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 Semarang Manado 12 Banjarmasin 25 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: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. 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 CUSTOMER Lokasi Koordinat Permintaan 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 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) 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) = ((X A -X B ) 2 +(Y A -Y B ) 2 ) Dist (CUS 1,CUS 2) = ((X CUS 1 - X CUS 2 ) 2 +(Y CUS 1 -Y CUS 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) Keterangan = 13.6 +8.5 5.4 = 16.7 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. Tabel 9.2. Metode Nearest Insert Rute Kendaraan 1 Iterasi 2 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 71.9, penambahan customer CUS 26 menghasilkan jarak perjalanan 87.4, penambahan customer CUS 27 menghasilkan jarak perjalanan 94.2. Tabel 9.3. Metode Nearest Insert Rute Kendaraan 1 Iterasi 3 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 74.8, penambahan customer CUS 26 menghasilkan jarak perjalanan 96.0, penambahan customer CUS 26 menghasilkan jarak perjalanan 101.5. Hasil iterasi ke-empat adalah sebagai berikut: Tabel 9.4. Metode Nearest Insert Rute Kendaraan 1 Iterasi 4 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 keempat 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 75.5, penambahan customer CUS 26 menghasilkan jarak perjalanan 96.8, penambahan customer CUS 27 menghasilkan jarak perjalanan 102.2. Hasil iterasi ke-lima adalah sebagai berikut: Tabel 9.5. Metode Nearest Insert Rute Kendaraan 1 Iterasi 5 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 DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 8.5 8.6 30.5 1.4 7.3 19.2 75.5 DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 26 8.5 8.6 30.5 1.4 19.7 28.2 96.9 DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 27 8.5 8.6 30.5 1.4 21.8 31.4 102.2 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 92.5, penambahan customer CUS 26 menghasilkan jarak perjalanan 98.9. Hasil iterasi ke-enam adalah sebagai berikut:
68 Tabel 9.6. Metode Nearest Insert Rute Kendaraan 1 Iterasi 6 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 DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 26 8.5 8.6 30.5 1.4 7.3 8.0 28.2 92.5 DC CUS 3 CUS 1 CUS 20 CUS 23 CUS 25 CUS 27 8.5 8.6 30.5 1.4 7.3 11.2 31.4 98.9 Pada iterasi ke-enam dilakukan proses yang sama seperti iterasi-iterasi sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi keenam 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 99.2, penambahan customer CUS 27 menghasilkan jarak perjalanan 105.6. Hasil iterasi ke-enam adalah sebagai berikut: Tabel 9.7. Metode Nearest Insert Rute Kendaraan 1 Iterasi 7 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. Tabel 9.8. Metode Nearest Insert Rute Kendaraan 1 Iterasi 8 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 Tabel 10. Hasil Itersai Untuk Rute 2 CDC CUS CUST LOKASI 19 CUS 19 Ujung pandang 12.0 0.0 CUS 21 CUS 22 CUS 21 Bontang 12.2 6.3 0.0 CUS 22 Palu 13.4 5.0 2.2 0.0
70 Tabel 10.1. Metode Nearest Insert Rute Kendaraan 2 Iterasi 1 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 Tabel 10.2. Metode Nearest Insert Rute Kendaraan 2 Iterasi 2 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 Tabel 10.3. Metode Nearest Insert Rute Kendaraan 2 Iterasi 3 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. Tabel 11. Hasil Itersai Untuk Rute 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0
71 Proses iterasi pertama dalam rute kedua ini memiliki total jarak yaitu 19.0. yang berarti satu alat transportasi melayani satu customer saja. Tabel 11.1. Metode Nearest Insert Rute Kendaraan 3 Iterasi 1 DC 17.0 9.5 9.5 19.0 d. Rute 4 Tabel 12. Hasil Itersai Untuk 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 Tabel 12.1. Metode Nearest Insert Rute Kendaraan 4 Iterasi 1 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 Tabel 12.2. Metode Nearest Insert Rute Kendaraan 4 Iterasi 2 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 Tabel 13. Hasil Itersai Untuk Rute 5 CUSTOMER LOKASI CDC 12 13 12 Banjarmasin 8.1 0.0 13 Adaro 9.4 1.4 0.0 Tabel 13.1. Metode Nearest Insert Rute Kendaraan 5 Iterasi 1 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 Tabel 13.2. Metode Nearest Insert Rute Kendaraan 5 Iterasi 2 CDC 12 13 8.1 8.1 1.4 17.5 Proses iterasi kedua menghasilkan jarak total sebesar 17.5.
