BAB 4 ANALISIS DAN PENGOLAHAN DATA - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab4/2009-1-00475-TIAS...
Transcript of BAB 4 ANALISIS DAN PENGOLAHAN DATA - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab4/2009-1-00475-TIAS...
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 12
Semarang Banjarmasin 25
Manado
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
Koordinat Permintaan CUSTOMER Lokasi
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 Sumber: Hasil Pengolahan Data
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)
Sumber: Hasil Pengolahan Data
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) = √((XA-XB)2+(YA-YB)2)
Dist (CUS 1,CUS 2) = √((XCUS 1 - XCUS 2)2+(YCUS 1-YCUS 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
Sumber: Hasil Pengolahan Data
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)
= 13.6 +8.5 – 5.4 = 16.7
Keterangan
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
Pada iterasi ke-empat dilakukan proses yang sama seperti iterasi-iterasi
sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi ke-
empat 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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
Pada iterasi ke-enam dilakukan proses yang sama seperti iterasi-iterasi
sebelumnya yaitu menentukan jarak terpendek berikutnya. Pada iterasi ke-
enam 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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
CUST 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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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 Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
Total jarak tempuh pada rut eke tiga ini adalah 21.6
e. Rute 5
Tabel 13. Hasil Itersai Untuk Rute 5
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
Proses iterasi kedua menghasilkan jarak total sebesar 17.5.
CUSTOMER LOKASI CDC 12 13
12 Banjarmasin 8.1 0.0
13 Adaro 9.4 1.4 0.0
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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 Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
c. Rute 3
Tabel 17. Hasil Itersai Untuk Rute 3
RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0
Sumber: Hasil Pengolahan Data
81
Tabel 17.1. Metode Nearest Neighbor Rute Kendaraan 3
DC 17.0 9.5 9.5 19.0
Sumber: Hasil Pengolahan Data
d. Rute 4
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
Sumber: Hasil Pengolahan Data
Tabel 18.1. Metode Nearest Neighbor Rute Kendaraan 4
DC 16 18 10.8 0.0 10.8 21.6
Sumber: Hasil Pengolahan Data
e. Rute 5
Tabel 19. Hasil itersai untuk rute 5
Sumber: Hasil Pengolahan Data
Tabel 19.1. Metode Nearest Neighbor Rute Kendaraan 5
CDC 12 13 8.1 8.1 1.4 17.5
Sumber: Hasil Pengolahan Data
CUSTOMER LOKASI CDC 12 13
12 Banjarmasin 8.1 0.0
13 Adaro 9.4 1.4 0.0
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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 masing-
masing 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
Sumber: Hasil Pengolahan Data
Tabel 22.1. Metode Sweep Rute Kendaraan 2
DC 19.0 22.0 21.0 12.0 5.0 2.2 12.2 31.4
Sumber: Hasil Pengolahan Data
c. Rute 3
Tabel 23. Hasil Itersai Untuk Rute 3
RUTE 3 CUSTOMER LOKASI CDC CUS 17 CUS 17 Senakin 9.5 0.0
Sumber: Hasil Pengolahan Data
85
Tabel 23.1. Metode Sweep Rute Kendaraan 3
DC 17.0 9.5 9.5 19.0
Sumber: Hasil Pengolahan Data
d. Rute 4
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
Sumber: Hasil Pengolahan Data
Tabel 24.1. Metode Sweep Rute Kendaraan 4
DC 16 18 10.8 0.0 10.8 21.6
Sumber: Hasil Pengolahan Data
e. Rute 5
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
Sumber: Hasil Pengolahan Data
Tabel 25.1. Metode Sweep Rute Kendaraan 5
DC 13 12 9.4 1.4 8.1 18.9
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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
Sumber: Hasil Pengolahan Data
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 Sumber: Hasil Pengolahan Data
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
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.
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
koordinat Permintaan CUSTOMER Lokasi
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
koordinat Permintaan CUSTOMER Lokasi
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 langkah-
langkah 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:
koordinat Permintaan CUSTOMER Lokasi
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 TOT
DEMAND BIAYA/Kg TOT BIAYA Rute 1
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 AVG
DEMAND BIAYA/Kg TOT BIAYA Rute 1
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 AVG
DEMAND BIAYA/Kg TOT BIAYA Rute 1 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.