Internship Report Poster

PRAKTIK KERJA LAPANGAN

ANALISIS MODEL ANTRIAN PEMBAYARAN REKENING AIR MINUM PADA PDAM TIRTA MOEDAL CABANG SEMARANG UTARA KOTA SEMARANG OLEH: UVI DWIAN KENCONO DOSEN PEMBIMBING: DITA ANIES MUNAWWAROH, M.Sc

1. LATAR BELAKANG

1

● Pembayaran rekening air minum PDAM harus dilakukan tepat waktu karena jika terjadi keterlambatan pembayaran, maka akan diberikan sanksi berupa denda.

3. METODOLOGI PENELITIAN Jam Kerja (07.3015.30)

Data PDAM Tirta Moedal cabang Semarang Utara selama tiga bulan pada tahun 2018

Mei

April

Juni

Pengamatan secara langsung pada sistem antrian untuk mengetahui model antrian.

April 1

2

3

Mei 1

4

2

Juni

3

4

5

1

2

3

4

-

-

957

729

-

-

241

95 705

-

-

-

391 409 134 767

-

656 204

-

567

Senin

295 480 387 371 248 657 492 401 172 605

Selasa

257 488 432 416

-

543 468

42

-

Rabu

259 340 459 421 321 447 520 331

Kamis

526 382 453 215 243

Jumat

390 241 325 99

-

272 337 425 387

-

691

-

Tabel Kedatangan Pelanggan PDAM Tirta Moedal cabang Semarang Utarta

Jam Kerja (07.3015.30)

2

April 1

2

3

Mei 1

4

2

3

Juni 4

5

1

3

4

-

-

1.127

857

-

-

241

95 794

-

-

-

533 509 134 884

-

771 204

-

721

443 591 489 418 248 810 590 514 172 697

Selasa

358 636 518 491

-

693 555

71

-

Rabu

363 433 569 528 425 556 554 374

Kamis

636 512 559 215 319

Jumat

524 282 401 99

-

354 428 516 468

-

771

● Biasanya satu pelanggan yang mengantri membawa lebih dari satu rekening untuk dibayar sebab pembayaran boleh diwakilkan oleh siapapun dan tidak harus oleh yang bersangkutan. ● Banyaknya pelanggan yang akan mem bayar rekening air minum setiap bulan akan mempengaruhi sistem pelayanan.

Hal tersebut akan mengakibatkan pelanggan menunggu untuk dilayani.

2. GAMBARAN UMUM PERUSAHAAN

2

Senin

● Berdasarkan hal tersebut, pelayanan pembayaran rekening air minum harus efisien agar tidak terjadi penumpukan antrian.

-

PDAM Semarang adalah perusahaan milik pemerintah Kota Semarang yang mempunyai fungsi sebagai unit pelayanan yang menyelenggarakan pengelolaan dan penyediaan air bersih bagi masyarakat Kota Semarang untuk meningkatkan kesejahteraan masyarakat yang mencakup aspek sosial, kesehatan, dan pelayanan umum.

Tabel Pelayanan Pembayaran Rekening Air Minum PDAM Tirta Moedal cabang Semarang Utarta

Mengolah data menggunakan program linier, spesifikasi teori antrian.

Uji distribusi data kedatangan pelanggan pembayaran rekening air minum PDAM Tirta Moedal cabang Semarang Utara menggunakan uji Kolmogorov-Smirnov. Uji distribusi ini bertujuan untuk mengetahui rata – rata kedatangan pelanggan yang mengikuti dis- tribusi Poisson. H0 diterima, berarti jumlah kedatangan pelanggan pembayaran rekening air minum berdistribusi poisson.

