15
OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS DENGAN MENGGUNAKAN LINEAR PROGRAMMING DAN MEMPERTIMBANGKAN HASIL PANEN (STUDI KASUS: PERUM BULOG SUB DIVRE I SURABAYA UTARA) Sabrina Hudani dan Suparno Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email: [email protected] ; [email protected] Abstrak Dalam memperkuat ketahanan pangan, dilakukan peningkatan ketersediaan pangan baik melalui proses produksi dalam negeri maupun impor. Oleh karena itu, pemerintah mendirikan suatu badan tersendiri yang menangani masalah pangan, yaitu Perum BULOG. Alokasi pengadaan beras pada Perum BULOG berdasarkan penggunaannya terdiri dari tiga bagian, yaitu Beras Miskin (RASKIN), Cadangan Beras Pemerintah (CBP), dan Operasi Pasar Murni (OPM). Untuk memenuhi kebutuhan pangan masyarakat Indonesia, BULOG perlu mengoptimalkan persediaan beras dalam gudangnya agar tidak terjadi stock out. Optimalisasi persediaan ini dapat dilakukan dengan mengaplikasikan salah satu metode optimasi, yaitu linear programming. Linear programming merupakan salah satu metode untuk menghasilkan solusi yang optimal. Dalam penelitian ini, linear programming bertujuan untuk memenuhi kebutuhan beras dan meminimalkan biaya distribusi. Selain itu, penelitian ini juga mempertimbangkan peramalan produksi padi dan kebutuhan beras di masa mendatang. Teknik peramalan dalam penelitian ini menggunakan metode regresi linier dan ARIMA. Dari hasil running LINGO didapatkan total biaya distribusi optimal selama tahun 2011 sebesar Rp 879.823.000.000,00 dimana total biaya ini lebih rendah dibandingkan dengan pragnosa perusahaan. Kata Kunci: Optimasi, Pengadaan, Linear Programming, Time Series ARIMA, Regresi. ABSTRACT For strengthened of food endurance, we increase food ability by increasing the production process inside outside. Therefore, the goverment founding an institute that handle of the food problem, that is Perum BULOG. Allocation of rice procurement in Perum BULOG based on utility consist of three part, there are Poor Rice (RASKIN), Government Spare Rice (CBP), and pure market operation (OPM). To provide of Indonesian people food requirement, BULOG need to optimizing rice stock in the warehouse to avoid stock out. This stock optimalization can be made by aplicating one of optimization method, that is linear programming. Linear programming is one of many method that provide a optimal solution. In this research, linear programming method used for fulfillment of demand and minimize distribution cost. Beside that, this research is also consider about forcasting of rice production and rise demand in the future. Forcasting technique in this research is use linear regression method and ARIMA. Based on result of LINGO, the optimal distribution cost in 2011 is Rp 879.823.000.000,00 which it lower than company’s estimation. Keyword: Optimization, Procurement, Linear Programming, Time Series ARIMA, Regression. 1. Pendahuluan Kebutuhan hidup yang terpenting bagi manusia setelah udara dan air adalah kebutuhan pangan. Pangan merupakan kebutuhan pokok bagi manusia untuk bertahan hidup. Untuk bisa bertahan hidup, manusia perlu usaha untuk memenuhi segala kebutuhannya, termasuk kebutuhan pangan. Ketahanan pangan baik bagi individu, rumah tangga, maupun komunitas merupakan hak azasi manusia. Dalam ketahanan pangan terdapat aspek supply yang mencakup proses produksi dan distribusi. Kebutuhan pangan yang pokok bagi masyarakat Indonesia adalah nasi yang berasal dari beras. Ketersediaan beras erat kaitannya dengan produksi padi para petani. Jika cuaca mendukung, maka produksi padi yang dihasilkan akan baik dan berlimpah. Namun, jika cuaca tidak mendukung, bisa mengakibatkan gagal panen sehingga produksi

OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

Embed Size (px)

Citation preview

Page 1: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS DENGAN

MENGGUNAKAN LINEAR PROGRAMMING DAN MEMPERTIMBANGKAN

HASIL PANEN (STUDI KASUS: PERUM BULOG SUB DIVRE I SURABAYA

UTARA)

Sabrina Hudani dan Suparno

Jurusan Teknik Industri

Institut Teknologi Sepuluh Nopember (ITS) Surabaya

Kampus ITS Sukolilo Surabaya 60111

Email: [email protected] ; [email protected]

Abstrak

Dalam memperkuat ketahanan pangan, dilakukan peningkatan ketersediaan pangan baik melalui proses

produksi dalam negeri maupun impor. Oleh karena itu, pemerintah mendirikan suatu badan tersendiri

yang menangani masalah pangan, yaitu Perum BULOG. Alokasi pengadaan beras pada Perum BULOG

berdasarkan penggunaannya terdiri dari tiga bagian, yaitu Beras Miskin (RASKIN), Cadangan Beras

Pemerintah (CBP), dan Operasi Pasar Murni (OPM). Untuk memenuhi kebutuhan pangan masyarakat

Indonesia, BULOG perlu mengoptimalkan persediaan beras dalam gudangnya agar tidak terjadi stock

out. Optimalisasi persediaan ini dapat dilakukan dengan mengaplikasikan salah satu metode optimasi,

yaitu linear programming. Linear programming merupakan salah satu metode untuk menghasilkan solusi

yang optimal. Dalam penelitian ini, linear programming bertujuan untuk memenuhi kebutuhan beras dan

meminimalkan biaya distribusi. Selain itu, penelitian ini juga mempertimbangkan peramalan produksi

padi dan kebutuhan beras di masa mendatang. Teknik peramalan dalam penelitian ini menggunakan

metode regresi linier dan ARIMA. Dari hasil running LINGO didapatkan total biaya distribusi optimal

selama tahun 2011 sebesar Rp 879.823.000.000,00 dimana total biaya ini lebih rendah dibandingkan

dengan pragnosa perusahaan.

Kata Kunci: Optimasi, Pengadaan, Linear Programming, Time Series ARIMA, Regresi.

ABSTRACT

For strengthened of food endurance, we increase food ability by increasing the production process inside

outside. Therefore, the goverment founding an institute that handle of the food problem, that is Perum

BULOG. Allocation of rice procurement in Perum BULOG based on utility consist of three part, there

are Poor Rice (RASKIN), Government Spare Rice (CBP), and pure market operation (OPM). To provide

of Indonesian people food requirement, BULOG need to optimizing rice stock in the warehouse to avoid

stock out. This stock optimalization can be made by aplicating one of optimization method, that is linear

programming. Linear programming is one of many method that provide a optimal solution. In this

research, linear programming method used for fulfillment of demand and minimize distribution cost.

Beside that, this research is also consider about forcasting of rice production and rise demand in the

future. Forcasting technique in this research is use linear regression method and ARIMA. Based on

result of LINGO, the optimal distribution cost in 2011 is Rp 879.823.000.000,00 which it lower than

company’s estimation.

Keyword: Optimization, Procurement, Linear Programming, Time Series ARIMA, Regression.

1. Pendahuluan

Kebutuhan hidup yang terpenting bagi

manusia setelah udara dan air adalah kebutuhan

pangan. Pangan merupakan kebutuhan pokok

bagi manusia untuk bertahan hidup. Untuk bisa

bertahan hidup, manusia perlu usaha untuk

memenuhi segala kebutuhannya, termasuk

kebutuhan pangan. Ketahanan pangan baik bagi

individu, rumah tangga, maupun komunitas

merupakan hak azasi manusia. Dalam ketahanan

pangan terdapat aspek supply yang mencakup

proses produksi dan distribusi. Kebutuhan

pangan yang pokok bagi masyarakat Indonesia

adalah nasi yang berasal dari beras.

Ketersediaan beras erat kaitannya dengan

produksi padi para petani. Jika cuaca

mendukung, maka produksi padi yang

dihasilkan akan baik dan berlimpah. Namun,

jika cuaca tidak mendukung, bisa

mengakibatkan gagal panen sehingga produksi

Page 2: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

2

padi tidak maksimal. Jika dilihat pada Gambar

1.1, luas panen tidak menentu setiap tahunnya.

