Journal of Production, Enterprise, and Industrial Applications

Vol. 1, Issue 1, pp. 81–87 (2024)

doi: [Link]

RESEARCH ARTICLE

Perancangan Tata Letak Gudang Spare Part Menggunakan Sistem

Pallet Racking dengan Blocplan dan Alokasi Penyimpanan
Dedicated Storage untuk Mengurangi Waktu Order Picking di
Gudang Spare Part PT XYZ
Ksatria Bima Sakti, Erlangga Bayu Setyawan∗ and Seto Sumargo
Fakultas Rekayasa Industri, Universitas Telkom, Bandung, 40257, Jawa Barat, Indonesia
∗
Corresponding author: erlanggabs@[Link]
Received on 08 October 2024; accepted on 09 November 2024

Abstrak
PT XYZ adalah produsen pupuk yang berusaha memenuhi kebutuhan petani di Indonesia. Mereka memiliki departemen
pergudangan spare part yang membantu dalam persiapan perawatan mesin. Namun, saat terjadi perawatan mendadak,
proses pengambilan suku cadang tidak memenuhi standar waktu. Penyebab utamanya adalah perbedaan metode pen-
yimpanan Last in First Out (LIFO) dengan operasional sehari-hari First in First Out (FIFO). Solusi yang diajukan adalah
mengalokasikan suku cadang berdasarkan kategori dan aktivitas total, serta merombak tata letak gudang sesuai dengan
FIFO. Identifikasi masalah dimulai dengan pemetaan aliran nilai dan aktivitas proses. Masalah utama adalah pengambi-
lan ganda barang karena tata letak LIFO. Setelah identifikasi masalah, dihitung kebutuhan ruang dan barang ditempatkan
kembali dengan penyimpanan khusus. Gudang diubah sesuai dengan FIFO. Kemudian, dilakukan simulasi jarak dan waktu
dengan hasil pengurangan waktu senilai 1102,48 detik. Penyusunan ulang gudang ini akan membantu PT XYZ dalam
meningkatkan efisiensi proses pengambilan suku cadang yang penting dalam operasional mereka.

Key words: Order Picking, Dedicated storage, Monte Carlo

Pendahuluan
PT XYZ sering melakukan perbaikan pada pabrik produksinya agar
produksi pupuk tetap berjalan lancar. Dalam proses perbaikan ini,
spare part menjadi sangat penting. Oleh karena itu, PT XYZ mela-
kukan pengadaan spare part untuk menghindari gangguan produksi
yang dapat menyebabkan kerugian besar. PT XYZ memiliki depar-
temen penerimaan yang mengurus semua aspek terkait penerimaan
barang, termasuk spare part, bahan baku, mesin produksi, dan bahan
kimia. Setelah barang-barang tiba, departemen penerimaan melaku- Gambar 1. Alur inbound dan outbound spare part PT XYZ
kan quality control. Barang yang lolos dari tahap ini akan diterima
oleh PT XYZ. Ada dua kriteria penerimaan barang: barang non-stock
langsung diambil oleh pengguna, sementara barang stock disimpan
di gudang. Spare part dikategorikan sebagai barang stock dan akan pengambilan spare part pada gudang spare part 10 SB dilakukan den-
disimpan di gudang spare part milik PT XYZ. Ini adalah alur umum gan operasional FIFO, yaitu barang yang pertama masuk merupakan
mengenai proses penerimaan dan pengeluaran barang di PT XYZ. barang yang pertama keluar. Berikut merupakan layout dari gudang
Gudang spare part 10 SB memiliki panjang 32 meter dan lebar 33,5 spare part 10 SB PT XYZ.
meter. Gudang spare part 10 SB dibagi menjadi empat zona yaitu zona Saat ini, untuk mengatur posisi dan tata letak penyimpanan dila-
JJ, zona GG, zona FF, dan zona LL. Penyimpanan di gudang spare kukan secara acak bergantung pada ruang yang masih kosong dan
part 10 SB dilakukan dengan floor stacking, di mana spare part dile- ketidaksesuaian layout gudang dengan sistem yang diterapkan yaitu
takkan di pallet dengan susunan pallet berbaris ke belakang. Sistem First In First Out (FIFO). Ketidakteraturan membuat tidak rapi, meng-
ganggu jalannya forklift, serta menyebabkan waktu pencarian pada

© The Author 2024. Published by Telkom University.

