SIMULASI DISTRIBUSI PELUMAS PT.PERTAMINA UPms V Rasky Sahnan Pilpala, Abdullah Shahab Program Studi Magister Manajemen Teknologi ITS email: rasky_mmt_its@yahoo.co.id ABSTRAK Sejak awal berdirinya PT.PERTAMINA (Persero) tidak hanya memproduksi bahan bakar minyak (BBM) maupun gas tetapi juga memproduksi berbagai macam pelumas. Permintaan berbagai jenis pelumas terutama pelumas yang digunakan untuk otomotif di wilayah Jawa Timur terus mengalami kenaikan dan penurunan yang fluktuatif tiap waktunya. Ketidakpastian ini mengakibatkan sulitnya menentukan produksi/minggu (konstan) dan juga mengakibatkan biaya operasional dan jumlah alat transportasi menjadi tidak optimal. Oleh karena itu diperlukan penelitian untuk mengantisipasi permasalahan ini. Penelitian ini bertujuan untuk membuat simulasi distribusi dengan menentukan strategi distribusi yang tepat berdasarkan biaya operasional yang terendah dalam proses pelayanan pengiriman pelumas-pelumas PT.PERTAMINA (Persero), dan menentukan berapa banyak jumlah alat transportasi yang seharusnya digunakan. Metode yang digunakan sebagai pertimbangan terhadap masukan untuk menentukan keputusan dari strategi-strategi yang diterapkan pada perusahaan adalah model simulasi dengan metode Discrete-Event Simulation dan metode Monte Carl. Seluruh strategi yang diaplikasikan dalam model simulasi menggunakan bahasa pemrograman Delphi 6.0 dengan database SQL 7.0 Dari 6 (enam) strategi yang digunakan dikombinasikan dengan variabel penelitian yang telah ditentukan, menghasilkan variabel-variabel biaya yang mendukung terbentuknya total biaya operasional yang menjadi tolak ukur dalam pemilihan strategi dan variabel penelitian yang tepat. Kata kunci : Simulasi, Monte Carlo dan Discrete-Event Simulation. PENDAHULUAN Latar Belakang Masalah Tiap-tiap depot di Jawa Timur wajib memiliki persediaan (inventory) yang dimanage dengan baik sehingga dapat memenuhi permintaan pelanggan dan menghindari kelangkaan pelumas. Selain itu persediaan di pabrik pelumas (LOBP) juga harus melihat pada kebutuhan-kebutuhan tiap-tiap depot yang disuplainya. Pabrik LOBP harus terus memantau kontiniutas dari permintaan tiap-tiap depot secara berkala agar tidak terjadi kelebihan atau kekurangan pada inventory-nya yang mana akan mempengaruhi biaya operasional dan profit perusahaan. Program simulasi yang akan dibangun penulis, mempunyai tujuan untuk membantu pihak PT.PERTAMINA (Persero) dalam proses pengambilan keputusan tentang menentukan produksi per minggu dan strategi distribusi pelayanan pelumas. Sehingga program ini dapat membantu mengoptimalkan efektifitas dan efisiensi tenaga kerja, biaya maupun profit serta pada akhirnya bertujuan untuk meningkatkan pelayanan kepada konsumen dalam hal memenuhi permintaan pelanggan.
