PENGEMBANGAN MODEL OPTIMASI UNTUK TWO-STAGE SUPPLY CHAIN DENGAN MEMPERTIMBANGKAN BIAYA TETAP (FIXED CHARGE) Studi kasus: Perum Bulog

Transkripsi

1 PENGEMBANGAN MODEL OPTIMASI UNTUK TWO-STAGE SUPPLY CHAIN DENGAN MEMPERTIMBANGKAN BIAYA TETAP (FIXED CHARGE) Studi kasus: Perum Bulog Soesilowati 1), Suparno 2), dan Erwin Widodo 3) 1) Program Studi Magister, Institut Teknologi Sepuluh November Surabaya 2) & 3) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember ABSTRAK Proses distribusi suatu produk merupakan bagian dari proses supply chain. Pada penelitian ini, supply chain dikategorikan ke dalam dua level yang meliputi level pertama yaitu distribusi produk mulai dari supplier menuju distribution centre (DC) dilanjutkan ke level kedua dari DC menuju customer. Adapun komponen biayanya terdiri dari fixed charge yang merupakan biaya tetap yang muncul setiap kali pengiriman terjadi, biaya variabel, biaya inventory, biaya maintenance, biaya retur dan biaya operasional. Implementasi model pada Perum Bulog bertujuan untuk mengoptimalkan total biaya distribusi dengan pemanfaatan software Lingo Hasil yang diperoleh dari penelitian ini adalah model yang dikembangkan mampu memfasilitasi sistem desain dari permasalahan two-stage supply chain dan mampu menjelaskan perhitungan biaya distribusi yang optimal dengan alokasi jumlah lot dari setiap supplier dan gudang ke tiap titik distribusi yang telah diketahui jumlah permintaannya, yaitu sejumlah 67 kecamatan yang tersebar di Surabaya, Sidoarjo, dan Gresik. Pendekatan jumlah lot dan pemilihan alat transportasi dengan menggunakan 3 jenis kendaraan menjadi kondisi proposed untuk mencapai biaya optimal. Hasil perbandingan yang diperoleh bahwa kondisi proposed memberikan nilai biaya distribusi yang lebih kecil dibandingkan dengan kondisi eksisiting. Kata kunci: Two-stage Supply Chain, Fixed Charge, Optimasi, Distribusi Produk PENDAHULUAN Biaya distribusi memiliki proporsi yang cukup besar yaitu mencapai 30% dari total biaya produk. Oleh karena itu, persoalan distribusi merupakan hal yang penting bagi perusahaan yang memiliki jaringan supply chain. Supply chain management (SCM) adalah metode,alat atau pendekatan pengelolaan, namun perlu ditekankan bahwa Supply chain management (SCM) menghendaki pendekatan atau metode yang terintegrasi dengan dasar semangat kolaborasi (Pujawan, 2005). Perum Bulog merupakan lembaga pemerintah yang mengurusi masalah logistik beras nasional untuk memenuhi kebutuhan beras masyarakat Indonesia. Ketersediaan beras menjadi sangat penting, karena beras mempunyai peranan strategis bagi masyarakat Indonesia. Beras merupakan makanan pokok bagi 90% masyarakat Indonesia. Data dari Badan Pusat Statistik Indonesia (BPS) menyatakan bahwa Produksi beras nasional pada tahun 2012 sebanyak 69,06 juta ton gabah kering giling ( Akan tetapi jumlah produksi beras tersebut tidak seluruhnya dapat dikonsumsi masyarakat Indonesia dikarenakan banyak beras yang mengalami kerusakan pada waktu penyimpanan. Proses bisnis yang dijalankan oleh Perum A-15-1