Namun, luas panen total dari tahun 2007 sampai

dengan 2010 cenderung naik sehingga

diharapkan dapat memenuhi kebutuhan pangan

masyarakat. Dengan demikian, perlu dilakukan

pengendalian terhadap ketersediaan beras.

Untuk meningkatkan ketahanan pangan,

pemerintah mendirikan suatu lembaga, yaitu

Perum BULOG. Perum BULOG merupakan

satu-satunya Badan Usaha Milik Negara

(BUMN) yang mempunyai wewenang untuk

menangani kebutuhan pangan pokok dalam

negeri untuk pemenuhan hajat hidup orang

banyak. Tujuan didirikannya Perum BULOG

yaitu untuk menyelenggarakan usaha logistik

pangan pokok yang bermutu dan memadai bagi

pemenuhan hajat hidup orang banyak. Inti bisnis

Perum BULOG adalah usaha logistik pangan

pokok, khususnya beras. Dalam menjalankan

aktivitasnya, Perum BULOG harus mampu

memberikan kontribusi dalam peningkatan

efisiensi nasional hingga mengurangi beban

pemerintah dalam pengelolaan pangan nasional.

Tujuan dan tugas Perum BULOG dirancang

mengacu ke konsep ketahanan pangan dan hak

rakyat atas pangan sesuai UU No. 7 Tahun 1996

tentang pangan.

Gambar ‎1.1 Luas Panen Padi (Ha) Bulanan

Tahun 2007-2010 (Sumber: http://jatim.bps.go.id/wp-

content/uploads/images/BRS-Aram2-2011.pdf)

Visi dari Perum BULOG yaitu

“Menjadi Lembaga Pangan yang Handal untuk

Memantapkan Ketahanan Pangan”. Dengan visi

ini, Perum BULOG harus memiliki keunggulan

daya saing dari segi kualitas komoditas,

pelayanan, tingkat efisiensi, dan efektivitas yang

tinggi dibandingkan institusi lainnya. Perum

BULOG memiliki peran yang cukup penting

dalam upaya mewujudkan dan memantapkan

ketahanan pangan, baik dalam skala rumah

tangga maupun nasional. Sedangkan untuk misi

Perum BULOG yaitu:

Menyelenggarakan tugas pelayanan

publik untuk menunjang keberhasilan

pelaksanaan kebijakan pangan nasional.

Misi ini mengandung makna untuk

meningkatkan kualitas pelayanan

kepada konsumen dan produsen

maupun internal BULOG sendiri.

Menyelenggarakan kegiatan ekonomi di

bidang pangan secara berkelanjutan

serta memberikan manfaat kepada

perekonomian nasional. Dengan misi

ini, BULOG dapat berperan dalam

berbagai kegiatan ekonomi, khususnya

berkaitan dengan bidang pangan yang

dapat memberi manfaat kepada

stakeholders.

Alur pengadaan gabah/beras dimulai

dari petani sebagai produsen beras. Tim

BULOG bagian pengadaan akan membeli gabah

dari petani tersebut yang kemudian akan

disalurkan kembali ke gudang BULOG.

Pengadaan gabah/beras dalam negeri dapat

dilakukan oleh lembaga berikut:

a) Mitra Kerja Pengadaan gabah/beras

dalam negeri

b) Unit Pengelolaan Gabah Beras

(UPGB)

c) Satuan Tugas Operasional Pengadaan

Gabah Dalam Negeri (SATGAS ADA

DN)

Pengadaan gabah dan beras dalam negeri

berawal dari produksi petani. Dengan adanya

harga pembelian pemerintah (HPP), petani

menjadi aman dalam melaksanakan usaha tani

padinya. Pengadaan dalam negeri menjadi

jaminan harga dan sekaligus jaminan pasar atas

hasil produksinya. Salah satu pilar ketahanan

pangan yaitu ketersediaan dapat tercapai.

Dengan adanya HPP, petani mempunyai

perkiraan harga untuk melepas produksinya.

Pilihan pasar yang terbuka antara BULOG dan

pasar umum diharapkan akan memberikan daya

tawar yang lebih baik bagi petani. Dengan HPP

sebagai patokan harga jualnya, petani bisa

memilih untuk menjual ke pasar umum atau ke

BULOG.

Sejak berdiri tahun 1967, BULOG tidak

lepas dari kegiatan pelayanan publik yang harus

dilaksanakan berkenaan dengan ketahanan

pangan. Hal ini melatarbelakangi BULOG untuk

memilih menjadi penjaga ketahanan rumah

tangga dan nasional dengan mottonya Andalan

Page 3: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

3

Ketahanan Pangan. Sawit, Djanuardi, dan

Partini (2003) menjelaskan terdapat tiga alokasi

beras yang digunakan, yaitu alokasi beras untuk

RASKIN (Beras Miskin), Cadangan Beras

Pemerintah (CBP), dan Operasi Pasar Murni

(OPM).

RASKIN ditujukan untuk masyarakat

miskin berdasarkan data dari BPS. RASKIN

merupakan alokasi beras yang digunakan

customer yang berada pada tingkat ekonomi

rendah. Pelaksanaan RASKIN bertujuan untuk

memperkuat ketahanan pangan, terutama bagi

rumah tangga miskin. Beberapa kendala dalam

pelaksanaan RASKIN yaitu dalam pencapaian

ketepatan indikator maupun ketersediaan

anggaran. Sampai saat ini, jumlah beras yang

akan disalurkan baru ditetapkan setelah

anggaran tersedia. Hal ini akan menyulitkan

dalam perencanaan pendanaan, penyimpanan

stok, dan perhitungan biaya-biayanya.

Ketepatan harga terkendala dengan hambatan

geografis. Lokasi RTS yang jauh dari titik

distribusi menyebabkan RTS harus membayar

lebih untuk mendekatkan beras ke rumahnya.

Selain itu, ketetapan jumlah RASKIN yang

disediakan tidak selalu dilakukan pada awal

tahun dan sering diadakan perubahan pada

pertengahan tahun yang dikarenakan berbagai

faktor. Hal ini akan menyulitkan dalam

perencanaan persediaan beras dan perencanaan

pendanaan (Divisi Gasar, 2009).

Cadangan Beras Pemerintah (CBP)

yang dikelola BULOG telah dimiliki

Pemerintah sejak tahun 2005. Keberadaan CBP

tang ditujukan untuk situasi darurat dan pasca

bencana serta stabilisasi harga, dan telah

tersebar di seluruh Indonesia memudahkan

Pemerintah Pusat maupun Pemerintah Daerah

untuk menggunakannya. CBP sudah teruji

kemudahan dalam penggunaannya saat teradi

bencana tsunami, gempa, kekeringan, dan lain-

lain. Kemudahan dan kecepatan akses terhadap

beras CBP untuk kebutuhan darurat dalam

rangka penguatan ketahanan pangan rumah

tangga dan stabilisasi harga beras, menjadi awal

kajian pengembangan CBP selanjutnya bukan

hanya pada saat darurat, namun juga pada saat

terjadi surplus produksi pada era swasembada

(Divisi Gasar,2009).

Selama dua puluh tahun terakhir, jumlah

pengadaan berfluktuasi antara lain disesuaikan

dengan perkembangan harga gabah dan beras di

pasar, produksi padi nasional, dan juga

dipengaruhi oleh jumlah penugasan Pemerintah

untuk kebutuhan penyaluran. Pengadaan dalam

negeri (beras lokal) umumnya kecil saat terjadi

musim kemarau panjang. Pengadaan terkecil

terjadi pada tahun 1998 saat harga beras

melambung tinggi dan produksi turun. Krisis

moneter mengakibatkan daya beli masyarakat

menurun, harga sarana produksi terasa mahal

bagi petani sehingga banyak tanaman padi yang

tidak cukup pupuk dan mengakibatkan

produktivitas menurun. Fluktuasi mengikuti

produksi terus berlangsung sampai penugasan

pengamanan Harga Dasar tidak lagi menjadi

utama. Dengan penugasan yang lebih

ditekankan kepada upaya stabilisasi harga, maka

jumlah pengadaan beras lokal disesuaikan

dengan jumlah penyaluran dengan tetap

mempertimbangkan perkembangan harga gabah

di tingkat produsen. Jumlah pengadaan terus

meningkat sejak tahun 2006 sebagaimana

peningkatan jumlah produksi dan penyaluran.

