Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

ANALISIS KEBUTUHAN CONTAINER YARD DI PT. SARANA

BANDAR NASIONAL SUB CABANG SAUMLAKI

Rosvita Stella Charista Londar1*,dan Sri Rahayuningsih 1

Logistik Minyak dan Gas, Politeknik Energi dan mineral Akamigas,
Jl. Gajah Mada No 38, Mentul, Karangboyo,Kec.Cepu, Kab.Blora, Jawa Tengah 58315
E-mail : londarrosvita23@gmail.com

ABSTRAK

PT. Sarana Bandar Nasional Sub Cabang Saumlaki sebagai perusahan penyedia
layanan jasa bongkar muat petikemas. Kegiatan bongkar muat Petikemas di PT. Sarana
Bandar Nasional Sub Cabang Saumlaki diawali dengan kedatangan kapal sampai pada
container di bawa ke lapangan penumpukan (container yard). Dalam menunjang kegiatan
bongkar muat container maka perlu diketahui tentang kemampuan lapangan penumpukan
dalam menumpuk container yang ada maka dilakukan perhitungan Yard Ocupanpacy Ratio
(YOR). Tujuan dari penelitian ini adalah untuk mengetahui penggunaan lapangan
penumpukan guna menjawab permintaan layanan bongkar muat container pada 12 bulan
kedepan dengan menggunakan metode peramalan (forecasting). Dari hasil perhitungan yang
ada diketahui bahwa proyeksi Pengunaan Lapangan penumpukan pada 12 bulan kedepan
yaitu pada bulan oktober 2021 total kapasitas petikemas yang dibutuhkan sebesar 810
TEUs/bulan dari kapasitas lapangan yang tersedia 29.200 TEUs/bulan atau dapat
dikatakan bahwa penggunaan lapangan penumpukan hanya sebesar 3% dari kapasitas yang
tersedia, yang berarti luas dari lapangan penumpukan pada PT.Sarana Bandar Nasional
Sub Cabang Saumlaki masih mencukupi dalam menampung container 12 bulan kedepan
sehingga tidak diperlukan perluasan lapangan penumpukan karena masih dibawah standar
utilisasi fasilitas lapangan penumpukan.

Kata Kunci: Container, Forecasting, Kebutuhan, Container Yard

1. PENDAHULUAN

Indonesia merupakan negara kepulauan yang dua per tiga wilayahnya adalah perairan
dan terletak pada lokasi yang strategis karena berada di persilangan jalur perdagangan dunia,
sehingga peran jasa pelayanan bongkar muat dalam mendukung pertumbuhan ekonomi
maupun mobilitas sosial dan perdagangan di negara ini sangat besar. Berkaitan dengan
pengiriman barang dari suatu pulau ke pulau yang lain tentu melalui media yang tidak biasa
karena jarak yang menghubungkan kedua tempat tersebut cukup jauh dan penuh hambatan
baik itu melalui jalur darat, udara, maupun laut. Media yang saat ini digunakan untuk
pengiriman barang melalui jalur laut adalah peti kemas (container). PT.Sarana Bandar
Nasional merupakan perusahan jasa layanan bongkar muat yang

1348
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

berada di Kepulauan Tanimbar tugasnya yaitu melayani proses bongkar muat container
hingga barang sampai ketangan para consignee.
Perlu diketahui bahwa container yard adalah lapangan untuk mengumpulkan,
menyimpan dan menumpuk peti kemas, yang di muat di kapal atau di bongkar dari kapa.
Dalam menunjang kelancaran proses bongkar muat container maka perlu dilakukan
penelitian terhadapat arus kedatangan dan pengiriman container setiap bulan untuk
mengoptimalkan kebutuhan container yard sehingga untuk mengetahui pemanfaatan
container yard, dan mengetahui througtput container pada bulan-bulan mendatang maka
perlu dilakukan peramalan (forecasting) dan perhitungan YOR terhadapat data historis
container. Dengan menganilis kebutuhan container yard diharapkan dapat mengoptimalkan
pemakaian container yard sehingga dapat mencegah terjadi perpindahan container yang sia-
sia atau merugikan (Shifting).

