EVALUASI DAN SIMULASI PERBAIKAN ORDER FULFILLMENT …digilib.its.ac.id/public/ITS-Undergraduate-11021-Paper.pdf · PT. Pupuk Kaltim is a company that produce fertilizer, whether with

EVALUASI DAN SIMULASI PERBAIKAN ORDER FULFILLMENT PROCESS

PADA PUPUK UREA BERSUBSIDI DENGAN PENDEKATAN LEAN

DISTRIBUTION

(STUDI KASUS : KANTOR PEMASARAN JATIM – PT. PUPUK KALTIM TBK.)

Mary Jane Staublish dan I Nyoman Pujawan Jurusan Teknik Industri

Institut Teknologi Sepuluh Nopember (ITS) Surabaya

Kampus ITS Sukolilo Surabaya 60111

Email: [email protected] ; [email protected]

Abstrak PT. Pupuk Kaltim merupakan perusahaan yang memproduksi pupuk baik yang berlabel subsidi maupun

non-subsidi. Penelitian ini difokuskan pada pupuk urea bersubsidi sebagai pemenuhan akan produksi

bahan pangan dalam negeri. Permasalahan yang dihadapi perusahaan saat ini adalah terjadinya

inefisiensi pada order fulfillment process yang disebabkan oleh adanya waste (pemborosan) dan non-

value added activity yang dapat merugikan perusahaan. Berdasarkan penelitian, ditemukan waste

kritis, yaitu lead time yang panjang dan inventory yang berlebih di gudang lini 2(Margo 40).

Penerapan Lean Distribution diharapkan mampu mengurangi waste tersebut. Salah satu upaya yang

dilakukan sebelum menerapkan perbaikan adalah dengan melakukan simulasi. Identifikasi waste

dilakukan dengan metode Value Stream Analysis Tools (VALSAT). Tools dalam metode VALSAT yang

digunakan adalah Process Activity Mapping yang digunakan untuk memetakan tiap aktivitas dalam

proses penyaluran pupuk urea bersubsidi. Dan berdasarkan hasil penelitian dengan pendekatan

simulasi dan lean distribution, maka pengiriman dengan ukuran lot yang kecil dapat mengurangi lead

time sebesar 48.61% untuk Kabupaten Sidoarjo, 40.70% untuk Kabupaten Kediri, dan 31.98% untuk

Kabupaten Pacitan.

Kata kunci: Lead Time, Lean Thinking, Process Activity Mapping, Waste, Simulasi

ABSTRACT

PT. Pupuk Kaltim is a company that produce fertilizer, whether with subsidy or non subsidy

label. This research is focused on subsidized urea fertilizer to fulfill the need of food material

production inside the country. Problem that faced by the company today is that there is inefficiency at

order fulfillment process that caused by waste and non-value added activity that will inflict financial

loss for the company. Based on the research, there is critical waste, that is long lead time and

exaggerate inventory in the warehouse 2 (Margo 40). The implementation of Lean Distribution is

hopefully able to decrease the waste. One of several effort that already performed before implementing

such fixing or improvement is using simulation. Waste identification is performed by using Value

Stream Analysis Tools (VALSAT) method. Tools in VALSAT method that being used is Process Activity

Mapping which is used to map every activities in the subsidized urea fertilizer distribution process.

Based on the result of the research that using lean distribution and simulation approach, delivery with

small lot measurement will be able to decrease lead time into 48.61% for Sidoarjo Regency, 40.70% for

Kediri Regency, and 31.98% for Pacitan Regency.

Keywords: Lead Time, Lean Thinking, Process Activity Mapping, Waste, Simulation

1. Pendahuluan

PT. Pupuk Kalimantan Timur merupakan

produsen pupuk terbesar di Indonesia, memiliki

wilayah penugasan pendistribusian pupuk yang

cukup luas dan berat, yakni mencakup seluruh

wilayah Indonesia Bagian Timur. Dalam proses

penyaluran pupuk, khususnya pupuk urea

bersubsidi yang melibatkan distributor dan kios

pengecer, aktivitas delivery adalah aktivitas yang

menentukan panjang/pendeknya waktu

pengiriman. Hal tersebut sangat tergantung pada

bagaimana cara perusahaan mampu mengatur

proses pemenuhan pesanan menjadi lebih efiesin

dan efektif sehingga lead time tidak terlalu lama.

Tahapan dalam proses pemenuhan pesanan suatu

produk meliputi adanya permintaan order, proses

mailto:[email protected]:[email protected]

2

order, perencanaan produksi, proses produksi,

pengiriman produk ke konsumen hingga

manajemen pembayaran. Apabila salah satu dari

tahapan tersebut terdapat gangguan maka akan

berakibat gangguan pada tahapan yang lainnya

(Pujawan, 2005). Pada prakteknya aktivitas ini

dipengaruhi pula oleh aktivitas-aktivitas yang

terjadi di jalur distribusi. Upaya untuk

meningkatkan efisiensi dapat dilakukan dengan

menerapkan konsep Lean, dimana prinsip utama

dalam konsep ini adalah pengurangan dan

peniadaan pemborosan (waste).

Semakin meluasnya cakupan wilayah

pendistribusian pupuk bersubsidi tersebut

menjadikan PT. Pupuk Kaltim berusaha lebih

meningkatkan pemenuhan order untuk memenuhi

ketersediaan pupuk bagi para petani. Pentingnya

ketersediaan pupuk tersebut sangat diharapkan

para petani agar dalam masa penanaman, pupuk

yang dibutuhkan siap untuk digunakan. Oleh

sebab itulah diharapkan perusahaan lebih

meningkatkan response times dalam proses

pengiriman pupuk sehingga waktu pengiriman

tidak memakan waktu panjang. Namun

pemenuhan order akan jumlah kebutuhan pupuk

tersebut tidak diimbangi dengan daya serap

petani dalam negeri karena permintaan akan

pupuk urea bersubsidi yang bersifat fluktuatif.

Faktor – faktor yang mempengaruhi permintaan

pupuk yang fluktuatif tersebut diantaranya

disebabkan oleh pemberian pupuk yang tidak

sesuai dosis yang dianjurkan untuk luas lahan

yang dimiliki serta tingginya permintaan akan

pupuk di musim penghujan dibandingkan musim

kemarau sehingga pemakaian pupuk menjadi

lebih besar dibanding musim kemarau. Dengan

adanya hal-hal tersebut mengakibatkan

timbulnya inventory yang berlebih di gudang

produsen tingkat provinsi/lini 2 (Margo 40).

Berdasarkan data yang berhasil diperoleh

diketahui terdapat posisi stok yang berlebih di

gudang lini 2 (Margo 40) yakni sebesar 19.550

ton. Hal tersebut dikarenakan kapasitas gudang

yang hanya sebesar 17.500 ton tidak dapat

meng-cover keseluruhan stok yang ada, sehingga

stok yang tidak ter-cover tersebut harus

disimpan di luar gudang (open storage). Adanya

hal tersebut menyebabkan tingginya biaya pada

supply chain yang digunakan untuk tenaga kerja,

persediaan, sewa gudang, dan lain sebagainya.

Dengan demikian pada akhirnya akan

berpengaruh pada kemampuan perusahaan

dalam proses pemenuhan pesanan. Untuk itu

diperlukan upaya untuk meminimalisasi adanya

pure non-value added activity dalan order

fulfillment process di perusahaan.

Adapun tujuan dari evaluasi penyaluran pupuk

bersubsidi ini adalah :

1. Menentukan faktor-faktor penyebab adanya

variasi dalam delivery time dimulai pada

pengiriman pupuk dari gudang lini 2 ke lini

3, diteruskan ke lini 4 (distributor) hingga

ke kios pupuk.

2. Mendapatkan skenario perbaikan yang

menghasilkan lead time yang lebih

konsisten dan/atau inventory level yang

lebih rendah.

Manfaat yang dapat diberikan dalam penelitian

tugas akhir ini adalah :

1. Mereduksi adanya variasi lead time dalam

proses penyaluran pupuk dari supplier (PT.

Pupuk Kaltim) hingga ke kios pupuk yang

menjadi perpanjangan tangan dari petani

(end customers).

2. Meminimasi inventory pada sistem

penyaluran pupuk urea bersubsidi yakni

adanya jumlah inventory yang berlebih di

gudang lini 2 (Margo 40).

3. Sebagai rekomendasi kepada pihak

manajemen perusahaan agar menggunakan

model simulasi sebagai referensi untuk

perbaikan yang bertujuan untuk mengurangi

lead time dan inventory yang berlebih di

gudang lini 2 (Margo 40).

Batasan yang digunakan dalam penelitian tugas

akhir ini adalah :

1. Penelitian ini dilakukan pada jalur distribusi

pupuk urea bersubsidi di wilayah

pemasaran Jatim dimulai dari proses

pengantongan pupuk (Gudang Berlian -

Surabaya) ke lini 2 (gudang produsen

tingkat provinsi – Surabaya, Jawa Timur)

hingga pada penyaluran pupuk sampai ke

tangan pengecer (kios pupuk).