2 Bulog meliputi 3 kegiatan utama yaitu pembelian beras sebagai bagian dari pengadaan, penyimpanan, dan penyaluran. Optimasi merupakan proses memaksimalkan atau meminimalkan suatu fungsi tujuan dengan tetap memperhatikan pembatas ( constraint) yang ada. Nilai yang diperoleh dalam proses optimasi selalu menghasilkan nilai yang maksimal atau minimal. Optimasi sendiri berperan penting dalam mendesain suatu sistem dengan mempertimbangkan kendala-kendala yang menyertainya untuk kemudian dicari proses penyelesaiannya. Model optimasi inilah yang akan diimplementasikan pada kasus two-stage supply chain ini. Pada penelitian-penelitian sebelumnya ada beberapa pembahasan tentang proses distribusi yang terkait dengan keberadaan fixed cost dalam optimasi biayanya (Jawahar d an Balaji, 2009&2012), distribusi two-stage (Raj dan Rajendran, 2012), penggunaan biaya variabel (Xie dan Jia, 2012), penggunaan kendaraan yang jumlahnya terbatas (Hun Kang dan Dae Kim, 2010), penggunaan biaya inventory (Hun Kang dan Dae Kim, 2012), pertimbangan kapasitas DC ( Zavardehi, 2011), biaya pembukaan DC (Keshteli, 2011), single vendor multiple buyers supply chain (Sue-Ann, 2012). Penelitian ini akan membahas persoalan distribusi untuk penyaluran produk beras dengan mempertimbangkan lot size pengiriman dan penggunaan komponen biaya tetap, biaya loading unloading, biaya sewa gudang, biaya maintenantance, biaya retur dan biaya operasional. Penelitian ini diharapakan mampu mengembangkan metode optimasi untuk persoalan two-stage supply chain di Perum Bulog dengan menggunakan metode eksak yaitu software LINGO 14.0 dalam penentuan jumlah alokasi produk yang optimal. METODE Penelitian ini dilakukan dengan tahapan yang diawali dari perumusan masalah yang kemudian dilanjutkan dengan pengumpulan data yang mendukung sehingga dapat dilakukan pembangunan model sesuai dengan permasalahan yang diangkat. Metode perhitungan eksak dengan penggunaan software Lingo diharapkan mampu memberikan penyelesaian atas optimasi biaya distribusi pada proses penyaluran beras di Perum Bulog untuk area penyaluran Surabaya, Sidoarjo, dan Gresik. Dapat diperkirakan bahwa biaya optimal pada satu tahap, belum tentu akan menghasikan biaya yang optimal juga di tahap kedua. Hal inilah yang akan dicari kombinasinya sehingga mampu menghasilkan biaya total untuk dua tahap supply chain yang serendah-rendahnya. Pada penelitian ini dipergunakan data yang diperoleh dari hasil pengamatan, pengumpulan data di lapangan, sekaligus interview dengan pihak-pihak yang berperan dalam proses distribusi dimulai dari pembuat kebijakan hingga ke pelaku teknis yang ada di lapangan di Perum Bulog Divre Jatim dan Perum Bulog Subdivre Surabaya Utara. Gambaran aliran distribusi yang terjadi adalah sebagai berikut : A-15-2

3 Gambar 1. Aliran distribusi Penentuan model di awal dilakukan dalam bentuk model matematis berdasarkan permasalahan. Berikut formulasi matematis dari model dan penentuan batasan-batasan (konstrain) yang dipergunakan : Minimize Y = (V X + n F ) + V X + n F + δ OP KM + δ RE JML Subject to: 1. Konstrain yang membatasi jumlah produk yang dikirimkan : X S (, = 1 ); (konstrain untuk kapasitas supply dari supplier) 2. Konstrain yang membatasi kapasitas tiap DC : X SC, = 1 ; (konstrain untuk kapasitas tiap distribution center ) 3. Konstrain yang menyatakan terdapatnya penyesuaian jumlah produk yang dikirimkan dengan jumlah permintaan sehingga dipastikan bahwa semua demand akan dipenuhi dengan adanya pengiriman produk tanpa ada backorder : X = D (, = 1 ) ; (konstrain demand) 4. Konstrain untuk memastikan bahwa ketika terjadi pengiriman maka variable n akan bernilai lebih dari 0 dan terjadilah fixed cost : X M x ; h 5. Konstrain untuk menyatakan nilai n (banyaknya pengiriman yang dilakukan untuk menyesuaikan kapasitas lot size pengiriman): X n X n 6. Konstrain untuk memastikan bahwa ketika terjadi pengiriman, maka akan terpenuhi nilai kelayakan jalan, apakah bisa dilalui oleh kendaraan yang bersangkutan atau tidak: X M x ; h 7. Konstrain untuk jumlah produk yang dikirimkan (non negative constraint) dan variabel biner: X 0 dan integer ( ) X 0 dan integer ( ) A-15-3

