1

PENJADWALAN DISPATCHING TRUCK DARI PACKER DI PABRIK

SEMEN INDONESIA TUBAN

Rama Panji Renspandy, I Nyoman Pujawan

Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya

Kampus ITS Sukolilo Surabaya 60111 Email: renspandy@gmail.com ; pujawan@gmail.com

Abstrak

PT. Semen Indonesia merupakan salah satu pabrik semen terbesar di Indonesia, tetapi biaya ongkos angkut dan bongkar muat masih menjadi komponen terbesar dari beban usaha yaitu sebesar Rp 923 Miliar atau 39,8% dari total beban. Salah satu cara meningkatkan produktivitas aktivitas logistik di perusahaan adalah dengan optimasi pengiriman semen zak yang menjadi focus 80% distribusi di pasar pulau Jawa dan Bali.

Metode penjadwalan pengiriman truk saat ini memiliki banyak konstrain, seperti variasi waktu proses, waktu kirim, time windows, dan target realisasi pengiriman yang harus dipenuhi setiap harinya. Oleh karena itu, pada penelitian ini dirancang sebuah model penjadwalan dengan mempertimbangkan konstrain tersebut guna meningkatkan ritase dan realisasi pengiriman. Model penjadwalan dibuat dalam bentuk aplikasi decision support

system (DSS) sederhana menggunakan Microsoft Excel Visual Basic Application (VBA). Output program berupa jadwal pengiriman tiap jam selama satu bulan. Dua skenario kebijakan diuji untuk melihat perubahan performa nilai ritase dan realisasi pengirirman.

Hasil yang didapat, model penjadwalan memberikan peningkatan nilai ritase 2 kali lipat dan peningkatan realisasi sebesar 0,4%. Kebijakan jam pengiriman memberi dampak yang signifikan terhadap peningkatan nilai rata-rata ritase truk dan efisiensi penggunaan truk 50% lebih sedikit. Sementara kebijakan dedicated packer mampu menurunkan waktu delay dan waktu queue secara keseluruhan. Kata kunci: Decision Support System, Penjadwalan Truk, Delivery Strategy

Abstract

Despite the fact that PT. Semen Indonesia is one of the largest cement producer, still its logistics cost account for nearly 39.8% of total cost or equivalent as 923 billion rupiah. Optimizing the cement bag’s delivery from the factory is one possible way to improve the logistics productivity level, since around 80% of total cement delivery in Java and Bali is by land.

The existing scheduling method is contained with some constraints, such as process time variance, travel time uncertainty, time windows, and daily shipment target. Therefore, in this research, a scheduling model with a consideration over stated constraints is required in order to maximize truck’s rite and maximize daily shipment. The scheduling model is built in form of simple DSS using Excel’s VBA. The output of this DSS is an hourly truck schedule. Two different scenarios is proposed to evidence the change in truck’s rite and daily shipment report.

The results from the model are a double increase of truck’s rite and 0.4% of increase from total daily shipment. The first scenario giving a significant impact as it provides the best truck’s rite and near 100% daily shipment. While the second scenario managed to reduce both delay and queue time. Kata kunci: Decision Support System, Truck Scheduling, Delivery Strategy

1. Pendahuluan

PT. Semen Indonesia merupakan pabrik semen terbesar di Indonesia yang terbagi menjadi beberapa anak perusahaan yaitu, PT. Semen Padang (Persero), dan PT. Semen Tonasa (Persero). Berdasarkan laporan tahunan 2010, perusahaan ini masih mendominasi pangsa pasar semen nasional sekitar 43,3%. Akan tetapi fakta yang ada, biaya ongkos angkut dan bongkar muat masih menjadi komponen terbesar dari beban usaha yaitu sebesar Rp 923 Miliar atau 39,8% dari total beban usaha (Madasari, 2012).

Ditinjau dari jenis moda transportasinya, sistem distribusi PT. Semen Indonesia terbagi menjadi dua yakni transportasi darat dan transportasi laut. Secara umum, pengiriman semen PT. Semen Indonesia adalah 80% melalui jalur darat dan 20% jalur laut. Sementara itu, ditinjau dari jenis produknya, distribusi semen terbagi menjadi pengiriman dalam bentuk curah dan cement bag (zak). Proses distribusi jalur darat semen dalam bentuk cement bag (zak) lebih kompleks dibandingkan semen curah. Hal ini dikarenakan tujuan pengiriman yang mencapai 1.200 titik setiap harinya menggunakan lebih dari 1.000 unit

2

truk pengangkut semen yang dikelola oleh 26 perusahaan ekspeditur.