Jumlah pengadaan tertinggi yang dicapai

BULOG selama lembaga ini berdiri terealisasi

pada tahun 2009. Oleh karena itu, maka

diharapkan pengadaan beras untuk tahun

selanjutnya dipertahankan dan ditingkatkan

(Divisi Gasar).

Usaha yang dilakukan untuk

menanggulangi permasalahan tersebut adalah

menggunakan metode Linear programming

untuk mengetahui persediaan optimal beras

sehingga perusahaan dapat mengurangi adanya

impor beras. Untuk mendukung penggunaan

metode tersebut, diperlukan data historis untuk

melakukan peramalan kebutuhan beras dan

peramalan produksi padi sehingga perusahaan

dapat memperkirakan jumlah beras lokal yang

ada untuk memenuhi seluruh alokasi kebutuhan

beras. Dengan menggunakan metode tersebut,

maka diharapkan perusahaan dapat

mengantisipasi kekurangan stok beras untuk

RASKIN, CBP dan OPM, serta dapat

meminimalkan biaya distribusi.

Adapun tujuan yang ingin dicapai

penulis dari penelitian Tugas Akhir ini adalah

sebagai berikut:

1. Mengetahui sistem eksisting perusahaan

dalam pengadaan dan pendistribusian

beras

2. Meramalkan jumlah produksi padi di

wilayah Surabaya, Gresik, dan Sidoarjo

selama tahun 2011

3. Mengaplikasikan metode Linear

programming untuk pengadaan beras

Page 4: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

4

yang optimal di wilayah Surabaya,

Gresik, dan Sidoarjo

4. Memperoleh alternatif kebijakan

pengadaan beras yang meminimumkan

biaya distribusi untuk perusahaan

amatan.

Batasan yang digunakan dalam

penelitian ini adalah:

1. Penelitian hanya dilakukan di Perum

Bulog Sub Divisi Regional I Surabaya

Utara

2. Objek yang diteliti hanya beras

RASKIN, CBP, dan OPM

3. Wilayah yang diteliti hanya daerah

Surabaya, Gresik, dan Sidoarjo

4. Data yang digunakan dalam penelitian

adalah data produksi padi tahun 2005

sampai 2009 untuk wilayah Gresik dan

Sidoarjo dan data produksi padi tahun

2006 sampai 2010 untuk wilayah

Surabaya.

Asumsi yang digunakan dalam

penelitian ini adalah:

1. Beras petani yang memenuhi kualitas

beras BULOG sebesar 40% dari hasil

panen di masing-masing wilayah.

2. Perhitungan jarak yang digunakan

dalam penentuan biaya distribusi adalah

jarak total dari titik asal ke titik tujuan.

3. Harga pembelian beras tidak ikut

diperhitungkan dalam pemodelan

matematis karena perusahaan

mempunyai ketentuan harga beli beras

petani berdasarkan Inpres Tahun 2009

tentang Harga Pembelian Pemerintah

(HPP).

4. Biaya yang terdapat di dalam gudang

diabaikan.

Manfaat yang didapatkan dari penelitian

ini adalah :

1. Dapat mengoptimalkan persediaan beras

dengan mempertimbangkan peramalan

produksi padi dan kebutuhan beras di

masa mendatang

2. Memberikan alternatif kebijakan

pengadaan beras untuk perusahaan

dalam mengoptimalkan persediaan

beras lokal

2. Tinjauan Pustaka

2.1 Linear Programming (LP)

Linear Programming (LP) adalah salah

satu cara untuk menyelesaikan persoalan

pengalokasian sumber-sumber yang terbatas di

antara beberapa aktivitas yang berbeda dengan

cara terbaik yang mungkin dapat dilakukan

sehingga diperoleh keuntungan yang maksimum

atau biaya yang minimum (Amalia, 2004).

Keputusan yang diambil dalam program tersebut

diambil dengan memilih dari beberapa alternatif

yang ada.

Suatu masalah LP merupakan suatu

masalah optimasi yang berkaitan dengan

meminimumkan atau memaksimalkan suatu

fungsi linier yang dibatasi oleh konstrain-

konstrain atau kendala-kendala yang berbentuk

baik persamaan ataupun ketidaksamaan

(Bazaraa et al, 2005). Hasil akhir dapat

dikatakan optimal jika hasil tersebut dapat

mencapai tujuan yang terbaik di antara seluruh

alternatif feasible. Permasalahan LP dapat

diformulasikan sebagai berikut.

Minimize:

Z = c1X1 + c2X2 + ... + cnXn (1)

Dengan batasan:

𝑎𝑖𝑗 𝑋𝑗

𝑛

𝑗 =1

≥ 𝑏𝑖

𝑋𝑗 ≥ 0 i = 1,2,3, ... m

j = 1,2,3, ... n

Keterangan:

c1X1 + c2X2 + ... + cnXn adalah fungsi

tujuan yang harus diminimumkan atau

dimaksimalkan dan dinotasikan dengan

Z

Koefisien c1, c2, ... cj adalah koefisien

cost yang diketahui

X1, X2, ... Xj adalah variabel keputusan

yang harus dicari

Pertidaksamaan 𝑎𝑖𝑗 𝑋𝑗𝑛𝑗=1 ≥ 𝑏𝑖adalah

konstrain ke-i

Pertidaksamaan aij untuk

i = 1, 2, ... m

j = 1, 2, ... n adalah parameter

pembatas

Konstrain 𝑋𝑗 ≥ 0adalah konstrain non-

negatif.

Selain model LP seperti yang

diformulasikan di atas, terdapat pula bentuk lain

dari model LP, yaitu:

Fungsi tujuan bukan minimasi,

melainkan maksimasi

Page 5: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

5

Beberapa konstrain fungsionalnya

mempunyai bentuk ketidaksamaan

dalam bentuk lebih kecil (≤)

Beberapa konstrain lainnya mempunyai

beberapa bentuk persamaan

Menghilangkan konstrain non-negatif

untuk beberapa variabel keputusan

2.2 Transportation Problem

Permasalahan transportasi dikenal

sebagai permasalahan yang dapat

diformulasikan dan diselesaikan dengan linear

programming berdasarkan struktur jaringan dari

titik dan panah yang dihubungkan (Liu, 2003).

Pada masalah transportasi terdapat m buah titik

asal, dimana asal i mempunyai supply sebanyak

si unit dengan item tertentu. Di samping itu,

terdapat juga n buah titik tujuan, dimana tujuan j

membutuhkan dj unit dari item. Dengan

mengasumsikan bahwa si , dj > 0, maka

menghubungkan masing-masing titik (i, j), dari

asal i ke tujuan j, menimbulkan biaya per unit

Cij untuk transportasi sehingga permasalahan

yang diselesaikan adalah untuk menentukan

sebuah pola pengiriman yang feasible dari titik

asal ke titik tujuan dengan total biaya

transportasi paling minimum, dengan xij

merupakan jumlah unit yang dikirimkan dari

asal i ke tujuan j (Bazaraa et al, 2005).

Selanjutnya dengan menggunakan asumsi

bahwa permasalahan adalah seimbang, maka

total supply sama dengan total demand.

𝑆𝑖 = 𝑑𝑗

𝑛

𝑗=1

𝑚

𝑖=1

Jika total supply melebihi total demand,

maka model tujuan dapat dibuat dengan demand

dn+1 = ∑i si - ∑j dj dan ci, n+1 = 0 untuk i = 1, …,

m. Dengan mengasumsikan bahwa total supply

sama dengan total demand, maka model LP

untuk masalah transportasi adalah sebagai

berikut.

