OPTIMALISASI PENENTUAN RUTE DENGAN PENDEKATAN FORECASTING

OPTIMALISASI PENENTUAN RUTE DENGAN PENDEKATAN FORECASTING DAN METODE DISTRIBUSI SAVING MATRIX SERTA PERANCANGAN SISTEM INFORMASI PENDISTRIBUSIAN BARANG PADA TIRTA BINTARO Teodora Wongso Binus University, Jakarta, DKI Jakarta, Indonesia ABSTRAK Permasalahan yang dihadapi perusahaan saat ini adalah sulitnya memenuhi permintaan pelanggan yang selalu berubah. Masalah pengiriman produk juga selalu terjadi ketika permintaan meningkat sehingga berdampak pada tertundanya pengiriman pemesanan kepada pelanggan. Hal tersebut berkaitan langsung kepada kepuasan pelanggan Tirta Bintaro. Oleh karena itu, penulis merasa perlu untuk mengusulkan alternatif metode dan sistem yang dapat meminimalisasi masalah tersebut. Langkah penyelesaian masalah yang dilakukan yaitu dengan memperkirakan permintaan pelanggan pada periode yang akan datang dengan menggunakan metode peramalan. Dalam penelitian ini akan digunakan beberapa metode peramalan sebagai perbandingan, yaitu metode Naive, metode Moving Average, metode Weighted Moving Average, metode Exponential Smoothing, metode Exponential Smoothing With Trend, dan metode Regresi Linear. Dari perhitungan yang didapat metode yang paling baik berdasarkan MAD dan MSE-nya yaitu metode regresi linear karena hasil kesalahan peramalannya yang terkecil untuk produk Aqua galon yang digunakan dalam penelitian ini adalah 5,070.31dan 39,579,787.94. Dengan begitu demand diperoleh dari hasil peramalan dengan metode regresi linear untuk produk Aqua galon adalah 95,357.66. Hasil peramalan akan dilanjutkan dengan manajemen transportasi dan distribusi untuk penentuan rute distribusi, yaitu metode Saving Matrix dengan prosedur yang digunakan

2 untuk mengurutkan konsumen adalah nearest neighbor, farthest insert, dan nearest insert. Prosedur yang paling baik adalah yang dapat menghasilkan jarak distribusi terkecil. Pada penelitian yang telah dilakukan, prosedur farthest insert dapat menghasilkan jarak distribusi terkecil untuk setiap kendaraan yang dimiliki perusahaan. Hasil dari analisis yang telah dilakukan akan digunakan untuk membangun sistem informasi pendistribusian barang yang diharapkan dapat membantu perusahaan dalam pendistribusian barang kepada pelanggan. Kata kunci: Peramalan, rute pengiriman, saving matrix, sistem informasi, distribusi 1. Pendahuluan Kemajuan teknologi merupakan sesuatu yang tidak dapat dihindarkan dalam kehidupan ini. Perkembangan tersebut mempercepat proses globalisasi yang memberikan dampak pada dunia bisnis, dimana setiap perusahaan berusaha menemukan dan menerapkan cara-cara baru untuk menggunakan teknologi guna meningkatkan efektivitas dan efisiensi proses bisnis. Hal ini mengakibatkan dunia usaha dituntut semakin berkompetitif. Tuntutan konsumen juga semakin tinggi. Konsumen tidak hanya menuntut produk yang murah, berkualitas, dan bervariasi, tetapi juga menuntut aspek kecepatan respon (Nyoman, 2005). Salah satu aspek kecepatan respon adalah kecepatan dalam memenuhi permintaan konsumen. Dalam memenuhi permintaan konsumen, salah satu faktor penting yang perlu diperhatikan adalah pendistribusian produk dari perusahaan kepada konsumen yang tepat waktu dan efektif. Pendistribusian memegang peran yang penting karena tanpa adanya pola distribusi yang tepat, maka proses ini dapat menghabiskan biaya tinggi dan mengakibatkan pemborosan, baik dari segi waktu maupun jarak. Distribusi adalah kegiatan yang berkaitan dengan perpindahan produk dari lokasi dimana mereka diproduksi hingga lokasi konsumen/pemakai yang seringkali dibatasi oleh jarak. Kemampuan untuk mengirimkan produk ke konsumen secara tepat waktu, dan dalam jumlah yang sesuai serta dalam kondisi yang baik sangat menentukan apakah produk tersebut pada akhirnya akan kompetitif di pasar. Oleh sebab itu, perusahaan harus dapat memiliki persediaan yang baik guna dapat memenuhi permintaan konsumen. Perusahaan dapat membuat perencanaan dalam menyediakan produk guna memenuhi permintaan konsumen yang akan datang dengan melakukan peramalan atau perkiraan akan permintaan konsumen untuk periode-periode mendatang. Tirta Bintaro merupakan salah satu agen air minum yang berlokasi di Tangerang, dimana mereka menjual air minum brand Aqua dan VIT. Sebagai agen air minum yang sudah berdiri cukup lama, Tirta Bintaro sudah memiliki banyak konsumen. Setiap konsumen memiliki permintaan yang selalu berubah setiap saat, ada kalanya permintaan konsumen terlalu banyak sehingga barang persediaan di gudang habis dan tidak dapat memenuhi permintaan konsumen lainnnya. Di samping itu, Tirta Bintaro juga perlu mengirimkan produk mereka kepada konsumen yang terletak di tempat yang berbeda sehingga diperlukan manajemen distribusi yang baik untuk