Analisis Data: - Model antrian adalah M/M/1/FCFS/~/~ - M = tingkat kedatangan pelanggan berdistribusi poisson dengan rata-rata kedatangan pelanggan (λ) - M = tingkat pelayanan server berdistribusi poisson dengan rata–rata pelayan- an (μ) - Angka 1 = jumlah loket pembayaran rekening air minum (s) dengan disiplin antrian first-come first-served - Tingkat kedatangan dan pelayanan pelanggan tidak terbatas dan disimbolkan dengan “~” - Dilakukan uji steady state dengan hasil ρ < 1 maka data dikatakan steady state dan tingkat kesibukan server adalah 83% dari lamanya waktu bekerja sehingga di- dapat analisa sebagai berikut : s

λ

μ

1/λ

1/μ

Ls

Lq

Ws

Wq

π0

ρ

1

50,72

61,39

0,019

0,016

4,75

3,93

0,09

0,08

0,17

0,83

1/λ 1/μ Ls Lq Ws

= = = = =

Rata-rata waktu kedatangan antarpelanggan Rata-rata waktu yang digunakan server untuk melayani tiap pelanggan Rata-rata jumlah pelanggan yang berada dalam sistem antrian Jumlah pelanggan rata-rata yang menunggu dalam antrian Perkiraan rata-rata waktu pelanggan menunggu dalam sistem

Membandingan ukuran kinerja sistem antrian pada pelayanan pembayaran rekening air minum menggunakan dua, tiga, empat, dan lima server.

Hasil analisa berdasarkan software POM Windows :

s

λ

μ

ρ

Ls

Lq

Ws

Wq

1

50,72

61,39

0,83

4,75

3,93

0,09

0,08

2

50,72

61,39

0,41

1

1,17

0,02

0

3

50,72

61,39

0,28

0,85

0,02

0,02

0

4

50,72

61,39

0,21

0,85

0

0,02

0

5

50,72

61,39

0,17

0,83

0

0,02

0

DAFTAR PUSTAKA

5. SARAN

4. KESIMPULAN Berdasarkan hasil analisa pada sistem antrian, diketahui bahwa sistem antrian pada loket pembayaran rekening air minum PDAM Tirta Moedal cabang Semarang Utara sudah baik sebab tidak terjadi penumpukan pada sistem antriannya dengan tingkat menganggur server paling rendah dari beberapa perbandingan jika s > 1 sebab untuk s > 1 akan terjadi salah satu server menganggur dan memberikan kerugian kepada perusahaan.

Tidak diperlukan adanya kebiajakan dalam penambahan server sebab dengan penambahan jumlah server akan mengakibatkan sedikitnya tingkat kesibukan server dengan kata lain ada server yang menganggur.

Terima kasih kepada : PDAM Tirta Moedal Cabang Semarang Utara dan Ibu Dita Anies Munawwaroh,M.Sc selaku dosen pembimbing

[1] Handayani. 2013.

Analisis Antrian Pada Mini Market dengan TeoriAntrian untuk Menentukan Pelayanan yang Optimal. Universitas Gunadarma.

[2] Levin, Richard, Et al. 1997. Pengambilan Keputusan SecaraKuantitatif. Raja Grafindo Persada: Jakarta.

[3] Nia Puspita Sari, Sugito, Budi Warsito.2016. Jurnal Gaussian : Penerapan Teori Antrian Pada Pelayanan Teller Bank X Kantor Cabang Pembantu Puri Sentra Niaga. Universitas Diponegoro.

PANDUAN NAPIER’S BONES MEDIA PEMBELAJARAN PERHITUNGAN MATEMATIKA SD Penemu Tulang Napier (Napier’s Bones) adalah John Napier. Ia lahir di Puri Merchiston, Edinburgh, Skotlandia, pada tahun 1550.

Napier merangkai piranti perhitungannya menggunakan sebuah papan berbahan tulang atau gading bertepi, berteman satu set batang memuat angka – angka di dalamnya. Terdapat 9 bilah batang. Tiap batang ada 9 kotak dan masing – masing kotak terbagi 2 angka.