81
 82 K. B. Sakti et al.

Gambar 4. Fishbone Diagram

Tinjauan Pustaka
Gudang
Gudang adalah tempat penyimpanan barang yang penting dalam bis-
nis dan industri. Tujuannya adalah menjaga stok barang agar dapat
diakses dengan mudah saat diperlukan. Gudang bisa berukuran kecil
hingga besar, dengan berbagai tingkat kompleksitas, dan menggu-
nakan teknologi canggih untuk meningkatkan efisiensi operasional.
Gambar 2. Layout Eksisting Gudang 10 SB Perannya mencakup penyimpanan strategis, pengaturan aliran barang,
serta menjadi pusat distribusi dalam manajemen persediaan dan ran-
tai pasokan. Dengan integrasi teknologi, gudang dapat memantau
inventaris dan meningkatkan kinerja bisnis serta rantai pasokan secara
keseluruhan [4][5].

Spare part
Spare part adalah komponen cadangan yang digunakan untuk meng-
gantikan bagian yang rusak pada peralatan atau sistem. Tujuannya
adalah menjaga kelancaran operasional tanpa mengganggu proses
produksi. Jenis spare part bervariasi dari yang kecil hingga yang
besar. Ketersediaan spare part yang memadai sangat penting untuk
menjaga kelangsungan bisnis dan mencegah gangguan yang dapat
mengakibatkan kerugian pada produksi.

Gambar 3. Grafik Perbandingan Waktu Siklus dan Waktu Standar (Detik)

Pengklasifikasian Produk
Pengelompokan produk di dalam gudang adalah proses yang men-
saat akan diperbaiki dan pada saat akan dikirim ke konsumen menjadi gorganisasi barang berdasarkan kriteria tertentu untuk menciptakan
lama [1]. penyimpanan yang teratur dan efisien. Ini membantu memudahkan
Terdapat empat buah aktivitas primer gudang, yaitu receiving, sto- akses, pengawasan inventaris, dan pengambilan keputusan terkait per-
rage, picking, dan shipping. Pada aktivitas picking terjadi aktivitas sediaan. Ada berbagai cara untuk mengklasifikasikan produk dalam
double handling dikarenakan layout LIFO dengan jenis drive in [2]. Beri- gudang, seperti karakteristik fisik, rotasi, nilai ekonomi, ketersedi-
kut merupakan data waktu setiap aktivitas di Gudang material 10 SB aan, atau persyaratan hukum dan keamanan. Tujuannya termasuk
bagian JJ, GG. optimalisasi ruang gudang, peningkatan aksesibilitas produk, penga-
Data aktivitas diambil dari observasi langsung pada gudang spare wasan inventaris yang lebih efisien, penanganan barang yang lebih
part 10 SB PT XYZ pada rentang tanggal 30 Mei 2023 sampai 5 Juni baik, pengambilan keputusan yang lebih baik, dan pengurangan kesa-
2023. Dari grafik di atas terdapat aktivitas yang melewati waktu stan- lahan dalam pengambilan barang. Dengan pengelompokan yang tepat,
dar. Aktivitas picking terjadi double handling yang menyebabkan delay gudang dapat beroperasi lebih efisien, persediaan dapat dikelola lebih
senilai 286,67 detik, sedangkan untuk persentase dapat dihitung dari baik, dan distribusi menjadi lebih lancar [6].
selisih waktu standar/waktu siklus yaitu 510/797,67 sehingga didapat
selisih senilai 36%. Warehouse Slotting
Berdasarkan masalah yang terjadi, perlu dilakukan analisis penye-
Warehouse slotting adalah proses strategis yang bertujuan untuk
bab masalah yang lebih mendalam menggunakan diagram tulang ikan.
meningkatkan efisiensi operasional gudang dengan merencanakan
Diagram tulang ikan merupakan alat yang digunakan untuk menganali-
penempatan barang secara optimal. Fokusnya adalah memastikan
sis proses bisnis dan efektivitasnya. Diagram tulang ikan memiliki enam
setiap produk ditempatkan dengan tepat di gudang untuk mengurangi
kategori klasik sebagai penyebab utama dari setiap masalah proses
waktu dan usaha dalam pengambilan barang. Proses ini melibatkan
bisnis, yaitu manusia, peralatan atau metode, material, lingkungan,
analisis mendalam terhadap karakteristik produk seperti ukuran, fre-
manajemen, dan proses [3]. Diagram tulang ikan dapat dilihat pada
kuensi pengambilan, permintaan, dan faktor lain yang memengaruhi
Gambar 4.
penyimpanan dan pengambilan barang. Tujuannya adalah mencapai
efisiensi operasional, menghemat waktu dan usaha, memaksimalkan
 Perancangan Tata Letak Gudang 83

