P. 1
81002299 Penerapan Model Simulasi Sistem Dinamis Pada Analisis Pengaruh Kebijakan Pertamina Terhadap Performa an Agen Gas Lpg

81002299 Penerapan Model Simulasi Sistem Dinamis Pada Analisis Pengaruh Kebijakan Pertamina Terhadap Performa an Agen Gas Lpg

|Views: 1,084|Likes:
Published by arwiyanto

More info:

Published by: arwiyanto on Jun 15, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/10/2013

pdf

text

original

Sections

Tahun Bulan Jumlah Penjualan (tabung/bulan)

2010

Juli

486978000

Agustus

437827000

September

487000000

Oktober

485447000

4.1.5 Harga Beli

Harga Beli merupakan harga beli refill Gas LPG 3kg per tabung yang

ditentukan oleh PT. Pertamina selaku perusahaan yang ditunjuk pemerintah sebagai

penyedia. Berdasarkan Pricing Policy atau kebijakan harga yang berlaku mulai per 1

Juli 2009 maka kebijakan harga beli refill Gas LPG 3kg per tabung adalah sebagai

berikut:

46

Tabel 4.5. Pricing Policy

Keterangn

1 Kg

3 Kg

Harga Dasar

3.463,64

400

10.390,91

Margin

3.863,64

PPN

386,36

1.159,09

Harga Gas

4.250

11.550

1.062

Jasa Angkut

(Transport Fee)

354

10.488

Harga tersebut belum termasuk PPH 23 sebesar 2%, sehingga besar Jasa Angkut yang

diperoleh menjadi:

Jasa Angkut 354 x 3

=

1.062

PPH 23 1.062 x 2%

=

21,24.

Jasa Angkut yang diterima = 1.040,76 /tabung

Sehingga,

Harga Beli

= 11.550

= 10.509,24 /tabung

47

4.1.6 Harga Jual

Harga jual merupakan harga jual agen kepada sub agen maupun pangkalan.

Dalam Ketentuan Harga Jual memang tidak ada perbedaan harga jual baik dari agen

kepada sub agen maupun harga jual dari agen kepada pangkalan, tetapi pada

prakteknya harga jual tersebut berbeda-beda. Hal ini dikarenakan perbedaan jasa yang

diberikan. Sub agen mengambil sendiri barang dari gudang agen, sedang untuk

pangkalan dipasok oleh agen dengan pendistribusian menggunakan armada agen.

Harga jual bervariasi, sebelum adanya kebijakan kuota, harga jual sangat

fluktuatif. Harga jual untuk penjualan Gas LPG 3kg oleh PT.Endang sebelum kuota

berada pada kisaran 12.500-13.000 rupiah/tabung. Setelah kuota harga jual mulai

stabil dengan Harga Eceran Terendah 12.000 rupiah/tabung dan Harga Eceran

Tertinggi 12.750 rupiah/tabung.

4.2 Pengolahan Data

4.2.1 Causal Loop Diagram

Causal loop menjelaskan pola dasar hubungan antar komponen dalam sistem

yang diamati. Pembuatan model ini berdasarkan wawancara kepada Direktur PT.

Endang selaku owner agen Gas LPG 3kg ini.

Pada penelitian ini causal loop yang digunakan untuk menggambarkan kedua

sistem adalah sama, sebab yang dibandingkan adalah hasil kebijakan yang digunakan

dalam sistem tersebut saja.

Sebelum adanya penetapan kuota untuk masing-masing agen atau sistem

dengan kebijakan lama, terjadi persaingan ketat di pasar. Akibatnya setiap agen harus

bersaing mendapatkan pelanggan, terlebih lagi keadaan sebelum kuota setiap

pangkalan bebas menerima pasokan dari agen mana saja. Agen ini (PT. Endang, red.)

48

termasuk salah satu agen yang merasakan kesulitan dalam persaingan memasarkan

Gas LPG 3kg nya, sementara dari PT. Pertamina membuat ketentuan bahwa setiap

agen harus dapat melakukan penebusan DO minimal 39.000 tabung/bulan. Sehingga

sebelum adanya penetapan kuota, pembelian barang dilakukan berdasarkan

kemampuan agen dalam memasarkannya. Pembelian dilakukan untuk memenuhi

target penebusan DO per bulan yang telah ditentukan PT. Pertamina sebagai salah satu

syarat untuk kemudian dapat menjadi Agen Gas LPG 3kg Definitif (Tetap).

Setelah ditetapkannya kebijakan kuota, PT. Endang mendapatkan jatah kuota

sebesar 40.000 tabung/bulan. Pengambilan/penebusan DO dijadwalkan setiap harinya,

sehingga menjadi lebih teratur dari sebelumnya.

Causal loop tersebut menunjukkan bahwa penebusan DO (Delivery Order)

ditentukan berdasarkan persediaan yang ada di gudang. DO (Delivery Order) adalah

surat bukti pembayaran LO (Leading Order) untuk kemudian digunakan untuk

mengambil/menebus barang (Gas LPG 3kg, red.) ke SPPBE. LO (Leading Order)

sendiri merupakan surat bukti pengajuan pembelian barang. Dalam kasus ini

permintaan=penjualan, gudang sebenarnya hanya tempat transit barang saja karena ini

merupakan pendistribusian barang. Pembelian dilakukan dengan pengajuan LO

(Leading Order), kemudian setelah LO dibayar, maka agen akan memperoleh DO

(Delivery Order) untuk selanjutnya digunakan guna menebus/mengambil barang ke

SPPBE. Setelah diambil maka barang didistribusikan ke pangkalan-pangkalan

maupun melalui sub agen. Penggunaan sub agen tergantung pada kebijakan agen itu

sendiri, artinya agen tidak harus menggunakan sub agen dalam pendistribusian barang

tersebut. Hasil penjualan akan menghasilkan pendapatan. Setelah pendapatan tersebut

dikurangi pengeluaran, maka dihasilkan laba agen. Perumusan kondisi di atas

menghasilkan causal loop kedua model seperti gambar berikut :

