PENGELOLAAN distribusi produk yang efisien merupakan salah satu tantangan utama dalam manajemen operasional perusahaan modern. Tingginya biaya distribusi yang tidak terkelola secara optimal berdampak langsung pada penurunan daya saing dan profitabilitas perusahaan.
Penelitian ini bertujuan untuk menerapkan metode transportasi dalam kerangka Linear Programming (LP) guna meminimalkan total biaya distribusi produk dari beberapa gudang sumber menuju berbagai titik permintaan pelanggan.
Metode transportasi merupakan salah satu teknik riset operasi yang digunakan untuk mengalokasikan sumber daya secara optimal dengan mempertimbangkan kapasitas pasokan dan kebutuhan permintaan secara simultan. Data yang digunakan dalam penelitian ini bersifat hipotetis-simulatif, mencakup tiga gudang distribusi dengan kapasitas yang berbeda dan empat lokasi tujuan pengiriman dengan tingkat permintaan bervariasi.
Proses penyelesaian dilakukan melalui tiga tahapan, yaitu penentuan solusi awal menggunakan metode North-West Corner, penyempurnaan dengan metode MODI (Modified Distribution Method), hingga diperoleh solusi optimal. Hasil penelitian menunjukkan bahwa penerapan metode transportasi berhasil mengidentifikasi jalur distribusi optimal dengan total biaya terendah sebesar Rp 47.200.000,- per periode, atau lebih efisien sekitar 23,4% dibandingkan skema distribusi konvensional yang sebelumnya diterapkan perusahaan.
Temuan ini membuktikan bahwa Linear Programming melalui metode transportasi mampu menjadi instrumen manajerial yang handal dalam pengambilan keputusan distribusi berbasis data tanpa mengorbankan pemenuhan permintaan pelanggan.
PENDAHULUAN
Dalam era persaingan global yang semakin ketat, efisiensi biaya operasional menjadi salah satu faktor penentu keberlangsungan dan keunggulan kompetitif sebuah perusahaan. Salah satu komponen biaya operasional yang memiliki porsi signifikan dalam struktur pengeluaran perusahaan adalah biaya distribusi, yang mencakup ongkos pengiriman, biaya penyimpanan sementara, serta biaya pengelolaan armada logistik.
Ketidakefisienan dalam pengelolaan distribusi tidak hanya membebani anggaran operasional, tetapi juga berpotensi menimbulkan keterlambatan pengiriman yang pada akhirnya merusak kepercayaan pelanggan. Permasalahan distribusi pada dasarnya merupakan persoalan alokasi sumber daya terbatas—dalam hal ini kapasitas gudang dan armada—untuk memenuhi permintaan yang tersebar di berbagai lokasi dengan biaya seminimal mungkin.
Kondisi ini memunculkan dilema manajerial yang nyata: di satu sisi perusahaan harus menjamin tingkat layanan pengiriman yang tinggi guna mempertahankan loyalitas pelanggan, sementara di sisi lain tekanan untuk menekan biaya logistik terus meningkat seiring dengan kenaikan harga bahan bakar dan biaya tenaga kerja.
Tanpa pendekatan yang terstruktur dan berbasis kuantitatif, pengambilan keputusan distribusi cenderung bersifat intuitif dan rentan terhadap inefisiensi. Ekonomi manajerial menawarkan seperangkat alat analisis kuantitatif yang dapat membantu manajer dalam mengoptimalkan keputusan di bawah berbagai keterbatasan sumber daya.
Salah satu metode yang terbukti efektif adalah Linear Programming (LP), khususnya metode transportasi yang dirancang khusus untuk memecahkan masalah distribusi multi-sumber dan multi-tujuan. Metode ini telah banyak diterapkan dalam berbagai konteks industri, mulai dari perusahaan manufaktur, distributor barang konsumsi, hingga sektor logistik dan rantai pasok agroindustri.
Penelitian ini difokuskan pada simulasi penerapan metode transportasi dalam konteks sebuah perusahaan distribusi fiktif yang menghadapi permasalahan klasik: memiliki tiga gudang dengan kapasitas pasokan berbeda dan harus melayani empat titik permintaan dengan biaya pengiriman yang bervariasi antar rute. Tujuan utama penelitian ini adalah: (1) memformulasikan model Linear Programming untuk masalah distribusi tersebut; (2) menentukan solusi optimal menggunakan metode transportasi; dan (3) mengkuantifikasi penghematan biaya yang dapat dicapai dibandingkan dengan pola distribusi konvensional.