2. Objek pengamatan dalam penelitian ini

terdiri dari tiga kabupaten di Jawa Timur

yang dipilih berdasarkan jarak terdekat dari

gudang provinsi (lini 2) yang diwakili oleh

kabupaten Sidoarjo, jarak terjauh yang

diwakili oleh kabupeten Pacitan, dan

kabupaten dengan tingkat demand tertinggi

yang diwakili oleh kabupaten Kediri.

3

3. Data yang digunakan dalam penelitian ini

adalah data selama bulan September 2009.

4. Pada penelitian ini tugas akhir ini, biaya

distribusi pada proses pengiriman pupuk

tidak diperhitungkan.

Asumsi yang digunakan dalam penelitian tugas

akhir ini adalah :

1. Tidak terjadi perubahan secara signifikan

pada sistem distribusi selama penelitian

berlangsung.

2. Penyaluran pupuk di tingkat kabupaten

disalurkan hanya ke satu distributor dan

satu kios pupuk dimana kios tersebut

termasuk dalam wilayah kerja distributor.

3. Kapasitas gudang di tingkat kabupaten dan

distributor masih dapat meng-cover pupuk

yang akan disalurkan.

2. Metodologi Penelitian

Bab ini akan menjelaskan langkah-langkah

terstruktur yang dilakukan dalam melakukan

penelitian ini. Langkah-langkah ini digunakan

sebagai acuan sehingga penelitian dapat berjalan

secara sistematis dan terarah sesuai dengan

tujuan dan waktu penelitian. Pada tahap

identifikasi masalah akan dijelaskan

permasalahan di lapangan yang akan dibahas

dan diteliti sehingga dapat dihasilkan solusi

dalam menyelesaikan permasalahan yang ada.

Tahap identifikasi masalah meliputi identifikasi

dan perumusan masalah, penetapan tujuan dan

manfaat penelitian, dan studi pustaka.

Permasalahan dalam penelitian ini yaitu

pengurangan waste dan non value added activity

di sepanjang aliran distribusi diantaranya adalah

adanya lead time yang panjang dan inventory

yang tinggi. Langkah selanjutnya adalah menentukan tujuan dan manfaat penelitian

seperti yang telah dijelaskan pada bab

pendahuluan. Sebagai dasar dilakukannya

penelitian, digunakan studi literatur sebagai

pedoman dalam menyelesaikan permasalahan

dan mencapai tujuan penelitian. Studi pustaka

yang dibutuhkan sebagai dasar dalam penelitian

ini diantaranya terkait dengan lead time

reduction, aplikasi konsep lean thinking, serta

keuntungan value stream mapping via

simulation. Pustaka yang dijadikan sebagai

referensi dalam penelitian ini diambil dari buku–

buku teks, penelitian atau riset terdahulu,

website dan jurnal ilmiah yang mendukung.

Tahapan dalam pembuatan model ini terdiri dari

pengumpulan data dan pembuatan model

simulasi penyaluran pupuk urea bersubsidi di

tiga kabupaten. Pengumpulan data disini dimulai

dari data-data yang digunakan untuk pembuatan

big picture mapping yang diantaranya adalah

data customers requirements, data aliran

informasi dan data aliran fisik, dilanjutkan

dengan pembuatan process activity mapping

yang menggunakan data aktivitas order

fulfillment, delivery order, jarak dan waktu

perpindahan produk, serta kebutuhan tenaga

kerja. Sedangkan untuk data input model

simulasi digunakan data lama waktu

pengantongan dan data variasi proses penyaluran

produk. Untuk pembuatan model simulasi ini

didasarkan atas data-data yang telah

dikumpulkan dari penelitian yang merupakan

refleksi dari kondisi sistem nyata. Pembuatan

model ini dilakukan dengan menggunakan

perangkat lunak yaitu Arena 5.0. Setelah model

dibuat, maka dilakukan running awal model

simulasi dan melihat apakah model telah sesuai

dengan logika dikenyataan atau tidak.

Langkah selanjutnya adalah memeriksa model

apakah sudah tidak terjadi kesalahan sehingga

model dapat disimulasikan (verifikasi).

Sedangkan proses validasi yakni menguji apakah

model sudah mampu mewakili atau

menggambarkan sistem nyata. Langkah

selanjutnya setelah model dapat dinyatakan

benar dan valid adalah melakukan skenario

perbaikan. Dari perubahan kondisi yang

dilakukan, akan dihasilkan output simulasi yang

berbeda untuk setiap skenario yang dibuat.

Berdasarkan output simulasi dapat dilihat

pengaruh skenario perbaikan yang dapat

mempengaruhi penurunan lead time, waiting

time, dan inventory secara signifikan. Langkah

terakhir adalah menganalisis keseluruhan hasil

penelitian dan membuat simpulan dan saran.

3. Pengumpulan dan Pengolahan Data

3.1 Identifikasi Produk Amatan

Berdasarkan hasil brainstorming dengan pihak

pemasaran Jatim diketahui bahwa order yang

datang dari pihak distributor untuk produk

pupuk urea bersubsidi lebih besar dibandingkan

dengan produk pupuk jenis lainnya yakni pupuk

majemuk (NPK Pelangi), dan pupuk organik (Ze

Organik). Hal tersebut disebabkan anjuran

4

penggunaan pupuk berimbang yang belum

seluruhnya dipahami oleh para petani yakni dosis

penggunaan ketiga jenis pupuk yang harus

disesuaikan dengan kondisi tanah setempat serta

jenis tanaman yang dibudidayakan. Oleh karena

itu, penelitian ini difokuskan pada penyaluran

pupuk urea bersubsidi.

Gambar 3.1 Merk Dagang Pupuk Urea Hasil Produksi

Pupuk Kaltim

3.2. Penggambaran Big Picture Mapping

Big Picture Mapping merupakan sebuah tools

yang digunakan untuk menggambarkan sistem

secara keseluruhan dan value stream yang ada di

dalam suatu organisasi dan industri yang

meliputi aliran fisik dan material yang

menyertainya serta interaksi antar elemen yang

terdapat pada aliran tersebut. Penggambaran

BPM ini bertujuan untuk lebih memahami

wholesystem yang diamati dan memudahkan

dalam mencari potensi-potensi pemborosan,

penyebab terjadinya pemborosan, serta solusi

yang mungkin dapat diterapkan. Untuk

menggambarkan peta ini, langkah awal yang

dilakukan adalah mengumpulkan data-data aliran

informasi dan fisik beserta data-data

pendukungnya. Berikut adalah big picture

mapping untuk tiga kabupaten amatan :

Pabrik Pengolahan

(Lini I - Bontang)

Pengantongan Penyimpanan Pemuatan Pembongkaran Inspeksi Penyimpanan Pemuatan Pembongkaran Penyimpanan Pembongkaran Penyimpanan dan

Penyaluran Pupuk

Berdasarkan RDKK

24 - 72 jam48 – 168

jam1.56 jam 0.83 jam0.25 jam 24 - 72 jam 0.42 jam 1,28 jam 0 - 48 jam

0,25 jam 24 – 48

jam

KP Jatim

SK3 (Surat Keterangan Kedatangan Kapal)

3.81 jam 0.75 jam 1.98 jam 96 jam 1.56 jam 0.83 jam0.25 jam 0.42 jam 1.28 jam 24 jam

Pengiriman sesuai

produksi

4 Pabrik Pengolahan

3 shift

10 orang / shift

175 ton / shift

Pemuatan

0.75 jam /

shift

Conveyor

4 orang

1 Truk = 25 tonKapasitas gudang in

bag = 17.500 ton

Gudang Produsen Provinsi

(Lini 2 - Surabaya)

Perusahaan Bongkar Muat

(PBM)

Gudang Kabupaten

1 truk gandeng =

25 ton

IVariabel

12 orang

Gudang Produsen Kabupaten

(Lini 3)

8 % sampling

inspection

Gudang

DistributorKios Pupuk

Gudang

Gudang

Kap. truk = 7 ton

DO setiap 2 hari

sekali

10 orang

Q

10 orang

Gudang Gudang

Petani

Purchase

OrderUpdate Harian

Mutasi Stok

Update Harian

Mutasi Stok Delivery

Order

Delivery

Order

& SPAP

Forecast berdasarkan SK Mentri Pertanian

Berita Acara Bongkar Muat

SPAP

0.42 jam

Gudang Margo 40 - Surabaya BGR Sidoarjo Gudang Distributor Kios Pupuk Resmi

Surat Jalan

FIFO

FIFO

Pembongkaran

1.98 jam

Gudang truk gandeng = 25

tonKapasitas BGR

Sidoarjo = 3500 tonKios Pupuk

2 orang

12 orang

10 orang

24 jam

Form RDKK

Laporan RDKK

IVariabel

IVariabel

48 jam

Timbangan

Pemuatan

0.42 jam

Gudang

Kap. truk = 7 ton

DO setiap 2 hari

sekali

10 orang

FIFO

IVariabel

0.33 jam

Q

25 ton = 3.81 jam

Pelabuhan dan Gudang Berlian

Delivery Lead Time : 127.74 – 360 Jam

Value Adding Time : 203.63 Jam Gambar 3.1 Big Picture Mapping Kabupaten

Sidoarjo

Pabrik Pengolahan

(Lini I - Bontang)

