MODEL PERMINTAAN DAN RUTE PENGUMPULAN JASA PENGIRIMAN BARANG (STUDI KASUS: PT. XYZ KOTA BANDUNG) (TA.13.13.17.7)

Syafrianita, Syafrianita and Wahyu Nariendra, Pradhana (2017) MODEL PERMINTAAN DAN RUTE PENGUMPULAN JASA PENGIRIMAN BARANG (STUDI KASUS: PT. XYZ KOTA BANDUNG) (TA.13.13.17.7). Masters thesis, STIMLOG INDONESIA.

Text Chapter1.doc.pdf Download (218kB)

Abstract

6.1 Kesimpulan Setelah dilakukan pengolahan data dan analisis terhadap hasil pengolahan, maka dapat disimpulkan yaitu: 1. Berdasarkan hasil Multiple Linear Regression (MLR) terhadap variabel berupa populasi dan aksesibilitas maka diperoleh variabel yang mempengaruhi adalah jumlah agen (JA), jumlah bank dan asuransi (BA), dan jumlah umkm menengah (UM). Model permintaan pengiriman barang adalah sebagai berikut: Y = -186.500.000 + 1.282.000.000 JA + 8.717.452,958 BA + 11.540.000 UM. 2. Jumlah agen yang diperlukan setiap kecamatan berdasarkan hasil peramalan model MLR sebanyak 20 agen pada tahun 2019. 3. Perhitungan rute menggunakan metode saving matrix dibatasi oleh kapasitas kendaraan pengangkut. Dalam penelitian ini rute disusun jika perusahaan sudah mempunyai agen di kecamatan. Dari hasil metode tersebut, rute yang tersusun dan jumlah muatan yang diangkut hasil dari metode tersebut terdiri dari rute 1 : KP – J – G – F - D - C - B – I – L – K – A – E - KP dengan jumlah muatan 519 kg dan jumlah jarak 70,7 km, sedangkan rute 2: KP – H – KP dengan jumlah muatan 236 kg dan jumlah jarak 3,8 km 6.2 Saran 1. Perhitungan rute pengumpulan barang dapat dikembangkan dengan memperhitungkan kondisi lalu lintas pada saat proses pengumpulan dan penambahan rute agen yang tidak termasuk dalam penelitian ini. 2. Pada penelitian selanjutnya model Multiple Linear Regression (MLR) dapat dikembangkan lagi dengan variabel-variabel lain yang tidak dapat dijelaskan pada model dalam penelitian ini. VI-2 STIMLOG Indonesia 3. Perusahaan dapat mempertimbangkan perhitungan rute pengumpulan barang dengan menggabungkan daerah apabila kapasitas kendaraan tersedia dan jarak tempuh dapat diminimalkan.6.1 Kesimpulan Setelah dilakukan pengolahan data dan analisis terhadap hasil pengolahan, maka dapat disimpulkan yaitu: 1. Berdasarkan hasil Multiple Linear Regression (MLR) terhadap variabel berupa populasi dan aksesibilitas maka diperoleh variabel yang mempengaruhi adalah jumlah agen (JA), jumlah bank dan asuransi (BA), dan jumlah umkm menengah (UM). Model permintaan pengiriman barang adalah sebagai berikut: Y = -186.500.000 + 1.282.000.000 JA + 8.717.452,958 BA + 11.540.000 UM. 2. Jumlah agen yang diperlukan setiap kecamatan berdasarkan hasil peramalan model MLR sebanyak 20 agen pada tahun 2019. 3. Perhitungan rute menggunakan metode saving matrix dibatasi oleh kapasitas kendaraan pengangkut. Dalam penelitian ini rute disusun jika perusahaan sudah mempunyai agen di kecamatan. Dari hasil metode tersebut, rute yang tersusun dan jumlah muatan yang diangkut hasil dari metode tersebut terdiri dari rute 1 : KP – J – G – F - D - C - B – I – L – K – A – E - KP dengan jumlah muatan 519 kg dan jumlah jarak 70,7 km, sedangkan rute 2: KP – H – KP dengan jumlah muatan 236 kg dan jumlah jarak 3,8 km 6.2 Saran 1. Perhitungan rute pengumpulan barang dapat dikembangkan dengan memperhitungkan kondisi lalu lintas pada saat proses pengumpulan dan penambahan rute agen yang tidak termasuk dalam penelitian ini. 2. Pada penelitian selanjutnya model Multiple Linear Regression (MLR) dapat dikembangkan lagi dengan variabel-variabel lain yang tidak dapat dijelaskan pada model dalam penelitian ini. VI-2 STIMLOG Indonesia 3. Perusahaan dapat mempertimbangkan perhitungan rute pengumpulan barang dengan menggabungkan daerah apabila kapasitas kendaraan tersedia dan jarak tempuh dapat diminimalkan.

Item Type:	Thesis (Masters)
Subjects:	H Social Sciences > HE Transportation and Communications
Depositing User:	Unnamed user with email [email protected]
Date Deposited:	11 Jul 2022 03:46
Last Modified:	11 Jul 2022 03:46
URI:	http://eprint.ulbi.ac.id/id/eprint/1324

Actions (login required)

View Item