49

Gambar 4.2. Causal Loop Diagram

Agents order
policy

DO agen

Kekurangan
persediaan
agen

DO yang
dikirim ke
agen

Persediaan
agen

Penjualan
agen

GAP
penebusan
LPG

Pendapatan
agen

Harga jual
LPG

Demand
agen

+

+

+

+

-

-

+

+

+

-

-

+

B1

B2

50

4.2.2 Pemodelan dengan Powersim

Causal loop di atas selanjutnya diubah menjadi model matematis dengan

memasukkan variabel - variabel hasil pengolahan data. Model yang dihasilkan

memiliki lebih banyak komponen dari causal loop, karena tiap komponen dari causal

loop bisa memiliki beberapa paramater ketika harus di ubah ke dalam bentuk model

matematis. Berikut merupakan Flow Diagram untuk Model Sistem dengan Kebijakan

Lama Model Kebijakan Baru:

a. Flow Diagram Model Sistem dengan Kebijakan Lama

51

Gambar 4.3. Flow Diagram Model Kebijakan Lama

Permintaan_Custom
er

Laba

Pemasukan

O

Harga_Jual

Pengeluaran

Stock

Penebusan DO

Penjualan_Agen

Total Fee pegawai

Fee Pegawai

Total Beli

PP_21

Fee_Tabung

Jumlah PPN_23

PPN_23

Lain-lain

Harga beli

52

Berikut adalah penulisan program atau rumus matematis ke dalam Model

Sistem dengan Kebijakan Lama untuk setiap komponennya :

Tabel 4.6. Rumus Matematis Flow Diagram Kebijakan Lama

No

KOMPONEN

RUMUS

SATUAN

1 Penebusan DO

EXPRND(18315,61905)*1<

>

Tabung/mo

2 Stock

0

Tabung

3 Penjualan Agen

Permintaan_Customer

Tabung/mo

4 Permintaan Customer EXPRND(18019,95238)*1<

>

Tabung/mo

5 Total Fee Pegawai

('Fee

Pegawai'*Penjualan_Agen)/1<>

Rupiah/mo

6 Fee Pegawai

300

Rupiah

7 Pemasukan

(Penjualan_Agen*Harga_Jual)/1<

>>

Rupiah/mo

8 Laba

0

Rupiah

9 Pengeluaran

'Total Beli'+'Total Fee

pegawai'+Operasional+'Jumlah

PPN_23'+'Lain-lain'

Rupiah/mo

10 Fee Tabung

(354-PP_21)*3*1<>

Rupiah

11 PP_21

354*2/100

-

12 Harga Beli

(RANDOM(11550;11613)*1<>)-

Fee_Tabung

Rupiah

53

Lanjutan Tabel 4.6. Rumus Matematis Flow Diagram

13 Total Beli

('Penebusan DO'*'Harga

beli')/1<>

Rupiah/mo

14 Harga Jual

RANDOM(12500;13000)*1<>

Rupiah

15 PPN_23

(Harga_Jual-'Harga beli')*10/100

Rupiah

16 Jumlah PPN_23

(Penjualan_Agen*PPN_23)/1<> Rupiah/mo

17 Operasional

EXPRND(8138693,048)*1<> Rupiah/mo

18 Lain-lain

EXPRND(6119343)*1<>

Rupiah/mo

Di bawah ini merupakan keterangan dari beberapa rumus matematis di atas:

1. Penebusan DO

Merupakan jumlah pengambilan atau pembelian Gas LPG 3kg yang

dilakukan Agen. Variabel ini sangat mempengaruhi jumlah penjualan,

sebab dalam model kebijaksanaan yang lama ini, jumlah penebusan

DO yang dilakukan Agen dapat mengindikasikan jumlah penjualan Gas

LPG 3kg Agen tersebut. Data jumlah penebusan DO yang dilakukan

Agen yang dimasukkan dalam model simulasi ini, terlebih dahulu

dicari pola distribusi nya dengan bantuan program STAT:FIT yang

terdapat pada software PROMODEL. Hasil dari pencarian pola

distribusi data tersebut memperlihatkan bahwa data berpola distribusi

Exponential, maka digunakan distribusi exponential dalam rumus

matematis flow diagram POWERSIM untuk variabel ini.

54

2. Stock

Merupakan variabel yang menunjukkan kondisi jumlah persediaan

yang ada di gudang Agen. Dalam model Stock ini angka 0 sebagai

initial condition atau pemisalan jika terdapat 0 barang yang ada

digudang pada awal bulan.

3. Penjualan Agen

Dalam model ini diketahui bahwa penjualan=permintaan, sehingga

rumas matemaris yang dimasukkan kedalam flow diagram untuk

variabel penjualan adalah ‘permintaan_customer’.

4. Permintaan Customer

Karena permintaan=penjualan, maka data ynag terdapat dalam flow

diagram untuk variabel ini merupakan data jumlah penjualan Agen.

Pola distribusi data dicara dengan bantuan program STAT:FIT dan

diperoleh bahwa pola distribusi data ini adalah Exponential.

5. Total Fee Pegawai

Yaitu hasil kali ‘Penjualan Agen’*’Fee Pegawai’, sehingga

menghasilkan jumlah Fee Pegawai total atau upah untuk semua

pegawai per bulan. Setiap pegawai mendapatkan upah yang berbeda-

beda tergantung dari kemampuannya menjual barang. Cara ini

digunakan untuk memompa semangat pegawai dalam bekerja.