Perumusan Masalah Ketidakpastian dari permintaan pelumas-pelumas mengakibatkan sulitnya menentukan produksi/minggu (konstan) dan juga mengakibatkan biaya operasional dan jumlah alat transportasi menjadi tidak optimal. Oleh karena itu diperlukan penelitian untuk mengantisipasi permasalahan ini. Bagaimana menentukan produksi/minggu (konstan) dan bagaimana menetukan strategi pengiriman pelumas yang menguntungkan sehingga dapat memaksimalkan jumlah transportasi yang akan digunakan? Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah membuat simulasi distribusi dengan menentukan strategi distribusi yang tepat berdasarkan biaya operasional yang terendah dalam proses pelayanan pengiriman pelumas-pelumas PT.PERTAMINA (Persero), dan menentukan berapa banyak jumlah alat transportasi yang seharusnya digunakan. Batasan Masalah Pada proposal ini penulis membatasi permasalahan yang terjadi sebagai berikut: 1. Perilaku permintaan adalah normal, tidak dipengaruhi oleh event-event tertentu yang sifatnya tidak pasti seperti hari raya, tahun baru, dll. 2. Waktu pengiriman pesanan dianggap waktu normal, tanpa melihat: Ban meletus, kecelakaan, kemacetan, kendaraan mogok di jalan dan jalan rusak. TINJAUAN PUSTAKA Metode Monte Carlo Metode Monte Carlo merupakan metode analisis numerik yang melibatkan pengambilan sampel eksperimen bilangan acak. Model simulasi monte carlo merupakan bentuk simulasi probabilistik di mana solusi dari suatu masalah diberikan berdasarkan proses randomisasi (acak). Proses acak ini melibatkan suatu distribusi probabilitas dari variabel-variabel data yang dikumpulkan berdasarkan data masa lalu maupun distribusi probabilitas teoritis. Bilangan acak digunakan untuk menjelaskan kejadian acak setiap waktu dari variabel acak dan secara berurutan mengikuti perubahan-perubahan yang terjadi dalam proses simulasi. Metode Discrete-Event Simulation Discrete-Event Simulation adalah simulasi yang membahas model suatu sistem yang selalu berkembang karena adanya suatu representasi dari perubahan variable variable pada kondisi tertentu disaat tertentu juga. Kondisi tertentu ini merupakan kejadian dimana suatu peristiwa terjadi dan event didefinisikan sebagai kejadian atau peristiwa pada saat yang sama dapat mengubah kondisi suatu sistem. Berdasarkan mekanisme pemajuan waktu simulasi (Time Advance Mechanism), maka Discrete-Event Simulation dibedakan menjadi Next Event Time Advance dan Fixed Increment Time Advance. Penggabungan Model Fixed-Increment Time Advance dengan Next-Event Time Advance Pada sistem delivery order yang terjadi pada umumnya, seperti delivery order yang terjadi pada restoran McDonald, model Fixed-Increment Time Advance juga dapat A-9-2
ditemui, yaitu dalam hal waktu pemesanan pesanan konsumen yang ditetapkan dalam jangka waktu yang sama. Di dalam Fixed-Increment Time Advance terdapat model Next-Event Time Advance yaitu tentang lama pelayanan serta lama pengiriman kepada konsumen hingga karyawan di bagian pengiriman berada kembali pada tempatnya memiliki waktu bisa bervariasi. Dapat disimpulkan bahwa di dalam discrete-event ketika proses dengan menggunakan model Fixed-Increment Time Advance sedang berlangsung, maka didalamnya juga sedang berlangsung proses dengan menggunakan Next-Event Time Advance. 0? t 1 e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 e 9 e 10 Gambar 1 Penggabungan model Fixed Increment Time Advance dengan model Next-Event Time Advanced METODOLOGI PENELITIAN Prosedur Pengembangan? t 2? t 3? t 4? t Prosedur pengembangan merupakan rangkaian dari alur yang di mulai dengan mengidentifikasi masalah, merumuskan masalah dan tujuan, mengumpulkan data, menentukan data yang dibutuhkan dan variable untuk proses simulasi, merancang sistem, dan lain-lain yang dibutuhkan hingga membuat laporan dari simulasi tersebut. Hal-hal tersebut akan penulis tuangkan dalam bentuk diagram penelitian seperti pada Gambar 2. Gambar 2 Diagram Penelitian A-9-3