Gambar 5. Kerangka Berpikir

penggunaan ruang, meningkatkan pelayanan pelanggan, mengurangi

biaya operasional, mengikuti permintaan, meningkatkan rotasi, dan
mengurangi risiko kerusakan produk. Keseluruhannya, warehouse
slotting adalah alat strategis yang membantu gudang meningkatkan
kinerja operasionalnya dengan lebih efisien, hemat biaya, dan layanan
pelanggan yang lebih baik [6].

Material Handling Travel Time

Gambar 6. Tabel Waktu Siklus Setiap Aktivitas
Horizontal travel time adalah waktu yang dibutuhkan untuk meminda-
hkan barang dalam gudang dari satu lokasi ke lokasi lainnya, dan
ini melibatkan perjalanan di dalam gudang baik dengan alat angkat
atau secara manual. Vertical travel time, di sisi lain, adalah waktu Berdasarkan pengamatan, diawali dengan melakukan observasi
yang dibutuhkan untuk memindahkan barang dari satu tingkat pen- pada aktivitas dalam Gudang material, waktu proses, waktu siklus
yimpanan ke tingkat lain dalam gudang, termasuk naik-turun tangga, data stok eksisting, dan data inbound outbound di tahun 2022. Sete-
alat pengangkat vertikal, atau pengangkatan manual. Pengukuran ini lah dilakukan observasi, peneliti membuat current state mapping dari
penting dalam manajemen gudang karena membantu menilai efisiensi kondisi eksisting. Didapatkan waktu aktivitas inbound dan waktu akti-
pergerakan barang di dalam gudang, dan metodenya dapat bervari- vitas outbound. Setelah itu, dilakukan klasifikasi barang berdasarkan
asi seperti menggunakan berbagai metode pengukuran jarak. Mereka karakteristik barang. Kemudian, melakukan penentuan lokasi atau tata
digunakan dalam perencanaan tata letak gudang, penempatan barang, letak barang. Untuk menguji dan merepresentasikan kondisi eksisting
dan pengoptimalan proses pengambilan, serta membantu mengiden- dan usulan, dilakukan simulasi. Setelah selesai melakukan simulasi
tifikasi area yang perlu ditingkatkan dalam efisiensi gudang. Meski- dan validasi, didapatkan usulan alokasi penyimpanan barang.
pun rumusnya beragam, pengukuran ini biasanya mempertimbangkan
waktu pergerakan vertikal, waktu muat/unload barang di tingkat yang
diinginkan, serta waktu persiapan sebelum atau setelah pergerakan Hasil dan Pembahasan
vertikal dilakukan.
1. Pengumpulan Data