Pengantongan Penyimpanan Pemuatan Pembongkaran Inspeksi Penyimpanan Pemuatan Pembongkaran Penyimpanan Pembongkaran Penyimpanan dan

Penyaluran Pupuk

Berdasarkan RDKK

24 - 72 jam48 – 168

jam1.56 jam 1.25 jam0.25 jam

72 - 120

jam0.42 jam 1,28 jam 24 - 96 jam 0,25 jam 24 – 72

jam

KP Jatim


3.81 jam 0.75 jam 1.98 jam 96 jam 1.56 jam 1.25 jam0.25 jam 0.42 jam 1.28 jam 48 jam

Pengiriman sesuai

produksi

4 Pabrik Pengolahan

3 shift

10 orang / shift

175 ton / shift

Pemuatan

0.75 jam /

shift

Conveyor

4 orang


bag = 17.500 ton


(Lini 2 - Surabaya)


(PBM)

Gudang Kabupaten

1 truk gandeng =

25 ton

IVariabel

12 orang


(Lini 3)

8 % sampling

inspection

Gudang


Gudang

Gudang

Kap. truk = 7 ton

DO setiap 2 hari

sekali

10 orang

Q

10 orang

Gudang Gudang

Petani

Purchase

OrderUpdate Harian

Mutasi Stok

Update Harian

Mutasi Stok Delivery

Order

Delivery

Order

& SPAP



SPAP

0.42 jam

Gudang Margo 40 - Surabaya GPP Kediri Gudang Distributor Kios Pupuk Resmi

Surat Jalan

FIFO

FIFO

Pembongkaran

1.98 jam

Gudang truk gandeng = 25

tonKap. GPP Kediri =

6700 tonKios Pupuk

2 orang

12 orang

10 orang

96 jam

Form RDKK

Laporan RDKK

IVariabel

IVariabel

48 jam

Timbangan

Pemuatan

0.42 jam

Gudang

Kap. truk = 7 ton

DO setiap 2 hari

sekali

10 orang

FIFO

IVariabel

0.33 jam

Q

25 ton = 3.81 jam

Gudang Berlian


Processing Time : 300.05 Jam

Stok Akhir = 16. 325

ton

Gambar 3.2 Big Picture Mapping Kabupaten Kediri

Pabrik Pengolahan

(Lini I - Bontang)

Pengantongan Penyimpanan Pemuatan Inspeksi Pembongkaran Penyimpanan Pembongkaran Penyimpanan dan

Penyaluran Pupuk

Berdasarkan RDKK

24 - 72 jam48 – 168

jam1.56 jam0.25 jam 1,32 jam

48 - 120

jam0,40 jam 48 – 96

jam

KP Jatim



Value Adding Time : 304.3 Jam

3.81 jam 0.75 jam 1.98 jam 96 jam 1.56 jam 2.92 jam0.25 jam 1.42 jam 1.45 jam

Pengiriman sesuai

produksi

4 Pabrik Pengolahan

3 shift

10 orang / shift

175 ton / shift

Pemuatan

0.75 jam /

shift

Conveyor

4 orang


bag = 17.500 ton


(Lini 2 - Surabaya)


(PBM)

Gudang Kabupaten

1 truk gandeng =

25 ton

IVariabel

12 orang


(Lini 3)

8 % sampling

inspection


Q

10 orang

Gudang Gudang

Petani

Purchase

OrderUpdate Harian

Mutasi StokUpdate Harian

Mutasi Stok

Delivery

Order

Delivery

Order

& SPAP



SPAP

120 jam

Gudang Margo 40 - Surabaya Gudang Distributor Kios Pupuk Resmi

Surat Jalan

FIFO

Pembongkaran

1.98 jam

GudangKios Pupuk

2 orang

10 orang

Form RDKK

Laporan RDKK

IVariabel

1.32 jam

Timbangan

Pemuatan

0.42 jam

Gudang

Kap. truk = 7 ton

10 orang

FIFO

IVariabel

0.42 jam

Q

25 ton = 3.81 jam

Pembongkaran

Bak 1Penyimpanan

Kap. BGR Sidoharjo

= 1500 ton

Pemuatan

1.42 jam48 - 144

jam0.42 jam

GudangGudang

Gudang

Kap. truk = 7 ton

DO setiap 2 hari

sekali

10 orang

BGR Sidoharjo

FIFO

truk gandeng = 25

ton

IVariabel

Transit (Bak 2

Menunggu)

2.92 jam

Gudang

Ponorogo

Pelabuhan dan Gudang Berlian Gudang

Ponorogo

FIFOStok Akhir = 16.325

ton

Pembongkaran

Bak 2

1.45 jam

Gudang

truk gandeng = 25

ton

10 orang

72 jam72 jam

10 orang

0.40 jam0.42 jam

Gambar 3.3 Big Picture Mapping Kabupaten

Pacitan Gudang Kabupaten (Lini III)

Forecasting

berdasarkan SK Mentan

per Kabupaten

Perusahaan Bongkar Muat Gudang Provinsi (Lini II) Distributor (Lini IV)

Pengiriman

Purchase

Order

Penerbitan Berita

Acara Muat

Pabrik Pengolahan (Lini I)

Penerimaan Berita

Acara Bongkar Muat

Penerimaan DO, Faktur,

dan Faktur Pajak

Penerimaan DO, Faktur,

dan Faktur Pajak

Penerbitan Barita

Acara Muat

Kios Pupuk

Form RDKK dari

Kelompok Tani

Bagian Penjualan

YES

Penerbitan Surat

Perjanjian Jual Beli

(SPJB)

Setuju

NO

Valid

YES

NO

Penerbitan Delivery

Order (DO)

Penerimaan Validasi Bukti

Transfer dari Bank

Penerimaan

Dokumen Pemuatan

Permintaan dan Evaluasi

Surat Permintaan Pupuk

Bersubsidi

Penerbitan Surat

Konfirmasi Persetujuan

Pembelian (SKPP)

Penerimaan Bukti

Transfer

Pemeriksaan

Bukti Transfer

Penerbitan Faktur Penjualan

dan Faktur Pajak

Penerimaan Berita Acara

Penerimaan Barang

Penerimaan Surat

Perintah Angkut Pupuk

(SPAP) ke Lini II

Surat Konfirmasi

Keberangkatan Kapal

(SK3)

Bill of Loading (BL)

dan Cargo Manifest

Penerimaan

RDKK dari Kios

Resmi

Penerimaan Faktur

Penjualan

dan

Faktur Pajak

Delivery Order

Bagian Pergudangan

Penerbitan Berita

Acara Bongkar Muat

Penerbitan Surat Perintah

Angkut Pupuk (SPAP) ke

Lini II

Gudang Curah

(Berlian)

Pemeriksaan Posisi Stok

akhir melalui SIDIK setiap

hari

Penerbitan Surat Perintah

Angkut Pupuk (SPAP) ke

Lini II & Lini III

Laporan Posisi Stok

Administrasi Pupuk

Persetujuan SKPP

Gudang Distributor

(Lini IV)

Berita Acara Hasil

Pengantongan

Berita Acara Bongkar

Gudang Penerima

Penerimaan Surat

Perintah Angkut Pupuk

(SPAP) ke Lini III

Berita Acara Bongkar

Gudang Penerima

Gambar 3.4 Aliran Informasi untuk Tiga Kabupaten

Berdasarkan data aliran informasi dan aliran

fisik dapat diketahui aktivitas pendistribusian

pupuk urea bersubsidi. Adapun proses

penyaluran ke 3 kabupaten secara umum

dipaparkan sebagai berikut :

5

Tabel 3.1 Identifikasi Aktivitas pada Order Fulfillment Process Urea Bersubsidi di Tiga Kabupaten

Berdasarkan detail aktivitas keseluruhan proses

delivery diatas diketahui untuk persentasi aktivitas

di kabupaten Sidoarjo dan kabupaten Kediri

didapatkan sebesar 10.94% merupakan value

adding activity, 31.25% merupakan necessary but

non value adding activity, dan 57.81%

merupakan non value adding activity. Sedangkan

untuk persentasi aktivitas di kabupaten Pacitan

didapatkan sebesar 11.76% merupakan value

adding activity, 31.25% merupakan necessary but

non value adding activity, dan 57.81%

merupakan non value adding activity.

