DALAM MENENTUKAN KELEBIHAN LOKASI BAGI KILANG PERUSAHAAN ROTI NORLIA MAZLIN BINTI LASIMON

advertisement
PENGGUNAAN KONSEP MARGIN KEUNTUNGAN SECARA RUANG
DALAM MENENTUKAN KELEBIHAN LOKASI BAGI KILANG
PERUSAHAAN ROTI
NORLIA MAZLIN BINTI LASIMON
Tesis ini dikemukakan
sebagai memenuhi syarat penganugerahan
Ijazah Sarjana Sains (Harta Tanah)
Fakulti Kejuruteraan dan Sains Geoinformasi
Universiti Teknologi Malaysia
OKTOBER 2009
iii
Khas buat ayah, ibu dan suami yang dikasihi
Kakak, adik dan keluarga
Rakan-rakan seperjuangan
Terima kasih atas segalanya…
iv
PENGHARGAAN
Alhamdulillah syukur ke hadrat Allah s.w.t di atas limpahan kurniaNya dan
selawat serta salam ke atas junjungan besar Rasulullah s.a.w.
Penghargaan ini
ditujukan kepada penyelia, Prof. Madya Dr. Abdul Hamid bin Hj Mar Iman yang
telah memberikan teguran, pandangan dan tunjuk ajar yang penuh bermakna dalam
penyempurnaan tesis ini.
Tidak dilupakan juga pensyarah FKSG khususnya Prof. Madya Dr. Norkhair
Ibrahim, En. Zamri bin Ismail dan En. Oliver Velentine Eboy yang telah banyak
memberi buah fikiran bagi saya menyiapkan tesis ini. Tidak dilupakan juga kepada
En. Moktar Bin Abdul Kadir, En. Azman, En.Izran dan En Fauzul Azhan yang telah
membantu penulis dalam perkara yang melibatkan penggunaan perisian komputer.
Penulis juga ingin merakam penghargaan kepada mereka yang memberikan
kerjasama dalam penyediaan data dan maklumat bagi kajian ini terutamanya Cik
Faezah, Juruteknik dari Jabatan Perancangan Bandar Dan Desa, MBJB, Johor,
En.Azizan, Jurutera Jabatan Kejuruteraan, Jabatan Kerja Raya, Encik Salin bin
Yahya, juruteknik dan En.Subuh Bin Cemari, pelukis pelan dari Bahagian Jalan,
MBJB, pengusaha kilang roti dan sesiapa sahaja yang turut membantu.
Akhir sekali kepada teman-teman seperjuangan yang sanggup berkongsi dan
memberikan pandangan dalam memantapkan lagi tesis ini. Semoga segala kerjasama
dan bantuan yang dihulurkan hanya Allah sahaja yang mampu membalasnya.
v
ABSTRAK
Perancangan lokasi merupakan perkara penting dalam menentukan tapak terbaik bagi
pembangunan industri.
Pada masa ini perancangan perindustrian lebih banyak
memfokuskan kepada aspek fizikal berbanding aspek ekonomi untuk memilih lokasi.
Kajian ini memfokuskan kepada kilang perusahaan roti sebagai kajian kes. Kajian ini
mempunyai dua objektif. Pertama, untuk membuat tinjauan teoritikal tentang aspek-aspek
lokasi industri. Kedua untuk menunjukkan bagaimana Sistem Maklumat Geografi (GIS)
digunakan bagi
mengaplikasi konsep Margin Keuntungan Secara Ruang (SMTP) bagi
menentukan lokasi terbaik bagi kilang perusahaan roti sebagai kes. Borang soalselidik
diedarkan kepada responden dalam kawasan kajian untuk mendapatkan data hasil,
data kos seperti kos-kos bahan, operasi, pentadbiran, pemasaran dan pengangkutan.
Analisis jaringan dilakukan dengan menggunakan Perisian Arcview 3.3 bagi mengira
kos pengagihan roti. Kajian mendapati bahawa kawasan yang mempunyai
keuntungan tertinggi untuk perusahaan kilang roti ialah kawasan Pelangi dengan
keuntungan sebanyak RM 0.20 per kapita. Cadangan bagi kajian lanjutan ialah
dengan menggabungkan ciri-ciri fizikal industri dan tahap keuntungan kawasan
industri dalam perancangan kawasan industri menggunakan GIS. Di samping itu, ia
juga perlu mengambil kira teori lokasi industri yang berasaskan keuntungan bagi
memperbaiki lagi perancangan lokasi industri.
Katakunci : lokasi industri, sistem maklumat geografi, margin keuntungan secara
ruang.
vi
ABSTRACT
Location planning is crucial in determining the best site for industrial development.
Currently, industrial location planning focuses more on the physical rather than the economic
aspects for selecting such locations.