1. PERKALIAN

BANGSAWAN T U A N TA N A H

A H L I M AT E M AT I K A

JOHN NAPIER 1550-1 617

2. PEMBAGIAN

3. AKAR PANGKAT DUA

BIAS SUFI DEWI 24010116130095

KKN TIM II UNIVERSITAS DIPONEGORO SEMARANG TAHUN 2019

PRAKTIK KERJA LAPANGAN

ANALISIS SISTEM PENJADWALAN MENGGUNAKAN METODE PEWARNAAN SISI TEORI GRAF DI SMP ATISA DIPAMKARA OLEH: KSANTI DEVI RATNANINGTYAS DOSEN PEMBIMBING: ROBERTUS HERI SOELISTYO UTOMO, S.Si., M.Si. Perkembangan dunia Pendidikan yang sangat pesat

LATAR BELAKANG

sekolah-sekolah bersaing untuk meningkatkan kualitas pembelajarannya

Penerapan system fullday school, kurikulum 2013 pada kelas 9, dan KTSP pada kelas 7 dan 8 besar peluang terjadi tabrakan pada saat dimulainya pembelajaran.

Bidang ilmu yang banyak dan waktu, kelas dan tenaga pengajar yang terbatas memerlukan penjadwalan yang baik dan efisien untuk memenuhi standar aturan Permendikbud no. 15 tahun 2018 dan Peraturan Pemerintah no.19 tahun 2017.

METODOLOGI

1

Pengambilan Data

3

2

PROFIL SEKOLAH Nama Yayasan Sekolah SK Ijin Operasional NSS NPSN Status Akreditasi Alamat

3

: : : : : : :

Yayasan Satya Dharma Surya Indonesia SMP Atisa Dipamkara 005/420.3/701/Dispendik 202280305018 20613784 Terakreditasi A Vila Permata ( Komplek Vihara Vajra  Bumi Nusantara ) Lippo Karawaci, Binong, Curug, Tangerang, Banten

Pembentukan Graf Bipartide

Pencocokan guru mata pelajaran dengan kelas yang diampu

Pelabelan Warna dengan Edge Coloring

4

1

HASIL DAN PEMBAHASAN Merah sebagai mata pelajaran pertama.

Biru sebagai mata pelajaran kedua.

Kuning sebagai mata pelajaran ketiga.

Hijau sebagai mata pelajaran keempat.

Hitam sebagatai mata pelajaran kelima.

Ungu sebagai mata pelajaran keenam.

Pink sebagai mata pelajaran ketujuh.

Orange sebagai mata pelajaran kedelapan.

Coklat sebagai mata pelajaran kesembilan.

Biru muda sebagai mata pelajaran kesepuluh.

KESIMPULAN DAN SARAN Proses penyusunan jadwal dapat dilakukan dengan menggunakan pewarnaan graf.

Dari hasil percobaan penyusunan jadwal di SMP ATISA DIPAMKARA, maka didapatkan susunan jadwal yang baik dan tidak bertabrakan.

REFERENSI

Pengaplikasian pewarnaan graf khususnya pewarnaan sisi diharapkan dapat digunakan untuk menyusun jadwal pelajaran di SMP ATISA DIPAMKARA. Departemen Pendidikan Nasional. 2008. Kamus Besar Bahasa Indonesia.

Jakarta : Gramedia Pustaka Utama.

Munir, R. 2007. Matematika Diskrit. Bandung: Informatika Taufik Hidayatullah. 2015. Perancangan sistem penjadwalan dengan menggunakan graph colouring. Informatika. Vol II, No 2, Hal 416.

Sutarno, Heri, dkk. 2009. Pembangunan Sistem Penjadwalan Kuliah Menggunakan Algoritma Pewarnaan Graf. Bandung : UPI.