Beberapa contoh permasalahan teknis yang muncul di dalam proses distribusi tersebut, antara lain: 1. Kegiatan loading di packer sangat bervariasi

(antara 30 menit hingga 1 jam) sesuai kapasitas yang diangkut truk. Variasi tersebut sangat bergantung kepada ketersediaan tenaga kerja di loader. Selain itu antrian di setiap line packer juga menambah variasi dan total waktu loading secara keseluruhan.

2. Waktu perjalanan pengiriman untuk setiap daerah sangat bervariasi, tergantung jarak, tingkat kemacetan, dan jam pengiriman.

3. Setiap toko/distributor hanya menerima kiriman pada jam buka saja atau sekitar pukul 08.00 hingga 17.00.

4. Waktu bongkat muat (unloading) di setiap toko/distributor juga bervariasi sesuai jumlah tenaga kerja yang melakukan kegiatan bongkar muat dan antrian dari truk pengirim lainnya (khususnya pengiriman ke gudang distributor dengan volume yang besar).

Di sisi lain, perusahaan memiliki target realisasi pengiriman setiap harinya yang diperoleh dari bagian penjualan. Planner harus dapat mengirimkan truk sebanyak-banyaknya untuk memenuhi kebutuhan tersebut, sementara itu proses pengiriman tersebut memiliki faktor ketidakpastian seperti yang telah dijelaskan di atas. Akibatnya, penjadwalan yang ada berakibat pada realisasi pengiriman harian yang rendah yang disebabkan kurangnya ketersediaan/availabilitas truk. Kurangnya ketersediaan truk bisa disebabkan karena waktu antri yang cukup lama baik di packer, perjalanan, maupun bongkar muat di tempat tujuan.

Permasalahan penjadwalan yang melibatkan lebih dari 1.000 kendaraan dengan kapasitas yang berbeda dan ribuan tujuan pengiriman memerlukan penjadwalan pengiriman truk yang optimal. Penjadwalan truk yang baik dapat meminimasi total travel time yang secara langsung meningkatkan ritase tiap truk untuk satu periode kontrak, maupun meningkatkan realisasi pengiriman harian semen. Penjadwalan juga membutuhkan adanya kebijakan atau aturan pengiriman yang mampu mengurangi waktu antrian dan waktu proses secara keseluruhan. Berdasarkan latar belakang permasalahan tersebut maka permasalahan yang akan diteliti adalah bagaimana membuat sebuah model pengambilan keputusan untuk penjadwalan dispatching truck dari packer dengan adanya faktor ketidakpastian untuk meningkatkan realisasi pengiriman dan ritase dari truk.

2. Perancangan Model

Berdasarkan data yang diperoleh dari record SAP PT. Semen Indonesia, tidak semua wilayah

penjualan dipilih untuk simulasi penjadwalan. Hal ini dikarenakan beberapa wilayah penjualan tidak memiliki record waktu yang lengkap di database dan hanya disuplai dalam frekuensi yang sangat rendah selama satu bulan (kurang dari 5 frekuensi pengiriman). Frekuensi pengiriman yang sangat rendah itu memberikan indikasi bahwa wilayah penjualan tersebut tidak disuplai secara intensif oleh kedua ekspeditur yang ditentukan yakni Varia Usaha dan Perkasa Mandiri. Oleh karena itu, beberapa wilayah penjualan tersebut dieliminasi dengan pertimbangan bahwa wilayah tersebut telah dicover oleh ekspeditur lainnya. Berikut langkah-langkah penentuan wilayah penjualan yang ditunjukkan pada gambar 2.1.

Demand Agregat dan Frekuensi Pengiriman

Cycle Time (Varia Usaha dan Perkasa

Mandiri)

Start

Frekuensi >5? Hapus NodeTidak

Data Fix Node Tujuan

Ya

Dicari jarak dari Tuban ke setiap node

Dengan asumsi kecepatan truk, diperoleh minimum

travel time

Demand/day

End

Gambar 2.1 Tahapan Penentuan Wilayah Penjualan

Pada gambar 2.1 di atas, setelah diperoleh data wilayah penjualan (node tujuan) kemudian dicari jarak wilayah tersebut dari pabrik PT. Semen Indonesia di Tuban. Penentuan jarak dibantu

3

menggunakan Google Maps. Data minimum travel

time yang notabene menunjukkan waktu perjalanan minimum ke masing-masing wilayah penjualan ditentukan dengan rumus: 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝑇𝑟𝑎𝑣𝑒𝑙 𝑇𝑖𝑚𝑒 (ℎ𝑟) =

𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑒 (𝑘𝑚)

𝑇𝑟𝑢𝑐𝑘 𝑆𝑝𝑒𝑒𝑑 (𝑘𝑚

ℎ𝑟)

Kecepatan truk nantinya divariasikan sesuai dengan skenario yang dibangun. Selain itu, tiap wilayah penjualan akan ditentukan demand selama satu bulan berdasarkan aggregat pengiriman satu bulan di data cycle time April 2013. Adapun konsumsi harian tiap wilayah diasumsikan merata tiap harinya sehingga demand harian ditentukan dengan rumus: 𝐷𝑒𝑚𝑎𝑛𝑑 𝑝𝑒𝑟 𝑑𝑎𝑦 (𝑡𝑜𝑛) =

𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑚𝑎𝑛𝑑 (𝑡𝑜𝑛)

30

Adapun total truk yang digunakan dalam model diperoleh dari output cycle time bulan April 2013 untuk ekspeditur Varia Usaha dan Perkasa Mandiri, yakni sebanyak 1.001 truk, dengan proporsi kapasitas sebagai berikut.

Gambar 2.2 Komposisi Truk dan Kapasitasnya

3. Algoritma Assignement

Algoritma assignment truk seperti pada gambar 3.1 di dalam simulasi model pejadwalan terbagi ke

dalam beberapa tahapan besar. Tahap pertama adalah identifikasi parameter seperti kecepatan truk, kecepatan loading dan unloading, nilai batas minimum shipment, dan lainnya. Di tahap selanjutnya data jumlah wilayah penjualan, jumlah truk beserta detailnya dibaca dari region database dan truck database. Setelah itu, dilanjutkan dengan tahapan simulasi selama range waktu yang ditentukan. Selama range waktu tersebut, setiap truk yang tersedia di cargo diassign ke wilayah penjualan dengan demand yang mencukupi sesuai rule minimum shipment. Kemudian, apabila rule tersebut terpenuhi, ditentukan estimasi waktu proses yang termasuk di dalamnya waktu loading dan unloading, waktu tunggu antrian packer, waktu pengiriman, dan waktu kembali ke pabrik.

Apabila dalam estimasi waktu proses pengiriman ke wilayah pengiriman ini masih berada dalam time windows distributor, maka truk diassign untuk melakukan pengiriman ke wilayah tersebut dan jadwal terisi pada sheet simulated schedule. Sebaliknya, apabila estimasi waktu proses berada di luar time windows, truk batal melakukan pengiriman dan mencari wilayah lainnya hingga konstrain time windows tersebut terpenuhi. Apabila tidak ada wilayah penjualan yang memenuhi konstrain time windows tersebut, truk menunggu pada periode jam berikutnya.

4. Pengembangan Skenario

Model penjadwalan dengan algoritma yang dijelaskan di atas kemudian diuji dengan beberapa skenario atau rule untuk melihat perubahan keputusan yang dihasilkan model. Di samping itu, skenario ini dibuat untuk melihat parameter mana yang paling berpengaruh terhadap ritase dan efektifitas pengiriman semen.

Adapun skenario yang digunakan antara lain: 1. Pengiriman dengan range waktu tertentu 2. Pengiriman dengan dedicated packer

13

70

250

14

5

90

103

374

13

66

3

0 100 200 300 400

65 TO

60 TO

55 TO

50 TO

45 TO

40 TO

35 TO

32 TO

30 TO

25 TO

20 TO

4

Start

Membaca data simulasi

Memulai simulasi per satuan jam selama satu bulan (0

hingga 720)

Looping time = 0 to 720 Apakah ada truk tersedia?

Update data:Demand real time

Status truk

Cari dan buat list truk tersedia

Looping truk tersedia = 1 to total truk tersedia

Baca data truk tersebut. (loop sebanyak total truk

keseluruhan)

Apakah cocok dengan truck database?

Looping daerah pengiriman = 1 to total

daerah

Demand real time daerah tersebut > kapasitas truk?

Estimasi waktu kirim dan waktu tunggu di packer

Apakah masuk dalam time windows?

Tulis data, Nopol, kuantitas yang dikirim, tujuan, waktu, dan perkiraan waktu sampai

Update data demand dan status truk

End

Y

T

T

Tambahan delay time

Y

T

Y

Y

T

Gambar 3.1 Algoritma Assignment Simulasi

5. Hasil Simulasi

Hasil output penjadwalan truk ke 77 titik tujuan menghasilkan nilai ritase yang jauh lebih tinggi dibandingkan kondisi eksisting. Terlihat pada gambar 5.1 di bawah, nilai ritase dari simulasi lebih besar hingga dua kali lipat.