6. Fee Pegawai

Adalah upah yang didapatkan untuk setiap pegawai yang diambil dari

keuntungan penjualan sebesar Rp.300/tabung. Jadi, setiap pegawai

akan mendapatkan upah sebesar tersebut untuk setiap tabung yang

berhasil mereka jual atau distribusikan.

55

7. Pemasukan

Pemasukan merupakan jumlah total pendapatan dari hasil penjualan

Gas LPG 3kg tersebut. Hasil jumlah pemasukan didapat dari ‘Jumlah

Penjualan’ * ‘Harga Jual’.

8. Laba

Laba adalah keuntungan yang diperoleh dari ‘Pemasukan’-

‘Pengeluaran’. Dalam flow diagram untuk variabel ‘Laba’, initial

condition-nya pada awal bulan ‘Laba’=0.

9. Pengeluaran

Pengeluaran merupakan jumlah seluruh biaya yang dikeluarkan Agen

untuk bisnis ini.

10. Fee Tabung

Fee Tabung atau Transport Fee adalah tambahan dari Pertamina yang

diberikan kepada agen sebagai uang pengganti transport dalam

penebusan DO. Besarnya fee transport adalah Rp. 354/kg.

11. PP_21

Merupakan pajak fee transport atau fee tabung. Besarnya adalah 2%.

12. Harga Beli

Harga beli dalam model ini adalah harga beli LPG 3kg oleh agen dari

SPPBE atau harga penebusan LPG 3kg. Harga beli bervariasi dari data

yang diambil, oleh karena itu digunakan random dengan memasukkan

bilangan terkecil dan terbesar dari harga beli tersebut kemudian

dikurangi ‘fee tabung’ karena harga beli yangada belum termasuk ‘fee

tabung’.

56

13. Total Beli

Total beli merupakan total jumlah pembelian tabung yang dikeluarkan

agen. Jumlah tersebut diperoleh dengan mengalikan jumlah ‘penebusan

DO’ dengan ‘Harga beli’.

14. Harga Jual

Harga jual adalah harga jual LPG 3kg dari agen ke customer. Harga

jual ini bervariasi, oelh karena itu digunakan random harga jual terkecil

dan terendah.

15. PPN_23

Yaitu Pajak Keluaran yang dibayarkan agen ke Pertamina. Besarnya

pajak ini adalah 10% dari selisih ‘harga jual’dengan ‘harga beli’.

16. Jumlah PPN_23

Merupakan jumlah Pajak Keluaran yang dibayarkan agen kepada

Pertamina. Jumlah ini diperoleh denga mengalikan ‘Penjualan_Agen’

dengan ‘PPN_23’.

17. Operasional

Yang dimaksud dengan ‘Operasional’ dalam model ini adalah biaya

operasional yang dikeluarkan agen untuk kegiatan jual-beli Gas LPG

3kg ini. Data biaya operasional yang ada dicari pola distribusinya

menggunakan STAT:FIT dan diperoleh bahwa data tersebut berpola

distribusi exponential.

18. Lain-lain

Merupakan biaya-biaya lain yang dikeluarkan agen seperti listrik, air,

dll. Data biaya ini juga dicari pola distribusi nya terlebih dahulu dengan

57

menggunakan STAT:FIT dan hasilnya data biaya lain-lain berpola

distribusi exponential.

Hasil simulasi untuk komponen laba pada Model Kebijakan Lama ditunjukkan

oleh tabel dan grafik berikut :

Tabel 4.7. Data Historis dan Hasil Simulasi

Tahun

Bulan

Laba

Riil

Simulasi

2008

Oktober

491843,1

0

November

4135733,6

56412709,27

Desember

24817173,86

-32542940,1

2009

Januari

17383855,3

-9894219,69

Februari

3406312,2

46116952,38

Maret

-13294190,88

8465399,58

April

-9463743,789

102890361

Mei

10462537,13

22785954,93

Juni

-59430469,44

45461207,16

2009

Juli

-9378587,56

24651721,25

Agustus

-62655546,4

20986904,07

September

-120953123,5

-47618994,3

Oktober

-28739291,9

-29299286,2

November

-26127150,12

-43877901,7

Desember

-170120488,4

-1119046,46

2010

Januari

-148942625,8

-145987693

Februari

26640591,22

66543859,47

58

Maret

39522282

-13317661,4

April

44981703

12593463,61

Mei

38119588,76

-13242718

Juni

48173504,6

58526977,67

Gambar 4.4. Grafik Perbandingan Data Laba Riil dan Simulasi Model Kebijakan

Lama

b. Flow Diagram Model Sistem dengan Kebijakan Baru

-2E+08

-1.5E+08

-1E+08

-5000000

0

50000000

10000000

15000000

1 2 3 4 5 6 7 8 9 101112131415161718192021

Data Asli
Data Hasil Simulasi

59

Laba

Pendapatan

B_O

HJSub Agen

biaya dikeluarkan

persediaan

do

penjualan agen

Kuota Agen

Sisa Barang

Gaji Pegawai

Upah Pegawai per
Tabung

Pembelian Tabung

PPN Keluar per Tabung

J_PPN Keluar

Demand Sub Agen

Demand Pangkalan

HJPangkalan

Rata-rata HJ

PPh 21

Transport Fee

B_Lain-lain

Harga Beli

Gambar 4.5. Flow Diagram Model Kebijakan Baru

60

Berikut adalah penulisan program atau rumus matematis ke dalam Model

Sistem dengan Kebijakan Baru untuk setiap komponennya :

Tabel 4.8. Rumus Matematis Flow Diagram Kebijakan Baru

No

KOMPONEN

RUMUS

SATUAN

1

DO

RANDOM(36440;41480)*1<

>

Tabung/mo

2

Kuota Agen

40000

Tabung/mo

3

Sisa Barang

'Kuota Agen'-'penjualan agen'