Terima kasih kepada: Bapak Farikhin, S.Si, M.Si, Ph.D, Bapak Robertus Heri Soelistyo Utomo, S.Si.,M.Si, Bapak Eko Madhawanto, S.Pd, dan seluruh pihak yang telah membantu keberjalanan PKL ini

PRAKTIK KERJA LAPANGAN

MERAMALANKAN ANGKA PENJUALAN CELANA DENGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL: PENDEKATAN ADAPTIF (Studi Kasus dilakukan di PT Prima Menara Utama) OLEH: ANDINI FADHILAH

DOSEN PEMBIMBING: Drs. YD. SUMANTO, M.Si METODOLOGI

LATAR BELAKANG - Penurunan pangsa Industri Tekstil dan Produk Tekstil terhadap Produk Domestik Bruto - Persaingan Industri Tekstil dan Produk Tekstil di pasar dunia - Perencanaan produksi sebagai upaya untuk menghadapi persaingan

PROSES PRODUKSI Marker Gelar Cutting

Wawancara

DATA

Studi Kasus

Seri

Analisis

QC Loading

PROFIL PT PRIMA MENARA UTAMA

Data Total Penjualan Celana Tahun 2018 Periode

Bulan

- industri tekstil dan produk tekstil yang berfokus pada produksi celana - terdapat 3 jenis penawaran yang dilakukan, yaitu FOB, CMT, dan penjualan sendiri - setelah menerima pesanan, produksi dilakukan dengan 3 tahap

Total Penjualan (Pcs)

1 2 3 4 5 6 7 8 9 10 11 12

Jan-18 Feb-18 Mar-18 Apr-18 May-18 Jun-18 Jul-18 Aug-18 Sep-18 Oct-18 Nov-18 Dec-18

20817 19200 23040 30240 10800 8640 32160 0 28800 6000 30600 8976

Badan Gabung Pasang ban, tali, lubang, dll QC Cuci QC Pasang kancing, label

Grafik Total Penjualan Celana Tahun 2018

Gosok QC Tempel handtag Lipat Masuk Polybag Kirim

HASIL DAN PEMBAHASAN Pengukuran Kinerja Peralaman menggunakan: Îą = 0,1 t

X

F

1 2 3 4 5 6 7 8 9 10 11 12

20817 19200 23040 30240 10800 8640 32160 0 28800 6000 30600 8976

e

20817 20655,3 20893,77 21828,393 13056,585 12691,518 17492,599 11627,904 13159,18 11790,07 12999,713

-1617 2384,7 9346,23 -11028 -4416,6 19468,5 -17493 17172,1 -7159,2 18809,9 -4023,7

Č đ?&#x2018;&#x2019;

1617 2384,7 9346,2 11028 4416,6 19468 17493 17172 7159,2 18810 4023,7

Et -161,7 92,94 1018,269 -186,3972 -609,416 1398,374 -490,7235 1275,558 432,0847 2269,869 1640,511

Mt 161,7 384 1280,223 2255,04 2471,194 4170,923 5503,091 6669,991 6718,91 7928,012 7537,582

Îą = 0,5 t

X

F

e

1 2 3 4 5 6 7 8 9 10 11 12

20817 19200 23040 30240 10800 8640 32160 0 28800 6000 30600 8976

20817 20008,5 21524,25 25882,125 11946,501 10298,356 23879,639 9136,8234 16884,523 13475,12 16199,539

-1617 3031,5 8715,75 -15082 -3306,5 21861,6 -23880 19663,2 -10885 17124,9 -7223,5

Č đ?&#x2018;&#x2019;

1617 3031,5 8715,8 15082 3306,5 21862 23880 19663 10885 17125 7223,5

0,1 0,1 0,1 0,795 0,083 0,247 0,335 0,089 0,191 0,064 0,286

Et

Mt

Îąt Nilai

-808,5 1111,5 4913,625 -5084,25 -4195,376 8833,134 -7523,252 6069,962 -2407,281 7358,8 67,63027

808,5 1920 5317,875 10200 6753,251 14307,45 19093,54 19378,36 15131,44 16128,16 11675,85

0,5 0,5 0,5 0,924 0,498 0,621 0,617 0,394 0,313 0,159 0,456

KESIMPULAN Berdasarkan pengolahan data dan analisis hasil dapat dibuat kesimpulan bahwa peramalan angka permintaan celana untuk masa yang akan datang menggunakan metode Adaptive Respose Rate Single Exponential Smoothing (ARRSES), menghasilkan peramalan untuk Januari tahun 2019 sebesar 11.848 permintaan dengan kesalahan sebesar 56,899% atau tingkat akurasi 43,101%.