73 f. Rute 6 Tabel 14. Hasil Itersai Untuk 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 Tabel 14.1. Metode Nearest Insert Rute Kendaraan 6 Iterasi 1 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 Tabel 14.2. Metode Nearest Insert Rute Kendaraan 6 Iterasi 2 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 Tabel 14.3. Metode Nearest Insert Rute Kendaraan 6 Iterasi 3 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
76 Tabel 14.4. Metode Nearest Insert Rute Kendaraan 6 Iterasi 4 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 Tabel 14.5. Metode Nearest Insert Rute Kendaraan 6 Iterasi 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 Tabel 14.6. Metode Nearest Insert Rute Kendaraan 6 Iterasi 6 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 Tabel 14.7. Metode Nearest Insert Rute Kendaraan 6 Iterasi 7 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 Tabel 14.8. Metode Nearest Insert Rute Kendaraan 6 Iterasi 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 Tabel 14.9. Metode Nearest Insert Rute Kendaraan 6 Iterasi 9 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. Tabel 15. 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 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 Tabel 16. Hasil Itersai Untuk Rute 2 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 Tabel 16.1. Metode Nearest Neighbor Rute Kendaraan 2 DC 19.0 22.0 21.0 12.0 5.0 2.2 12.2 31.4 c. Rute 3 Tabel 17. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0
81 Tabel 17.1. Metode Nearest Neighbor Rute Kendaraan 3 d. Rute 4 DC 17.0 9.5 9.5 19.0 Tabel 18. Hasil Itersai Untuk Rute 4 RUTE 4 CUSTOMER LOKASI CDC 16 18 16 Balikpapan 10.8 0.0 18 Samarinda 10.8 0.0 0.0 Tabel 18.1. Metode Nearest Neighbor Rute Kendaraan 4 e. Rute 5 DC 16 18 10.8 0.0 10.8 21.6 Tabel 19. Hasil itersai untuk rute 5 CUSTOMER LOKASI CDC 12 13 12 Banjarmasin 8.1 0.0 13 Adaro 9.4 1.4 0.0 Tabel 19.1. Metode Nearest Neighbor Rute Kendaraan 5 CDC 12 13 8.1 8.1 1.4 17.5
82 f. Rute 6 Tabel 20. Hasil Itersai Untuk 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 Tabel 20.1. Metode Nearest Neighbor Rute Kendaraan 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 Tabel 21. 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 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 masingmasing lokasi pelanggan ini di jumlahkan untuk mendapatkan jarak yang optimum. Total jarak pada rute pertama ini adalah 106.0. b. Rute2 Tabel 22. Hasil Itersai Untuk Rute 2 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 Tabel 22.1. Metode Sweep Rute Kendaraan 2 c. Rute 3 DC 19.0 22.0 21.0 12.0 5.0 2.2 12.2 31.4 Tabel 23. Hasil Itersai Untuk Rute 3 RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0
85 Tabel 23.1. Metode Sweep Rute Kendaraan 3 d. Rute 4 DC 17.0 9.5 9.5 19.0 Tabel 24. Hasil Itersai Untuk Rute 4 RUTE 4 CUSTOMER LOKASI CDC 16 18 16 Balikpapan 10.8 0.0 18 Samarinda 10.8 0.0 0.0 Tabel 24.1. Metode Sweep Rute Kendaraan 4 e. Rute 5 DC 16 18 10.8 0.0 10.8 21.6 Tabel 25. Hasil Itersai Untuk Rute 5 CUSTOMER LOKASI CDC 12 13 12 Banjarmasin 8.1 0.0 13 Adaro 9.4 1.4 0.0 Tabel 25.1. Metode Sweep Rute Kendaraan 5 DC 13 12 9.4 1.4 8.1 18.9
86 f. Rute 6 Tabel 26. Hasil Itersai Untuk 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 Tabel 26.1. Metode Sweep Rute Kendaraan 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 Nearest Insert 12, 13 17.5 Nearest Neighbor 12, 13 17.5 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 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: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. 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 digambarkan pemetaannya sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 11. Lokasi DEPO Pekanbaru Dan Lokasi Cabang PT.UT Pada gambar 11, 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 DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga 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 CUSTOMER Lokasi koordinat Permintaan 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 Tabel 30. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang) Sumber:Hasil Pengolahan Data
93 Hasil perhitungan savging matrix berdasarkan data dari distance matrix adalah sebagai berikut: Tabel 31. Tabel Penghematan Jarak Sumber:Hasil Pengolahan Data
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 Sumber:Hasil Pengolahan Data
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 Jenis Prosedur Hasil Urutan Perjalanan Jarak Tempuh 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 Nearest Insert 3, 18 30.1 Nearest Neighbor 3, 18 30.1 Sweep 18, 13 30.1 Rute 4 15 Nearest Insert 15 26.1 Nearest Neighbor 15 26.1 Sweep 15 26.1 Rute 5 12, 13 Nearest Insert 13, 12 26.8 Nearest Neighbor 13, 12 26.8 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. Tabel 34. Penjadwalan Pengirimana Dengan Metode Saving Matrix 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 Sumber:Hasil Pengolahan Data 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.
