaan jika menggunakan prose

distribusi yang dilakuan perusahaan sekarang dan dengan lokasi DEPO di jakarta.

Dengan membantu memberikan usulan penjadwalan, penentuan rute serta

penentuaan lokasi DEPO untuk produk Bearing dan O-ring maka perusahaan

mendapat keuntungan berupa penghematan waktu pengiriman produk dan biaya

pengirimana suatu produk.

123

Supply chain Management merupakan suatu rangkaiaan baik secara langsung

maupun tidak langsung dalam pemenuhan permintaan pelanggan , digunakan untuk

mengiterasi pemasok (supplier), perusahaan manufaktur (manufactures),

pergudangan (warehouse), dan toko (stores). hubunganya sangat erat dengan

transportasi pada penjadwalan dan penentuan rute pengiriman dengan metode Saving

matrix karena dapt meminimumkan biaya dan waktu yang timbul akaibat suatu

proses distribusi yang dilakukan loh perusahaan dengan tingkat pelayanan yang

optimal.

Documents

BAB 4 ANALISIS DAN PENGOLAHAN DATA - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab4/2009-1-00475-TIAS Bab 4.pdf · DEPO dan cabang PT United Tractors. Skala jarak yang di gunakan oleh