TERIMA KASIH

Îąt Nilai

Îą = 0,9 Č PEČ

8,422 10,35 30,91 102,1 51,12 60,54 100 59,63 119,3 61,47 44,83

Č PEČ

8,42188 13,1576 28,8219 139,649 38,2697 67,9777 100 68,2749 181,409 55,9637 80,4761

t

X

F

e

1 2 3 4 5 6 7 8 9 10 11 12

20817 19200 23040 30240 10800 8640 32160 0 28800 6000 30600 8976

20817 19361,7 22672,17 29483,217 10875,984 8822,1917 31274,681 1080,6945 24953,807 9818,9796 25334,107

-1617 3678,3 7567,83 -18683 -2236 23337,8 -31275 27719,3 -18954 20781 -16358

Č đ?&#x2018;&#x2019;

1617 3678,3 7567,8 18683 2236 23338 31275 27719 18954 20781 16358

Et

Mt

Îąt Nilai

-1455,3 3164,94 7127,541 -16102,14 -3622,6 20641,77 -26083,04 22339,07 -14824,52 17220,47 -13000,25

1455,3 3456 7156,647 17530,56 3765,442 21380,57 30285,27 27975,9 19856,02 20688,52 16791,15

0,9 0,9 0,9 0,996 0,919 0,962 0,965 0,861 0,799 0,747 0,832

Č PEČ

8,42188 15,9648 25,0259 172,993 25,8794 72,5678 100 96,2476 315,897 67,9118 182,243

Dengan menggunakan rumus MAPE dan WAPE, maka -Pada Îą = 0,1 diperoleh nilai MAPE = 58,972 dan WAPE = 56,899.

-Pada Îą = 0,5 diperoleh nilai MAPE = 71,129 dan WAPE = 66,710.

-Pada Îą = 0,9 diperoleh nilai MAPE = 98,468 dan WAPE = 86,773.

Sehingga, peramalan menggunakan Îą dengan kesalahan terkecil, yaitu Îą = 0,1, dengan kesalahan sebesar 56,899% dan tingkat akurasi 43,1010%.

Perhitungan ramalan menggunakan metode pemulusan eksponensial tunggal pendekatan adaptif Selanjutnya, akan dihitung nilai ramalan untuk periode waktu selanjutnya.

Untuk periode ke-13 diperoleh hasil sebagai berikut: Îą13 = |Et/Mt| = |1640/7537| = 0,218 F13 = Îą12X12 + (1 Îą12)F12 = 0,286(8976) + 0,714(12.999) = 11.847,683 = 11.848

SARAN -hasil penghitungan tersebut dapat dipakai untuk melakukan perencanaan produksi di masa yang akan datang, dengan menjadikannya bahan pertimbangan manajer terkait keputusan manajerial di perusahaan.

-untuk selanjutnya, perusahaan agar menggunakan metode lain yang lebih cocok, yaitu metode Croston -untuk selanjutnya, mahasiswa agar melakukan studi lebih lanjut terkait metode Croston.

kepada Bapak Susilo Hariyanto, S.Si, M.Si selaku Ketua Departemen Matematika, Bapak R. Heri Soelistyo U., S.Si, M.Si selaku koordinator PKL, Bapak Drs. YD. Sumanto, M.Si selaku dosen pembimbing, Bapak Hidayat Rusdi selaku direktur PT Prima Menara Utama, serta keluarga dan teman-teman selaku penyemangat.

