Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
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
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
SK3 (Surat Keterangan Kedatangan Kapal)
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
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 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
Delivery Lead Time : 200.16 – 432 Jam
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
SK3 (Surat Keterangan Kedatangan Kapal)
Delivery Lead Time : 228.89 – 600 Jam
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
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
DistributorKios Pupuk
Q
10 orang
Gudang Gudang
Petani
Purchase
OrderUpdate Harian
Mutasi StokUpdate Harian
Mutasi Stok
Delivery
Order
Delivery
Order
& SPAP
Forecast berdasarkan SK Mentri Pertanian
Berita Acara Bongkar Muat
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
Operation Transportation Inspection Storage Delay
Jumlah Aktivitas 7 17 2 4 40
Total Waktu (Jam) 3,60 13,05 0,50 288 4,52
Total (%) Value Added Time 1,16% 4,22% 0,16% 93,00% 1,46%
Total (%) Value Activities 10,00% 24,29% 2,86% 5,71% 57,14%
Tabel 3.4 Ringkasan Hasil Process Activity Mapping
Penyaluran Pupuk Urea Bersubsidi – Kabupaten Pacitan
Operation Transportation Inspection Storage Delay
Jumlah Aktivitas 8 21 2 5 45
Total Waktu (Jam) 3,72 24,87 0,50 360 4,12
Total (%) Value Added Time 0,95% 6,33% 0,13% 91,56% 1,05%
Total (%) Value Activities 10,00% 26,25% 1,25% 6,25% 56,25%
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 3.7 Penyaluran ke Gudang Lini 3
Gambar 3.8 Penyaluran ke Gudang Lini 4
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
Skenario – Kabupaten Sidoarjo
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
Skenario – Kabupaten Sidoarjo
8
Tabel 3.6 Output Existing Model dan Skenario Perbaikan
dilihat dari Segi Lead Time, Waiting Time dan Inventory–
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
Gambar 3.13 Grafik Perbandingan Lead Time Tiap
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
Skenario – Kabupaten Kediri
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
Gambar 3.15 Grafik Perbandingan Inventory Tiap
Skenario – Kabupaten Kediri
Tabel 3.7 Output Existing Model dan Skenario Perbaikan
dilihat dari Segi Lead Time, Waiting Time dan 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
Gambar 3.16 Grafik Perbandingan Lead Time Tiap
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
Skenario – Kabupaten Pacitan
ExistingPerbaikan
1Perbaikan
2Perbaikan
3Perbaikan
4
Inventory 19040 18742 19041 19042 18741.667
185501860018650187001875018800188501890018950190001905019100
Ton
Inventory
Gambar 3.18 Grafik Perbandingan Inventory Tiap
Skenario – Kabupaten Pacitan
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.
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 40.70%, skenario perbaikan 2
menurunkan lead time sebesar 39.71%, skenario
perbaikan 3 menurunkan lead time sebesar
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.
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 31.98%, skenario perbaikan 2
menurunkan lead time sebesar 31.21%, skenario
perbaikan 3 menurunkan lead time sebesar
31,42%, dan skenario perbaikan 4 menurunkan
lead time sebesar 32.63%.
4.4 Analisa Existing Model Terhadap
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%
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
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
skenario perbaikan 2 didapatkan penurunan
waiting time sebesar 46.75%. Untuk skenario
perbaikan 3 didapatkan penurunan waiting time
sebesar 48.53%. Dan untuk skenario perbaikan 4
didapatkan penurunan waiting time sebesar
50.46%.
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
skenario 4 yang memberikan penurunan waiting
time terbesar.
Pacitan
Dari grafik perbandingan waiting time untuk
skenario perbaikan 1 didapatkan penurunan
waiting time sebesar 50.84%. Sementara untuk
skenario perbaikan 2 didapatkan penurunan
waiting time sebesar 49.37%. Untuk skenario
perbaikan 3 didapatkan penurunan waiting time
sebesar 47.93%. Dan untuk skenario perbaikan 4
didapatkan penurunan waiting time sebesar
50.84%.
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
skenario 4 yang memberikan penurunan waiting
time terbesar.
4.5 Analisa Existing Model Terhadap
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
skenario perbaikan 1 didapatkan penurunan
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%.
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
skenario 1 dan 4 yang memberikan penurunan
inventory terbesar.
Kediri
Dari grafik perbandingan inventory untuk
skenario perbaikan 1 didapatkan penurunan
jumlah inventory sebesar 1,55%. Sementara
untuk skenario perbaikan 2 didapatkan
penurunan inventory sebesar 0.01%. Untuk
skenario perbaikan 3 didapatkan penurunan
inventory sebesar 0,01%. Dan untuk skenario
perbaikan 4 didapatkan penurunan inventory
sebesar 1,55%.
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
skenario 1 dan 4 yang memberikan penurunan
inventory terbesar.
Pacitan
Dari grafik perbandingan inventory untuk
skenario perbaikan 1 didapatkan penurunan
jumlah inventory sebesar 1,57%. Sementara
untuk skenario perbaikan 2 didapatkan
penurunan inventory sebesar 0.01%. Untuk
skenario perbaikan 3 didapatkan penurunan
inventory sebesar 0.01%. Dan untuk skenario
perbaikan 4 didapatkan penurunan inventory
sebesar 1,57%.
Berdasarkan analisa dari ketiga skenario
perbaikan dengan model saat ini didapatkan
skenario 1 dan 4 yang memberikan penurunan
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
Multiple Comparisons
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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
Multiple Comparisons
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*. Pacitan
Multiple Comparisons
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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
Multiple Comparisons
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
(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
Multiple Comparisons
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Conf idence Interval
The mean dif ference is signif icant at the .05 level.*.
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/