Tabung/mo

4

Persediaan

0

Tabung

5

Penjualan Agen

IF('Demand Pangkalan'+'Demand Sub

Agen'<'Kuota Agen';'Demand

Pangkalan'+'Demand Sub Agen';'Kuota

Tabung/mo

6 Demand Pangkalan

NORMAL(16634,5)*1<> Tabung/mo

7 Demand Sub Agen

NORMAL(22930,25)*1<> Tabung/mo

8

Gaji Pegawai

('Upah Pegawai per Tabung'*'Demand

Pangkalan')/1<>

Rupiah/mo

9

Upah Pegawai per

Tabung

300

Rupiah

10

Pendapatan

(('Demand Pangkalan'*'HJ

Pangkalan')+('Demand Sub Agen'*'HJ Sub

Agen'))/1<>

Rupiah/mo

11

Laba

0

Rupiah

12 Biaya Dikeluarkan B_Operasional+'Pembelian Tabung'+'Gaji Rupiah/mo

61

Lanjutan Tabel 4.8. Rumus Matematis Flow Diagram

16

Pembelian Tabung

do*'Harga Beli'

Rupiah/mo

17

HJ Pangkalan

RANDOM(12400;12750)*1<> Rupiah

18

HJ Sub Agen

RANDOM(11800;12250)*1<> Rupiah

19 PPN Keluar per tabung

('Rata-rata HJ'-'Harga Beli')*10/100

Rupiah

20

Rata-rata HJ

(('HJ Pangkalan'+'HJ Sub

Agen')/2)/1<>

Rupiah/tab

ung

21

J_PPN Keluar

'penjualan agen'*'PPN Keluar per

Tabung'

Rupiah/mo

22

B_Operasional

NORMAL( 17371699

)*1<>

Rupiah/mo

23

B_Lain-lain

10000000

Rupiah/mo

Pegawai'+'J_PPN Keluar'+'PPh

21'+'B_Lain-lain'

13

Transport Fee

( (354*3)*1<>

Rupiah

14

PPh 21

(do*'Transport Fee')*2/100

-

15

Harga Beli

((11550)*1<>)-'Transport

Fee'

Rupiah

62

Di bawah ini merupakan keterangan dari beberapa rumus matematis di atas:

1. Penebusan DO

Dalam rumusan penebusan DO untuk model ini, bilangan yang

dimasukkan menggunakan RANDOM sebab data yang digunakan

sedikit.

2. Persediaan

Merupakan variabel yang menunjukkan kondisi jumlah persediaan

yang ada di gudang Agen. Dalam model Stock ini angka 0 sebagai

initial condition atau pemisalan jika terdapat 0 barang yang ada

digudang pada awal bulan.

3. Penjualan Agen

Dalam model ini diketahui bahwa penjualan=permintaan yang dibatasi

oleh adanya kebijakan kuota atau jatah per agen, sehingga rumus

matematis yang dimasukkan kedalam flow diagram untuk variabel

penjualan menggunakan fungsi IF('Demand Pangkalan'+'Demand

Sub Agen'<'Kuota Agen';'Demand Pangkalan'+'Demand Sub

Agen';'Kuota yang berarti ‘Demand Pangkalan’+ ‘Demand Sub Agen’

tidak boleh melebihi ‘Kuota Agen’.

4. Kuota Agen

Kuota agen adalah kebijakan baru dalam model ini. Kuota merupakan

jatah yang didapat agen dari Pertamina. Kuota penebusan LPG 3kg

untuk PT. Endang adalah 40.000 tabung/bulan.

5. Sisa Barang

Sisa barang merupakan ‘Kuota Agen’-‘Penjualan Agen’

63

6. Demand Pangkalan

Karena permintaan=penjualan, maka data ynag terdapat dalam flow

diagram untuk variabel ini merupakan data jumlah penjualan Agen ke

Pangkalan. Pola distribusi data dicari dengan bantuan program Input

Analyzer yang terdapat pada software Arena dan diperoleh bahwa pola

distribusi data ini adalah Normal.

7. Demand Sub Agen

Merupakan jumlah penjualan agen kepada sub agen. Pola distribusi

data dicari dengan bantuan program Input Analyzer yang terdapat pada

software Arena dan diperoleh bahwa pola distribusi data ini adalah

Normal.

8. Gaji Pegawai

Yaitu hasil kali ‘Penjualan Agen’*’Upah Pegawai per Tabung’,

sehingga menghasilkan jumlah Gaji pegawai atau upah untuk semua

pegawai per bulan. Setiap pegawai mendapatkan upah yang berbeda-

beda tergantung dari kemampuannya menjual barang. Cara ini

digunakan untuk memompa semangat pegawai dalam bekerja.

9. Upah Pegawai per Tabung

Adalah upah yang didapatkan untuk setiap pegawai yang diambil dari

keuntungan penjualan sebesar Rp.300/tabung. Jadi, setiap pegawai

akan mendapatkan upah sebesar tersebut untuk setiap tabung yang

berhasil mereka jual atau distribusikan.

64

10. Pendapatan

Pendapatan merupakan jumlah total pendapatan dari hasil penjualan

Gas LPG 3kg tersebut. Hasil jumlah pemasukan didapat dari ‘Jumlah

Penjualan’ * ‘Harga Jual’.

11. Laba

Laba adalah keuntungan yang diperoleh dari ‘Pemasukan’-

‘Pengeluaran’. Dalam flow diagram untuk variabel ‘Laba’, initial

condition-nya pada awal bulan ‘Laba’=0.

12. Biaya Dikeluarkan

Biaya Dikeluarkan atau sama saja dengan ‘Pengeluaran’ merupakan

jumlah seluruh biaya yang dikeluarkan Agen untuk bisnis ini.