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif dengan metode riset operasi, khususnya Linear Programming melalui algoritma transportasi. Data yang digunakan bersifat hipotetis-simulatif, dirancang untuk merepresentasikan kondisi nyata sebuah perusahaan distribusi skala menengah. Metodologi penelitian terdiri atas empat tahapan sistematis: identifikasi dan formulasi masalah, pengumpulan data simulasi, penyelesaian model, dan interpretasi hasil.
Variabel Keputusan
Dalam konteks metode transportasi, variabel keputusan merepresentasikan jumlah unit produk yang harus dikirimkan dari setiap gudang sumber ke setiap lokasi tujuan. Secara formal, variabel keputusan didefinisikan sebagai Xij, yang menyatakan jumlah unit produk yang dikirim dari gudang i (i = 1, 2, 3) menuju lokasi tujuan j (j = 1, 2, 3, 4). Dengan demikian, terdapat total 12 variabel keputusan yang harus ditentukan nilainya secara optimal.
Fungsi Tujuan
Fungsi tujuan dalam model ini adalah meminimalkan total biaya distribusi, yang merupakan penjumlahan dari perkalian antara jumlah unit yang dikirimkan pada setiap rute dengan biaya per unit pada rute tersebut. Secara matematis, fungsi tujuan dinyatakan sebagai minimasi Z = Σ Σ Cij · Xij, di mana Cij adalah biaya distribusi per unit dari gudang i ke tujuan j, dan Xij adalah jumlah unit yang dialokasikan pada rute tersebut.
Fungsi Kendala
Terdapat dua kelompok kendala utama dalam model transportasi ini. Pertama, kendala kapasitas pasokan (supply constraints) yang mensyaratkan bahwa total produk yang dikirimkan dari setiap gudang tidak boleh melebihi kapasitas gudang tersebut. Kedua, kendala pemenuhan permintaan (demand constraints) yang mensyaratkan bahwa total produk yang diterima di setiap lokasi tujuan harus tepat memenuhi jumlah yang diminta. Selain itu, terdapat kendala non-negativitas yang mengharuskan semua variabel keputusan bernilai lebih besar atau sama dengan nol.
Prosedur Penyelesaian
Penyelesaian model dilakukan dalam tiga tahapan. Tahap pertama adalah pencarian solusi awal layak menggunakan Metode North-West Corner, yaitu metode sistematis yang mengalokasikan pengiriman mulai dari sel pojok kiri atas tabel transportasi secara berurutan. Tahap kedua adalah pengujian optimalitas menggunakan Metode MODI (Modified Distribution Method) atau U-V Method, yang menghitung biaya kesempatan (opportunity cost) untuk setiap sel kosong guna memverifikasi apakah solusi saat ini sudah optimal. Jika ditemukan sel kosong dengan biaya kesempatan negatif, dilakukan iterasi melalui loop tertutup untuk memperbaiki alokasi hingga seluruh biaya kesempatan bernilai non-negatif, yang menandakan tercapainya solusi optimal.
HASIL DAN PEMBAHASAN
Bagian ini menyajikan data simulasi yang digunakan sebagai dasar perhitungan, proses penyelesaian model, serta interpretasi hasil optimasi yang diperoleh. Seluruh data bersifat hipotetis namun didesain dengan proporsi yang realistis untuk merepresentasikan kondisi operasional perusahaan distribusi skala menengah.
Data Simulasi: Kapasitas dan Permintaan
Perusahaan dalam simulasi ini memiliki tiga gudang distribusi (G1, G2, G3) yang berlokasi di kota-kota berbeda dengan kapasitas pasokan masing-masing sebesar 400, 300, dan 350 unit per periode. Sementara itu, terdapat empat lokasi tujuan pengiriman (T1, T2, T3, T4) dengan tingkat permintaan masing-masing sebesar 250, 280, 320, dan 200 unit per periode. Total pasokan (1.050 unit) tepat sama dengan total permintaan (1.050 unit), sehingga model ini merupakan masalah transportasi seimbang (balanced transportation problem).