Monte Carlo Data Waktu Pengamatan

Monte Carlo adalah metode komputasi yang memanfaatkan simulasi Data waktu pengamatan dan pengukuran waktu siklus pada gudang
acak untuk menyelesaikan masalah matematika atau statistik yang spare part PT XYZ diperoleh dengan cara pengamatan aktivitas
kompleks dan sulit dipecahkan secara analitik. Teknik ini melibatkan gudang secara langsung. Pengamatan aktivitas gudang tersebut dila-
pembangkitan sejumlah besar angka acak untuk mendekati atau mem- kukan pada tanggal 30 Mei 2023 sampai 7 Juni 2023. Pengamatan
perkirakan solusi masalah. Penggunaan Monte Carlo memiliki berbagai tersebut dilakukan sebanyak 12 kali secara berkala, sehingga mempe-
tujuan, termasuk estimasi nilai-nilai yang sulit dihitung secara analitik, roleh rata-rata waktu siklus beserta kontribusinya untuk masing-masing
pelaksanaan simulasi dalam berbagai disiplin ilmu, pencarian solusi aktivitas gudang yang ditunjukkan pada Tabel 6.
optimal dalam masalah optimisasi, membantu pengambilan keputusan Dari data di atas, aktivitas mengambil barang memiliki rata-rata
dan estimasi risiko, prediksi hasil masa depan dengan mempertim- waktu siklus sebesar 575,50 detik per pallet. Rata-rata waktu siklus
bangkan berbagai skenario, serta validasi model matematika atau picking ini merupakan waktu normal dalam pengamatan untuk proses
statistik dengan membandingkan hasil simulasi dengan data empiris. pengambilan produk. Jenis penyimpanan yang dilakukan sekarang
Metode Monte Carlo memberikan pendekatan fleksibel dan terukur yaitu drive in, jenis drive in ini memiliki kodefikasi seperti di bawah ini.
untuk menangani masalah-masalah kompleks, terutama ketika solusi Dengan adanya kodefikasi tersebut, maka terjadi perbedaan waktu
analitik tidak memungkinkan atau sangat sulit dicapai [7]. picking antara kode JJA12, JJB12 dengan JJA11 dan JJB12. Per-
bedaan tersebut terjadi karena adanya waktu double handling saat
pengambilan spare part pada lokasi JJA11 dan JJB12. Tabel berikut
merupakan Tabel 1 perbedaan waktu siklus picking proses untuk setiap
Metodologi Penelitian kodefikasi setiap barisnya pada gudang spare part PT XYZ.
Berdasarkan permasalahan yang terjadi, berikut merupakan kerangka Data tersebut menunjukkan bahwa, pada kode JJA1 dan JJB2
berpikir pada Gambar 5. memiliki waktu siklus picking proses yang normal yaitu 9,98 detik dan
 84 K. B. Sakti et al.

Table 1. Waktu Siklus Picking Eksisting Di baris A dan B

Baris A (Detik) B (Detik)

1 9,98 11,71
2 57,41 58,71
3 105,65 106,52
4 155,84 156,27
5 203,86 203,86
6 253,83 253,40
7 305,74 304,88
8 355,49 354,20
9 407,19 405,46
10 460,83 458,67
11 512,31 509,72
12 657,31 653,42

Uji Kecukupan Data

Uji kecukupan data dilakukan untuk menghitung kecukupan data dari
suatu pengamatan atau pengambilan suatu data. Berikut merupakan
perhitungan uji kecukupan data dari aktivitas picking pada penelitian
ini.

 q P 2
X 2 − ( X)2 
P
 k/s N
N = P 
X

" p #2 (1)
2/0, 05 12 (4003330 − (6906)2
N =
6906

N = 11, 65

Setelah melakukan perhitungan, diperoleh N ′ bernilai 11,65, dan

Gambar 7. Kodefikasi Penyimpanan di Gudang
N bernilai 12. Hal ini menunjukkan jumlah pengamatan yang dilaku-
kan lebih besar dari jumlah pengamatan yang seharusnya, di mana
N ′ adalah jumlah pengamatan yang seharusnya dan N adalah jum-
lah pengamatan yang dilakukan. Oleh karena itu, perhitungan terse-
but menunjukkan banyaknya pengamatan data yang dilakukan sudah
cukup.

2. Pengolahan Data
Value Stream Mapping (Current State)
Space Requirement
Perhitungan space requirement dilakukan untuk mencari kebutuhan
Gambar 8. Uji Kesaragaman Data
maksimal ruang pada pallet yang dibutuhkan untuk menempatkan item
spare part. Blok pada perhitungan space requirement mengikuti p × l
pallet yang digunakan, dengan panjang blok 1,5 m dan lebar blok 1,2
11,71 detik. Untuk picking ke baris yaitu hamper 6 kali waktu siklus m. Kapasitas blok ini dapat menampung spare part dengan jumlah item
picking proses, dan bertambah untuk baris seterusnya. Hal ini terjadi yang berbeda-beda bergantung kepada p × l item spare part. Berikut
karena adanya aktivitas double handling. Ketika operator forklift harus contoh perhitungan dari kapasitas blok material 6081372.
mengambil pallet baris 2 maka spare part baris ke 1 harus dikeluarkan,
kemudian mengambil spare part baris ke 2. Ketika spare part baris ke panjang blok Lebar Blok
Bi = ×
2 diambil, maka langkah selanjutnya yaitu mengembalikan spare part panjang barang Lebar Barang
baris ke 1 dan mengisi posisi yang sebelumnya ditempati spare part 150 120 (2)
baris ke 2. Bi = ×
108 108
Bi = 1
Uji Kesaragaman Data
Uji Keseragaman Data ditampilkan pada gambar 8 Kebutuhan penyimpanan material 6081372 adalah 1 item.
 Perancangan Tata Letak Gudang 85