3 menentukan jaringan distribusi yang digunakan supaya dapat mengoptimalisasi biaya dan waktu pada setiap pengiriman yang dilakukan. Berdasarkan pengamatan yang dilakukan pada Tirta Bintaro yang bergerak dalam bidang pendistribusian air minum dalam kemasan, perusahaan tersebut ternyata mempunyai masalah dalam perencanaan pembelian persediaan dimana jumlah pembelian persediaan yang dilakukan masih bersifat intuitif, sehingga menyebabkan ketidak-sesuaian antara pembelian persediaan yang dilakukan perusahaan dengan permintaan yang diterima dari konsumen. Selain itu, sistem distribusi yang diterapkan perusahaan saat ini masih kurang baik sehingga tidak jarang terjadi masalah dalam pengiriman, seperti penundaan pengiriman yang disebabkan karena waktu pengiriman yang terlalu lama dan rute distribusi yang tidak optimal sehingga mengakibatkan tidak terpenuhinya pengiriman kepada konsumen dengan tepat waktu. 2. Pembahasan Berikut akan dibahas mengenai metodologi penelitian yang digunakan, diagram alir, hasil pengolahan data yang dilakukan untuk mendapatkan metode terbaik bagi perusahaan, dan perancangan yang dilakukan guna membantu dalam memecahkan masalah yang dihadapi perusahaan pada saat ini. 2.1. Metodologi Metodologi yang digunakan penulis dalam skripsi ini, yaitu: a. Metode Pengumpulan Data 1. Studi Kepustakaan Studi kepustakaan dilakukan dengan mencari, membaca, dan mengumpulkan data yang bersifat teoritis dimana berhubungan dengan masalah yang menjadi objek penelitian, baik dari media cetak (artikel, journal, buku cetak) maupun media elektronik (situs web) yang berguna untuk meyakinkan pembaca serta mengembangkan informasi yang telah diperoleh dari sumber-sumber tersebut. 2. Survei Lapangan Penelitian langsung ke lapangan dan melihat masalah-masalah yang terjadi untuk menjadi bahan kajian. 3. Wawancara Penelitian dengan melakukan komunikasi kepada pihak-pihak tertentu dalam rangka mengumpulkan data-data yang dapat dijadikan referensi dalam menyelesaikan masalah. b. Metode Analisis Data Metode analisis data yang digunakan adalah forecasting (peramalan) guna mendapatkan perkiraan permintaan konsumen yang akan diterima perusahaan pada periode mendatang. Metode forecasting (peramalan) yang digunakan disesuaikan dengan pola data yang merupakan data penjualan time series, yaitu Metode Naif, Metode Rata-rata Bergerak, Metode Rata-rata Bergerak Tertimbang, Metode Penghalusan

4 Eksponensial, Metode Penghalusan Eksponensial dengan Tren, dan Metode Regresi Linier. Setelah diperoleh peramalan permintaan periode mendatang maka akan dilanjutkan dengan metode manajemen transportasi dan distribusi, yaitu savings matrix, guna memperoleh rute pengiriman yang terpendek dengan memperhatikan utilitas dari kendaraan yang dimiliki perusahaan. c. Metode Analisis dan Perancangan Metode analisis dan perancangan yang digunakan dalam penelitian ini adalah metode Object Oriented Analysis and Design dengan pendekatan Bennett dan Mathiassen. 2.2. Diagram Alir Diagram alir bertujuan untuk menggambarkan urutan atau tahapan dalam melakukan penelitian dari awal hingga didapatnya suatu penyelesaian yang dilakukan dalam melakukan pengamatan pada Tirta Bintaro. Gambar 1. Diagram Alir