13. Transport Fee

Transport Fee atau sama dengan ‘Fee Tabung’ adalah tambahan dari

Pertamina yang diberikan kepada agen sebagai uang pengganti

transport dalam penebusan DO. Besarnya fee transport adalah Rp.

354/kg.

14. PPh 21

Merupakan pajak fee transport atau fee tabung. Besarnya adalah 2%.

15. Harga Beli

Harga beli dalam model ini adalah harga beli LPG 3kg oleh agen dari

SPPBE atau harga penebusan LPG 3kg. Harga beli bervariasi dari data

yang diambil, oleh karena itu digunakan random dengan memasukkan

bilangan terkecil dan terbesar dari harga beli tersebut kemudian

dikurangi ‘fee tabung’ karena harga beli yangada belum termasuk ‘fee

tabung’.

65

16. Pembelian Tabung

Pembelian tabung atau ‘Total beli’ merupakan total jumlah pembelian

tabung yang dikeluarkan agen. Jumlah tersebut diperoleh dengan

mengalikan jumlah ‘penebusan DO’ dengan ‘Harga beli’.

17. Harga Jual Pangkalan

Harga jual adalah harga jual LPG 3kg dari agen ke pangkalan. Harga

jual ini bervariasi, oelh karena itu digunakan random harga jual terkecil

dan terendah.

18. Harga Jual Sub Agen

Harga jual adalah harga jual LPG 3kg dari agen ke sub agen. Harga jual

ini bervariasi, oelh karena itu digunakan random harga jual terkecil dan

terendah.

19. Rata-rata HJ

Merupakan rata-rata harga jual baik harga jual pangkalan maupun

harga jual sub agen.

20. PPn Keluar per Tabung

Yaitu Pajak Keluaran atau PPN pasal 23 yang dibayarkan agen ke

Pertamina. Besarnya pajak ini adalah 10% dari selisih ‘harga

jual’dengan ‘harga beli’.

21. J_PPN Keluar

Merupakan jumlah Pajak Keluaran yang dibayarkan agen kepada

Pertamina. Jumlah ini diperoleh denga mengalikan ‘Penjualan Agen’

dengan ‘PPN Keluar per Tabung’.

66

22. B_Operasional

Yang dimaksud dengan ‘Operasional’ dalam model ini adalah biaya

operasional yang dikeluarkan agen untuk kegiatan jual-beli Gas LPG

3kg ini. Data biaya operasional yang ada dicari pola distribusinya

menggunakan Input Analyzer dan diperoleh bahwa data tersebut

berpola distribusi Normal.

23. B_Lain-lain

Merupakan biaya-biaya lain yang dikeluarkan agen seperti listrik, air,

dll. Data biaya ini diperoleh melalui wawancara dengan pihak

pengelola agen PT. Endang.

Hasil simulasi untuk komponen laba pada Model Kebijakan Lama ditunjukkan

oleh tabel dan grafik berikut :

Tabel 4.9. Data Historis dan Hasil Simulasi Model Kebijakan Baru

Tahun

Bulan

Laba

Riil

Simulasi

2010

Juli

33.265.981

35427187

Agustus

33.431.650

37550325

September

32.349.863

39398437

Oktober

39.732.590

31981813

67

Gambar 4.6. Grafik Perbandingan Laba Data Riil dan Simulasi Model Kebijakan

Baru

4.2.3 Validasi Model

Validasi model dilakukan dengan cara membandingkan output model dengan

data riil. Apabila dari perbandingan tersebut ternyata tidak ditemukan perbedaan

antara model dengan data riil, maka model dapat diyakini validitasnya.

Untuk membandingkan atau menguji validitas model digunakan tiga metode

validasi yaitu uji kesamaan dua rata – rata, uji kesamaan dua variansi dan uji chi

square. Komponen yang akan diuji adalah laba.

Untuk jumlah laba pada Model Sistem dengan Kebijakan Lama pengujiannya

adalah sebagai berikut :

1. Uji Variansi

Ho :

2
2

2
1 σ

σ =

: Variansi kedua populasi adalah sama

Hi =

2
2

2
1 σ

σ ≠

: Variansi kedua populasi adalah tidak sama

Ho diterima apabila F(1-α/2,n1-1, n2-1) < Fhitung < F(α/2,n1-1, n2-1)

0

10000000

20000000

30000000

40000000

50000000

1 2 3 4

LABA

Perbandingan Hasil

Data Hasil Simulasi
Data Asli

68

Dengan rumus

2

2

2

1

S

S

F =

maka diperoleh nilai F dengan perhitungan sebagai berikut :

405
.
1

2.73

3.84

=

=

F

Dengan α = 0,05 dan v1 = n1 – 1 , serta v2 = n2 – 1 , maka diperoleh nilai

405
.
0

)
20
,
20
(2/

1

=

−α

F

dan

464
.
2

)
20
,
20
(2/

=

α

F

Karena 0.405 < 1.405< 2.464, maka Ho diterima, yang berarti kedua populasi

memiliki variansi yang sama.

2. Uji Kesamaan Dua Rata - Rata

Ho : μ1 = μ2 : Rata - rata kedua populasi adalah sama

Hi : μ1 ≠ μ2 : Rata - rata kedua populasi adalah tidak sama

Ho diterima apabila – Tα/2 < t < Tα/2.