4 n 0 dan integer ( ) n 0 dan integer ( ) δ = 0 atau 1, δ = 0 atau 1, δ = 0 jika X = 0 δ = 0 jika RE = 0 δ = 1 jika X > 0 δ = 1 jika RE > 0 HASIL DAN DISKUSI Berikut merupakan hasil pengolahan data dengan software Lingo 14.0, dimana penulis mengajukan sistem baru yaitu suatu kondisi dimana pengiriman pada tahap 2 dilakukan dengan penggunaan alternative kendaraan tronton dan truk gandeng, berbeda dengan kondisi eksisting yang hanya mempergunakan truk berkapasitas 8 ton dalam proses distribusinya. Gambar 2. Hasil Pengolahan Data 1 Kondisi Eksisting Tabel 1. Alokasi Pengiriman Data 1 Stage 1 Kondisi Eksisting Supplier Warehouse Kendaraan Kg beras yang dikirimkan Jumlah Lot , , , , ,280, ,327,675 Pada tiap stage, biaya distribusi hanya mempertimbangkan biaya sewa yang nilainya tetap untuk sekali pengiriman berapapun jarak kilometer yang ditempuh selama area distribusi masih berada di kawasan Surabaya, Sidoarjo, dan Gresik. Untuk stage 2, data kilometer diperlukan sebagai pertimbangan perhitungan biaya operasional sekaligus pertimbangan ketika ada proses retur atau pengembalian beras dari konsumen ke gudang ketika kualitas beras pengiriman di bawah standar yang telah ditentukan. Biaya operasional yang muncul setiap ada pengiriman dari gudang ke konsumen merupakan biaya yang mendukung terlaksananya pengiriman beras sesuai waktu dan kualitas. Adapun petugas yang melaksanakannya melalui perputaran kerja (rolling) untuk keseluruhan konsumen. A-15-4

5 Tabel 2. Alokasi Pengiriman Data 1 Stage 2 Kondisi Eksisting No Warehouse Konsumen Kendaraan Kg beras yang dikirimkan Jumlah Lot , , , , , , ,327,675 Kebutuhan akan pengiriman beras di tiap periode pengiriman berpengaruh terhadap pemilihan kendaraan yang digunakan sebagai alat transportasi, namun secara umum pemilihan alat transportasi yang berkapasitas besar akan lebih menguntungkan dibandingkan alat transportasi berkapasitas kecil yang tentunya wajib mempertimbangkan mungkin tidaknya jalur dilalui oleh kendaraan berkapasitas besar. Kondisi proposed berikut mempertimbangkan penggunaan kendaraan berkapasitas besar, dengan kemungkinan jalan yang bisa dilalui kendaraan berkapasitas besar hanya 7 dari 67 kecamatan. Tabel 3. Alokasi Pengiriman Data 1 Stage 1 Kondisi Proposed Supplier Warehouse Kendaraan Kg beras yang dikirimkan Jumlah Lot Tabel 4. Alokasi Pengiriman Data 1 Stage 2 Kondisi Proposed No Warehouse Konsumen Kendaraan Kg beras yang dikirimkan Jumlah Lot Berikut adalah perbandingan antara kondisi eksisting dengan kondisi proposed untuk 3 komposisi data demand yang berbeda: Tabel 5. Selisih Biaya Eksisting Proposed Selisih Biaya Data 1 8,084,770,000 8,076,977,000 7,793,000 Data 2 16,138,320,000 16,113,820,000 24,500,000 Data 3 24,193,150,000 24,156,050,000 37,100,000 Berdasarkan tabel perbandingan di atas, bahwa alokasi distribusi beras dari 2 tahap pengiriman mencapai angka optimal dengan menerapkan kondisi proposed yang mempertimbangkan kendaraan berkapasitas besar dan hanya dapat digunakan di 7 kecamatan. A-15-5