5 2.3. Hasil Pengolahan Data Pengolahan data yang dilakukan untuk memecahkan masalah yaitu: 1. Pengolahan data permintaan konsumen Pengolahan data permintaan konsumen untuk memperoleh peramalan pada periode mendatang dilakukan secara manual dan dengan menggunakan software QM (Quantity Management) For Window dan Minitab. Dari perhitungan peramalan yang telah dilakukan, maka akan dilakukan perbandingan dari ketelitian peramalan setiap metode. Metode peramalan yang akan digunakan adalah metode peramalan yang memberikan nilai penyimpangan terkecil dari metode-metode yang digunakan. Perbandingan ketelitian peramalan ditampilkan berikut ini: Hasil Perhitungan dengan software QM Tabel 1. Hasil Perhitungan dengan software QM Metode MAD MSE Naif 5927.469 46157580 Rata-rata Bergerak 6109.456 55109530 Rata-rata Bergerak Tertimbang 6458.149 63997120 Penghalusan Eksponensial (0.3) 6287.051 60356510 Penghalusan Eksponensial (0.75) 5837.112 43531210 Penghalusan Eskponensial dengan Tren 5998.906 54406040 Regresi Linier 5070.313 39579780 Berdasarkan hasil pengolahan data menggunakan software QM telah diperoleh hasil MAD dan MSE yang memiliki nilai yang terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan dengan menggunakan QM for Windows. Hasil Perhitungan dengan software Minitab Tabel 2.. Hasil Perhitungan dengan software Minitab Metode MAD MSE Rata-rata Bergerak 6109 55109524 Penghalusan Eksponensial (0.3) 6181 58221552 Penghalusan Eksponensial (0.75) 5765 42541331 PenghalusanEskponensial dengan Tren 5888 51406090 Regresi Linier 5070 39579788 Berdasarkan hasil pengolahan data menggunakan software Minitab telah diperoleh hasil MAD dan MSE yang memiliki nilai

6 yang terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan dengan menggunakan Minitab. Hasil Perhitungan dengan secara manual Tabel 3. Hasil Perhitungan secara manual Metode MAD MSE Naif 5927.469 46157580 Rata-rata Bergerak 6109.456 55109523.93 Rata-rata Bergerak Tertimbang 6458.15 63997136.17 Penghalusan Eksponensial (0.3) 6287.05 60356530.34 Penghalusan Eksponensial (0.75) 5837.11 43531.219.38 Penghalusan Eskponensial dengan Tren 5998.907 54406034.97 Regresi Linier 5070.313 39579787.94 Berdasarkan hasil pengolahan data secara manual telah diperoleh hasil MAD dan MSE yang memiliki nilai yang terkecil, yaitu Metode Regresi Linier. Metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan secara manual. Berdasarkan teori yang telah diuraikan, suatu metode peramalan patut dipilih untuk digunakan sebagai indikator apakah suatu teknik peramalan cocok digunakan atau tidak dengan membandingkan kesalahan peramalan yang dilihat pada nilai MAD dan MSE. Akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil, sehingga semakin kecil nilai MAD dan MSE berarti semakin kecil pula perbedaan antara hasil peramalan dan nilai aktual. Hasil pengolahan data menggunakan QM for Windows, Minitab, dan secara manual telah diperoleh hasil MAD dan MSE dari setiap metode yang digunakan. Metode peramalan yang menghasilkan nilai MAD dan MSE terkecil, yaitu Metode Regresi Linier. Kesimpulan yang dapat diperoleh berdasarkan hasil perhitungan dan perbandingan ketelitian peramalan adalah metode regresi linier merupakan metode peramalan yang sebaiknya digunakan oleh perusahaan untuk meramalkan jumlah permintaan aqua galon di masa yang akan datang berdasarkan perhitungan menggunakan QM for Windows, Minitab, dan secara manual.