REFERENSI Chatfield, D. C., & Hayya, J. C. 2007. All-zero forecasts for lumpy demand: a factorial study. International Journal of Production Research, 45(4), 935â&#x20AC;&#x201C;950. doi:10.1080/00207540600622480 Makridakis, Spyros., Wheelwright, Steven., dan McGee, Victor. 1992. Metode dan Aplikasi Peramalan Edisi Kedua. Jakarta: Penerbit Erlangga.

Moisanen, Jenni. 2014. Demand forecasting in the apparel industry. Skripsi, Administrasi Bisnis. Finlandia: Hel sinki Metropolia University of Applied Sciences.

Ragnerstam, Elsa. 2015. How to calculate forecast accuracy for stocked items with a lumpy demand. Tesis, Engi neering Program With Specialization on Production and Logistic. Swedia: Mälardalens University in Eskilst una.

Widiyarini. 2016. Perencanaan Produksi Menggunakan Metode Peramalan untuk Menentukan Total Perminta an Produk Kayu Albasia Bare Core: 53-61. Jakarta, 1 Oktober 2015: Lembaga Penelitian, Universitas Trisak ti.

PRAKTIK KERJA LAPANGAN

OPTIMALISASI PERSEDIAAN GULA EX RAW SUGAR DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) OLEH: RELITA MANURUNG

DOSEN PEMBIMBING: DR. HERU TJAHJANA, S.Si, M.Si Latar Belakang

Kebutuhan Pokok

Pengendalian Persediaan

Ex Raw Sugar

Metodologi Penelitian:

1

Observasi langsung terhadap Gudang Komersial

1

2

Wawancara -Kepala Gudang -Manager Gudang -bagian Pengadaan

Perum BULOG bertujuan pokok mengamankan

penye-

diaan pangan dalam rangka menegakkan eksistensi pemerintahan baru . Untuk saat ini, Perum Bulog berpegang pada Peraturan Pemerintah RI No.7 tahun 2003 BULOG resmi beralih status menjadi Perusahaan Umum (Perum) BULOG yang memiliki peranan dalam

EOQ 4

3

5

Menentukan waktu pembelian yang efektif

4

5

7 C(Q*) 5

Melakukan perhitungan total biaya persediaan yang dikeluarkan dalam satu periode perencanaan.

Menentukan jumlah pembelian yang optimal dalam satu siklus.

6

4 Hasil dan Pembahasan:

Profil Perusahaan:

penting

Memformulasikan model yang cocok untuk data yang diperoleh.

Analisa Data

2 untuk

3

pengendalian

Dengan menggunakan model Economic Order Quantity, diperoleh nilai-nilai sebagai berikut: Demand 428.227 kg/tahun Biaya Pemesanan Per Siklus Rp 2.500,00 per pemesanan Biaya Beli Per Unit Rp 10.507,00 Biaya Penyimpanan Rp.197,04 per kg/tahun Pemesanan Gula yang Optimal 3.296 kg Siklus Pemesanan 2 hari Jumlah pemesanan dalam satu tahun 130 kali pemesanan Total biaya yang dikeluarkan Rp 4.500.556.007,00 per tahun

pangan nasional.

Saran:

Gula

Perusahaan dapat menggunakan model Economic Order Quantity untuk mempertimbangkan lagi kedepannya jumlah pemesanan gula yang optimal sehingga tidak terjadi lagi penumpukan gula di Gudang Komersial seperti yang terjadi sebelumnya.

Referensi:

[1] Assauri. 1969. Manajemen Produksi dan Operasi. Edisi Empat. Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

[2] Rangkuti, Freddy. 2004. Manajemen Persediaan (Aplikasi di bidang bisnis). Cetakan Keenam. Jakarta : Raja Grafindo Persada.

[3] Hartanti & Sugiarto, Y. 1984. Dasar-Dasar Riset Operasi. Semarang : Badan Penerbit UNDIP [4] Winston, Wayne. L. 2003. Operation Research Aplication and Algorithms, 4th edition. California : Duxbury Press.