3.3 Pembuatan Process Activity Mapping

Process Activity Mapping merupakan tool yang

digunakan untuk memetakan keseluruhan

aktivitas dalam sistem amatan secara detail

termasuk di dalamnya aliran fisik dan aliran

informasi yang terjadi, waktu yang diperlukan

untuk setiap aktivitas, jarak yang ditempuh dan

banyaknya pekerja yang bekerja dalam sistem

tersebut. berikut adalah ringkasan hasil process

activity mapping untuk masing-masing

kabupaten amatan : Tabel 3.2 Ringkasan Hasil Process Activity Mapping

Penyaluran Pupuk Urea Bersubsidi – Kabupaten Sidoarjo

Operation Transportation Inspection Storage Delay

Jumlah Aktivitas 7 18 2 4 39

Total Waktu (Jam) 3,20 11,39 0,06 192 3,42

Total (%) Value Added Time 1,72% 5,39% 0,24% 91,09% 1,56%

Total (%) Value Activities 11,11% 23,81% 1,59% 6,35% 57,14%

Tabel 3.3 Ringkasan Hasil Process Activity Mapping

Penyaluran Pupuk Urea Bersubsidi – Kabupaten Kediri



Total Waktu (Jam) 3,60 13,05 0,50 288 4,52



Tabel 3.4 Ringkasan Hasil Process Activity Mapping

Penyaluran Pupuk Urea Bersubsidi – Kabupaten Pacitan



Total Waktu (Jam) 3,72 24,87 0,50 360 4,12



3.4 Pembuatan Model Simulasi

Dari Permodelan sistem pada pengamatan ini

digambarkan dengan software Arena dengan

tujuan untuk mendapatkan model kondisi sistem

pada penyaluran pupuk urea bersubsidi. Hal ini

bertujuan pula untuk menganalisa kondisi sistem

penyaluran yang berlangsung di 3 kabupaten di

Jawa Timur yakni Sidoarjo, Kediri dan Pacitan,

guna memudahkan penelitian terhadap sistem

dan memperbaiki sistem penyaluran yang ada.

Bentuk model simulasi Arena untuk sistem

penyaluran pupuk bersubsidi di tiga kabupaten

ditunjukkan gambar penyaluran pada kabupaten

Sidoarjo sebagai perwakilan dari penyaluran di

tiga kabupaten amatan :

Gambar 3.5 Proses Pengantongan di Gudang Berlian

6

Gambar 3.6 Penyaluran ke Gudang Lini 2



Gambar 3.9 Penyaluran ke Kios Pupuk

3.4.1 Running Awal Model Simulasi

Setelah melalui proses uji distribusi, model

simulasi yang dibuat dapat di-running dengan

durasi infinite (tak terbatas). Jumlah replikasi

awal yang digunakan adalah 10 replikasi.

3.4.2 Verifikasi Model

Verifikasi model adalah tahapan untuk

memastikan apakah model yang dibuat sudah

berjalan sesuai dengan persepsi pembuat model

dengan melakukan checking error pada software

Arena. Bila terjadi error, maka logika modul

dari simulasi yang dibuat belum sepenuhnya

benar. Untuk itu perlu dilakukan analisa dari

setiap proses yang terjadi kedetailan model

simulasi dapat membuat model tersebut error

oleh karena keterbatasan dari software itu

sendiri, sehingga model dibuat lebih general

tanpa mengesampingkan keakuratan.

3.4.3 Validasi Model

Validasi model adalah tahap pengujian model,

apakah model sudah mampu mewakili atau

menggambarkan sistem nyata dan sudah benar.

Validasi terhadap model dilakukan dengan

pengujian terhadap lama waktu pengiriman ke

sitiap kabupaten. Pengujian dilakukan dengan

membandingkan hasil output real systen dengan

output model Arena dengan menggunakan

metode Welch Confidence Interval dimana

Hipotesa untuk validasi ini adalah :

Masing – masing populasi (simulated

system) saling bebas dan berdistribusi

normal, baik dalam populasi maupun antar

populasi. Jumlah sampel pada masing-masing

populasi (n1) dan (n2) tidak harus sama. Variansi antar populasi 1 dengan populasi 2

tidak harus sama

Dari perhitungan dengan metode Welch

didapatkan nilai confidence interval untuk

masing-masing kabupaten adalah : a. Sidoarjo

b. Kediri

c. Pacitan

Dari hasil tersebut dapat ditarik keputusan

terima Ho, karena nilai 0 berada pada rentang

. Dengan demikian dapat ditarik

kesimpulan bahwa tidak terdapat perbedaan

yang signifikan antara output model simulasi

dengan kondisi real system.

3.4.4 Perhitungan Jumlah Replikasi

Setelah Langkah awal yang dilakukan untuk

menentukan seberapa banyak jumlah replikasi

7

yang dibutuhkan adalah dengan terlebih dahulu

melakukan running simulasi dengan replikasi

sebanyak 10 kali untuk mendapatkan error dan

standar deviasi. Dari hasil perhitungan dengan

metode absolute banyaknya replikasi untuk tiga

kabupaten dengan error yang akan ditanggung

sebesar nilai half width-nya dan selang

kepercayaan 95% adalah masing-masing

sebanyak 3 kali.

3.4.5 Eksperimen Skenario Perbaikan

Eksperimen skenario perbaikan dilakukan

dengan cara membuat Standard Operation

Procedure (SOP) dengan tujuan agar setiap

order yang datang dapat langsung dipenuhi untuk

mencegah terjadinya kelangkaan pupuk, dengan

demikian waktu simpan pupuk di gudang akan

menjadi lebih singkat. Stok yang berada di

gudang hanya boleh tersimpan hingga batas

simpan minimum yang sudah berlaku di tiap

gudang. Adapun SOP yang dibuat adalah : Melakukan pengiriman pupuk dari gudang

lini 2 (Margo 40) ke gudang lini 3

(kabupaten) dengan mengganti kapasitas

truk yang digunakan. Truk awal

berkapasitas 35 ton digunakan untuk satu

kali pengangkutan dalam sehari, diganti

dengan 2 truk berkapasitas 25 ton yang

digunakan untuk satu kali pengangkutan

dalam sehari.

Membuat policy untuk proses-proses yang

tidak memberikan nilai tambah untuk

dikerjakan secara paralel (overlapping).

Policy ini berupa pemberlakuan pengerjaan

aktivitas yang dapat dikerjakan secara

bersamaan tanpa menunggu satu pekerjaan

selesai. Sebagai contoh ; aktivitas

menempatkan truk, membuka terpal,

menyiapkan tempat penataan pupuk, dan

memasang pallet (alas pupuk) adalah

aktivitas yang tidak bernilai tambah dan

tidak dapat dihilangkan namun dapat

direduksi dengan dikerjakan sewaktu

menunggu pembongkaran pupuk untuk

diturunkan dari truk menuju ke gudang.

Penambahan resource (TKBM) sebanyak

masing-masing 1 orang pada setiap proses

pembongkaran dan pemuatan pupuk di

gudang lini 2, lini 3 dan distributor.

Menggabungkan antara skenario 1 dan

skenario 2.

Rangkuman output simulasi rata-rata lead time

dan waiting time, dan penurunan inventory

untuk ketiga kabupaten amatan dapat dilihat

pada tabel dibawah ini.

Tabel 3.5 Output Existing Model dan Skenario Perbaikan

dilihat dari Segi Lead Time, Waiting Time dan Inventory–

Kabupaten Sidoarjo Existing Perbaikan 1 Perbaikan 2 Perbaikan 3 Perbaikan 4

Lead Time 210.173 108.003 111.203 113.900 105.643Waiting Time 4915.7 2439.9 2479.800 2439.700 2440.600Inventory 19548.33 19340.33 19550.000 19549.667 19340.33

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Lead Time 210.173 108.003 111.203 113.900 105.643

0.000

50.000

100.000

150.000

200.000

250.000

Wak

tu (

Jam

)

Lead Time

Gambar 3.10 Grafik Perbandingan Lead Time Tiap

Skenario – Kabupaten Sidoarjo

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Waiting Time 4915.7 2439.9 2479.800 2439.700 2440.600

0

1000

2000

3000

4000

5000

6000

Wak

tu (

Jam

)

Waiting Time

Gambar 3.11 Grafik Perbandingan Waiting Time Tiap


ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Inventory 19548.33 19340.33 19550.000 19549.667 19340.33

19200.00

19250.00

19300.00

19350.00

19400.00

19450.00

19500.00

19550.00

19600.00

Ton

Inventory

Gambar 3.12 Grafik Perbandingan Inventory Tiap


8



Kabupaten Kediri Existing Perbaikan 1 Perbaikan 2 Perbaikan 3

Lead Time 308,253 182,780 185,847 187,713

Waiting Time 3707,067 1841,533 1973,933 1908,033

Inventory 19340,0 19041,0 19341 19341

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Lead Time 308.253 182.780 185.847 187.713 180.580

0.000

50.000

100.000

150.000

200.000

250.000

300.000

350.000

Wak

tu (

Jam

)

Lead Time


Skenario – Kabupaten Kediri

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Waiting Time 3707.067 1841.533 1973.933 1908.033 1836.300

0.000

500.000

1000.000

1500.000

2000.000

2500.000

3000.000

3500.000

4000.000

Wak

tu (

Jam

)

Waiting Time

Gambar 3.14 Grafik Perbandingan WaitingTime Tiap


ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Inventory 19340.0 19041.0 19341 19341 19041

18850.018900.018950.019000.019050.019100.019150.019200.019250.019300.019350.019400.0

Ton

Inventory





Kabupaten Pacitan Existing Perbaikan 1 Perbaikan 2 Perbaikan 3 Perbaikan 4

Lead Time 391.84 266.52 269.54 268.707 263.98

Waiting Time 3742.00 1839.53 1894.53 1948.567 1839.53

Inventory 19040 18742 19041 19042 18741.667

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Lead Time 391.84 266.52 269.54 268.707 263.98

0.00

50.00

100.00

150.00

200.00

250.00

300.00

350.00

400.00

450.00

Wa

ktu

(Ja

m)

Lead Time


Skenario – Kabupaten Pacitan

ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Waiting Time 3742.00 1839.53 1894.53 1948.567 1839.53

0.00

500.00

1000.00

1500.00

2000.00

2500.00

3000.00

3500.00

4000.00

Wak

tu (

Jam

)

Waiting Time

Gambar 3.17 Grafik Perbandingan Waiting Time Tiap


ExistingPerbaikan

1Perbaikan

2Perbaikan

3Perbaikan

4

Inventory 19040 18742 19041 19042 18741.667

185501860018650187001875018800188501890018950190001905019100

Ton

Inventory



4 Analisa dan Pembahasan

4.1 Analisa Big Picture Mapping

1. Peroses bongkar – muat pupuk dari gudang

pengantongan ke gudang lini 2 (Margo 40).