Gambar 10. Kriteria Pemilihan Tata Letak Alternatif

Gambar 9. Value Stream Mapping (Current State)

Perhitungan Throughput (Ti)

Aktivitas untuk aliran material handling dari penerimaan dan order
picking menggunakan forklift kapasitas 3 ton, dengan ukuran forklift
panjang 3,6 m, lebar 1,15 m, dan tinggi 2 m, dengan lebar gang untuk
jalan forklift 4 meter. Forklift hanya dapat mengangkut 1 pallet dan ini
merupakan batas maksimal yang diperbolehkan dalam proses pemin-
dahan spare part. Perhitungan throughput (Ti) berdasarkan rata-rata
inbound dan rata-rata outbound spare part setiap SKU selama satu
tahun dimulai dari Juni 2022 sampai Mei 2023.

Perbandingan Throughput dengan Space Requirement (T/S)

Perhitungan T/S dibutuhkan untuk dijadikan patokan pada penempa-
tan spare part. Missal spare part 6081 adalah T/S = aktivitas/blok = Gambar 11. Pemilihan Alternatif Tata Letak

8,3/4 = 2,083 Aktivitas/blok. Kemudian peletakan spare part diletakan

berdasarkan perbandingan troughtput dengan spare requirement (T/S),
dimana T/S paling besar diletakkan pada blok yang paling pendek jarak Blocplan
tempuhnya dari I/O point atau dari pintu keluar masuk gudang spare Blockpan ditunjukkan pada gambar 10 dan gambar 13
part.
Jumlah Pallet untuk Masing-Masing Jenis Rack
Perhitungan Lebar Aisle
Jumlah Pallet untuk Masing-Masing Jenis Rack ditunjukkan pada gam-
Ukuran pada aisle gudang spare part PT XYZ berjumlah 4 meter. Lebar
bar 12
aisle dapat dicari melalui perhitungan manual yang berdasarkan ukuran
MHE dan perhitungan aisle yang menggunakan perhitungan manual.
Perhitungan diagonal MHE menggunakan perhitungan Pythagoras. Perhitungan Koordinat
Perhitungan diagonal ini digunakan untuk mencari sudut putar dari Perhitungan Koordinat ditunjukkan pada gambar 13
MHE yang digunakan. Berikut merupakan perhitungan yang digunakan
untuk mencari dimensi diagonal MHE yang digunakan: Penentuan Lokasi Picking Menggunakan Simulasi Monte Carlo
Simulasi Monte Carlo beroperasi berdasarkan angka-angka acak yang
p
A = B2 + C 2
p digenerasi secara acak dan diintegrasikan dengan model yang telah
A = 3, 62 + 1, 152 (3) ditentukan sebelumnya. Dalam penelitian ini, angka-angka acak dih-
A = 3, 78 asilkan menggunakan distribusi segitiga, di mana nilai acak minimum
dan maksimum harus ditentukan. Karena menggunakan metode ”Pure
Keterangan: -
Monte Carlo,” nilai acak minimum diatur pada 0, nilai acak maksimum
A
adalah 1, dan nilai acak yang paling sering muncul adalah 0,5 [8].
: Diagonal MHE -
B • Probabilitas Demand untuk Masing-Masing Spare Part: Lang-
kah pertama yang dilakukan untuk melakukan simulasi Monte
: Panjang MHE -
Carlo adalah menghitung probabilitas demand (picking order) untuk
C
masing-masing spare part dalam satu periode tertentu.
: Lebar MHE • Penentuan Titik Picking Spare Part: Pada proses simulasi ini
Berdasarkan data perhitungan aisle tersebut menunjukkan bahwa akan menggunakan dua belas percobaan picking list dengan mem-
dimensi aisle yang digunakan yaitu 3,78 meter atau jika dibulatkan bangkitkan varian acak untuk menentukan jumlah titik masing-
menjadi 4 meter. masing picking list.
 86 K. B. Sakti et al.