Strategi-strategi Distribusi Pelumas Strategi-strategi yang akan digunakan di dalam pelayanan distribusi pelumas mobil maupun motor ke depot-depot pertamina ini memiliki kelebihan dan kelemahan masing-masing. Kelebihan dan kelemahan dari strategi-strategi tersebut dilihat pada keuntungan maupun kerugian yang dihasilkan. Oleh karena itu untuk menentukan strategi mana yang tepat dalam penerapannya di lapangan harus melihat pada dua aspek tersebut. Ada 5 produk pelumas pertamina yang dikirimkan dari pabrik LOBP ke depotdepotnya. Kelima produk tersebut adalah pelumas mobil yaitu Fastron Synthetic Oil, Prima XP dan Mesran Super, sedangkan pelumas motor yaitu Enduro 4T dan Mesrania 2T Super. Untuk produk Fastron Synthetic Oil diberikan kode P-01, untuk produk Prima XP diberikan kode P-02, untuk produk Mesran Super diberikan kode P-03, untuk produk Enduro 4T diberikan kode P-04, dan untuk produk Mesrania 2T Super diberikan kode P-05. Strategi Single a. Tiap-tiap produk dikirim masing-masing dan tidak dicampur dengan produk lain (1 truk hanya berisi 1 jenis produk). b. Permintaan akan langsung dilayani oleh pabrik pada hari diterimanya permintaan. Strategi Mixing a. Produk P-01, P-02 dan P-03 dikumpulkan pada hari yang sama kemudian dikirimkan bersama-sama. b. Produk P-03 dan P-04 dikumpulkan pada hari yang sama kemudian dikirim bersama-sama. c. Permintaan akan langsung dilayani oleh pabrik pada hari dilakukannya permintaan. Strategi Single 2 a. Pengiriman produk dilakukan 3x dalam seminggu yaitu pada hari selasa, kamis dan sabtu. b. Untuk pengiriman hari selasa merupakan pengumpulan permintaan pada hari senin dan selasa; untuk pengiriman hari kamis merupakan pengumpulan permintaan pada hari rabu dan kamis; untuk pengiriman hari sabtu merupakan pengumpulan permintaan pada hari jumat dan sabtu. Strategi Mixing 2 a. Pengiriman produk dilakukan 3x dalam seminggu yaitu pada hari selasa, kamis dan sabtu. b. Untuk pengiriman hari selasa merupakan pengumpulan permintaan pada hari senin dan selasa; untuk pengiriman hari kamis merupakan pengumpulan permintaan pada hari rabu dan kamis; untuk pengiriman hari sabtu merupakan pengumpulan permintaan pada hari jumat dan sabtu. Strategi Single 3 a. Pengiriman produk dilakukan 2x dalam seminggu yaitu pada hari rabu dan sabtu. b. Untuk pengiriman hari rabu merupakan pengumpulan permintaan pada hari senin, selasa dan rabu; untuk pengiriman hari sabtu merupakan pengumpulan permintaan pada hari kamis, jumat dan sabtu. Strategi Mixing 3 a. Pengiriman produk dilakukan 2x dalam seminggu yaitu pada hari rabu dan sabtu. A-9-4
b. Untuk pengiriman hari rabu merupakan pengumpulan permintaan pada hari senin, selasa dan rabu; untuk pengiriman hari sabtu merupakan pengumpulan permintaan pada hari kamis, jumat dan sabtu. HASIL PENELITAIAN DAN PEMBAHASAN Penentuan Variabel Produksi dan Jumlah Truk Pada penelitian ini terdapat 3 (tiga) variable produksi/minggu berdasarkan jumlah permintaan (dari data) yaitu optimis ( jumlah permintaan tertinggi), pesimis (jumlah permintaan terendah) dan rata-rata (jumlah permintaan rata -rata). Ketiga variable ini dapat dilihat pada Table 1 di bawah ini. Tabel 1 Variabel Produksi/minggu TOTAL PRODUKSI P-01 P-02 P-03 P-04 P-05 Pesimis 2510 2630 2454 21709 10590 Optimis 5401 6629 5324 50232 27727 Rata-rata 3135 3430 3000 24714 14566 Selain itu juga terdapat 6 (enam) variable jumlah truk, dimana terbagi atas 2 (dua) variable utama yaitu 3 (tiga) variab el untuk strategi single dan 3 (tiga) variable untuk strategi mixing. Keenam variable ini dapat dilihat pada Table 2 di bawah ini untuk tiap-tiap depot. Tabel 2 Variabel Truk DEPOT SURABAYA Variabel Truk (Strategi Single) Variabel Truk (Strategi Mixing) Pesimis 3 3 2 7 2 7 8 Optimis 8 9 7 16 10 20 22 Rata-rata 4 5 4 9 5 10 12 DEPOT MALANG Pesimis 3 3 2 6 2 8 8 Optimis 8 10 8 18 11 22 25 Rata-rata 5 5 5 10 6 12 13 DEPOT MADIUN Pesimis 2 3 3 4 3 7 6 Optimis 6 8 6 14 8 15 18 Rata-rata 4 4 3 7 4 8 9 A-9-5