Dengan rumus :

t =

dihasilkan nilai t dengan perhitungan berikut :

423
.
1

43
.
17700443

657
.
6120716

.26)

(-19077132

=

=

t

Dengan α = 0,05 , nilai Tα/2 = 1,96. Karena – Tα/2 < t < Tα/2 , maka dapat

diambil kesimpulan bahwa kedua populasi memiliki rataan yang sama.

s

n

n

X

X

2

1

_

2

_

1

1

1

+

69

3. Uji Chi Square

Ho = Pola distribusi data kedua populasi adalah sama

Hi = Pola distribusi data kedua populasi adalah tidak sama

Ho diterima apabila

2

)1

,2/

(

2

2

)1

,2/

1(

<

<

k

tabel

k

α

α

χ

χ

χ

Untuk menentukan banyak kelas yang akan digunakan, rumus yang dipakai

adalah :

N

k

log

32
,
3

1+

=

dengan N adalah banyak data. Dengan rumus tersebut, jumlah kelas yang

digunakan adalah :

5

4.
5

389
.
5

21

log

32
,
3

1

= +

=

k

Untuk menentukan interval kelas, digunakan rumus :

k

x

x

i

min

max −

=

sehingga diperoleh nilai i dengan perhitungan sebagai berikut :

5

)

.4

-170120488

(

102890361−

=

i

= 54602169.88

70

Distribusi probabilitas untuk data riil dan simulasi ditunjukkan dengan dua

tabel berikut :

Tabel 4.10. Distribusi Probabilistik Data Riil Laba

Class Limit

Frekuensi

Kumulatif

Frekuensi

Relatif Probabilitas

-170120488.4 -115518318.52

3

3

0.14

-115518319.52 -60916148.64

6

3

0.14

-60916149.64 -6313978.76

10

4

0.19

-6313978.76 48288191.12

20

10

0.47

48288191.12

102890361

21

1

0.05

21

1.00

Tabel 4.11. Distribusi Probabilistik Data Simulasi Laba

Class Limit

Frekuensi

Kumulatif

Frekuensi

Relatif Probabilitas

-170120488.4 -115518318.52

1

1

0.05

-115518319.52 -60916148.64

1

0

0

-60916149.64 -6313978.76

8

7

0.33

-6313978.76 48288191.12

17

9

0.42

48288191.12 102890361

21

4

0.19

21

1.00

71

Perhitungan untuk menemukan nilai 2

hitung

χ ditunjukkan dengan tabel berikut

ini :

Tabel 4.12. Penentuan Nilai 2

hitung

χ

Class Limit

oi

ei

-170120488.4 -115518318.52 1

3

-115518319.52 -60916148.64

0

3

-60916149.64 -6313978.76

7

4

-6313978.76 48288191.12

9

10

48288191.12 102890361

4

1

21

21

Tabel 4.13. Penggabungan Kelas

Class Limit

oi

ei

-170120488.4 -6313978.76

8

10

-6313979.76 102890361

13

11

Dari tabel tersebut terlihat bahwa

=

2

hitung

χ

(8-10)2

/10 + (13-11)2

/11 = 0.76

Dengan k = 1 maka diperoleh

02
.
5

,
00098
.
0

2

)1,
025
.0(

2

)1,
975
.0(

=

=

χ

χ

Karena χ2

tabel(0.975) < χ2

hitung < χ2

tabel(0.025) , maka Ho diterima, yang berarti

bahwa pola distribusi data kedua populasi adalah sama.

72

Tabel 4.14 Hasil Validasi Data Laba pada Model Kebijakan Lama

No

Metode

DATA

Jumlah Oplah Retur

1 Uji Kesamaan Dua Rata – Rata VALID

VALID

2 Uji Kesamaan Dua Variansi

VALID

VALID

3 Uji Chi Square

VALID

VALID

73

BAB V

PEMBAHASAN

Sebagaimana telah dijelaskan pada bab sebelumnya, penelitian ini bertujuan

untuk membandingkan sistem dengan dua kebijakan yang berbeda sehubungan

dengan dilaksanakannya program konversi minyak tanah ke gas LPG 3kg. Oleh

karena itu pada bab ini akan dilakukan pembahasan yang dapat memberikan

penjelasan yang lebih dalam berdasarkan data - data hasil penelitian dan perhitungan

pada bab sebelumnya untuk kemudian dibandingkan hasilnya antara kedua model

sistem dengan kebijakan yang berbeda tersebut.

Dalam penelitian ini simulasi untuk Model Kebijakan Lama dijalankan selama

pemberlakuan kebijakan lama tersebut. Data yang diambil mulai bulan Oktober 2008

hingga bulan Juni 2010, tepat sebelum mulai berlakunya kebijakan yang baru.

Sedangkan simulasi untuk Model Kebijakan Baru dijalankan mulai berlakunya data

hingga 4 bulan kedepan yaitu mulai bulan Juli 2010 hingga bulan Maret 2010. Dari

output yang dihasilkan dapat dijadikan sebagai acuan untuk menentukan hubungan

matematis antara masing – masing variabel. Selain itu juga dapat untuk

membandingkan model kebijakan mana yang lebih baik. Hasil dari keseluruhan

simulasi adalah sebagai berikut:

74

Tabel 5.1. Hasil Simulasi untuk Bulan Oktober 2008-Juni 2010

Bulan Ke-

Laba

Bulan Ke-

Laba

1

0

12

-47618994,3

2

56412709,27

13

-29299286,2

3

-32542940,1

14

-43877901,7

4

-9894219,69

15

-1119046,46

5

46116952,38

16

-145987693

6

8465399,58

17

66543859,47

7

102890361

18

-13317661,4

8

22785954,93

19

12593463,61

9

45461207,16

20

-13242718

10

24651721,25

21

58526977,67

11

20986904,07

5.1 Analisa Hasil Simulasi Model Kebijakan Lama

Simulasi dilakukan untuk menguji kesesuaian model dengan sistem nyata.

Simulasi pada Model Kebijakan Lama dilakukan selama pemberlakuan kebijakan.

Data yang diambil adalah data mulai bulan Oktober 2008 hingga Juni 2010.