Gambar 14. Value Stream Mapping Future

Gambar 15. Tabel Perbandingan Waktu Order Picking Eksisting dan Usulan
Gambar 12. Layout Usulan

part berdasarkan pada sistem simulasi Monte Carlo dengan 12 repli-

kasi.
Setelah dihitung rata-rata dan standar deviasi, dilakukan perhitun-
gan half width (hw) dengan rumus sebagai berikut:
 
tn−1 α s
2
hw = √ (4)
n

(2, 2281)(10, 85)

hw = √ = 6, 98 (5)
12

′ 2 s2
n = Z1−α/2 (6)
h2

′ (1, 96)117, 72
n = = 4, 73 (7)
48, 72
Gambar 13. Penentuan Koordinat

3. Analisis
Perbandingan Kondisi Awal dan Usulan
• Perhitungan Jarak Perjalanan Material Handling: Langkah per- Perbandingan kondisi eksisting dan usulan memiliki perbedaan yaitu
tama yang dilakukan untuk mencari jarak perjalanan barang pada pada jumlah jarak pada proses pengambilan barang yang berkurang
setiap replikasi yang dilakukan. Jarak perjalanan barang meng- senilai 6096,25 meter, rata-rata jarak berkurang senilai 508,02 meter.
gunakan data jarak penempatan barang, di mana perpindahan Sedangkan total waktu pada proses pengambilan barang berkurang
material handling dimulai dari titik I/O point dan diakhiri dengan senilai 1102,48 detik, dengan rata-rata berkurang senilai 480,89 detik.
kembali ke titik I/O point. Simulasi perhitungan jarak perjalanan dila-
kukan sebanyak dua kali simulasi. Simulasi yang pertama dilakukan
pada tata letak eksisting, simulasi yang kedua dilakukan pada tata Kesimpulan
letak usulan.
Berdasarkan penelitian yang telah dilakukan di PT. GE untuk memeca-
• Perhitungan Waktu Perjalanan Material Handling: Perhitun-
hkan permasalahan yang berkaitan dengan tata letak gudang, setelah
gan waktu perjalanan MHE menggunakan rumus jarak perjalanan
dilakukan perbaikan layout dengan menggunakan selective rack dan
dibagi dengan kecepatan forklift. Kecepatan forklift menggunakan
dilakukan simulasi pada 18 spare part dalam 12 replikasi didapat
satuan meter per detik dengan kecepatan rata-rata forklift 1,389
pengurangan dari kondisi eksisting 1474,92 detik menjadi 372,44 detik.
meter per detik.
• Perancangan Value Stream Mapping untuk Future State Design
seperti pada gambar 14 Daftar Pustaka
1. Hidayat NPA. Perancangan Tata Letak Gudang dengan Metoda
Validasi
Class-Based Storage Studi Kasus CV. SG Bandun. Al-Azhar
Validasi adalah suatu proses membandingkan apakah model yang Indonesia Seri Sains dan Teknologi. 2012.
telah dibuat sudah mempresentasikan sistem nyata yang sudah ada. 2. Frazelle E. World-Class Warehousing and Material Handling.
Validasi dilakukan dengan membandingkan waktu perpindahan spare McGraw-Hill; 2002.
 Perancangan Tata Letak Gudang 87

3. Ishikawa K. Guide to Quality Control. Asian Productivity Organiza-

tion; 1986.
4. Christopher M. Logistic and Supply Chain Management; 2016.
5. Molamohamadi Z, Tirkolaee EB. Logistic and Supply Chain Mana-
gement 7th International; 2014.
6. Richards G. Warehouse Management: A Complete Guide to Impro-
ving Efficiency and Minimizing Costs in the Modern Warehouse;
2014.
7. Heragu S. Facilities Design; 1997.
8. Setyawan EB, Novitasari N, Muttaqin PS. Reduksi Volatilitas Harga
Jual Produk Pada E-commerce untuk Independent Stockashtic Data
Menggunakan Simulasi Monte Carlo. Kaizen: Management Systems
& Industrial Engineering Journal. 2020;3(1):46.

Gambar 16. Layout Usulan

Gambar 17. Perbandingan Waktu Standar dan Usulan