This research focuses on the latter, taking bread
manufacturing industry as a study case. This research has two objectives. Firstly, to review
the theoretical aspects of industrial location. Secondly, to demonstrate how Geographic
Information System (GIS) is used to apply the concept of Spatial Margin to Profitability
(SMTP) to determine best locations by taking bread manufacturing as a case. Questionnaires
were distributed to respondents in the study area to gather data on revenue, cost of
materials, operation, management, marketing and transportation. Network analysis
was performed using ArcView 3.3 software to calculate bread distribution cost. It was found
that the most profitable area for the bread industry was Pelangi with the profit of around RM
0.20 per capita.
It was recommended that future research combines the physical
characteristics of industry and industrial location’s level of profitability into industrial
location planning by using GIS. Besides, it should also consider profit-based industrial
location theory to improve industrial location planning.
Keywords: industrial location, geographic information system, spatial margin to
profitability.
vii
SENARAI KANDUNGAN
BAB
1
PERKARA
MUKA
SURAT
HALAMAN JUDUL
i
PENGAKUAN
ii
DEDIKASI
iii
PENGHARGAAN
iv
ABSTRAK
v
ABSTRACT
vi
KANDUNGAN
vii
SENARAI JADUAL
xii
SENARAI RAJAH
xiv
SENARAI SINGKATAN
xvii
SENARAI LAMPIRAN
xviii
PENGENALAN KAJIAN
1.1
Pengenalan
1
1.2
Latar Belakang Masalah
2
1.3
Penyataan Masalah
3
1.4
Objektif Kajian
5
1.5
Skop Kajian
5
1.6
Kepentingan Kajian
6
1.7
Pelaksanaan Kajian
7
viii
1.8
2
1.7.1 Kajian Literatur
7
1.7.2 Kajian Lapangan (Kajian Kes)
8
1.7.3 Kaedah Analisis Data
8
Susun Atur Bab
9
PENENTUAN LOKASI INDUSTRI YANG
MENGUNTUNGKAN
2.1
Latar Belakang Sektor Perindustrian
12
2.2
Definisi Lokasi Industri Yang Optimum
13
2.3
Perletakan Industri
15
2.4
Teori dan Pendekatan Lokasi Industri Yang
Optimum
16
i) Pendekatan Kos Terendah
17
ii) Analisis Kawasan Pasaran
20
iii) Pendekatan Memaksimumkan Keuntungan
(Margin Keuntungan Secara Ruang)
2.5
Rumusan tentang teori-teori lokasi industri yang
optimum ditunjukkan dalam Jadual 2.1
2.6
29
Contoh Kajian Yang Menggunakan Konsep
Margin Keuntungan Secara Ruang
2.7
23
Faktor - Faktor Yang Mempengaruhi Lokasi
Industri
34
36
2.7.1 Modal
36
2.7.2 Tanah
36
2.7.3 Bahan Mentah
37
2.7.4 Tenaga Pekerja
37
2.7.5 Pasaran
38
2.7.6 Pengangkutan
38
2.7
Kepentingan Memilih Lokasi Yang Baik
38
2.8
Kesimpulan
39
ix
SISTEM MAKLUMAT GEOGRAFI SEBAGAI
3
ALAT BANTU DALAM MENENTUKAN
KAWASAN YANG MENGUNTUNGKAN BAGI
PERUSAHAAN KILANG ROTI
3.1
Pengenalan
41
3.2
Takrif Sistem Maklumat Geografi
41
3.3
Komponen, Subsistem Dan Kepelbagaian
Aplikasi GIS
43
3.4
GIS Dalam Sektor Harta Tanah
45
3.5
Beberapa Kajian Tentang Lokasi Industri Yang
Menggunakan GIS
3.6
47
Aplikasi GIS Untuk Menganalisis Data Dan
Memaparkan Hasil Analisis
48
3.6.1 Analisis Rangkaian Bagi Mendapatkan
3.6.1
Masa Perjalanan Terpantas
49
3.6.1.1 Analisis Rangkaian
49
3.6.1.2 Operasi Analisis Rangkaian
52
a) Membina Faktor Pemberat
52
b) Model Peraturan Jalan Raya
53
Memaparkan Hasil Output Data Yang
Telah Dianalisis
3.7
4
Kesimpulan
56
56
METODOLOGI KAJIAN
4.1
Pengenalan
58
4.2
Latar Belakang Kawasan Kajian
59
4.3
Penentuan Bentuk Data Dan Perisian
60
4.4
Pengumpulan dan Perolehan Data
61
4.5
Analisis Untung Kasar
63
4.5.1 Permintaan Terhadap Produk Roti
63
4.5.2 Kuantiti Permintaan Roti
64
x
4.5.3 Harga Sekeping Roti
4.6
4.7
68
Analisis Kos Bahan, Kos Pemasaran, Kos