Pada tahap validasi Model Kebijakan Lama, data yang digunakan adalah laba

yang diperoleh agen. Variabel laba diambil sebagai parameter sebab laba merupakan

ukuran terhadap performa perusahaan. Sukses atau tidaknya sebuah bisnis dilihat dari

untung atau rugi yang diperoleh. Data tersebut diuji untuk membandingkan dengan

data sistem nyata dan dinyatakan valid dengan menggunakan tiga metode yaitu uji

kesamaan dua rata - rata, kesamaan dua variansi, dan uji chi square.

75

Dari hasil simulasi Model Kebijakan Lama dapat dilihat fluktuasi laba yang

diperoleh agen dengan rata-rata laba Rp. 6.120.716,657. Bulan Oktober 2008 dimana

initial condition untuk awal bulan adalah 0, maka laba yang diperoleh berdasarkan

hasil simulasi bernilai 0. Kemudian mengalami kenaikan di bulan November 2008 dan

penurunan sekitar 50% untuk bulan berikutnya yaitu bulan Desember 2008. Pada

bulan Januari 2009 dapat dilihat bahwa perusahaan mengalami penurunan laba lagi

sekitar 30% dari bulan sebelumnya. Bulan Februari 2009 laba meningkat drastis dan

terus mengalami peningkatan hingga bulan Agustus 2009. Kemudian laba kembali

mengalami penurunan pada bulan September 2009 hingga bulan Januari 2010. Bulan-

bulan berikutnya tampak laba mengalami pasang surut, naik kembali pada bulan

Februari 2010, turun di bulan Maret 2010, lalu naik lagi di bulan April 2010, dan

kembali turun di bulan Mei 2010. Hingga kemudian meningkat kembali pada bula

Juni 2010.

Laba yang sangat fluktuatif menunjukkan persaingan pasar yang ketat. Dengan

kebijakan bahwa setiap agen diharuskan memenuhi target penebusan DO minimal

39.000 tabung/bulan dengan jumlah penebusan maksimal yang tidak ditentukan,

sedangkan bertambahnya agen-agen baru menambah ketatnya persaingan pasar LPG

3kg di wilayah Kabupaten Boyolali. Sementara itu sosialisasi program konversi

minyak tanah ke Gas LPG 3kg di wilayah tersebut saat itu juga belum merata

sehingga permintaan dari masyarakat sendiri masih sangat kurang jika dibandingkan

dengan banyaknya jumlah agen dengan 39.000 tabung/bulan untuk setiap agennya.

76

5.2 Analisa Hasil Simulasi Model Kebijakan Baru

Desain model kebijakan baru dibuat sesuai dengan kondisi yang berlaku saat

ini. Pemberlakuan kebijakan baru dimulai terhitung sejak bulan Juli 2010 hingga

sekarang. Oleh sebab itu data yang diambil mulai dari bulan Juli 2010 hingga bulan

Oktober 2010. Waktu simulasi untuk Model Kebijakan Baru disesuaikan dengan

keinginan pemodel. Dalam penelitian ini adalah 4 bulan sebelum yaitu sesuai data

yang diambil hingga 4 bulan kedepan yaitu sampai bulan Maret 2010.

Tabel 5.2. Hasil Simulasi untuk Bulan Juli 2010-Maret 2011

Bulan

Ke-

Laba

1

0

2

35427187

3

72977512

4

112375949

5

144357762

6

181020368

7

214871247

8

248663349

Hasil simulasi untuk Model Kebijakan Baru nampak jelas terlihat bahwa agen

mengalami peningkatan yang relatif stabil terus menerus. Hal ini disebabkan karena

kondisi pasar yang lebih stabil dengan adanya ketentuan kuota per agen. Harga jual

lebih terkontrol, setidaknya setiap bulan agen ini pasti dapat menjual ± 40.000

77

tabung/bulan. Ketentuan berkurangnya ataupun bertambahnya kuota tergantung dari

kebijakan Pertamina sebagai pusat penyelenggara kegiatan jual-beli gas LPG 3 kg ini.

78

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan pengolahan data dan pembahasan yang telah dilakukan, maka

dapat diambil beberapa kesimpulan antara lain sebagai berikut :

1. Kebijakan lama kurang baik untuk perusahaan terbukti dengan ketidak

stabilan kondisi pasar membuat laba yang diperoleh perusahaan tidak

menentu, hal ini dapat dilihat dari grafik hasil simulasi yang fluktuatif

dengan rata-rata hanya sekitar Rp. 6.120.716,657 per bulan. Sedangkan

kebijakan baru membuat kondisi keuangan perusahaan jauh lebih baik

dibanding saat kebijakan lama hal ini terlihat dengan peningkatan laba

yang diperoleh perusahaan mencapai rata-rata Rp. 34.695.021 per bulan.

2. Berdasarkan hasil simulasi yang diperoleh dengan laba sebagai parameter

untuk mengetahui efek kedua kebijakan tersebut kepada perusahaan, maka

dapat disimpulkan bahwa kebijakan yang baru ini lebih baik dari

kebijakan yang sebelumnya bagi perusahaan agen gas LPG (PT. Endang).

6.2 Saran

Dari kesimpulan di atas, maka saran yang dapat disampaikan adalah sebagai

berikut :

1. Bagi peneliti yang ingin megembangkan penelitian ini selanjutnya dapat

dibuat model eksperimen untuk mencari alternatif usulan model kebijakan

yang lain.

79

2. Penelitian mengenai konversi minyak tanah ini akan lebih baik jika obyek

penelitian diperluas misalnya untuk satu Kabupaten atau Propinsi.