7 2. Pengolahan data lokasi konsumen Pengolahan data lokasi konsumen dilakukan untuk memperoleh rute terbaik yang dapat digunakan dalam pengiriman sehingga waktu dan jarak yang dibutuhkan dapat lebih diminimalisasi. Dari pengolahan data yang telah dilakukan, terdapat beberapa alternatif yang dapat digunakan untuk rute pengiriman. Dari alternatif-alternatif yang tersedia untuk setiap kendaraan, dipilih alternatif yang menghasilkan jarak tempuh terpendek karena jarak tempuh mempengaruhi biaya bahan bakar yang dikeluarkan oleh kendaraan yang digunakan. Berikut adalah tabel yang Menunjukkan perbandingan jarak tempuh dari setiap metode pengurutan konsumen. Tabel 4. Perbandingan Jarak Setiap Kendaraan Pada Setiap Metode Pada tabel terdapat bagian yang diarsir dimana bagian tersebut menunjukkan jarak terpendek pada setiap kendaraan di setiap prosedur pengurutan konsumen dalam pengiriman. Pada tabel dapat dilihat bahwa hanya prosedur farthest insert dapat menghasilkan jarak terpendek untuk setiap kendaraan. Oleh karena itu, optimalisasi rute kendaraan pada Tirta Bintaro dapat menggunakan prosedur farthest insert. 2.4. Perancangan Sistem Berdasarkan hasil analisis yang telah dilakukan, dimana diperoleh Metode Regresi Linear untuk peramalan permintaan yang akan dijadikan acuan dalam pembelian persediaan dan Metode Saving Matrix dengan prosedur Farthest Insert untuk penentuan rute pendistribusian barang kepada konsumen, maka akan dirancang suatu sistem informasi yang dapat membantu dalam proses bisnis yang berjalan pada Tirta Bintaro. Berikut akan dibahas mengenai beberapa tampilan layar utama yang merupakan hasil perancangan yang telah dilakukan, dimana digunakan untuk membantu dalam mengatasi masalah yang teridentifikasi di dalam perusahaan: 1. Window Peramalan Permintaan Pengguna yang akan berhubungan dengan window peramalan permintaan adalah bagian gudang, dimana window ini akan membantu bagian gudang dalam mengetahui jumlah permintaan barang yang akan diterima perusahaan dari konsumen untuk periode yang akan datang. Hal ini dilakukan untuk mengetahui jumlah persediaan barang yang harus dimiliki perusahaan untuk periode tersebut. Perhitungan peramalan yang

8 dilakukan pada window ini adalah Metodee regresi Linear. Window ini akan membantu dalam memecahkan masalah mengenai perencanaan pembelian persediaan. Dengan ini maka perusahaan dapat melakukan perencanaan pembelian persediaan untuk periode mendatang dengan patokan jumlah persediaan yang dihasilkan dari peramalan yang dilakukan. Selain memberitahukan jumlah permintaan konsumen periode mendatang, ditampilkan pula kenaikkann permintaan dari periode sebelumnya dalam bentuk unit dan persentasi. Informasi ini dapat digunakan perusahaan berkaitan dengan ukuran gudang yang harus disediakan perusahaan untuk menyimpan persediaan. Berikut adalah tampilan dari windoww peramalan permintaan: Gambar 2. Window Peramalan Permintaan 2. Window Alokasi Pengiriman Pengguna yang akan menggunakan windoww alokasi pengiriman adalah bagian pengiriman. Dalam perancangan sistem ini, alokasi pengiriman merupakan inti dari sistem yang dirancang karena alokasi pengiriman yang membantu dalam memecahkan masalah penentuan rute distribusi pada saat pengirimann dilakukan. Window ini tidak hanyaa menentukann rute pengiriman tetapi juga menentukan kendaraan yang digunakan dan supir yang akan melakukan pengiriman barang. Dikarenakann penelitian yang dilakukan menggunakan metode distribusi Saving Matrix, maka pada window disajikan pula nilai saving matriks yang diurutkan dari nilai tertinggi hingga terendah. Hal ini bertujuan bahwa pasangan konsumen dengan nilai saving matriks yang tinggi akan menjadi prioritas atau diutamakan untuk didistribusikan terlebih dahulu dibandingkan pasangan konsumen dengan nilai saving matriks yang rendah. Rute pengiriman dapat ditampilkan bila jumlah barang yang dikirim tidak melebihi kapasitass kendaraan. Berikut adalah tampilan dari window alokasi pengiriman:

9 Gambar 3. Window Alokasi Pengirimann 3. Kesimpulan Berdasarkan analisis dan pembahasan yang dilakukan pada bab sebelumnya, maka dapat disimpulkan beberapa hal, yaitu: 1. Berdasarkan perhitungan yang telah dilakukan mengenai peramalan bulan Januari 2009 September 2011 untuk produk Aqua galon dengan menggunakan Metode Naive, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, dan Regresi Linear dengan menggunakan hasil akurasi peramalan MAD dan MSE yang paling terkecil yaitu padaa metode Regresi Linear. 2. Setelah mendapatkan hasil peramalan akan permintaan produk Aqua galon pada bulan Januari 2009 September 2011, maka dilakukan pengolahan data untuk menentukan distribusi dan data parameternya dalam menghasilkan solusi optimal dengan menggunakan metode Saving Matrix. Pada penelitian yang telah dilakukan, prosedur farthest insert merupakan prosedur yang dapat menghasilkan rute optimal dimana prosedur ini dapat menghasilkan jarak distribusi terkecil untuk setiap kendaraan yang dimiliki perusahaan.