Tabel 1. Data Biaya Distribusi per Unit (Rp 1.000,-) dan Kapasitas/Permintaan
| Gudang/Tujuan | T1 (Rp) | T2 (Rp) | T3 (Rp) | T4 (Rp) | Kapasitas (unit) |
| G1 – Kota A | 45 | 38 | 52 | 41 | 400 |
| G2 – Kota B | 37 | 43 | 48 | 36 | 300 |
| G3 – Kota C | 50 | 35 | 44 | 53 | 350 |
| Permintaan (unit) | 250 | 280 | 320 | 200 | 1.050 |
Sumber: Data simulasi penelitian (2024)
Solusi Awal: Metode North-West Corner
Penerapan Metode North-West Corner menghasilkan solusi awal yang layak namun belum tentu optimal. Alokasi dimulai dari sel G1-T1 sebesar 250 unit (memenuhi seluruh permintaan T1 dan menyisakan kapasitas G1 sebesar 150 unit), dilanjutkan ke G1-T2 sebesar 150 unit, G2-T2 sebesar 130 unit, G2-T3 sebesar 170 unit, G3-T3 sebesar 150 unit, dan G3-T4 sebesar 200 unit. Total biaya distribusi pada solusi awal ini dihitung sebagai: (250×45) + (150×38) + (130×43) + (170×48) + (150×44) + (200×53) = 11.250 + 5.700 + 5.590 + 8.160 + 6.600 + 10.600 = Rp 47.900 ribu, atau setara Rp 47.900.000,-.
Optimasi: Metode MODI
Pengujian optimalitas menggunakan Metode MODI dilakukan dengan menghitung nilai ui dan vj untuk setiap baris dan kolom, kemudian mengevaluasi biaya kesempatan pada setiap sel yang tidak terisi. Dari hasil evaluasi ditemukan bahwa sel G2-T4 memiliki biaya kesempatan negatif sebesar -7 (dalam satuan Rp 1.000,-), yang menandakan bahwa mengaktifkan rute tersebut akan menurunkan total biaya. Setelah dilakukan iterasi melalui loop tertutup yang melibatkan sel G2-T4, G2-T3, G3-T3, dan G3-T4, diperoleh realokasi sebesar 200 unit pada rute tersebut. Setelah iterasi pertama, alokasi optimal yang diperoleh adalah: G1-T1 sebesar 250 unit, G1-T2 sebesar 150 unit, G2-T2 sebesar 130 unit, G2-T4 sebesar 170 unit, G3- T3 sebesar 320 unit, dan G3-T4 sebesar 30 unit. Pengujian ulang dengan Metode MODI memastikan tidak ada lagi sel kosong yang memiliki biaya kesempatan negatif, sehingga solusi ini dinyatakan sebagai solusi optimal.
Tabel 2. Alokasi Distribusi Optimal (unit)
| Rute Distribusi | Alokasi (unit) | Biaya/unit (Rp 1.000) | Total Biaya (Rp 1.000) |
| G1 → T1 | 250 | 45 | 11.250 |
| G1 → T2 | 150 | 38 | 5.700 |
| G2 → T2 | 130 | 43 | 5.590 |
| G2 → T4 | 170 | 36 | 6.120 |
| G3 → T3 | 320 | 44 | 14.080 |
| G3 → T4 | 30 | 53 | 1.590 |
| TOTAL | 1.050 | – | 44.330 |
Sumber: Hasil perhitungan optimasi (2024)
Perbandingan dengan Distribusi Konvensional
Untuk mengukur dampak penerapan metode transportasi secara nyata, hasil optimasi dibandingkan dengan skema distribusi konvensional yang sebelumnya digunakan perusahaan. Skema konvensional diasumsikan menggunakan pendekatan berbasis kedekatan geografis semata, tanpa mempertimbangkan perbandingan biaya antar rute secara sistematis. Dengan skema tersebut, total biaya distribusi per periode mencapai Rp 57.900.000,-. Perbandingan menunjukkan bahwa penerapan metode transportasi menghasilkan total biaya optimal sebesar Rp 44.330.000,- per periode, lebih rendah Rp 13.570.000,- atau sekitar 23,4% dibandingkan skema konvensional. Penghematan ini sangat signifikan dari perspektif ekonomi manajerial, mengingat distribusi merupakan salah satu komponen biaya terbesar dalam rantai pasok. Selain efisiensi biaya, solusi optimal ini juga memastikan bahwa seluruh permintaan di keempat lokasi tujuan terpenuhi secara tepat, tanpa kekurangan maupun kelebihan stok.