Minimize

c11x11 +…. + c1nx1n + c21x21 + … + c2nx2n +

… + cm1xm1 + … + cmnxmn (2)

Subject to

x11 + … + x1n = s1

x21 + … + x2n = s2

xm1 + … + xmn = sm

x11 + x21 + …. + xm1 = d1

x1n + x2n + …. + xmn = dn

x11, … x1n,… x21,… x2n,… xm1,…

xmn,… ≥ 0

Berdasarkan asumsi bahwa total supply sama

dengan total demand, maka masalah transportasi

selalu mempunyai solusi yang feasible (Bazaraa

et al, 2005).

3. Metodologi Penelitian

Metodologi penelitian ini berisi

tahapan-tahapan sistematis yang digunakan

dalam melakukan penelitian tugas akhir. Urutan

tahapan-tahapan dalam penelitian ini

3.1 Tahap Persiapan

Sebagai tahap awal dalam penelitian ini

adalah tahap persiapan. Pada tahap persiapan ini

terdiri dari beberapa sub tahapan, yaitu

identifikasi awal dan perumusan masalah, serta

penetapan tujuan.

3.2 Tahap Pengumpulan Data

Pada tahap pengumpulan data terdiri

dari beberapa sub tahapan yang akan dilakukan,

yaitu studi pustaka, studi lapangan, dan

pengumpulan data. Data yang dikumpulkan dari

Perum BULOG Sub Divisi Regional I Surabaya

Utara yaitu: 1. Data kebutuhan Beras Miskin

(RASKIN) untuk wilayah Surabaya,

Gresik, dan Sidoarjo

2. Data kebutuhan Beras Miskin

(RASKIN) selama tahun 2006 sampai

2010

3. Ketentuan jumlah Cadangan Beras

Pemerintah (CBP) di wilayah Surabaya,

Gresik, dan Sidoarjo.

4. Data kebutuhan Cadangan Beras

Pemerintah (CBP) selama tahun 2006

sampai 2010

5. Data kebutuhan Operasi Pasar Murni

(OPM) selama tahun 2006 sampai 2010

6. Data harga beras selama periode Januari

2009 sampai April 2011

7. Kebijakan pengadaan beras pada

BULOG Sub Divisi Regional I

Surabaya Utara

Data yang diperoleh dari BPS Jawa

Timur yaitu data luas panen (dalam satuan Ha)

dan produksi padi (dalam satuan ton) selama

periode Januari 2005 sampai Desember 2009 di

wilayah Gresik. Data yang diperoleh dari Dinas

Pertanian Surabaya yaitu data luas panen (dalam

satuan Ha) dan produksi padi (dalam satuan ton)

Page 6: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

6

selama periode Januari 2006 sampai Desember

2010 di wilayah Surabaya.

3.3 Tahap Pengolahan Data

Setelah mendapatkan data ang sesuai

dan dibutuhkan, maka langkah selanjutnya

adalah penglahan data dengan metode-metode

ang relevan dengan permasalaha yang dihadapi

yang nantinya dapat membantu perusahaan

dalam pengadaan beras.

3.4 Tahap Analisis dan Kesimpulan

Tahap analisis dan kesimpulan

merupakan tahap akhir dari penelitian ini. Tahap

ini terdiri dari dua sub tahap, yaitu analisis dan

interpretasi data, serta kesimpulan dan saran.

4. Pengolahan Data

Pada subbab pengolahan data berisi

tahapan-tahapan yang dilalui untuk memproses

data yang telah diperoleh dari perusahaan.

Tahapan tersebut diantaranya adalah peramalan

produksi padi di wilayah Surabaya, Gresik, dan

Sidoarjo, peramalan kebutuhan alokasi beras,

serta formulasi model LP.

4.1 Peramalan Produksi Padi

Peramalan produksi padi dilakukan

dengan menggunakan kombinasi antara metode

regresi dan times series ARIMA. Berikut ini

merupakan hasil peramalan produksi padi di

wilayah Surabaya, Gresik, dan Sidoarjo.

Tabel 4.1 Hasil peramalan Produksi Padi di Surabaya

Tabel 4.2 Hasil peramalan Produksi Padi di Gresik

Tabel 4.3 Hasil peramalan Produksi Padi di Sidoarjo

4.2 Peramalan Alokasi Kebutuhan Beras

Peramalan ini bertujuan untuk

menentukan kebutuhan masing-masing alokasi

beras. Namun, beras RASKIN dan CBP telah

mempunyai ketentuan sehingga hanya

kebutuhan beras OPM yang perlu diramalkan.

Page 7: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

7

Tabel ‎1.4 Kebutuhan Beras Miskin (RASKIN) untuk

Wilayah Surabaya, Gresik, dan Sidoarjo

Kebutuhan beras OPM dipengaruhi oleh gejolak

harga. Untuk menentukan kebutuhan beras

OPM di periode selanjutnya, perlu dilakukan

peramalan harga beras terlebih dahulu agar

harga beras di periode selanjutnya diketahui.

Tabel 4.5 Hasil Peramalan Harga

4.3 Perhitungan Supply Beras

Produksi padi yang telah di-forecast

masih berupa padi sehingga perlu dikonversikan

ke dalam bentuk gabah kering giling (GKG) dan

beras.

Tabel ‎1.6 Perbandingan Berat Berdasarkan Bentuk

Akhir

𝑁𝑖𝑙𝑎𝑖 𝑘𝑜𝑛𝑣𝑒𝑟𝑠𝑖 𝑝𝑎𝑑𝑖 − 𝑏𝑒𝑟𝑎𝑠 =𝑏𝑒𝑟𝑎𝑠

𝑝𝑎𝑑𝑖=

61,48

158,8= 0,389

Dari masing-masing produksi padi tersebut,

dikonversikan ke dalam bentuk beras dan

diasumsikan hanya 40% dari beras petani di

masing-masing wilayah yang dijual ke BULOG

dan memenuhi standar kualitas BULOG.

Tabel ‎1.7 Perhitungan Supply Beras BULOG

4.4 Formulasi Model Matematis LP

Setelah diketahui total supply beras

yang ada di gudang BULOG, maka dapat dibuat

formulasi model LP dengan pola pengadaan dan

penggunaan beras.

Gambar ‎1.1 Pola Pengadaan dan Penggunaan Beras

BULOG

Biaya yang dikeluarkan BULOG untuk

pengadaan beras dapat dilihat pada Tabel 4.8

dan Tabel 4.9.

Tabel ‎1.8 Biaya Distribusi dari Supplier ke Gudang

BULOG

Pada pendistribusian beras movement,

perusahaan tidak mengeluarkan biaya karena

biaya distribusi tersebut diatnggung oleh Divisi

Regional Jawa Timur. Untuk sisa beras tahun

Beras Petani

Surabaya

(1)

Beras Petani

Sidoarjo

(3)

Beras Petani

Gresik

(2)

Beras

Movement

(4)

Sisa Beras

Tahun Lalu

(5)

RASKIN untuk

Sidoarjo

(3)

RASKIN untuk

Surabaya

(1)

RASKIN untuk

Gresik

(2)

CBP untuk

Sidoarjo

(6)

CBP untuk

Surabaya

(4)

CBP untuk

Gresik

(5)

OPM untuk

Sidoarjo

(9)

OPM untuk

Surabaya

(7)

OPM untuk

Gresik

(8)

Gudang

BULOG I

(1)

Gudang

BULOG II

(2)

Gudang

BULOG III

(3)

i j k

Page 8: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

8

lalu tidak dilakukan pendistribusian sehingga

idak ada biaya yang dikeluarkan.

Tabel ‎1.9 Biaya Distribusi dari Gudang BULOG ke

Titik Distribusi

Fungsi tujuan yang ingin diperoleh

adalah optimasi pengadaan alokasi beras guna

meminimalkan biaya distribusi. Biaya

pengadaan yang dikeluarkan oleh BULOG

meliputi semua biaya variabel dan biaya tetap

yang berhubungan langsung dengan proses

pengadaan beras.