Gambar 5.1 Ritase Truk Eksisting dan Hasil Simulasi

Nilai ritase yang tinggi disebabkan assignment truk yang tidak mempertimbangkan kemungkinan adanya waktu istirahat truk ketika sudah kembali lagi ke dalam cargo. Sehingga, apabila truk

kembali ke cargo dan pada saat yang bersamaan, kondisinya memungkinkan/cocok untuk melakukan pengiriman, maka truk akan kembali lagi ke dalam pabrik.

Sejalan dengan inikator ritase truk, rata-rata waktu pengiriman menunjukkan pemangkasan waktu sebesar 80,7%. Pada hasil simulasi, setiap truk memiliki waktu rata-rata pengiriman 22,01 jam, yakni kurang dari satu hari.

Selain itu, peningkatan ritase ini juga berdampak pada penggunaan jumlah truk selama satu bulan. Output simulasi menunjukkan, bahwa dari 1.001 total truk ekspeditur, hanya digunakan sekitar 302 buah saja. Frekuensi pengiriman tiap truk selama satu bulan yang semakin tinggi menyebabkan penurunan kebutuhan total truk.

Gambar 5.2 Truk Digunakan dalam Simulasi

Di segi ekspeditur, efisiensi penggunaan truk ini secara tidak langsung menguntungkan. Ekspeditur

7

14

0

2

4

6

8

10

12

14

16

Eksisting Simulasi

Output Ritase Truk

30.17%

69.83%

Proporsi Penggunaan Truk

Used Not Used

5

ke depannya tidak perlu menyediakan banyak truk. Di sisi lainnya, ditinjau dari segi perusahaan, tingginya ritase atau frekuensi pengiriman tiap truk membuat biaya variabel per pengiriman menjadi lebih rendah pula.

6. Analisi Perbandingan

Ketiga model, baik model simulasi, model skenario 1 (jam pengiriman), dan model skenario 2 (dedicated packer) secara overall menghasilkan rata-rata nilai ritase truk yang lebih tinggi dan realisasi pengiriman yang lebih banyak dibandingkan metode assignment eksisting. Gambaran perbandingan ketiga model ini dan metode eksisting terlihat pada tabel 6.1.

Model simulasi menghasilkan output yang cukup baik terutama pada utilitas kapasitas truk, sementara model skenario 1 menghasilkan output ritase truk dan realisasi paling baik, serta efisiensi penggunaan truk. Sedangkan model skenario 2 dengan tiga dedicated packer menghasilkan output rata-rata waktu delay dan waktu antri paling baik.

Kebijakan skenario 1 berupa jam pengiriman terbukti sebagai kebijakan terbaik untuk memaksimalkan nilai ritase truk dan realisasi order. Trade-off yang ditimbulkan tidak terlalu besar. Adanya nilai delay yang lebih besar dibandingkan model simulasi adalah karena dalam model skenario 1, rata-rata truk yang dikirim tiba di tujuan lebih awal namun dengan jarak yang tidak terlalu jauh. Hal ini disebabkan karena ketidakakuratan dalam estimasi waktu kirim. Beberapa parameter ditetapkan secara konstan seperti loading, unloading, dan queue time. Selain itu, error juga dapat muncul akibat penyeragaman jam pengiriman dalam satu cluster. Apabila ada wilayah dengan jam minimum pengiriman pukul 11:13, dengan adanya cluster, jam pengiriman maksimum bisa jadi dibulatkan ke bawah sehingga pengiriman paling cepat terjadi pada pukul 11.00 dan terdapat peluang truk tiba di tempat tujuan 13 menit lebih awal (dalam kondisi ideal).

Tabel 6.1 Tabel Perbandingan Setiap Model

Eksisting Simulasi Skenario 1

Skenario 2

(3 packer)

Jumlah Truk - 302 160 302 Total Shipment Volume 203431 204253 204342 204329 Average Ship per Day 222 140 137 141 Average Filled Order (%) 99.49% 99.89% 99.93% 99.93% Average Shipment Ratio 81.49% 94.90% 93.29% 94.86% Average Ritase 6.65 13.95 25.68 13.96 Average Travel time 114.04 22.01 23.84 20.64 Average Delay - 3.94 4.05 0.96 Average Queue - 2.56 0.02 2.41

7. Kesimpulan

Dari hasil percobaan serta analisis, dapat ditarik kesimpulan sebagai berikut: 1. Model penjadwalan (simulasi) dibuat

menggunakan bantuan software Microsoft Excel

dan Visual Basic Application mampu menghasilkan jadwal pengiriman harian (tanggal dan jam) selama satu bulan. Model juga mempertimbangkan adanya variasi di setiap waktu proses.