98 Berdasarkan (Tabel 34.) dapat dibuatkan peta rute pengiriman yang di mulai dari balikpapan adalah sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 12. Peta Alur Distribusi Dari DEPO Pekanbaru Kesemua Customer (Cabang) Pada gambar 12, dapat terlihat bahwa rute perjalanan dimulai dari 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 digambarkan pemetaannya sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 13. Lokasi DEPO Banjarmasin Dan Lokasi Cabang PT.UT Pada gambar 13, 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 DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga 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 CUSTOMER Lokasi koordinat Permintaan X y box Kg CDC 0 0 - - CUS 1 Banda aceh -18 10 3 14 CUS 2 Medan -15 8 49 269 CUS 3 Padang -13 3 78 554 CUS 4 Pekanbaru -12 5 20 40 CUS 5 Jambi -10 4 20 40 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 langkahlangkah yang dilakukan pada DEPO Banjarmasin. Hasil perhitungan metode saving matrix pada DEPO Banjarmasin adalah sebagai berikut Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di tentukan berdasarkan pada sumbu XY hasilnya adalah: Tabel 36. Saving Matrix Hasil Setelah Dilakukan Iterasi Sumber:Hasil Pengolahan Data
102 Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan hasil penentuan rute dari setiap customer yang berdasarkan pada data seving matrix adalah sebagai berikut: Tabel 37. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang) Sumber:Hasil Pengolahan Data Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan
103 tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai berikut: Tabel 38. 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, 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 Nearest Insert 13 4.0 Nearest Neighbor 13 4.0 sweep 13 4.0 Sumber:Hasil Pengolahan Data
104 Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan. Tabel 39. Penjadwalan Pengirimana Dengan Metode Saving Matrix 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 Sumber:Hasil Pengolahan Data 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.
105 Berdasarkan (Tabel 39.) dapat dibuatkan peta rute pengiriman yang di mulai dari Banjarmasin adalah sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 14. Peta Alur Distribusi Dari DEPO Banjarmasin Kesemua Customer (Cabang) Pada gambar 14, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Banjarmasin sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.
106 4.2.2.4 DEPO BALIKPAPAN Untuk DEPO PT United Tractors yang ke-empat adalah di Balikpapan, dapat digambarkan pemetaannya sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 15. Lokasi DEPO Balikpapan Dan Lokasi Cabang PT.UT Pada gambar 15, 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 DEPO dilakukan pembulatan yaitu menjadi satu bilangan bulat (tidak ada bilanga 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: CUSTOMER Lokasi koordinat Permintaan X y box Kg CDC 0 0 - - CUS 1 Banda aceh -20 8 3 14 CUS 2 Medan -17 6 49 269 CUS 3 Padang -15 1 78 554 CUS 4 Pekanbaru -14 3 20 40 CUS 5 Jambi -12 0 20 40 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 Untuk perhitungan distance matrix yang berdasarkan data jarak yang telah di tentukan berdasarkan pada sumbu XY hasilnya adalah: Tabel 41. Jarak Antara Gudang (DEPO) Kemasing-Masing Customer (Cabang) Sumber:Hasil Pengolahan Data
109 Hasil perhitungan savging matrix berdasarkan data dari distance matrix dan hasil penentuan rute dari setiap customer yang berdasarkan pada data saving matrix adalah sebagai berikut: Tabel 42. Saving Matrix Hasil Setelah Dilakukan Iterasi Sumber:Hasil Pengolahan Data Urutan perjalanan suatu alat transportasi untuk mendistribusikan sparepart dengan Distribution Center (DC) berlokasikan di pekanbaru dengan menggunakan
110 tiga metode (Nearest Insert, Nearest Neighbor, sweep) yang beda adalah sebagai 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 Nearest Insert 18 2.0 Nearest Neighbor 18 2.0 sweep 18 2.0 Sumber:Hasil Pengolahan Data
111 Dari hasil yang diperoleh dalam tabel diatas, maka dilakukan perbandingan mana yang memiliki jarak tempuh terkecil itulah yang akan digunakan. Tabel 44. Penjadwalan Pengirimana Dengan Metode Saving Matrix 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 Sumber:Hasil Pengolahan Data 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.
112 Berdasarkan (Tabel 45.) dapat dibuatkan peta rute pengiriman yang di mulai dari Balikpapan adalah sebagai berikut: Sumber:Hasil Pengolahan Data:Peta Diambil Dari http://googlemap.com. Skala = 1cm : 20.000.000 km. Gambar 16. Peta Alur Distribusi Dari DEPO Balikpapan Keemua Customer (Cabang) Pada gambar 16, dapat terlihat bahwa rute perjalanan dimulai dari DEPO Balikpapan sebagai DC (Distribution Center) kemudiaan melayani setiap cabang atau customer yang sesuai dengan rute yang telah di hitung dengan tiga metode Saving Matrix.
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 Rute 1 TOT DEMAND BIAYA/Kg TOT BIAYA 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 Rute 1 AVG DEMAND BIAYA/Kg TOT BIAYA 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 CUS Lokasi DEMAND Rute 1 AVG DEMAND BIAYA/Kg TOT BIAYA 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 Sumber:Hasil Pengolahan Data
117 4. DEPO Balikpapan Tabel 49. Biaya Distribusi Untuk DEPO Balikpapan CUS Lokasi DEMAND AVG 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 Sumber:Hasil Pengolahan Data
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 Sumber:Data Perusahaan
120 Tabel 52. Data-Data Total Permintaan Bearing dan O-ring dan biaya distribusi Sumber:Data Perusahaan 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.