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑒 𝑍 = 𝑐𝑖𝑗 𝑋𝑖𝑗

5

𝑖=1

3

𝑗=1

+ 𝑐𝑗𝑘𝑋𝑗𝑘

3

𝑗=1

9

𝑘=1

dimana:

Z = total biaya distribusi beras BULOG

cij = biaya pengangkutan beras dari asal i ke

gudang BULOG j

cjk = biaya penyaluran beras dari gudang

BULOG j ke titik tujuan k

Xij = jumlah beras yang diangkut dari asal i

ke gudang BULOG j

Xjk = jumlah beras yang disalurkan dari

gudang BULOG j titik tujuan k

Fungsi pembatas pada permasalahan optimasi

alokasi pengadaan beras adalah sebagai berikut.

Jumlah beras dari asal i yang dikirim ke

gudang BULOG j <= jumlah supply

beras asal i

𝑋𝑖𝑗 ≤

3

𝑗=1

𝑆𝑖

dengan 𝑖 = 1, 2, 3, 4, 5 Jumlah beras dari asal i yang masuk

gudang BULOG j <= kapasitas gudang

BULOG j

𝑋𝑖𝑗

5

𝑖=1

≤ 𝑏𝑗

dengan 𝑗 = 1, 2, 3 Jumlah beras yang dikirim dari gudang

BULOG j ke titik tujuan k <= jumlah

beras dari asal i yang masuk ke gudang

BULOG j

𝑋𝑗𝑘

9

𝑘=1

≤ 𝑋𝑖𝑗

5

𝑖=1

Jumlah pengiriman beras dari gudang

BULOG j ke titik tujuan k = jumlah

kebutuhan beras di titik tujuan k

𝑋𝑗𝑘

3

𝑗=1

= 𝑑𝑘

dengan 𝑘 = 1, 2, 3, 4, 5, 6, 7, 8, 9

Penyelesaian model matematis tersebut

dilakukan dengan LINGO. Dari perhitungan

LINGO, akan menghasilkan jumlah beras yang

dikirimkan dari titik asal ke titik tujuan serta

menghasilkan total biaya distribusi yang

optimal.

Tabel ‎1.1 Hasil LINGO untuk Supply Beras Tahun

2011

Page 9: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

9

Tabel ‎1.11 Hasil LINGO untuk Pengiriman Beras

Tahun 2011

5. Analisis dan Interpretasi Hasil

5.1 Analisis Sistem Pengadaan Eksisting

Perusahaan

Data mengenai sistem pengadaan

eksisting dan struktur organisasi perusahaan

yang dilakukan untuk melakukan pendefinisian

sistem yang ada di perusahaan sehingga dapat

ditentukan dalam penelitian ini sesuai sengan

kondisi eksisting perusahaan. Pada sistem

pengadaan beras yang sekarang dimiliki

perusahaan merupakan sistem pengadaan yang

masih tergolong konvensional, dimana

pengiriman beras tidak memperhitungkan jarak

yang akan ditempuh.

Sistem tersebut juga belum memiliki

sistem manajemen yang cukup membantu

karyawan dalam hal mengetahui jumlah

movement yang lebih ekonomis sehingga

perencanaan yang dilakukan terkadang melebihi

ataupun kekurangan beras dari perencanaan

awal yang telah ditetapkan. Hal ini

mengakibatkan kondisi gudang menjadi

kekurangan persediaan beras. Dengan model

yang dikembangkan berupa optimasi pengadaan

ini, maka akan dapat membantu perusahaan

untuk lebih memiliki rujukan teori yang kuat

dan ilmiah terhadap masalah pengadaaan beras.

Dari hasil running LINGO untuk

pemodelan LP nantinya diharapkan akan

membantu perusahaan dalam mengetahui sistem

pengadaan beras yang lebih baik dimana sistem

tersebut bisa meminimasi biaya pengangkutan

beras dari supplier beras (petani di masing-

masing daerah) ke gudang BULOG dan dari

gudang BULOG ke tempat tujuan (demand).

5.2 Analisis Hasil Peramalan Produksi

Padi

Peramalan produksi padi yang

dilakukan dalam penelitian ini berdasarkan data

historis yang berasal dari berbagai sumber.

Untuk wilayah Surabaya, data historis yang

digunakan berasal dari Dinas Pertanian Kota

Surabaya. Untuk wilayah Gresik dan Sidoarjo,

data yang digunakan berasal dari BPS Jawa

Timur. Dalam peramalan produksi padi pada

penelitian ini, hanya digunakan satu faktor yang

mempengaruhi produksi padi, yaitu luas panen.

Sebenarnya terdapat beberapa faktor yang

mempengaruhi produksi padi seperti faktor

cuaca. Faktor cuaca sangat sulit untuk

diprediksikan karena efek dari global warming

yang menyebabkan perubahan iklim sehingga

periode musim hujan dan musim kemarau tidak

teratur seperti dulu. Oleh karena itu, penelitian

ini hanya menggunakan satu faktor yang

mempunyai pengaruh besar terhadap produksi

padi.

Analisis Peramalan Produksi Padi di

Wilayah Surabaya

Peramalan produksi padi wilayah

Surabaya yang dilakukan dalam penelitian ini

berdasarkan data historis yang berasal dari

Dinas Pertanian Kota Surabaya. Data historis

yang digunakan adalah data luas panen dan

produksi padi selama bulan Januari 2006 sampai

dengan bulan Desember 2010. Metode yang

digunakan untuk meramalkan produksi padi di

wilayah Surabaya adalah metode regresi.

Metode regresi dipilih karena memiliki error

yang paling kecil dibandingkan dengan metode

peramalan lain. Perbandingan error tersebut

ditunjukkan pada Tabel 5.1. Peramalan ini juga

menggunakan bantuan software Minitab 14.

Dari plot data produksi padi dan

produksi padi, dapat dicari korelasinya antara

luas panen dan produksi padi dengan

menggunakan fungsi waktu. Luas panen

merupakan variabel independen, sedangkan

produksi padi merupakan variabel dependen.

Berdasarkan proses trial and error yang telah

dilakukan, variabel yang mempunyai korelasi

terbaik dengan Y(t) adalah variabel X(t-12). Hal

ini dikarenakan P-value dari variabel X(t-12)

lebih kecil dari α. Dalam penelitian ini, α yang

digunakan adalah 0,05. Persamaan regresi yang

dihasilkan adalah Y(t) = 607 + 2,30 X(t-12)

dimana Y(t) adalah produksi padi pada bulan t,

Page 10: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

10

sedangkan X(t-12) adalah produksi padi pada

bulan t-12.

Tabel ‎1.2 Perbandingan Error dari Beberapa Metode

Peramalan Produksi Padi Wilayah Surabaya

Persamaan regresi tersebut digunakan

untuk peramalan produksi padi. Namun, untuk

peramalan tersebut perlu diketahui prediksi luas

panen sehingga dilakukan pula peramalan luas

panen. Peramalan luas panen menggunakan

metode ARIMA. Untuk uji identifikasi ACF dan

PACF menunjukkan adanya lag yang signifikan.

Lag yang signifikan pada PACF menjadi

alternatif nilai AR, sedangkan lag yang

signifikan pada ACF menjadi alternatif nilai

MA. Dari proses trial and error dari model

kombinasi yang dibuat.maka model yang

memenuhi ketentuan ARIMA adalah AR(1)12

dan MA(1)12. AR(1)12 merupakan model AR

dengan seasonal watu 12 periode, sedangkan

MA(1)12 merupakan model MA dengan seasonal

waktu 12 periode. Kedua model tersebut

memenuhi dua parameter ARIMA yaitu

signifikan terhadap model dan white-noise.

Tabel ‎1.3 Perbandingan Error dari Beberapa Metode

Peramalan Luas Panen Wilayah Surabaya

Dari kedua model tersebut, akan dipilih

satu model yang terbaik. Berdasarkan

perbandingan hasil running Minitab 14, maka

dipilih model AR(1)12 karena mempunyai nilai

error yang lebih kecil dibandingkan model

MA(1)12, yaitu 29.284. Jika dibandingkan

dengan metode time series yang lain, ARIMA

menghasilkan error yang paling kecil seperti

ditunjukkan pada Tabel 5.2.