2. Decision Support System yang dirancang dapat memberikan fleksibilitas dalam menghasilkan jadwal dengan kebijakan yang berbeda (skenario 1 dan skenario 2), serta fleksibitas dari segi penentuan rentang waktu penjadwalan, perubahan nilai parameter (loading time, unloading time, truck speed).

3. Nilai rata-rata realisasi bulanan yang dihasilkan model penjadwalan lebih besar 0,4% atau 822 ton lebih banyak.

4. Pada model penjadwalan, nilai rata-rata ritase truk meningkat hingga 2 kali lipat, dari sebelumnya 7 menjadi 14.

5. Model skenario yang dibangun memiliki nilai output ritase dan realisasi yang lebih baik dibanding metode eksisting. Skenario 1 menghasilkan nilai ritase dan realisasi terbaik dibanding model lainnya.

6. Kebijakan jam pengiriman memberi dampak yang signifikan terhadap peningkatan nilai rata-rata ritase truk dan efisiensi penggunaan truk 50% lebih sedikit. Sementara dari skenario dedicated packer, jumlah dedicated packer yang paling optimum dan mampu menurunkan waktu delay dan queue secara keseluruhan adalah tiga packer.

Ucapan Terima Kasih

Pada penelitian ini, penulis mengucapkan terima kasih kepada seluruh pihak yang telah memberi dukungan dan membantu kelancaran terselesaikannya penelitian. Serta tak lupa disampaikan pula terima

6

kasih kepada dosen pembimbing yang telah banyak membantu dalam proses penyelesaian penelitian ini.

Daftar Pustaka

Ashianto, B.P., 2010. Perancangan Alat Bantu Pengambilan Keputusan Untuk Pengadaan dan Kontrol Inventori Sparepart Seat Kabin B737-800 NG Dengan Pendekatan (R,s,S) (Studi Kasus: PT. GMF AeroAsia)

Blanning, R.W., 1979. The Functions of a Decision Support System. Information & Management 2: 87-93

Chopra, S. and Peter Meindl (2001). Supply Chain Management: Strategy, Planning, and Operation. Prentice Hall, Inc.,New Jersey

Eksioglu, B., Vural, A.V., Reisman, A., 2009. The vehicle routing problem: A taxonomic review. Computers & Industrial Engineering 57: 1472-1483

Husay, O. (2013, Juni 20). 3PL – Third Party Logistics (OSPC). http://olipee.blogspot.com/2008/04/3pl-

thrid-party-logistics-opsc.html Korpela, J. and Tuominen, M., 1996. A decision

support system for strategic issues management of logistics. Int. Journal Production Economics 46-47: 605-620

Lopes, R.B., Barreto, S., Santos, B.S., 2008. A decision-support tool for a capacitated location-routing problem. Decision Support Systems 46: 366-375

Li, J., Borenstein, D., Mirchandani, P.B., 2005. A decision support system for the single-dot vehicle rescheduling problem. Computers & Operations Research 34: 1008-1032

Madasari, W.R., 2012. Analisis Biaya Distribusi dan Transportasi Untuk Jaringan Distribusi Semen Dengan Adanya Packing Plant (Studi Kasus: PT. Semen Gresik (Persero), Tbk)

Matsatsinis, N.F., 2002. Toward a decision support system for the ready concrete distribution system: A case study of a Greek company. European Journal of Operational Research 152: 487-499

Mustawan, G. D. (2013, Maret 3). Pengertian Ritase Rit dalam Penyewaan Truck. http://sewatruckjabodetabek.blogspot.com/2

013/03/pengertian-ritase-rit-dalam-

penyewaan.html Ronen, D., 1988. Perspective on practical aspects of

truck routing and scheduling. European Journal of Operational Research 35: 137-145

Tarantilis, C.D. and Kiranoudis, C.T., 2002. Using spatial decision support system for solving the vehicle routing problem. Information & Management 39: 359-375

Yuliasari, V., 2007. Pengembangan Rancang Bangun Perangkat Lunak untuk Menentukan Konfigurasi Armada Kendaraan dengan Mempertimbangkan Konsolidasi Pengiriman (Studi Kasus PT. Semen Gresik, Tbk)