2. METODE

Metode penelitian merupakan proses pengumpulan dan analisis data terkait dalam
tujuan penulisan penelitian. Dalam metode penelitian terdapat tahapan penelitian serta
metode yang digunakan dalam penyelesaian permasalahan dan interpretasi data sebagai
berikut:
A. Sumber dan Jenis Data
Sumber data yang digunakan adalah data PT.Sarana Bandar Nasional Sub Cabang
Saumlaki. Sedangkan jenis data yang digunakan dalam penulisan ini data primer yaitu
data bongkar muat container tahun 2019-2020 yang akan digunakan untuk
meramalkan/memprediksi laju bongkar muat container pada 12 bulan kedepan dan
menghitung YOR (Yard Occupancy Ratio).
B. Pengumpulan daan Pengujian Data
Teknik pengumpulan data yakni observasi dan dokumen guna memperoleh informasi
dan data terkait dengan data bongkar muat container. Data historis bongkar muat yang
sudah diperoleh akan dilakukan pengujian normalitas dan kestasioneran menggunakan
software minitab. Uji normalitas berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi normal. Data dikatakan
normal, apabila nilai signifikan lebih besar 0,05 pada (P>0,05). Sebaliknya apabila
nilai signifikan lebih kecil dari 0,05 pada (P>0,05) maka dikatakan tidak normal.
Kestasioneran merupakan salah satu bentuk data yang menyebar secara konstan
disekitar rataan tertentu dan ragamnya tetap. Stasioner menunjukan tidak adanya
perubahan yang drastis pada data, diidentifikasi dengan bentuk sebaran data yang
berfluktuasi disekitar nilai rata-rata yang konstan dan tidak bergantung pada waktu dan
variansi dari fluktuasi tersebut. Stasioneritas data penting untuk menentukan metode
peramalan yang tepat untuk dilakukan. Data dikatakan stasioner jika data tidak terdapat
trend, seasonal, musiman. Begitupun sebaliknya data yang tidak stasioner terdapat
trend, seasonal, musiman.
C. Metode Forecasting
Peramalan yaitu suatu usaha yang dilakukan dalam memperkirakan dan
memprediksi suatu keadaan yang akan datang melalui pengujian yang mengunakan data
di masa lalu. Peramalan hanya berupa taksiran yang mungkin terjadi diwaktu yang akan
datang namun memberikan gambaran dan kontribusi bagi perusahan dalam menentukan
keputusan terbaik. Sehingga untuk Meramalkan Kebutuhan Container Yard di
PT.Sarana Bandar Nasional Sub Cabang Saumlaki harus dilakukan dengan mengikuti
langkah-langkah peramalan dimulai dari melakukan pengambilan data historis,
melakukan pengujian data , menentukan metode yang akan digunakan dalam peramalan,

1349
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

melukan pemilihan prediksi dan pengambilan kesimpulan. Sehingga dengan ini dapat
memperkirakan jumlah arus container yang akan di terima pada 12 bulan kedepan.

3. PEMBAHASAN

A. Data Bongkar Muat Container Tahun 2019-2020

Tabel 1. Data Container 2019-2020

No Bulan Tahun 2019 Tahun 2020
1 Januari 256 298
2 Februari 424 491
3 Maret 126 220
4 April 238 608
5 Mei 603 420
6 Juni 481 297
7 Juli 460 315
8 Agustus 640 468
9 September 327 233
10 Oktober 534 644
11 November 147 294
12 Desember 258 527

Berdasarkan data layanan bongkar muat container pada tahun 2019 hingga akhir
2020 yang tertera pada tabel 4.1 diatas, maka akan dilakukan peramalan (forecast) dengan
menggunakan perhitungan pada aplikasi minitab 18. Forecasting terhadap data layanan
bongkar muat akan dilakukan menggunakan data per bulan, dikarenakan data historis
hanya mencakup 2 tahun operasi, dengan tujuan agar mendapatkan hasil forecast lebih
baik, pola data yang jelas, serta error terkecil yaitu dengan pendekatan kuantitatif.

B. Pengujian Data
Pengujian data bertujuan untuk mengetahui jenis data yang diforecast, sudah normal
atau belum serta pola data yang terbentuk, menggunakan aplikasi minitab 18. Pengujian
data dilakukan berdasarkan uji normalitas (normality test) dan time series plot.