Analisis Peramalan Produksi Padi di

Wilayah Gresik

Peramalan produksi padi wilayah

Gresik yang dilakukan dalam penelitian ini

berdasarkan data historis yang berasal dari

Badan Pusat Statistik Jawa Timur. Data historis

yang digunakan adalah data luas panen dan

produksi padi selama bulan Januari 2005 sampai

dengan bulan Desember 2009. Metode yang

digunakan untuk meramalkan produksi padi di

wilayah Gresik adalah metode regresi. Metode

regresi dipilih karena mempunyai nilai error

yang terkecil daripada metode yang lain, seperti

yang ditunjukkan pada Tabel 5.3. Peramalan ini

juga menggunakan bantuan software Minitab

14.

Dari plot data produksi padi dan

produksi padi, dapat dicari korelasinya antara

luas panen dan produksi padi dengan

menggunakan fungsi waktu. Luas panen

merupakan variabel independen, sedangkan

produksi padi merupakan variabel dependen.

Berdasarkan proses trial and error yang telah

dilakukan, variabel yang mempunyai korelasi

terbaik dengan Y(t) adalah variabel X(t-12). Hal

ini dikarenakan P-value dari variabel X(t-12)

lebih kecil dari 0,05. Persamaan regresi yang

dihasilkan adalah Y(t) = 8955 + 3,96 X(t-12)

dimana Y(t) adalah produksi padi pada bulan t,

sedangkan X(t-12) adalah produksi padi pada

bulan t-12.

Tabel ‎1.4 Perbandingan Error dari Beberapa Metode

Peramalan Produksi Padi Wilayah Gresik

Persamaan regresi tersebut digunakan

untuk peramalan produksi padi. Sama halnya

dengan peramalan produksi padi di wilayah

Surabaya, untuk peramalan produksi padi di

wilayah Gresik perlu diketahui prediksi luas

panen sehingga dilakukan pula peramalan luas

panen. Peramalan luas panen menggunakan

metode ARIMA. Dari proses trial and error dari

model kombinasi yang dibuat.maka model yang

memenuhi ketentuan ARIMA adalah dan

MA(2)12. MA(2)12 merupakan model MA

dengan seasonal waktu 24 periode. Kedua

model tersebut memenuhi semua parameter

ARIMA yaitu signifikan terhadap model, white-

noise dan berdistribusi normal, meskipun error

yang dihasilkan besar, yaitu 20.108.475.

Namun, jika dibandingkan dengan metode time

series lainnya, peramalan luas panen

Page 11: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

11

mempunyai nilai error terkecil seperti yang

ditunjukkan pada Tabel 5.4.

Tabel ‎1.5 Perbandingan Error dari Beberapa Metode

Peramalan Luas Panen Wilayah Gresik

Analisis Peramalan Produksi Padi di

Wilayah Sidoarjo

Peramalan produksi padi wilayah

Sidoarjo yang dilakukan dalam penelitian ini

berdasarkan data historis yang berasal dari

Badan Pusat Statistik Jawa Timur. Data historis

yang digunakan adalah data luas panen dan

produksi padi selama bulan Januari 2005 sampai

dengan bulan Desember 2009. Metode yang

digunakan untuk meramalkan produksi padi di

wilayah Sidoarjo adalah metode regresi. Seperti

yang ditunjukkan Tabel 5.5, metode regresi

mempunyai nilai error terkecil jika

dibandingkan dengan metode lainnya.

Peramalan ini juga menggunakan bantuan

software Minitab 14.

Berdasarkan proses trial and error yang

telah dilakukan, variabel yang mempunyai

korelasi terbaik dengan Y(t) adalah variabel

X(t). Hal ini dikarenakan P-value dari variabel

X(t) lebih kecil dari α. Dalam penelitian ini, α

yang digunakan adalah 0,05. Persamaan yang

dihasilkan adalah Y(t) = 149 + 5,69 X(t) dimana

Y(t) adalah produksi padi pada bulan t dan X(t)

adalah produksi padi pada bulan t. Persamaan

regresi tersebut digunakan untuk peramalan

produksi padi sehingga perlu dilakukan pula

peramalan luas panen.

Tabel ‎1.6 Perbandingan Error dari Beberapa Metode

Peramalan Produksi Padi Wilayah Sidoarjo

Peramalan luas panen ini menggunakan

metode ARIMA karena mempunyai nilai error

terkecil jika dibandingkan dengan metode time

series lainnya. Perbandingan error ini

ditunjukkan pada Tabel 5.6. Untuk uji

identifikasi ACF dan PACF menunjukkan

adanya lag yang signifikan. Dari lag yang

signifikan tersebut, maka dapat dibuat

kombinasi beberapa model. Dari proses trial

and error dari model kombinasi yang dibuat

tersebut, maka model yang memenuhi ketentuan

adalah ARMA(1,1)12. ARMA(1,1)12 merupakan

gabungan model AR dengan seasonal watu 12

periode dan MA dengan seasonal waktu 12

periode. Model tersebut merupakan model

terbaik daripada kombinasi model lainnya

karena signifikan terhadap parameter, white-

noise, dan berdistribusi normal. Model

dikatakan signifikan terhadap parameter karena

P-Value dari tiap parameter lebih kecil dari α,

yaitu nol. Model dikatakan white-noise karena

P-Value dari lag-lagnya lebih besar dari α,

meskipun tidak pada semua lagnya. Model

berdistribusi normal karena P-value lebih besar

dari α. Dari hasil peramalan luas panen, maka

produksi padi pun dapat diramalkan dengan

bantuan Excel.

Tabel ‎1.7 Perbandingan Error dari Beberapa Metode

Peramalan Luas Panen Wilayah Sidoarjo

5.3 Analisis Hasil Peramalan Kebutuhan

Alokasi Beras

Pada peramalan kebutuhan alokasi

beras, hanya beras untuk OPM saja yang

diramalkan. Hal ini disebabkan oleh alokasi

beras lain, yaitu RASKIN dan CBP telah

mempunyai ketentuan sendiri dari Perum

BULOG Sub Divisi Regional I Surabaya Utara.

Kebutuhan beras untuk RASKIN ditentukan

berdasarkan pagu dari Pemerintah Daerah yang

berupa data jumlah kepala keluarga (KK) rumah

tangga miskin. Berdasarkan Tabel 4.7, jumlah

KK rumah tangga miskin di Surabaya adalah

110.117 orang, jumlah KK rumah tangga miskin

di Gresik adalah 54.414 orang, dan jumlah KK

rumah tangga miskin di Sidoarjo adalah 61.971

orang. Masing-masing KK mendapatkan jatah

15 kg per bulan sehingga kebutuhan per bulan

untuk RASKIN di Surabaya sebanyak 1.651.755

kg, RASKIN di Gresik sebanyak 816.210 kg,

dan RASKIN di Sidoarjo sebanyak 929.565 kg,

sehingga total kebutuhan RASKIN per bulan

adalah 3.397.530 kg. Untuk mengetahui

kebutuhan RASKIN per tahun di masing-

Page 12: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

12

masing wilayah, maka kebutuhan RASKIN per

bulan tersebut dikali 12 sehingga kebutuhan

RASKIN per tahun untuk wilayah Surabaya

adalah 19.821.060 kg, untuk wilayah Gresik

9.794.520 kg, dan untuk wilayah Sidoarjo

11.154.780 kg.

Beras CBP merupakan beras untuk

keperluan darurat seperti bencana alam. Beras

ini dikeluarkan BULOG jika terdapat bencana

alam, sehingga kebutuhan untuk beras tersebut

tidak dapat diramalkan karena bencana alam

tidak dapat diramalkan. Namun, BULOG

mempunyai ketentuan tersendiri berdasarkan

Peraturan Pemerintah. Ketentuan beras CBP

untuk pemerintah provinsi adalah maksimum

200 ton, sedangkan untuk pemerintah

kota/kabupaten adalah maksimum 100 ton.