10 3. Sistem informasi distribusi yang dirancang dapat membantu bagian pengiriman dalam pengambilan keputusan yang berhubungan dengan penentuan optimalisasi rute distribusi barang dengan memperhatikan utilisasi dari kendaraan serta jarak tempuh terpendek. DAFTAR PUSTAKA Assauri, S. (2008). Manajemen Produksi dan Operasi. Edisi revisi. FE UI, Jakarta. Bahasa Pusat(2008). Kamus Besar Bahasa Indonesia. Edisi Keempat. Gramedia Pustaka Utama, Jakarta. Bennet, S., McRobb, S., Former, R.(2006). Object Objected System Analysis and Design Using UML 3rd Edition. McGraw-Hill, New York. Bennet, S., McRobb, S., Former, R.(2010). Object Objected System Analysis and Design Using UML 4th Edition. McGraw-Hill, New York. Chopra, S., Meindl, Peter(2010). Supply Chain Management: Strategy, Planning, and Operation. Fourth Edition. Pearson, New Jersey. Eckhaus, E. (2003). Cosumer Demand Forecasting: Weighted and Unweighted Moving Average. Journal of Logistic Volume 1. Gaspers, V. (2005). Production Planning and Inventory Control Berdasarkan Pendekatan Sistem Terintegrasi MRP II dan JIT menuju Manufakturing 21. PT. Gramedia Pustaka Utama, Jakarta. Gross, K.D. (2001). Smoothing model helps predict sales: Forecasting the future. Journal of Property Management. 66, 3. Heizer, J., dan Render, B. (2006). Manajemen Operasi (Judul Asli: Operation Management, diterjemahkan oleh: Dwianoegrahwati dan Indra Almadhy) Buku 1. Edisi ketujuh. Salemba Empat, Jakarta. Heizer, J., dan Render, B. (2009). Operation Management. Edisi 9. Salemba Empat, Jakarta. Hutahaean, Hotman Antoni dan Novie Putri (2009). Usulan Perbaikan Sistem Transportasi Pendistribusian Produk dengan Pendekatan Saving Matrix Based on Multi-Constraint. Matris Volume 10 No.2, ISSN: 1411-3287 Hays, J.M. (2003). Forecasting Computer Usage. Journal of Statistics Education Volume 11 Number 1. University of St. Thomas. Mathiassen, L., Munk-Madsen, A., Nielsen, P.A., Stage, J. (2000). Object-Oriented Analysis and Design. Marko Publishing ApS, Aalborg, Denmark.

11 Maulity, H. (2008). Perencanaan Jumlah Pengalokasian Produk dan Rute Pengiriman Untuk Meminimalkan Biaya Distribusi. Jurnal Teknik Industri Volume 9 No.2. McLeod, Raymond, Jr. (2010). Sistem Informasi Manajemen. Jilid I dan Jilid II. Pt. Prenhallindo, Jakarta. Nachrowi D., Hardius. (2004). Teknik Pengambilan Keputusan. Grasindo, Jakarta. Nasution, A.H. (2003). Perencanaan dan Pengendalian Produksi. Edisi pertama. Cerakan kedua. Guna Widya, Surabaya. O Brien, J. (2003). Pengantar Sistem Informasi Perspektif Bisnis dan manajerial. Salemba Empat, Jakarta. Pilinkiene, V. (2008). Selection of Market Demand Forecast Methods: Criteria and Application. Journal of Engineering Economics No.3, ISSN: 1392-2785. Pujawan, I Nyoman. (2005). Supply Chain Management. Edisi pertama. Guna Widya, Surabaya. Rangkuti, F. (2005). Manajemen Persediaan. PT. Rajagrafindo Persada, Jakarta. Ren, L. dan Glasure, Y. (2009). Applicability of the Revised Mean Absolute Percentage Errors (MAPE) Approach to Some Popular Normal and Non-normal Independent Time Series. International Atlantic Economic Society. University of Houston-Victoria, USA. Santoso, S. (2009). Business Forecasting: Metode Peramalan Bisnis Masa Kini Dengan Minitab dan SPSS. Elex Media, Jakarta. Sarjono, H. (2010). Aplikasi Riset Operasi. Salemba Empat, Jakarta. Satzinger, J.W., Burd, S.D., Jackson, R.B. (2005). Object-oriented Analysis And Design With The Unified Process. Course Technology Ptr. Canada. Stevenson, W. J. (2009). Forecasting. Journal of Management. Encyclopedia.com