DEPOT KEDIRI Pesimis 2 2 3 3 3 7 5 Optimis 6 7 6 13 7 16 15 Rata-rata 3 4 3 6 4 8 7 DEPOT BANYUWANGI Pesimis 6 3 5 11 6 12 15 Optimis 10 12 9 22 12 27 29 Rata-rata 8 9 8 16 9 22 23 Penentuan Strategi Yang Tepat Untuk mendapatkan biaya operasional yang minimum, keenam strategi ini di kombinasikan dengan variabel penelitian. Variabel penelitian itu sendiri berupa Produksi dan Jumlah Truk Pengangku. Dari hasil penelitian didapatkan bahwa strategi dan variabel yang tepat dalam kasus ini adalah Strategi 2 dengan variabel penelitian Produksi Optimis dan Jumlah Truk Rata-rata. Total Biaya Operasional yang diperoleh sebesar Rp. 46.786.000.000,- Sedangkan strategi yang diterapkan oleh PT. Pertamina UPms V Surabaya adalah Strategi 3 dengan variabel penelitian Produksi Rata-rata dan Jumlah Truk Rata-rata dimana diperoleh total biaya operasionalnya sebesar Rp.54.108.000.000,- Dengan membandingkan strategi yang diterpakan oleh PT. Pertamina Upms V dengan strategi simulasi pada penelitian ini, disimpulkan bahwa Strategi 2 lebih tepat untuk diterapkan oleh PT. Pertamina UPms V nantinya. Dengan menerapkan strategi ini PT. Pertamina UPms V dapat menghemat biaya operasional per tahunnya sebesar Rp.7.322.000.000,- Strategi 2 dengan variabel produksi optimis dan jumlah truk rata-rata memiliki keunggulan dibanding strategi yang diterapkan PT. Pertamina UPms V. Secara signifikan biaya yang sangat berperan dalam penghematan total biaya adalah biaya stock out dan biaya truk tidak beroperasi, dimana perbandingan kedua strategi ini mengenai biaya-biaya tersebut dapat dilihat pada grafik di bawah ini. Gambar 3 Grafik Perbandingan Strategi-2 vs Strategi-3 A-9-6
Selain itu, strategi 2 ini dalam proses simulasi tidak terjadi keterlambatan dalam proses pengiriman barang, dengan kata lain service level (SL) yang telah ditetapkan dapat terpenuhi. Hal ini sebaliknya bagi strategi 3, dimana terjadi keterlambatan sehingga mengakibatkan munculnya biaya keterlambatan, seperti yang ditunjukkan pada grafik diatas. Meskipun unggul dalam ketersediaan barang dan lebih optimal dalam penggunaan truk pengangkut, strategi 2 ini memiliki biaya inventory yang cukup besar seperti yang terlihat pada Gambar 3. Hal ini dikarenakan variabel produksi optimis sehingga barang yang tersedia di dalam inventory menjadi banyak. Namun hal ini untuk mengantisipasi terjadinya stock out dan ketidakpuasan pelanggan, dimana dapat memberikan dampak negatif yang lebih besar bagi perusahaan. Pelumas kendaraan merupakan produk fast moving, yang apabila terjadi stock out maka berakibat hilangnya kesempatan mendapatkan keuntungan, selain itu juga berakibat berkurangnya pelanggan, dimana pelanggan berpindah menggunakan pelumas lain. Mudahnya pelanggan berpindah ke produk lain dikarenakan kualitas dari pelumaspelumas yang ada saat ini adalah setara. Tidak hanya itu, harga pun menjadi ikut bersaing dalam pasar pelumas ini. Oleh sebab itu, hal ini menjadi alasan penting untuk menjaga ketersediaan produk karena dampak negatif stock out jauh lebih besar dibanding mengatur invetory dengan jumlah barang yang banyak. KESIMPULAN DAN SARAN 1. Berdasarkan dari perbandingan varibel-variabel biaya yang membentuk total biaya operasional, didapatkan hasil bahwa strategi 2 lebih baik untuk dijalankan dibandingkan strategi 3 yang merupakan strategi yang digunakan saat ini oleh perusahaan. Hal ini dikarenakan strategi 2 dapat menghemat pengeluaran sebesar Rp.7.322.000.000,- 2. Variabel penelitan yang dikombinasikan dengan strategi 2 sehingga menghasilkan biaya operasional yang minimum adalah Produksi Optimis dan Jumlah Truk Rata-rata. Variabel ini ditampilkan pada Tabel 1 dan Tabel 2. DAFTAR PUSTAKA Setiawan S. (1991), Simulasi Teknik Pemograman dan Metode Analisis, Andi Offset, Yogyakarta, Indonesia. Djati, B.S.L. (2007), Indonesia Simulasi Teori dan Aplikasinya, Andi Offset, Yogyakarta, Gottfied, B.S. (1984), Elements Of Stochastic Process Simulation, Prentise Hall Inc., New Jersey. A-9-7