1) Uji Normalitas

Gambar 1.Uji Normalitas

1350
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

Dari gambar grafik hasil uji Normalitas untuk data container per bulan pada
januari 2019 hingga desember 2020, berdasarkan gambar 4.1, maka hasilnya
berdistribusi normal. Karena nilai yang dihasilkan dari perhitungan minitab 18, P-
Value > 0.150. Sedangkan yang menjadi standar normalnya suatu data yang diuji,
harus P-Value > 0,05. Maka dapat disimpulkan bahwa, data bongkar muat container
di atas berdistribusi normal.

2) Uji Time Series Plot

Time Series Plot of Data Container

700

600

500
Data Container

400

300

200

100

2 4 6 8 10 12 14 16 18 20 22 24
Index

Gambar 2. Uji Time Series Plot

Berdasarkan gambar 4.2, yaitu uji time series plot, maka data container per
bulan sejak januari 2019 hingga desember 2020 yang terbentuk, dengan pola data
musiman.

C. Peramalan (Forecasting) Menggunakan Minitab 18

Berdasarkan hasil identifikasi pola data layanan bongkar muat container yang telah
dilakukan sebelumnya, maka metode ramalan time series yang kiranya sesuai adalah
metode decomposition dan metode winter’s
1) Decomposition Method
Cara melakukan peramalan dengan metode decomposition yaitu “membuka
software Minitab => memasukkan data container => klik stat => time series =>
decomposition => menginput variable data container”.

Gambar 3. Decomposition Method

1351
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

Dari output metode decomposition di atas, dapat diketahui nilai kesalahan atau
error yaituMAPE adalah 29,1, MAD adalah 99,9 dan MSD adalah 20209,1.

2) Winter Method
Cara melakukan peramalan dengan menggunakan winter’s method tidak jauh
berbeda dengan decomposition. Caranya adalah “membuka software Minitab =>
memasukkan data container => klik stat => time series => winter’s method =>
menginput variable Data container”.

Gambar 4. Winter Method

Dari output winter’s method di atas, dapat diketahui nilai kesalahan atau error yaitu
MAPE adalah 27,7, MAD adalah 98,8 dan MSD adalah 13555,7.

3) Penentuan Metode Peramalan (Forecasting)

Untuk menentukan metode peramalan terbaik, kita dapat melihat berdasarkan
perbandingan nilai error terkecil dari MAD, MSD, dan MAPE dari masing-masing
metode yang digunakan. Berikut adalah tabel perbandingan nilai error dari setiap
metode yang digunakan.

Tabel 2. Penentuan Metode Peramalan

Error
Metode
MAPE MAD MSD
Decomposition method 29,1 99,9 20209,1
Winter Method 27,7 98,8 13555,7

Berdasarkan tabel 2. yaitu hasil perbandingan nilai error diatas, maka yang perlu
dipertimbangkan adalah besar atau kecilnya nilai hasil ramalan. Oleh karena itu,
metode yang menghasilkan error terkecil adalah metode ramalan winter method jika
dibandingkan dengan metode decomposition sehingga dari hasil peramalan arus
container pada 12 bulan kedepan dengan winter method, maka dapat diketahui hasil
peramalan yang dapat dilihat pada tabel di bawah ini:

1352
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

Tabel 3. Hasil Peramalan (forecasting)

Bulan Periode Hasil Peramalan

Januari 25 325
Februari 26 546
Maret 27 210
April 28 514
Mei 29 639
Juni 30 492
Juli 31 498
Agustus 32 726
September 33 374
Oktober 34 810
November 35 307
Desember 36 549

Setelah mendapatkan nilai proyeksi arus container untuk 12 bulan kedepan, maka
dapat kita ketahui bahwa data arus container di tiap bulannya mengalami fluktuasi,
ini terjadi seperti hal-nya dengan yang terjadi pada tahun 2019 dan 2020 semua ini
diakibatkan oleh masih rendahnya permintaan layanan jasa container dari costumer
sehingga laju arus bongkar muat yang terjadi masih fluktutif.