Dengan demikian, kebutuhan beras untuk CBP

di Surabaya, Gresik, dan Sidoarjo masing-

masing dialokasikan sebanyak 100 ton.

Kebutuhan beras OPM dipengaruhi oleh

harga beras di pasar. Perum BULOG akan

mengeluarkan beras OPM jika terjadi gejolak

harga beras di pasar sehingga untuk menentukan

kebutuhan beras OPM, perlu diketahui harga

beras di pasar. Beras OPM dikeluarkan jika

terdapat selisih harga Rp 600,00 dari periode

atau bulan sebelum ke bulan selanjutnya. Untuk

mengetahui harga beras di pasar pada bulan-

bulan selanjutnya, maka dilakukan peramalan

harga beras. Peramalan dilakukan dengan

beberapa metode melalui proses trial and error.

Dengan perbandingan error dari beberapa

metode yang digunakan, metode ARIMA

memiliki nilai error yang terkecil.

Berdasarkan Gambar 4.26 dan Gambar

4.27, dapat ditentukan kombinasi model

ARIMA untuk peramalan harga beras. Setelah

melakukan trial and error, didapatkan model

AR(1) yang memenuhi ketentuan ARIMA.

Model tersebut memenuhi ketentuan ARIMA

karena signifikan dalam parameter yang

ditunjukkan oleh nilai P-value < 0,05, white-

noise karena P-Value dari lag-lagnya > 0,05,

dan berdistribusi normal karena P-value yang

dihasilkan sebesar 0,112, yang berarti bahwa P-

value > 0,05. Dari hasil peramalan dengan

model AR(1), didapatkan peramalan harga beras

pada bulan Mei samapi Desember 2011 yang

ditunjukkan pada Tabel 4.16.

5.4 Analisis Optimasi Pengadaan Beras

Pada penelitian ini, metode yang

diajukan dalam optimasi pengadaan beras yaitu

menggunakan metode linear programming

dengan mempertimbangkan hasil panen di

masing-masing wilayah yang ditangani oleh

objek amatan. Pada metode ini, optimasi

pengadaan beras termasuk dalam permasalahan

transportasi. Dalam formulasi model

transportasi penelitian ini, terdapat tiga variabel,

yaitu supplier beras, gudang, dan titik tujuan

(demand). Supplier beras dalam hal ini adalah

beras petani di Surabaya, Gresik, dan Sidoarjo,

beras dari sub divisi regional lain (movement),

dan sisa beras tahun lalu. Gudang BULOG yang

digunakan adalah gudang BULOG I yang

terletak di Buduran, gudang BULOG II yang

terletak di Rungkut, dan gudang BULOG III

yang terletak di Sidoarjo.

Pada perhitungan supply beras yang

ditunjukkan Tabel 4.18, jumlah beras petani

yang dipasok ke gudang BULOG adalah 40%

dari total produksi padi di masing-masing

wilayah, yang telah dikonversikan ke dalam

bentuk beras. Hal tersebut dikarenakan Harga

Pembelian Pokok (HPP) untuk beras, yang

ditetapkan BULOG lebih rendah daripada harga

beras di pasaran. Akibatnya petani lebih

memilih untuk menjual berasnya ke pasar

daripada menjual beras ke BULOG. Selain itu,

BULOG juga mempunyai standar kualitas beras.

Persyaratan kualitatif beras BULOG antara lain

adalah bebas hama dan penyakit yang hidup,

bebas bau busuk, bersih dari campuran dedal

dan kabul, serta bebas dari tanda-tanda bahan

kimia yang membahayakan baik secara visual

maupun organoleptik. Untuk persyaratan

kuantitatif merupakan komponen mutu yang

terdiri dari derajat sosoh, kadar air, beras kepala,

butir utuh, butir patah, butir menir butir merah,

butir kuning atau rusak, butir mengapur, benda

asing, butir gabah, dan campuran varietas lain.

5.5 Analisis Pemodelan Matematis Linear

Programming

Pada pemodelan Linear Programming

(LP) ini perlu diketahui kapasitas gudang

BULOG. Gudang BULOG I mampu

menyimpan 70.000 ton beras, gudang BULOG

II mempu menyimpan 31.000 ton beras, dan

gudang BULOG III mampu menyimpan 70.000

ton beras. Demand untuk masing-masing titik

tujuan telah diketahui pada bab sebelumnya,

yaitu kebutuhan beras RASKIN, CBP, dan OPM

di wilayah Surabaya, Gresik, dan Sidoarjo. Pada

pemodelan linear programming dalam penelitian

ini terdapat 5 supplier beras, 3 gudang BULOG,

Page 13: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

13

dan 9 titik distribusi. Fungsi tujuan dari

pemodelan ini yaitu meminimumkan biaya

transportasi berdasarkan jarak dari titik asal ke

titik tujuan. Dengan demikian, perlu diketahui

pula jarak dari titik asal ke titik tujuan agar

dapat menentukan biaya distribusi yang

dikeluarkan.

Data mengenai jarak supplier ke gudang

BULOG maupun jarak gudang BULOG ke titik

tujuan (demand) didapatkan dari perusahaan

amatan berdasarkan data dari Dinas

Perhubungan Darat. Dari jarak tersebut, Perum

BULOG dapat menentukan biaya distribusi

yang dikeluarkan per tonnya berdasarkan daftar

tarif angkutan darat barang BULOG untuk Jawa

dan Bali. Pada Tabel 4.19, biaya distribusi dari

supplier ke gudang BULOG berasal dari data

perusahaan. Biaya distribusi tersebut

berdasarkan jarak yang ditempuh. Untuk jarak

dari supply beras petani merupakan jarak rata-

rata antara letak Satgas (Satuan Tugas)

pengadaan di masing-masing wilayah dengan

gudang BULOG dimana letak Satgas pengadaan

dekat dari gudang BULOG. Untuk beras

movement tidak dikenakan biaya distribusi

karena biaya tersebut ditanggung oleh BULOG

Divisi Regional, dalam hal ini Divisi Regional

Jawa Timur. Beras movement tersebut berasal

dari BULOG Sub Divisi Regional lain,

diantaranya Mojokerto, Bojonegoro dan

Banyuwangi. untuk sisa beras tahun lalu juga

tidak dikenakan biaya distribusi karena beras

tersebut terdapat di dalam gudang BULOG.

Data biaya distribusi tersebut ditunjukkan pada

Tabel 4.19.

Perhitungan biaya distribusi dari gudang

BULOG ke titik tujuan (demand), khususnya

RASKIN, terdapat pada lampiran A. Untuk

beras RASKIN, terdapat beberapa kecamatan

sebagai titik distribusi. Oleh karena kebutuhan

RASKIN yang diketahui dalam lingkup kota

atau kabupaten, maka perhitungan jarak

diasumsikan dengan jarak dari masing-masing

gudang BULOG ke titik distribusi dijumlahkan.

Untuk beras CBP, jarak yang digunakan adalah

jarak dari gudang BULOG ke Satuan Pelaksana

Penanggulangan Bencana dan Pengungsi (Satlak

PBP) di masing-masing wilayah. Data mengenai

jarak ini berasal dari perusahaan amatan. Untuk

beras OPM, jarak yang digunakan adalah jarak

dari gudang BULOG ke Pasar Induk di masing-

masing daerah. Data biaya distribusi tersebut

ditunjukkan pada Tabel 4.20. Biaya distribusi

yang telah ditentukan sebelumnya, akan menjadi

koefisien untuk fungsi tujuan dalam pemodelan

ini.