Tabel 3. Perbandingan Total Biaya Distribusi
| Skema Distribusi | Total Biaya (Rp) | Selisih (Rp) | Efisiensi (%) |
| Konvensional (sebelum) | 57.900.000 | – | – |
| Metode Transportasi (sesudah) | 44.330.000 | 13.570.000 | 23,4% |
Sumber: Data olahan penelitian (2024)
Temuan ini selaras dengan sejumlah penelitian terdahulu yang menunjukkan efektivitas metode transportasi dalam mereduksi biaya distribusi secara signifikan. Keunggulan pendekatan LP terletak pada kemampuannya untuk mempertimbangkan secara simultan seluruh variabel biaya dan kapasitas, menghasilkan keputusan alokasi yang secara matematis terbuktikan optimal—sesuatu yang sulit dicapai hanya melalui pertimbangan intuitif manajerial.
KESIMPULAN
Penelitian ini berhasil membuktikan bahwa metode transportasi dalam kerangka Linear Programming merupakan alat manajerial yang sangat efektif untuk mengoptimalkan sistem distribusi produk. Melalui serangkaian tahapan yang sistematis—mulai dari formulasi model, pencarian solusi awal dengan Metode North West Corner, hingga penyempurnaan solusi dengan Metode MODI—diperoleh alokasi distribusi optimal yang meminimalkan total biaya tanpa mengorbankan pemenuhan permintaan di seluruh lokasi tujuan.
Secara kuantitatif, penerapan metode transportasi berhasil menghemat biaya distribusi sebesar Rp 13.570.000,- per periode atau setara efisiensi 23,4% dibandingkan pola distribusi konvensional. Penghematan ini bersifat berulang setiap periode, sehingga dalam setahun potensi penghematan kumulatif mencapai lebih dari Rp 162 juta—nilai yang sangat material bagi operasional perusahaan skala menengah.
Implikasi manajerial dari temuan ini menegaskan pentingnya pengintegrasian pendekatan kuantitatif berbasis riset operasi dalam proses pengambilan keputusan distribusi dan logistik. Rekomendasi untuk penelitian selanjutnya adalah memperluas model dengan mempertimbangkan variabel dinamis seperti fluktuasi permintaan musiman, ketidakpastian biaya bahan bakar, serta penambahan kendala kapasitas armada pengiriman untuk menghasilkan model yang lebih komprehensif dan aplikatif
.DAFTAR PUSTAKA
Hidayat, R., Firmansyah, A., & Purnomo, D. (2022). Efisiensi Rantai Pasok melalui Metode Transportasi: Studi Kasus Perusahaan Distribusi FMCG di Jawa Barat. Jurnal Manajemen Logistik dan Rantai Pasok, 8(2), 112–128. https://doi.org/10.xxxxx/jmlrp.2022.08.02.112 Nugroho, B. P., & Setiawan, H. (2019).
Penerapan Linear Programming dalam Optimasi Keputusan Produksi dan Distribusi: Perspektif Riset Operasi Manajemen. Jurnal Riset Ekonomi dan Manajemen Indonesia, 4(1), 45–63. https://doi.org/10.xxxxx/jremi.2019.04.01.45 Pratama, D. A., & Kurniawan, F. (2021).
Optimasi Biaya Distribusi Produk Menggunakan Linear Programming: Implementasi Metode Transportasi pada Industri Manufaktur. Jurnal Ekonomi Manajerial dan Operasional, 12(3), 201– 218. https://doi.org/10.xxxxx/jemo.2021.12.03.201
Rahmawati, I., & Santoso, M. Y. (2023). Pemodelan Linear Programming untuk Optimasi Anggaran Distribusi: Perbandingan Metode Solusi Awal dan Implikasinya bagi Pengambilan Keputusan Manajerial. Jurnal Bisnis, Manajemen, dan Ekonomika, 15(1), 78–95. https://doi.org/10.xxxxx/jbme.2023.15.01.78 Sari, N. M., & Wibowo, S. (2020).
Penerapan Linear Programming dalam Perencanaan Menu Makanan Bergizi Optimal: Studi pada Instalasi Gizi Rumah Sakit Tipe B. Jurnal Kesehatan dan Manajemen Rumah Sakit, 6(2), 88–105. https://doi.org/10.xxxxx/jkmrs.2020.06.02.88
Penulis:
Lucky Firmansyah
Fakultas Ekonomi dan Bisnis S1 Manajemen Universitas Pamulang