Operasi, Kos Pentadbiran
69
Kos Pengangkutan
70
4.7.1 Arah Perjalanan Lori Dari Kawasan Kajian
Ke Kawasan Pasaran
70
4.7.2 Taburan Titik Sebagai Panduan Kepada
Perjalanan Lori Roti Dari Satu Kawasan
Ke Satu Kawasan Yang Lain
74
4.7.3 Langkah-Langkah Bagi Menjalankan
Analisis Rangkaian
4.7.4 Kos Seunit Minyak Yang Dijana
5
76
80
4.8
Analisis Keuntungan
82
4.9
Kesimpulan
86
ANALISIS HASIL
5.1
Pengenalan
87
5.2
Analisis Keuntungan Kasar
88
5.2.1 Analisis Permintaan Terhadap Roti
88
Analisis kos-kos yang terlibat
92
5.3
5.3.1 Analisis Kos Bahan, Kos Operasi dan Kos
5.4
5.5
Pemasaran dan Pentadbiran (Kos A)
92
5.3.2 Analisis Kos Pengangkutan (Kos B)
94
Analisis Bagi Menentukan Keuntungan
Kawasan Blok Perancangan
96
5.4.1 Keuntungan Perkapita Blok Perancangan
99
Hasil Pengkelasan Tahap Keuntungan Blok
Perancangan
5.6
101
Hasil Yang Diperolehi daripada Pengaplikasian
Konsep Margin Keuntungan Secara Ruang
5.6.1
104
Pengkelasan Tahap Keuntungan
Kawasan Blok Perancangan
105
xi
5.6.2
Perbandingan Kawasan Blok
Perancangan Dengan Kawasan Taburan
Industri Terancang
5.6.3
106
Perbandingan Kawasan Perusahaan
Kilang Roti Sedia Ada Dengan Kawasan
Keuntungan Blok Perancangan
5.7
Implikasi Kepada Harta Tanah
5.7.1
5.7.2
5.8
6
112
113
Peruntukan Semula Ruang Untuk
Industri Terancang
112
Penentuan Gunatanah
114
Kesimpulan
115
CADANGAN DAN PENUTUP
6.1
Ringkasan Kajian
118
6.2
Pencapaian Objektif Kajian
121
6.3
Kesulitan yang Dihadapi
122
6.4
Cadangan Kajian di Masa Hadapan
122
6.5
Kesimpulan Keseluruhan dan Penutup
124
RUJUKAN
LAMPIRAN A -E
126
134-160
xii
SENARAI JADUAL
NO. JADUAL
TAJUK
MUKA
SURAT
2.1
Rumusan tentang teori lokasi industri yang optimum
29
2.2
Data asas atau kriteria yang bersesuaian bagi
melakukan analisis kajian yang diambil daripada
Teori SMTP
34
3.1
Prosedur penamaan medan
52
3.2
Nilai pada medan ONEWAY
54
3.3
Nilai atribut ketinggian jalan
55
4.1
Data ruang dan atribut yang dikumpulkan dan
kepentingannya
61
Jumlah permintaan roti yang diperolehi di setiap blok
perancangan MBJB
66
Kos - kos yang terlibat di dalam membuat sebungkus
roti
69
Laluan perjalanan lori roti dari satu kawasan blok
perancangan ke blok perancangan yang lain bagi
menentukan masa perjalanan
72
Kuantiti permintaan roti mengikut kawasan blok
perancangan
88
5.2
Jenama roti dan harga roti yang terdapat di pasaran
91
5.3
Jenama roti dan kos - kos yang terlibat dalam
membuat sebungkus roti
93
4.2
4.3
4.4
5.1
xiii
5.4
Kos pengangkutan dari satu blok perancangan ke
semua blok perancangan yang lain
94
Pemeringkatan keuntungan yang diperolehi dari satusatu blok perancangan ke semua blok perancangan
yang lain
96
Keuntungan perkapita sesuatu kawasan mengikut
jumlah penduduk kawasan destinasi dan keluasan
kawasan blok perancangan
99
5.7
Pengkelasan keuntungan blok perancangan
102
5.8
Pengkelasan keuntungan per kapita blok perancangan
103
5.9
Taburan Perindustrian Terancang di MBJB
108
5.10
Perbandingan di antara tahap keuntungan yang
diperolehi di Kawasan Blok Perancangan MBJB
dengan Kawasan Perindustrian Terancang di MBJB
109
5.11
Taburan Perindustrian Tidak Terancang di MBJB
111
5.12
Perbandingan di antara tahap keuntungan yang
diperolehi di Kawasan Blok Perancangan MBJB
dengan Kawasan Taburan Perindustrian Tidak
Terancang di MBJB
111
5.5
5.6
xiv
SENARAI RAJAH
NO. RAJAH
TAJUK
MUKA
SURAT
1.1
Carta Alir Metodologi Kajian
11
2.1
Segi Tiga Lokasi Dalam Pendekatan “Kos Terendah
Weber”
18
Kesan Kos Buruh Ke Atas Lokasi Kos Pengangkutan
Terendah Dalam Pendekatan “Kos Terendah Weber”