5.6 Analisis Hasil Running Model dengan

LINGO

Berdasarkan hasil running model

dengan menggunakan LINGO, untuk

mendapatkan hasil optimal perlu dilakukan

dengan 11 iterasi. Biaya distribusi optimal yang

dihasilkan adalah Rp 879.823.000.000,00 pada

tahun 2011. Jika dibandingkan dengan pragnosa

yang dilakukan BULOG, biaya distribusi dari

pemodelan LINGO ini lebih kecil daripada

biaya distribusi perkiraan BULOG, yaitu

sebesar Rp 898.765.200.000,00. Dengan

demikian, sistem pengadaan dengan model LP

dalam penelitian ini dapat disimpulkan lebih

baik dari sistem pengadaan eksisting perusahaan

amatan.

Untuk jumlah beras yang

didistribusikan, dapat dilihat pada Tabel 4.21

dan Tabel 4.22. Dari Tabel 4.21, tidak ada beras

yang masuk pada gudang BULOG I. Hal ini

dapat dikarenakan oleh jarak yang ditempuh

lebih jauh dibandingkan gudang BULOG

lainnya dan biaya distribusi lebih tinggi.

Akibatnya utilitas gudang BULOG I adalah 0.

Utilitas gudang BULOG yang paling tinggi

adalah gudang BULOG II yaitu 96 %. Utilitas

gudang BULOG III sebesar 16%. Meskipun

kecil, utilitas gudang BULOG III masih lebih

baik daripada gudang BULOG I. Oleh karena

tidak ada beras yang masuk dalam gudang

BULOG I, maka tidak ada pengiriman beras ke

titik tujuan yang berasal dari gudang BULOG I.

Dari Tabel 4.22, diketahui bahwa total

beras yang dikirimkan dari masing-masing

gudang sama dengan total beras yang

dibutuhkan. Kebutuhan beras RASKIN dipenuhi

oleh gudang BULOG II dan gudang BULOG

III, sedangkan kebutuhan beras CBP hanya

dipenuhi oleh gudang BULOG III. Jumlah

pengiriman beras untuk OPM di masing-masing

wilayah bernilai nol karena berdasarkan hasil

peramalan, tahun ini perusahaan amatan tidak

mengeluarkan beras OPM.

Dari hasil yang diperoleh menunjukkan

bahwa pemodelan LP dengan transportation

problem dapat meminimumkan biaya distribusi,

tetapi di sisi lain apabila model ini digunakan

maka utilitas gudang tidak maksimum. Namun,

pemodelan ini diharapkan dapat memberikan

alternatif kebijakan bagi perusahaan karena

dengan menggunakan pemodelan LP ini,

Page 14: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

14

kebutuhan beras di masing-masing wilayah

untuk masing-masing alokasi beras akan

terpenuhi.

6. Kesimpulan dan Saran

Bab ini menjelaskan tentang kesimpulan

yang diambil selama proses penelitian yang

telah dilakukan dan merupakan jawaban dari

tujuan penelitian yang diharapkan. Kemudian

akan diberikan saran-saran perbaikan untuk

penelitian seperti ini dan kepada perusahaan.

6.1 Kesimpulan

Dari pengolahan data dan analisis yang

telah dilakukan sebelumnya, maka dapat

diambil beberapa kesimpulan sebagai berikut:

1. Dalam penyaluran beras, perusahaan

amatan tidak terlalu mempertimbangkan

jarak antara letak supplier dengan

gudang BULOG maupun jarak antara

gudang BULOG dengan titik tujuan

(demand).

2. Produksi padi di masing-masing

wilayah dapat diramalkan dengan

metode regresi, dengan luas panen

sebagai independent variable dan

produksi padi sebagai dependent

variable. Luas panen sendiri dapat

diramalkan dengan metode ARIMA,

dengan model yang sesuai dengan

ketentuan ARIMA. Jumlah produksi

padi di masing-masing wilayah pada

tahun 2011 adalah sebagai berikut.

a. Jumlah produksi padi di wilayah

Surabaya sebesar 139.717.900 kg

b. Jumlah produksi padi di wilayah

Gresik sebesar 266.585.076 kg.

c. Jumlah produksi padi di wilayah

Sidoarjo sebesar 187.966.109 kg.

3. Dari hasil running LINGO, tidak ada

beras yang masuk ke gudang BULOG I,

jumlah supply beras yang masuk ke

gudang BULOG II sebesar 9.678,61 ton

dari beras petani Surabaya, 10.000 ton

dari beras movement, dan 9.936,929 ton

dari sisa beras tahun lalu, sedangkan

jumlah supply beras yang masuk ke

gudang BULOG III sebesar 11.454,78

ton dari beras petani Sidoarjo. Gudang

BULOG II memenuhi kebutuhan

RASKIN Surabaya dan RASKIN

Gresik, sedangkan gudang BULOG III

memenuhi kebutuhan RASKIN Sidoarjo

dan kebutuhan OPM di Surabaya,

Gresik, dan Sidoarjo.

4. Pemodelan LP menghasilkan total biaya

distribusi sebesar Rp

879.823.000.000,00. Nilai ini lebih

rendah jika dibandingkan dengan total

biaya distribusi berdasarkan pragnosa

yang dilakukan perusahaan amatan,

yaitu sebesar Rp 898.765.200.000,00.

Dengan pemodelan LP, kebutuhan beras

dapat dipenuhi. Namun, di sisi lain

utilitas gudang BULOG tidak

maksimum.

6.2 Saran Adapun saran dari penelitian ini untuk

penelitian selanjutnya antara lain:

1. Mempertimbangkan waktu pengiriman

dari gudang ke titik tujuan (demand)

2. Mengembangkan penelitian mengenai

optimasi pengadaan untuk multi product

7. Daftar Pustaka

Amalia, Rizka. 2004. Optimasi Komposisi

Kuantum Produksi dengan

Menggunakan Metode Linear

Programming (Studi Kasus: PT.

Petrokimia Gresik). Surabaya: Tugas

Akhir Teknik Industri ITS, Institut

Teknologi Sepuluh Nopember.

Ballou, R. H. 2004. Business Logistic

Management. Prentice hall, Inc. USA.

Bhattacharya, U. K. 2007. A Chance

Constraints Goal programming Model

for The Advertising Planning Problem.

European Journal of Operational

Research vol. 192 pp. 382-395.

Chafid, M., dkk. 2006. Pemodelan Stok

Gabah/Beras di Kabupaten Subang.

Jurusan Statistik Institut Pertanian

Bogor. Bogor.

Divisi Gasar Perum BULOG. 2009. Statistik

Operasional dan Pendukung

Operasional. Jakarta: Perum BULOG.

Hillier, F. S. and Lieberman, G. J. 1990.

Introductions to Operations Research.

McGraw-Hill, Inc. USA.

Liu, Shiang-Tai. 2003. The Total Cost Bounds

of The Transportation Problem with

Varying Demand and Supply. Omega

vol. 31 pp. 247-251.

Pujawan, I N. dan Mahendrawathi, ER. 2010.

Supply Chain Management edisi Kedua.

Surabaya: Guna Widya.

Page 15: OPTIMASI PENGADAAN DAN PENDISTRIBUSIAN BERAS …digilib.its.ac.id/public/ITS-Undergraduate-16360-2507100056-Paper.pdfoptimasi pengadaan dan pendistribusian beras dengan menggunakan

15

Santosa, Budi dan Paul Willy. 2011. Metoda

Metaheuristik Konsep dan

Implementasi. Surabaya: Guna Widya.

Sawit, M. H., Djanuardi, B., dan Pertini, K.

2003. BULOG Baru Menyelaraskan

Kegiatan dan Memantapkan Tugas

Nasional. Jakarta: Perum BULOG.

Tersine, R. J. 1994. Principles of Inventory and

Materials Management. New Jersey:

Prentice Hall, Inc.

Walpole, R. E. and Myers, R. H. 1989. Ilmu

Peluang dan Statistika untuk Insinyur

dan Ilmuwan. Bandung: ITB.

www.bulog.co.id diakses tanggal 23 Mei 2011.

www.jatim.bps.go.id diakses tanggal 15 Mei

2011.

Yun, J. I. 2002. Predicting Regional Rice

Production in South Korea Using

Spatial Data and Crop-growth

Modeling. Agricultural System vol. 77

pp. 23-38.