Pupuk yang dikirimkan dari lini 1 ke

lini 2 (Surabaya) biasanya berupa pupuk

curah (in bulk) yang kemudian akan

dilakukan proses lebih lanjut yakni proses

pengantongan. Dari proses pengantongan

ini, pupuk in bag akan dimuat ke gudang

lini 2 untuk disimpan sebelum disalurkan ke

gudang lini 3 (gudang kabupaten). Pada

pengantongan pupuk, proses inspeksi

9

dilakukan dengan aturan 10 – 1, dimana

setiap pengantongan 10 sak akan diambil 1

sak sebagai sampel untuk dilakukan

pemeriksaan terhadap kualitas jahitan

karung serta berat bersih pupuk sesuai

dengan batas toleransi yang diijinkan.

Prosedur inspeksi ini dilakukan kembali

saat pembongkaran pupuk di gudang lini 2.

Adanya proses inspeksi yang berulang ini

menyebabkan terjadinya ketidak- efisien-an

dalam proses pengiriman.

2. Lama waktu penyimpanan pupuk pun bersifat

veriatif, hal tersebut disebabkan oleh

permintaan yang berbeda-beda dari tiap

kabupaten. Hal tersebut pula mengakibatkan

pengiriman ke tiap kebupaten tidak selalu

dalam satu waktu pengiriman yang sama.

3. Proses bongkar – muat pupuk dari gudang

lini 2 (provinsi) ke gudang lini 3 (kabupaten).

Pupuk yang disalurkan ke gudang kabupaten

sebagai pelaksana penyaluran pupuk ke

distributor berasal dari gudang lini 2 (gudang

provinsi). Pada proses pemuatan untuk ke

tiga kabupaten memakan waktu yang sama

namun terdapat perbedaan pada waktu

pembongkaran di masing-masing kabupaten

tersebut. Hal ini disebabkan oleh

pengalokasian waktu untuk setiap aktivitas

pembongkaran untuk 1 truk yang tidak

memiliki standar waktu pengerjaan. Kondisi

jalur transportasi juga menyebabkan

perbedaan waktu pada proses pembongkaran

pupuk tersebut. Untuk pemuatan ke

kabupaten Pacitan, jalur pengiriman pupuk

harus melewati kabupaten Ponorogo dan truk

yang digunakan harus singgah selama waktu

tertentu. Hal ini disebabkan oleh jalan menuju

ke kabupaten Pacitan yang cukup terjal

/curam, sehingga tidak memungkinkan untuk

melakukan pengiriman dengan truk 2 gandeng

(tronton). Dengan demikian bak gandengan

truk akan dipisah terlebih dahulu dan

dilakukan pengiriman secara bergantian.

Karena alasan inilah terjadi pembongkaran

pupuk sebanyak 2 kali.

.2 Analisa Process Activity Mapping

Berdasarkan hasil PAM untuk penyaluran di 3

kabupaten diatas, tampak bahwa pemakaian

waktu untuk non velue adding activity dan

necessary non value adding jauh lebih besar

dibandingkan dengan pamakaian waktu untuk

value adding activity. Pemborosan yang

diidentifikasi adalah delay/waiting yang

dikarenakan oleh keberadaan aktivitas-aktivitas

yang tidak memberikan nilai tambah dan

aktivitas pembongkaran pupuk dari truk yang

harus menunggu kesiapan dokumen dari proses

delivery pupuk tersebut, pemborosan storage

disebabkan oleh pengiriman pupuk dari gudang

pengatongan (Gudang Berlian) ke gudang lini 2

(Gudang Margo 40) dilakukan berdasarkan

produksi harian, dan pemborosan transportation

disebabkan oleh keberadaan tiga gudang serta

kios yang berbeda memerlukan aktivitas

transportasi serta operasional pergudangan yang

berlebihan.

Untuk keseluruhan aktivitas transportasi di tiga

kabupaten diatas terbagi ke dalam dua jenis

transportasi yakni internal transportation dan

external transportation. Internal transportation

merupakan perpindahan pupuk yang masih

dalam ruang lingkup gudang. Pada gudang-

gudang produsen di lini 2 terjadi penyimpanan

stok di luar gudang (open storage) akibat

kapasitas gudang yang tidak dapat meng-cover

keseluruhan stok pupuk tersebut. Dengan

menerapkan sistem FIFO (First In First Out)

untuk pengeluaran pupuk dari gudang, maka

stok pupuk yang lebih lama tersimpan didalam

gudang adalah pupuk yang mendapat prioritas

untuk dipindahkan/dikeluarkan terlebih dulu,

dengan demikian aktivitas pemindahan pupuk

open storage ke dalam gudang dapat dilakukan.

Sedangkan external transportation merupakan

perpindahan pupuk antargudang yakni dari lini 2

(gudang produsen tingkat provinsi) ke lini 3

(gudang produsen tingkat kabupaten), dari lini 3

ke lini 4 (gudang distributor), dan dari lini 4 ke

kios pupuk. Untuk internal transportation

dilakukan secara manual yakni menggunakan

tenaga manusia (Tenaga Kerja Bongkar Muat).

Sedangkan untuk external transportation,

pengiriman dari lini 2 ke lini 3 biasanya

digunakan truk gandeng berkapasitas angkut 25

ton dengan tujuan untuk meminimalkan biaya

pengangkutan. Sedangkan pengiriman dari lini 4

ke kios pupuk biasanya digunakan truk

berkapasitas 7 ton karena tonase pemesanan

pupuk yang kecil dan jarak tempuh yang reatif

dekat.

10

4.3 Analisa Existing Model Terhadap

Skenario Perbaikan untuk Matrik Lead Time

Distribusi di Tiga Kabupaten

Sesuai dengan tujuan dari penelitian ini yakni

mengurangi lead time, waiting time, dan

inventory yang berlebih di gudang Margo 40,

perbaikan yang akan dilakukan dianalisa dari

segi lead time. Perbedaan rata-rata lead time

untuk setiap skenario perbaikan dengan model

existing saat ini di tiga kabupaten amatan akan

dijelaskan sebagai berikut :

Sidoarjo

Untuk skenario perbaikan 1 dilakukan

pembuatan SOP pengiriman dengan ukuran lot

yang lebih kecil yakni menggunakan truk

berkapasitas 25 ton terjadi penurunan lead time

selama 102 jam. Untuk skenario perbaikan 2

dengan melakukan overlapping pada aktivitas

bongkar-muat, terjadi penurunan lead time

sebesar 99 jam Untuk skenario perbaikan 3

dengan menambah TKBM sebanyak masing-

masing 1 orang di tiap proses pembongkaran dan

pemuatan ke gudang baik di lini 2 (Margo 40),

lini 3 (BGR Sidoarjo), dan lini 4 (distributor)

mampu menurunkan lead time sebesar 96 jam.

Dan untuk skenario perbaikan 4 yakni

penggabungan antara skenario 1 dan skenario 2

mampu menurunkan lead time selama 105 jam.

Berdasarkan analisa dari ketiga skenario

perbaikan dengan model saat ini didapatkan

skenario 4 yang memberikan penurunan lead

time terbesar . Skenario perbaikan 1 menurunkan

lead time sebesar 48.61%, skenario 2

menurunkan lead time sebesar 47.09%, skenario

perbaikan 3 menurunkan lead time sebesar

45.81% dan skenario perbaikan 4 menurunkan

lead time sebesar 49.74%

Kediri

Untuk skenario perbaikan 1 dilakukan terjadi

penurunan lead time selama 125 jam. Untuk

skenario perbaikan 2 terjadi penurunan lead time

sebesar 122 jam. Untuk skenario perbaikan 3

mampu menurunkan lead time sebesar 121 jam.

Dan untuk skenario perbaikan 4 mampu

menurunkan lead time selama 128 jam.




time terbesar. Skenario perbaikan 1 menurunkan

lead time sebesar 40.70%, skenario perbaikan 2



39.10%, dan skenario perbaikan 4 menurunkan

lead time sebesar 41.42%

Pacitan

Untuk skenario perbaikan 1 dilakukan

pembuatan SOP pengiriman dengan ukuran lot

yang lebih kecil terjadi penurunan lead time

selama 125 jam. Untuk skenario perbaikan 2

terjadi penurunan lead time sebesar 122 jam.