[5] Buffa, Elwood S. & Sarin, Rakesh K. 1995. Modern Production/Operation Management. New York City : John Wiley & Sons. Inc [6] Supranto J MA. 1996. Metode Riset, Aplikasi dalam Pemasaran. Jakarta : LPFE-UI.

PRAKTIK KERJA LAPANGAN

OPTIMALISASI PERSEDIAAN GULA EX RAW SUGAR DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) OLEH: RELITA MANURUNG

DOSEN PEMBIMBING: DR. HERU TJAHJANA, S.Si, M.Si Latar Belakang

Kebutuhan Pokok

Ex Raw Sugar

Pengendalian Persediaan

Metodologi Penelitian:

1

Observasi langsung terhadap Gudang Komersial

1

2

Wawancara -Kepala Gudang -Manager Gudang -bagian Pengadaan

3

Memformulasikan model yang cocok untuk data yang diperoleh.

3

Hasil dan Pembahasan Data yang diperoleh dari Perusahaan Umum Badan Urusan Logistik Pembahasan: (Perum Bulog) Suddivisi Regional Wilayah 1 Semarang diolah dan diformulasikan dalam modela matematika agar dapat dioptimalkan menggunakan model Economic Order Quantity.

Menentukan waktu pembelian yang efektif

5 Q*

4 T*

4

7 C(Q*) 5

Melakukan perhitungan total biaya persediaan yang dikeluarkan dalam satu periode perencanaan.

Menentukan jumlah pembelian yang optimal dalam satu siklus.

Analisa Data

2

Hasil dan

4 EOQ

5

6

Dengan menggunakan model Economic Order Quantity, diperoleh nilai-nilai sebagai berikut:

Demand Biaya Pemesanan Per Siklus Biaya Beli Per Unit Biaya Penyimpanan Pemesanan Gula yang Optimal Siklus Pemesanan Jumlah pemesanan dalam satu tahun Total biaya yang dikeluarkan

428.227 kg/tahun Rp 2.500,00 per pemesanan Rp 10.507,00 Rp.197,04 per kg/tahun 3.296 kg 2 hari 130 kali pemesanan Rp 4.500.556.007,00 per tahun

Saran:

Perusahaan dapat menggunakan model Economic Order Quantity untuk mempertimbangkan lagi kedepannya jumlah pemesanan gula yang optimal sehingga tidak terjadi lagi penumpukan gula di Gudang Komersial seperti yang terjadi sebelumnya.

Referensi:

[1] Assauri. 1969. Manajemen Produksi dan Operasi. Edisi Empat. Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.

[2] Rangkuti, Freddy. 2004. Manajemen Persediaan (Aplikasi di bidang bisnis). Cetakan Keenam. Jakarta : Raja Grafindo Persada.

[3] Hartanti & Sugiarto, Y. 1984. Dasar-Dasar Riset Operasi. Semarang : Badan Penerbit UNDIP [4] Winston, Wayne. L. 2003. Operation Research Aplication and Algorithms, 4th edition. California : Duxbury Press.

[5] Buffa, Elwood S. & Sarin, Rakesh K. 1995. Modern Production/Operation Management. New York City : John Wiley & Sons. Inc [6] Supranto J MA. 1996. Metode Riset, Aplikasi dalam Pemasaran. Jakarta : LPFE-UI.

PRAKTIK KERJA LAPANGAN

OPTIMALISASI BIAYA DISTRIBUSI PREMIUM DI PERTAMINA BALIKPAPAN DENGAN METODE VAM DILANJUTKAN STEPPING STONE OLEH: RIBKA AULIA DAMAYANTI

DOSEN PEMBIMBING: SITI KHABIBAH, S.Si., M.Sc. LATAR BELAKANG: Bahan bakar minyak merupakan salah satu kebutuhan dasar manusia dalam transportasi, terlebih pada zaman modern transportasi adalah kebutuhan pokok untuk alat berpindah bagi manusia. Pentingnya bahan bakar minyak sebagai penyokong kehidupan

manusia dari zaman dahulu hingga masa kini dibutuhkan perusahaan yang secara khusus dapat memenuhi permintaan kebutuhan bahan bakar minyak di segala pelosok negeri Indonesia.