80

DAFTAR PUSTAKA

Abdillah, (2000). Strategi Perusahaan dengan Pendekatan Sistem Dinamik (Studi

Kasus PT. Bank Muamalat Indonesia Tbk.). Available at

http.www.digilibui.com

Akhmad Hidayatno, Iko Putera, (2006). Design Family-Owned Business Simulation

Game Using Dynamic Systems Approach to Facilitate Practice of Interpreting

and Analyzing Financial Reports. Jurnal Teknologi, Edisi Khusus no. 2 Teknik

Industri Tahun XX.

Armand Omar Moeis, Akhmad Hidayatno, M. Risky Satrio U., (2005). Pembuatan

Permainan Simulasi Bisnis “Executive Decision” dengan Pendekatan Sistem

Dinamis untuk Meningkatkan Kualitas Pengalaman Pembelajaran. Jurnal

Teknologi, Edisi Khusus no. 2 Teknik Industri Tahun XIX.

Arya Wirabhuana, (2007). Penerapan Model Simulasi Sistem Dinamis pada Analisis

Biaya Total Non Produksi sebagai Pengaruh dari Kebijakan Sektor Produksi

dan Sumber Daya Manusia. Available at http.www.google.com

Background Paper: Analisis Kebijakan Persaingan dalam Industri Gas LPG Indonesia,

(2009). Available at www.kppu.go.id

Bititci, Umit S., Turner, T., and Begemann, C., (2000). Dynamic of Perfomance

Measurement Systems. International Journal of Operations & Production

Management, Vol. 20, No. 6.

Budisantoso Wirjodirjo, (2007). Dynamic System Modeling Approach in Evaluating

The Perfomance of Suppliers: A Case Study in Oil and Natural Gas Industry.

Proceeding International Seminar on Industrial Engineering and Management.

Agustus 29-30, Jakarta.

81

Coyle, R.G., (1996). Systems Dynamic Modelling. Chapman&Hall. London.

Dedi Dwi Haryadi, (1997). Peramalan Permintaan Kendaraan Niaga Kategori IV

(Jeep) di Indonesia dengan Pendekatan Sistem Dinamik. Available at

http.www.digilibui.com

Deni Almanda, (2004). Perkiraan Emisi Pembangkit Listrik pada Tahun 2020 dengan

Sistem Dinamik. Available at http.www.digilibui.com

Djoko Sihono Gabriel, (1995). Model Dinamika Sistem Permintaan Penerbangan

Komersial. Available at http.www.digilibui.com

Emery, F.E, (1969). Systems Thinking. Penguin Books. New York.

Endang Wirjatmi Trilestari, Lukmanulhakim Almamalik, (2008). Systems Thinking.

STIA LAN Bandung Press. Bandung.

Forrester, J..W., (1968). Principles of Systems. Pegasus Communication, Inc. New

York.

Gröbler, A., (2007). A Dynamic View on Strategic Resources and Capabilities

Applied to An Example from The Manufacturing Strategy Literature. Journal of

Manufacturing Technology Management, Vol. 18, No. 3.

Howard, A., (1997). A New RAD-Based Approach to Commercial Information

Systems Development: The Dynamic System Development Method. Journal of

Industrial Management & Data Systems, 97/5, 175-177.

Ivonne Pongoh, (2004). Model Sistem Dinamis Kinerja PT. Indosat Tbk. UI.

Kong Fanliang, Wang Guizhi, Ping Yu, (2008). Certain Martingale Methods of

Parameter Estimation in Dynamic System. Kybernetes Journal, Vol. 37, No. 9.

Kotler, P., A.B. Susanto, (1999). Manajemen Pemasaran di Indonesia. Salemba

Empat. Jakarta

82

Maani, Kambiz E. Cavana, Robert Y. (2000). System Thinking and Modelling :

Understanding Change and Complexity. Prentice Hall.

Muhammadi, Erman Aminullah, Budhi Soesilo, (2001). Analisis Sistem Dinamis :

Lingkungan Hidup, Sosial, Ekonomi, Manajemen. UMJ Press. Jakarta.

Pidato Kenegaraan Presiden RI, (2008). Available at www.indonesia.go.id

Sterman, John D., (2000). Bussines Dynamics. Massachussets Institute of

Technologies. USA.

Sushil, (1993). System Dynamics : A Practical Approach for Managerial Problems.

Wiley Eastern Limited.

Tako A.A. et.al, (2009). Comparing Discrete-Event Simulation and System

Dynamics : Users Perceptions. Journal of the Operational Research Society

(2009) 60, 296 – 312.

Uning Budiharti, Rudy Tjahjohutomo, dkk., (2008). Dynamic System Approach to

Find Out Mechanization Model of Rice Mill to Predict Rice Production.

Indonesian Journal of Agriculture, 1(1), 7-12.

Walpole, Ronald E., (1986) Ilmu Peluang dan Statistik untuk Insinyur dan Ilmuwan.

Bandung : Penerbit ITB

Wang Huanqiu, Gao Jinzhong, Xu Fengzhang, (1998). Dynamic Analysis of Coherent

Fault Trees. Journal of Quality in Maintenance, Vol. 4, No. 2.

Warren, Kim, (2002). Competitive Strategy Dynamics. John Willey & Son Ltd.

Canada.

Wikan (2009)., “Analisis Peningkatan Porto Folio Outstanding Dengan Pendekatan

Sistem Dinamis Pada BRI Syariah”. Skripsi, tidak diterbitkan. Yogyakarta:

Fakultas Teknologi Industri Jurusan Teknik Industri Universitas Islam

Indonesia.

83

Wikner, J., (2005). Dynamic Analysis of A Production-Inventory Model. Kybernetes

Journal, Vol. 34, No. 6.

Xiaojun Zhou, Lifeng Xi, Jay Lee, (2006). A Dynamic Opportunistic Maintenance

Policy for Continously Monitored Systems. Journal of Quality in Maintenance,

Vol. 12, No. 3.

84

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->