Untuk skenario perbaikan 3 mampu menurunkan

lead time sebesar 123 jam. Dan untuk skenario

perbaikan 4 mampu menurunkan lead time

selama 128 jam.




time terbesar. Skenario perbaikan 1 menurunkan

lead time sebesar 31.98%, skenario perbaikan 2



31,42%, dan skenario perbaikan 4 menurunkan

lead time sebesar 32.63%.


Skenario Perbaikan untuk Matrik Waiting

Time Distribusi di Tiga Kabupaten

Analisa selanjutnya pada model existing dan

skenario perbaikan adalah dari segi waiting time.

Berikut akan dijelaskan untuk masing-masing

kabupaten amatan.

Sidoarjo

Dari grafik perbandingan waiting time pada bab

sebelumnya, untuk skenario perbaikan 1 yakni

mengganti ukuran lot pengiriman yang lebih

kecil, didapatkan penurunan waiting time

sebesar 50.37%. Sementara untuk skenario

perbaikan 2 yakni melakukan pengerjaan untuk

aktivitas yang tidak bernilai tambah secara

paralel, didapatkan penurunan waiting time

sebesar 49.55%. Untuk skenario perbaikan 3

yakni menambah jumlah TKBM masing-masing

1 orang pada setiap aktivitas bongkar muat di

setiap gudang baik di gudang lini 2, lini 3, dan

lini 4, didapatkan penurunan waiting time

sebesar 48.20%. Dan untuk skenario perbaikan 4

yakni melakukan penggabungan antara skenario

perbaikan 1 dan 2 didapatkan penurunan waiting

time sebesar 50.53%



11

skenario 4 yang memberikan penurunan waiting

time terbesar.

Kediri

Dari grafik perbandingan waiting time untuk

skenario perbaikan 1 didapatkan penurunan

waiting time sebesar 50.32%. Sementara untuk


waiting time sebesar 46.75%. Untuk skenario

perbaikan 3 didapatkan penurunan waiting time


didapatkan penurunan waiting time sebesar

50.46%.




time terbesar.

Pacitan

Dari grafik perbandingan waiting time untuk


waiting time sebesar 50.84%. Sementara untuk


waiting time sebesar 49.37%. Untuk skenario

perbaikan 3 didapatkan penurunan waiting time


didapatkan penurunan waiting time sebesar

50.84%.




time terbesar.


Skenario Perbaikan untuk Matrik Inventory

Distribusi di Tiga Kabupaten

Analisa selanjutnya pada model existing dan

skenario perbaikan adalah dari segi inventory.

Berikut akan dianalisa

Sidoarjo

Dari grafik perbandingan inventory untuk


jumlah inventory sebesar 1,064%. Sementara

untuk skenario perbaikan 2 didapatkan

penurunan inventory sebesar 0.01%. Untuk

skenario perbaikan didapatkan penurunan

inventory sebesar 0.007%. Dan untuk skenario

perbaikan 4 didapatkan penurunan inventory

sebesar 1,064%.



skenario 1 dan 4 yang memberikan penurunan

inventory terbesar.

Kediri







inventory sebesar 0,01%. Dan untuk skenario


sebesar 1,55%.




inventory terbesar.

Pacitan







inventory sebesar 0.01%. Dan untuk skenario


sebesar 1,57%.




inventory terbesar.

Dapat disimpulkan bahwa penurunan inventory

tidak signifikan karena pada dasarnya

penyaluran pupuk diperuntukkan bagi 28

kabupaten di Jawa Timur.

4.6 Komparasi Sistem

Tujuan dari komparasi sistem adalah untuk

membandingkan apakah skenario yang dibuat

lebih baik dari sistem yang sudah ada ataupun

membandingkan beberapa skenario yang

diusulkan agar dapat diketahui skenario mana

yang paling baik untuk digunakan. Pendekatan

yang digunakan untuk membandingkan lebih dari

dua alternatif perbaikan yakni model exsisting,

perbaikan 1, perbaikan 2, perbaikan 3 dan

perbaikan 4 adalah dengan menggunakan

pendekatan ANOVA.

Untuk melakukan komparasi terhadap sistem

tersebut maka digunakan bantuan software SPSS

13.0 for Windows dengan melakukan pengujian

One-Way ANOVA, dengan tujuan untuk

mengetahui apakah terdapat perbedaan variansi

12

antara model existing dengan skenario-skenario

perbaikan yang telah disimulasikan.

4.6.1 Analisa Signifikansi untuk Lead Time di

Tiga Kabupaten Amatan

Untuk mengetahui skenario mana yang paling

baik, digunakan pendekatan uji Bonferroni yang

dapat dilihat pada tabel 4.1 Bila significance

levelnya > 0.05, maka tidak terdapat perbedaan

yang signifikan (terima H0). Sidoarjo

Multiple Comparisons

Dependent Variable: LTSda

Bonf erroni

102.17000* .17490 .000 101.5436 102.7964

98.97000* .17490 .000 98.3436 99.5964

96.27333* .17490 .000 95.6469 96.8997

104.53000* .17490 .000 103.9036 105.1564

-102.17000* .17490 .000 -102.7964 -101.5436

-3.20000* .17490 .000 -3.8264 -2.5736

-5.89667* .17490 .000 -6.5231 -5.2703

2.36000* .17490 .000 1.7336 2.9864

-98.97000* .17490 .000 -99.5964 -98.3436

3.20000* .17490 .000 2.5736 3.8264

-2.69667* .17490 .000 -3.3231 -2.0703

5.56000* .17490 .000 4.9336 6.1864

-96.27333* .17490 .000 -96.8997 -95.6469

5.89667* .17490 .000 5.2703 6.5231

2.69667* .17490 .000 2.0703 3.3231

8.25667* .17490 .000 7.6303 8.8831

-104.53000* .17490 .000 -105.1564 -103.9036

-2.36000* .17490 .000 -2.9864 -1.7336

-5.56000* .17490 .000 -6.1864 -4.9336

-8.25667* .17490 .000 -8.8831 -7.6303

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence

(I-J) Std. Error Sig. Lower Bound Upper Bound

95% Conf idence Interval

The mean dif ference is signif icant at the .05 level.*.

Kediri


Dependent Variable: LTKdr

Bonf erroni

125.47333* .15891 .000 124.9042 126.0425

122.40667* .15891 .000 121.8375 122.9758

120.54000* .15891 .000 119.9709 121.1091

127.67333* .15891 .000 127.1042 128.2425

-125.47333* .15891 .000 -126.0425 -124.9042

-3.06667* .15891 .000 -3.6358 -2.4975

-4.93333* .15891 .000 -5.5025 -4.3642

2.20000* .15891 .000 1.6309 2.7691

-122.40667* .15891 .000 -122.9758 -121.8375

3.06667* .15891 .000 2.4975 3.6358

-1.86667* .15891 .000 -2.4358 -1.2975

5.26667* .15891 .000 4.6975 5.8358

-120.54000* .15891 .000 -121.1091 -119.9709

4.93333* .15891 .000 4.3642 5.5025

1.86667* .15891 .000 1.2975 2.4358

7.13333* .15891 .000 6.5642 7.7025

-127.67333* .15891 .000 -128.2425 -127.1042

-2.20000* .15891 .000 -2.7691 -1.6309

-5.26667* .15891 .000 -5.8358 -4.6975

-7.13333* .15891 .000 -7.7025 -6.5642

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




Pacitan Multiple Comparisons

Dependent Variable: LTPctn

Bonf erroni

125.32333* .16842 .000 124.7202 125.9265

122.30333* .16842 .000 121.7002 122.9065

123.13333* .16842 .000 122.5302 123.7365

123.13333* .16842 .000 122.5302 123.7365

-125.32333* .16842 .000 -125.9265 -124.7202

-3.02000* .16842 .000 -3.6232 -2.4168

-2.19000* .16842 .000 -2.7932 -1.5868

-2.19000* .16842 .000 -2.7932 -1.5868

-122.30333* .16842 .000 -122.9065 -121.7002

3.02000* .16842 .000 2.4168 3.6232

.83000* .16842 .006 .2268 1.4332

.83000* .16842 .006 .2268 1.4332

-123.13333* .16842 .000 -123.7365 -122.5302

2.19000* .16842 .000 1.5868 2.7932

-.83000* .16842 .006 -1.4332 -.2268

.00000 .16842 1.000 -.6032 .6032

-123.13333* .16842 .000 -123.7365 -122.5302

2.19000* .16842 .000 1.5868 2.7932

-.83000* .16842 .006 -1.4332 -.2268

.00000 .16842 1.000 -.6032 .6032

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




Dilihat dari hasil uji Bonferroni diatas,

didapatkan lead time untuk skenario perbaikan

1, 2, 3 dan 4 dengan model existing untuk tiga

kabupaten terdapat perbedaan yang signifikan.