METODOLOGI PENELITIAN:

TABEL SAMPLE PERHITUNGAN DENGAN METODE TRANSPORTASI

Pendistribusian s e s o r P Permintaan oleh A MPS Loading Order Distribu tion Planning

Pe nyalu ran Bahan Bakar

Pros es Onlin e Delivery Info

Paser Benuo (171 km)

Sumber 1

T (26 Juni)

2

T (30 Juni)

3

Pengambilan Data P rimer

di Balikpapan memiliki tiga bidang usaha, yaitu peneri-

maan, penimbunan, dan distribusi Bahan Bakar Minyak.

Transform asi Model Matematis Mod el Program Li nier

150,24

153,5

150,24

153,5

16.000

153,7

8.000

8.000 150,24

153,7

153,5

16.000 16.000 16.000

Analis a Permas alahan

Taufik Lautan Mas Hidayat (103 km) Berlian (167 km)

153,7

T (20 Juni)

PROFIL PERUSAHAAN: Perusahaan Terbatas PERTAMINA (Persero) berada di Balikpapan sejak tahun 1949 diatas tanah seluas 4,59 hektar. Perusahaan Terbatas PERTAMINA (Persero)

APMS

Tujuan

153,7

150,24

153,5

153,7

150,24

153,5

Permintaan

32.000

24.000

24.000

Opp. Cost

0

0

0

Output

Opp. Cost

16.000

-

16.000

0,2

16.000

3,26

16.000

3,26

16.000

3,26

18.000

*iterasi akhir algoritma Vogel Approximation (VAM) KESIMPULAN:

SARAN:

Metod e Transportasi Meto de Vogel Appro ximation (VAM)

Me tode Steppin g St one

Treelogic

Didapatkan kesimpulan bahwa setiap permintaan yang melalui jalur laut ataupun memiliki jarak terjauh tidak boleh dicecer karena dapat lebih menghemat biaya transportasi. Dari iterasi terakhir pula, didapatkan bagan rute terbaik bardasarkan wilayah yang dianggap dapat menghemat biaya

transportasi dalam mem-

buat rute distribusi.

Segala keputusan yang sudah di-

ambil merupakan yang terbaik, karena Perusahaan Terbatas PERTAMINA (Persero) Balikpapan sudah

lama berkecimpung dalam perusahaan bahan bakar sehingga mengetahui segala hal yang menjadi acuan dalam mengambil keputusan yang bijak. Alangkah baiknya Perusahaan Terbatas PERTAMINA (Persero) Balikpapan mematok biaya transportasi tidak All in Plus tetapi juga memperhatikan jarak tujuan pengiriman karena berpengaruh juga pada proses pembiayaan sewa kapal ferry saat meyeberang yang akan berdampak pula pada keuntungannya. Sehingga per-

hitungan untuk mendapat biaya optimal dapat diestimasikan

menggunakan metode trans

portasi yang memiliki perbedaan tiap biaya transportasi.

Terima kasih kepada Pak Farikhin, S.Si, M.Si, Ph.D, Bu Siti Khabibah, S.Si, M.Si, PT PERTAMINA di Balikpapan, dan semua pihak yang membantu Referensi: Mulyono, Sri.2002. Riset Operasi. Jakarta: Lembaga Penerbit Fakultas Ekonomi UI. Hillier, Frederick S Gerald j.Lieberman.1989. Introduction Operation Research Fourth Edition. California:Mcgraw-hill book company.

Irawanto, Bambang, dkk.2004. Buku Ajar Program Linier. Semarang: Laboratorium Matematika Terapan Jurusan Matematika FMIPA UNDIP.