D. Perhitungan YOR (Yard occupancy Ratio)

Tingkat pemanfaatan container yard (yard occupancy ratio) merupakan
perbandingan jumlah pemakaian lapangan penumpukan container yang dihitung 1 TEU’s
per tahun atau per m2 dengan kapasitas penumpukan yang tersedia. Tingkat pemakaian/
pemanfaatan lapangan penumpukan petikemas (Yard Occupancy Ratio/YOR)
merupakan perbandingan jumlah pemakaian lapangan penumpukan petikemas yang
dihitung 1 TEU/Tahun dengan kapasitas penumpukan yang tersedia. tingkat
pemanfaatan lapangan penumpukan menggunakan kapasitas bulan januari 2021 dengan
muatan petikemas tahun 2021 diperolehhasil sebagai berikut :
Rumus Perhitungan :
Kapasitas Terpakai (Teus)
YOR = 𝑥 100%
Kapasitas Tersedia

Tabel 4. Hasil Perhitungan YOR

Bulan Kapasitas Terpakai (TEUs/Tahun) Kapasitas Tersedia (TEUs/Tahun) YOR
Januari 325 29.200 1%
Februari 546 29.200 2%
Maret 210 29.200 1%
April 514 29.200 2%
Mei 639 29.200 2%
Juni 492 29.200 2%
Juli 498 29.200 2%
Agustus 726 29.200 2%
September 374 29.200 1%
Oktober 810 29.200 3%
November 307 29.200 1%
Desember 549 29.200 2%

1353
Rosvita Stella Charista Londar, SNTEM, Volume 1, November 2021, hal 1348-1354

Berdasarkan tabel hasil perhitungan forecasting di atas, dapat diketahui bahwa dalam
12 bulan yang akan datang pergerakan barang berupa petikemas (container) terjadi
secara fluktuatif. dapat dilihat bahwa pada bulan oktober 2021 total kapasitas petikemas
yang dibutuhkan sebesar 810 TEUs/bulan dari kapasitas lapangan yang tersedia 29.200
TEUs/bulan, Sehingga tidak perlu adanya penambahan kapasitas lapangan penumpukan
(container yard). Dalam hal ini pemakaian lapangan penumpukan masih bisa digunakan
karena yang terpakai hanya 3% dari kapasitas yang tersedia serta masih di bawah
standar utilisasi fasilitas sebesar 65% menurut Peraturan Menteri Perhubungan Nomor
PM 117 Tahun 2015

4. SIMPULAN

Setelah melakukan analisis terhadap kebutuhan container yard PT. Sarana Bandar
Nasional Sub Cabang Saumlaki, maka dapat diambil kesimpulan sebagai berikut :
1. Arus container untuk 12 bulan kedepan diketahui dengan cara peramalan
menggunakan metode Time Series yaitu Metode Decomposition dan Metode
Winter,s pada aplikasi minitab. Dari kedua metode tersebut metode Winter menjadi
metode terpilih, yaitu ditentukan berdasarkan nilai error terkecil.
2. Berdasarkan nilai proyeksi arus container untuk 12 bulan kedepan, dapat kita
simpulkan bahwa hasil peramalan arus container di setiap bulannya adalah fluktuatif,
disebabkan oleh masih rendahnya permintaan layanan jasa conteiner sehingga laju
arus bongkar muat yangterjadi masih fluktutif.
3. Proyeksi Pengunaan Lapangan penumpukan pada 12 bulan kedepan, dapat dilihat
bahwa pada bulan oktober 2021 total kapasitas petikemas yang dibutuhkan sebesar
810 TEUs/bulan dari kapasitas lapangan yang tersedia 29.200 TEUs/bulan atau dapat
dikatakan bahwa penggunaan lapangan penumpukan hanya sebesar 3% dari
kapasitas yang tersedia, yang berarti luas dari lapangan penumpukan pada PT.Sarana
Bandar Nasional Sub Cabang Saumlaki masih mencukupi dalam menampung
container 12 bulan kedepan sehingga tidak diperlukan perluasan lapangan
penumpukan karena masih dibawah standar utilisasi fasilitas lapangan penumpukan
sebesar 65% menurut Peraturan Menteri Perhubungan Republik indonesia

5. DAFTAR PUSTAKA

[1] Yogi Fetriansyah ,Haryo Koco Buwono, Jurnal Analisis Kebutuhan Lapangan Penumpukan
(ContainerYard) Pada Pelabuhan Pulau Baai Bengkulu
[2] Djoko Wahono, Jurnal Terminal Petikemas pada Pelabuhan Internasional Pantai Kijing di
Kecamatan Sungai
[3] Aris Purnomo, Slamet Widodo, Komala, Jurnal Analisis Kapasitas Terminal Peti Kemas
Pelabuhan Pontianak
[4] https://www.sekawanmedia.co.id/supply-chain-management/

[5] https://adoc.pub/queue/analisis-pengaruh-top-management-commitment-terhadap-
supplie.html

1354