6 KESIMPULAN DAN SARAN Kesimpulan yang bisa diambil dari penelitian ini adalah sebagai berikut: 1. Pengembangan model dilakukan untuk mengakomodasi kondisi real dalam proses distribusi di Perum Bulog sehingga diperoleh gambaran secara matematis mengenai perhitungan biaya distribusi, komponen yang menyertai dan selanjutnya dapat dianalisa untuk usaha pengoptimalan biaya distribusinya. 2. Hasil pengoptimalan biaya distribusi ditekankan pada pemilihan alat transportasi berikut pengamatan pada jalur-jalur mana saja yang berkemungkinan untuk dapat dilalui oleh alat transportasi yang dipergunakan. Adapun hasilnya menunjukkan bahwa pemilihan alat transportasi berkapasitas besar masih dimungkinkan meskipun hanya mungkin untuk 7 dari 67 kecamatan yang merupakan titik distribusi. Selisih biaya yang terjadi antara kondisi eksisting dengan kondisi proposed untuk data 1 sebesar Rp 7,793,000, untuk data 2 sebesar Rp 24,500,000, dan untuk data 3 sebesar Rp 37,100, Alokasi pengiriman yang diperoleh berdasarkan kondisi proposed memberikan jumlah pengiriman yang lebih sedikit dibandingkan dengan kondisi eksisting. Saran yang diajukan oleh penulis adalah sebagai berikut: 1. Berdasarkan hasil perhitungan diperoleh bahwa kendaraan berkapasitas lebih besar layak untuk dipertimbangkan. 2. Biaya tetap yang muncul setiap kali penyewaan kendaraan tidak dipengaruhi oleh jarak kilometer, sehingga jauh dekatnya gudang ke konsumen tidak berpengaruh terhadap pengoptimalan biaya. Namun, dari sisi biaya operasional dari gudang ke konsumen, pengoptimalan biaya ini dapat dilakukan mengingat adanya perbedaan jarak yang cukup signifikan antara gudang dengan konsumen, sehingga nantinya dapat dilakukan pengelompokan pengiriman berdasarkan gudang yang paling dekat dengan konsumen. 3. Untuk ke depannya, perlu dilakukan pemilahan biaya sewa berdasarkan jauh dekatnya jarak pengiriman, baik dari sisi pengadaan ke gudang maupun dari gudang ke konsumen. Dengan demikian biaya akan semakin dapat ditekan dengan optimalisasi jarak. DAFTAR PUSTAKA Adlakha, V., Kowalski, K. (2003). A simple heuristic for solving small fixed -charged transportation problem, Omega: The International Journal of Management Science, Vol. 31, No. 3, hal Adlakha, V., Kowalski, K., Vemuganti, R. R., Lev, B. (2007). More-for-less algorithm for fixed-charge transportation problems, Omega: The International Journal of Management Science, Vol. 35, No.1, hal Antony Arokia Durai Raj, K., dan Rajendran, Chandrasekharan. (2012). A Genetic Algorithm for Solving The Fixed-Charge Transportation Model: Two Stage Problem, Computer & Operations Research, Vol. 39, No. 9, hal Chopra, S. (2003). Designing the distribution netw orks in a supply chain. Transportation Research Part E: Logistic and Transportation Review, Vol. 39, No.2, hal Hajiaghaei-Keshteli, M.. (2011). The allocation of customers to potential distribution centers in supply chain networks: GA and AIA approaches. Applied Soft Computing, Vol. 11, No. 2, hal Jawahar, N., dan Balaji, A. N. (2009). A genetic algorithm for the two-stage supply chain distribution problem associated with a fixed charge. European Journal of Operational Research, Vol. 194, No.2, hal A-15-6

7 Jawahar, N., dan Balaji, N. (2012). A genetic algorithm based heuristic to the multi-period fixed charge distribution problem. Applied Soft Computing, Vol.12, No.2, hal Kang, Jae-Hun., dan Kim, Yeong-Dae. (2010). Coordination of inventory and transportation managements in a two-level supply chain. International Journal Production Economics, Vol.123, No.1, hal Kang, Jae-Hun., dan Kim, Yeong-Dae. (2012). Inventory control in a two-level supply chain with risk pooling effect. International Journal Production Economics, Vol. 135, No. 1, hal Kementrian Koordinator Bidang Kesejahteraan Rakyat Republik Indonesia.(2013). Pedoman umum subsidi beras bagi masyarakat berpendapatan rendah 2013 (pedum raskin). Kovács,András., Egri, Péter, Kis,Tamás., dan Váncza, József.(2013). Inventory control in supply chain: Alternative approach to a two-stage lot-sizing problem. International Journal Production Economics, Vol. 143, No. 2, hal Molla-Alizadeh-Zavardehi, S., Hajiaghaei-Keshteli, M., dan Moghaddam, R.Tavakkoli. (2011). Solving a capacitated fixed-charge transportation problem by artificial immune and genetic algorithm with a Prüfer number representation. Expert Systems with Applications,Vol. 38, No. 8, hal Olivares-Benitez, Elias., Ríos-Mercado, Roger Z., dan González-Velarde, José Luis.(2013). A metaheuristic algorithm to solve the selection of transportation channels in supply chain design. International Journal Production Economics (Article in Press). Pujawan, I. N. (2005), Supply Chain Management. Guna Widya, Surabaya. Xie, Fanrong., dan Jia, Renan. (2012). Nonlinear fixed charge transportation problem by minimum cost flow-based genetic algorithm. Computers & Industrial Engineering, Vol. 63, No. 4, hal Yang, L. dan Liu, L. (2007). Fuzzy fixed charge solid transportation problem and algorithm. Applied Soft Computing, Vol. 7. No. 3, hal Yokota, T., Gen, M., Li, Y.X. (1996). Genetic Algorithm for non linear mixed integer programming problems and its application. Computers and Industrial Engineering, Vol. 30, No. 4, hal A-15-7