Dapat disimpulkan, keempat skenario diatas

lebih baik dari model existing, sehingga untuk

mereduksi lead time pada proses distribusi di

kabupaten ini dapat digunakan keempat skenario

perbaikan diatas.

4.6.2 Analisa Signifikansi untuk Waiting Time

di Tiga Kabupaten Amatan Sidoarjo


Dependent Variable: WaitTimeSda

Bonf erroni

2475.80000* 36.57566 .000 2344.8077 2606.7923

2435.90000* 36.57566 .000 2304.9077 2566.8923

2369.33333* 36.57566 .000 2238.3410 2500.3256

2475.10000* 36.57566 .000 2344.1077 2606.0923

-2475.8000* 36.57566 .000 -2606.7923 -2344.8077

-39.90000 36.57566 1.000 -170.8923 91.0923

-106.46667 36.57566 .155 -237.4590 24.5256

-.70000 36.57566 1.000 -131.6923 130.2923

-2435.9000* 36.57566 .000 -2566.8923 -2304.9077

39.90000 36.57566 1.000 -91.0923 170.8923

-66.56667 36.57566 .988 -197.5590 64.4256

39.20000 36.57566 1.000 -91.7923 170.1923

-2369.3333* 36.57566 .000 -2500.3256 -2238.3410

106.46667 36.57566 .155 -24.5256 237.4590

66.56667 36.57566 .988 -64.4256 197.5590

105.76667 36.57566 .161 -25.2256 236.7590

-2475.1000* 36.57566 .000 -2606.0923 -2344.1077

.70000 36.57566 1.000 -130.2923 131.6923

-39.20000 36.57566 1.000 -170.1923 91.7923

-105.76667 36.57566 .161 -236.7590 25.2256

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




13

Kediri Multiple Comparisons

Dependent Variable: WaitTimeKdr

Bonf erroni

1865.53333* 70.15958 .000 1614.2634 2116.8033

1733.13333* 70.15958 .000 1481.8634 1984.4033

1799.03333* 70.15958 .000 1547.7634 2050.3033

1870.76667* 70.15958 .000 1619.4967 2122.0366

-1865.5333* 70.15958 .000 -2116.8033 -1614.2634

-132.40000 70.15958 .885 -383.6700 118.8700

-66.50000 70.15958 1.000 -317.7700 184.7700

5.23333 70.15958 1.000 -246.0366 256.5033

-1733.1333* 70.15958 .000 -1984.4033 -1481.8634

132.40000 70.15958 .885 -118.8700 383.6700

65.90000 70.15958 1.000 -185.3700 317.1700

137.63333 70.15958 .782 -113.6366 388.9033

-1799.0333* 70.15958 .000 -2050.3033 -1547.7634

66.50000 70.15958 1.000 -184.7700 317.7700

-65.90000 70.15958 1.000 -317.1700 185.3700

71.73333 70.15958 1.000 -179.5366 323.0033

-1870.7667* 70.15958 .000 -2122.0366 -1619.4967

-5.23333 70.15958 1.000 -256.5033 246.0366

-137.63333 70.15958 .782 -388.9033 113.6366

-71.73333 70.15958 1.000 -323.0033 179.5366

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence



The mean dif ference is signif icant at the .05 level.*. Pacitan


Dependent Variable: WaitTimePct

Bonf erroni

1902.46667* 53.53848 .000 1710.7236 2094.2097

1847.46667* 53.53848 .000 1655.7236 2039.2097

1793.43333* 53.53848 .000 1601.6903 1985.1764

1793.43333* 53.53848 .000 1601.6903 1985.1764

-1902.4667* 53.53848 .000 -2094.2097 -1710.7236

-55.00000 53.53848 1.000 -246.7430 136.7430

-109.03333 53.53848 .690 -300.7764 82.7097

-109.03333 53.53848 .690 -300.7764 82.7097

-1847.4667* 53.53848 .000 -2039.2097 -1655.7236

55.00000 53.53848 1.000 -136.7430 246.7430

-54.03333 53.53848 1.000 -245.7764 137.7097

-54.03333 53.53848 1.000 -245.7764 137.7097

-1793.4333* 53.53848 .000 -1985.1764 -1601.6903

109.03333 53.53848 .690 -82.7097 300.7764

54.03333 53.53848 1.000 -137.7097 245.7764

.00000 53.53848 1.000 -191.7430 191.7430

-1793.4333* 53.53848 .000 -1985.1764 -1601.6903

109.03333 53.53848 .690 -82.7097 300.7764

54.03333 53.53848 1.000 -137.7097 245.7764

.00000 53.53848 1.000 -191.7430 191.7430

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




Dari hasil uji Bonferroni didapatkan model

existing dan ketiga skenario perbaikan berbeda

signifikan. Sedangkan perbandingan skenario

perbaikan 1 dengan skenario perbaikan 2 dan 3

tidak terdapat perbedaan signifikan. Dari table

juga dapat dilihat bahwa skenario perbaikan 2

tidak berbeda signifikan dengan skenario

perbaikan 1 dan 3, begitu pula untuk skenario

perbaikan 3 yang dari tabel dapat dilihat tidak

terdapat perbedaan dengan skenario perbaikan 1

dan 2. Solusi untuk mengurangi waiting time

pada proses distribusi untuk kabupaten ini dapat

digunakan keempat skenario perbaikan diatas.

4.6.3 Analisa Signifikansi untuk Inventory di

Tiga Kabupaten Amatan

Sidoarjo


Dependent Variable: Inv entorySda

Bonf erroni

208.00000* 2.01108 .000 200.7975 215.2025

-1.66667 2.01108 1.000 -8.8692 5.5358

-1.33333 2.01108 1.000 -8.5358 5.8692

-1.33333 2.01108 1.000 -8.5358 5.8692

-208.00000* 2.01108 .000 -215.2025 -200.7975

-209.66667* 2.01108 .000 -216.8692 -202.4642

-209.33333* 2.01108 .000 -216.5358 -202.1308

-209.33333* 2.01108 .000 -216.5358 -202.1308

1.66667 2.01108 1.000 -5.5358 8.8692

209.66667* 2.01108 .000 202.4642 216.8692

.33333 2.01108 1.000 -6.8692 7.5358

.33333 2.01108 1.000 -6.8692 7.5358

1.33333 2.01108 1.000 -5.8692 8.5358

209.33333* 2.01108 .000 202.1308 216.5358

-.33333 2.01108 1.000 -7.5358 6.8692

.00000 2.01108 1.000 -7.2025 7.2025

1.33333 2.01108 1.000 -5.8692 8.5358

209.33333* 2.01108 .000 202.1308 216.5358

-.33333 2.01108 1.000 -7.5358 6.8692

.00000 2.01108 1.000 -7.2025 7.2025

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




Kediri


Dependent Variable: Inv entoryKdr

Bonf erroni

299.00000* 1.34990 .000 294.1655 303.8345

-1.00000 1.34990 1.000 -5.8345 3.8345

-1.33333 1.34990 1.000 -6.1679 3.5012

-1.33333 1.34990 1.000 -6.1679 3.5012

-299.00000* 1.34990 .000 -303.8345 -294.1655

-300.00000* 1.34990 .000 -304.8345 -295.1655

-300.33333* 1.34990 .000 -305.1679 -295.4988

-300.33333* 1.34990 .000 -305.1679 -295.4988

1.00000 1.34990 1.000 -3.8345 5.8345

300.00000* 1.34990 .000 295.1655 304.8345

-.33333 1.34990 1.000 -5.1679 4.5012

-.33333 1.34990 1.000 -5.1679 4.5012

1.33333 1.34990 1.000 -3.5012 6.1679

300.33333* 1.34990 .000 295.4988 305.1679

.33333 1.34990 1.000 -4.5012 5.1679

.00000 1.34990 1.000 -4.8345 4.8345

1.33333 1.34990 1.000 -3.5012 6.1679

300.33333* 1.34990 .000 295.4988 305.1679

.33333 1.34990 1.000 -4.5012 5.1679

.00000 1.34990 1.000 -4.8345 4.8345

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




14

Pacitan Multiple Comparisons

Dependent Variable: Inv entoryPct

Bonf erroni

298.33333* 1.60555 .000 292.5832 304.0834

-1.33333 1.60555 1.000 -7.0834 4.4168

-1.66667 1.60555 1.000 -7.4168 4.0834

-1.66667 1.60555 1.000 -7.4168 4.0834

-298.33333* 1.60555 .000 -304.0834 -292.5832

-299.66667* 1.60555 .000 -305.4168 -293.9166

-300.00000* 1.60555 .000 -305.7501 -294.2499

-300.00000* 1.60555 .000 -305.7501 -294.2499

1.33333 1.60555 1.000 -4.4168 7.0834

299.66667* 1.60555 .000 293.9166 305.4168

-.33333 1.60555 1.000 -6.0834 5.4168

-.33333 1.60555 1.000 -6.0834 5.4168

1.66667 1.60555 1.000 -4.0834 7.4168

300.00000* 1.60555 .000 294.2499 305.7501

.33333 1.60555 1.000 -5.4168 6.0834

.00000 1.60555 1.000 -5.7501 5.7501

1.66667 1.60555 1.000 -4.0834 7.4168

300.00000* 1.60555 .000 294.2499 305.7501

.33333 1.60555 1.000 -5.4168 6.0834

.00000 1.60555 1.000 -5.7501 5.7501

(J) Skenario

1.00

2.00

3.00

4.00

.00

2.00

3.00

4.00

.00

1.00

3.00

4.00

.00

1.00

2.00

4.00

.00

1.00

2.00

3.00

(I) Skenario

.00

1.00

2.00

3.00

4.00

Mean

Dif f erence




Dari hasil uji Bonferroni didapatkan model

existing dengan skenario perbaikan 1 berbeda

signifikan. Sedangkan perbandingan model

existing dengan skenario perbaikan 2, 3, dan 4

tidak terdapat perbedaan signifikan. Untuk

perbandingan skenario perbaikan 1 terhadap

model existing dan skenario perbaikan 2, 3, dan

4, terdapat perbedaan yang signifikan. Dari tabel

juga dapat diketahui bahwa skenario perbaikan 2

tidak berbeda signifikan dengan model existing

dan skenario perbaikan 3 dan 4, berlaku juga

untuk skenario perbaikan 3 dan 4 yang dapat

diketahui tidak terdapat perbedaan dengan model

existing dan skenario perbaikan 2. Solusi untuk

mengurangi inventory pada proses distribusi

untuk kabupaten ini dapat digunakan skenario

perbaikan 1.

5. Penutup

5.1 Simpulan

Berdasarkan penelitian yang telah dilakukan,

maka kesimpulan yang dapat ditarik sesuai

tujuan penelitian yaitu :

1. Pada process activity mapping didapatkan

bahwa penyebab adanya variasi lead time

pada order fulfillment process di tiga

kabupaten amatan diantaranya adalah :

- Pada proses pembongkaran di gudang lini

2, terjadinya proses inspeksi yang

berulang yang menyebabkan inefisiensi

dalam proses penyaluran pupuk.

- Lama waktu penyimpanan stok digudang

yang variatif mengakibatkan pengiriman

ke tiap kebupaten tidak selalu dalam satu

waktu pengiriman yang sama.

- Proses pemuatan untuk ke tiga kabupaten

memakan waktu yang sama namun

terdapat perbedaan pada waktu

pembongkaran, hal ini disebabkan oleh

pengalokasian waktu untuk setiap

aktivitas pembongkaran untuk 1 truk yang

tidak memiliki standar waktu pengerjaan.

- Kondisi jalur transportasi menyebabkan

pula perbedaan waktu pada proses

pembongkaran pupuk.

2. Berdasarkan analisa output simulasi dilihat

dari segi penurunan lead time dan inventory

untuk ketiga kabupaten amatan, maka

skenario 4 yakni menggabungkan antara

skenario perbaikan 1 dan skenario perbaikan

2 merupakan skenario terbaik dalam

pengurangan lead time dan inventory yang

berlebih di gudang lini 2 (Margo 40).

5.2 Saran

1. Penelitian untuk memperpendek lead time

sebaiknya dilakukan juga dengan

mengevaluasi distributor dan kios serta

lebih meningkatkan hubungan kerjasama

terutama untuk memenuhi prinsip 6T (tepat

jumlah, tepat waktu, tepat mutu, tepat

harga, tepat tempat, dan tepat jenis).

2. Strategi yang dapat dilakukan oleh pihak

KP. Jatim untuk peningkatan proses

delivery adalah dengan peningkatan

kepedulian terhadap TKBM dan

peningkatan kemampuan leader di setiap

gudang dalam memonitor dan mengatur

TKBM.

3. Untuk penelitian selanjutnya dapat

dilakukan dengan lebih detail mengenai

analisa terhadap biaya distribusi dalam

setiap kali pengiriman dari lini 2 hingga ke

kios pupuk.

6. Daftar Pustaka

Acuviarta Aditya H, Tony. 2007. Seberapa

Lean-kah Anda?. Konsultan PQM

Consultants. Jakarta.

Ardi Wibawa, Krisna, I Nyoman Pujawan. 2007.

Aplikasi Lean Thinking pada Instalasi

Rawat Inap Rumah Sakit Semen Gresik.

Prosiding Seminar Nasional Manajemen

Teknologi V Program Studi MMT-ITS,

Surabaya 3 Pebruari 2007.

15

Boru Butar-Butar, Maulida, Mohamad Yamin.

2008. Penggunaan Simulasi untuk

Pemecahan Masalah Transportasi.

Prosiding Seminar Ilmiah Nasional

Komputer dan Sistem Intelijen (KOMMIT

2008) Auditorium Universitas Gunadarma,

Depok, 20-21 Agustus 2008.

Ekowati, Fitria. 2009. Sistem, Model, dan

Simulasi. Bahan Ajar Kuliah Simulasi dan

Permodelan Jurusan Teknik Informatika UII.

Yogyakarta.

Fawaz A. Abdulmaleka, Jayant Rajgopal. 2006.

Analyzing the Benefits of Lean

Manufacturing and Value Stream Mapping

via Simulation: A Process Sector Case

Study.Tersedia online di . Diakses tanggal 06

September 2009.

Gaspersz, Vincent. 2007. Lean Six Sigma for

Manufacturing and Service Industries.

Jakarta : PT Gramedia Pustaka Utama.

Harrell, C., B.K Ghosh and R.O. Bowden, Jr.

Simulation Using Promodel 2nd

ed. 2003.

McGraw-Hill. Boston.

Hines, P. dan Taylor, D. 2000. Going Lean.

Cardiff: Lean Enterprise Research Centre

Cardiff Business School..

Kurniawati. 2007. Simulasi Model Antrian pada

Pembayaran Rekening Listrik dengan

ARENA 5.0. Tugas Akhir Jurusan

Matematika. Universitas Negeri Semarang.

Lintas Media Lintas Berita. 2009. Lead Time

Reduction. Tersedia online di

. Diakses tanggal 14

September 2009.

Media Industri. 2005. Beban Usaha Terus

Meningkat, Laba PT PKT Makin

Merosot. Tersedia online di . Diakses

tanggal 14 Oktober 2009.

Peraturan Mentri Pertanian. 2008. Kebutuhan

dan Harga Eceran Tertinggi (HET) Pupuk

Bersubsidi untuk Sektor Pertanian Tahun

Anggaran 2009.

Pujawan, I.N. 2005. Supply Chain

Management. PT. Guna Widya. Surabaya.

Pupuk Kaltim. Pemasaran Urea Bersubsidi.

Tersedia online di . Diakses tanggal 25

September – 14 Oktober 2009.

Republika. 2009. Aturan Distribusi Pupuk

Disempurnakan. Tersedia online di

. Diakses

tanggal 24 September 2009.

Ridwan, Asep, Ratna Ekawati. 2008.

Rancangan Sistem Proses Produksi

Dengan Menggunakan Value Stream

Analysis Tools (VALSAT). Seminar

Nasional Sains dan Teknologi-II 2008

Universitas Lampung, 17-18 November

2008. Sandi Pramono, Andrie. 2001. Evaluasi dan

Perbaikan Proses Distribusi dalam Sistem

Pengiriman (Studi Kasus : PT. Perkebunan

Nusantara XII - Persero). Tugas Akhir

Jurusan Teknik Industri. Institut Teknologi

Sepuluh Nopember, Surabaya.

Suardika, I Wayan. 2007. Simulasi untuk

Mengurangi Production Lead Time dan Work

In Process pada Industri Berbasis Lean

Manufacturing (Studi Kasus : PT. Schineider

Electric Indonesia). Tugas Akhir Jurusan

Teknik Industri. Institut Teknologi Sepuluh

Nopember, Surabaya.

Sukmoro, Wawang. 2009. 14 Principles of

The TOYOTA Way. .

Diakses tanggal 05 September 2009.

Yusmichad Yusdja, Prajogo U. Hadi, Nizwar

Syafa’at, Handewi P. Saliem, Saptana, Ketut

Karisaya, Sudi Mardianto, dan M. Maulana.

2005. Kajian Sistem Distribusi Pupuk dan

Usulan Penyempurnaannya : (Kasus di

Tiga Propinsi di Jawa). Kajian Sistem

Distribusi-Anjak 2005.

Zylstra, Kirk D. 2006. Lean Distribution. PPM,

Jakarta.
file:///E:/Tugas%20Akhir/Buku%20TA_Mary%20Jane/Proposal%20Tugas%20Akhir/Ms.%20Word/deteksi.infohttp://www.depperin.go.id/IND/Publikasi/MajalahINDAG/2005_11.pdfhttp://www.depperin.go.id/IND/Publikasi/MajalahINDAG/2005_11.pdfhttp://www.pupukkaltim.com/http://www.republika.co.id/http://bestmanufacturing.blogspot.com/

Documents

EVALUASI DAN SIMULASI PERBAIKAN ORDER FULFILLMENT …digilib.its.ac.id/public/ITS-Undergraduate-11021-Paper.pdf · PT. Pupuk Kaltim is a company that produce fertilizer, whether with