19
2.3
Kelok dan kon permintaan Losch
22
2.4
Margin ruang kepada keberuntungan sebagai kekangan
pada kebebesan pilihan lokasi
23
Lokasi optimum dan margin ruang kepada keuntungan
dalam perbezaan kos ruang/keadaan hasil
24
Lokasi optimum dan margin ruang kepada keuntungan
dalam perbezaan kos ruang/keadaan hasil
25
Lokasi optimum dan margin ruang kepada keuntungan
dalam perbezaan kos ruang/keadaan hasil
26
Petempatan optima di dalam kawasan intramarginal,
dengan kos dan hasil sebagai variable ruang
28
3.1
Komponen utama sistem maklumat geografi
44
4.1
Langkah-langkah yang dibuat bagi mendapatkan
keuntungan kasar
67
2.2
2.5 (a)
2.5 (b)
2.5 (c)
2.6
4.2
Cara pengiraan bagi mendapatkan berat purata sekeping
roti dan harga purata sekeping roti
68
xv
4.3
4.4
4.5
4.6
Arah laluan pemasaran produk roti oleh lori roti dari
satu blok perancangan ke 14 blok perancangan yang
lain
71
Konsep hubungan ‘One to Many’ dalam menentukan
arah laluan lori roti dari satu blok perancangan ke 14
blok perancangan yang lain dan langkah itu diulangulang sehingga ke blok perancangan yang terakhir
73
Menunjukkan taburan titik yang terdapat di setiap blok
perancangan
74
Arah pergerakan titik dari Kawasan Blok Perancangan
Daerah Sentral ke Kawasan Perancangan Blok Pelangi
yang mana setiap satu titik dari kawasan Blok
Perancangan Daerah Sentral akan pergi ke lima titik
Kawasan Blok Perancangan Pelangi
75
4.7
Setiap satu blok perancangan akan terdapat 5 titik ke
lima titik yang lain di setiap blok perancangan yang lain 76
4.8
Langkah bagi mendapatkan Icon Network
77
4.9
Icon Network digunakan bagi mendapatkan laluan
terbaik dengan klik pada Find Best Route
78
4.10
4.11
Senarai faktor pemberat yang boleh digunakan oleh
pengguna bagi melakukan analisis jaringan. Faktor
traveltime dipilih bagi mendapatkan masa perjalanan
yang terpantas
78
Analisis rangkaian menunjukkan laluan terbaik
berdasarkan faktor traveltime dari satu kawasan blok
perancangan ke kawasan pasaran iaitu blok
perancangan yang lain
79
4.12
Cara pengiraan untuk mendapatkan keuntungan bersih
82
4.13
Langkah-langkah bagi menentukan keuntungan di
setiap kawasan blok perancangan MBJB
84
Pengkelasan tahap keuntungan dengan menggunakan
arahan Classify
85
5.1
Kuantiti permintaan roti mengikut blok perancangan
90
5.2
Graf pemeringkatan keuntungan yang diperolehi dari
satu-satu blok perancangan ke semua blok perancangan
yang lain
97
4.14
xvi
5.3
Tahap keuntungan yang diperolehi di setiap blok
perancangan MBJB
98
5.4
Tahap keuntungan per kapita yang diperolehi di setiap
blok perancanagan MBJB
101
5.5
Pengkelasan keuntungan perblok perancangan
102
5.6
Pengkelasan tahap keuntungan per kapita kawasan blok
perancangan
104
Tahap keuntungan yang diperolehi di setiap blok
perancangan dan kawasan perindustrian terancang yang
telah dizonkan oleh MBJB
106
Tahap keuntungan per kapita yang diperolehi di setiap
blok perancangan dan kawasan perindustrian terancang
yang telah dizonkan oleh MBJB
107
5.7
5.8
xvii
SENARAI SINGKATAN
MBJB
-
Majlis Bandaraya Johor Bahru
SMTP
-
Margin Keuntungan Secara Ruang
BAKOSURTANAL -
Badan Survey Tanah Nasional
C
Kos bahan, kos pemasaran,kos pentadbiran dan
-
kos pengangkutan
CAMA
-
Computer Assisted Mass Appraisal
D
-
Permintaan terhadap roti
DBMS
-
Sistem Pengurusan Pangkalan Data
GIS
-
Sistem Maklumat Geografi
JPBD
-
Jabatan Perancangan Bandar Dan Desa
KP
-
Kos Pengangkutan
MBJBT
-
Majlis Bandar raya Johor Bahru
MTP
-
Titik Kos Pengangkutan yang Minimum
NALIS
-
Sistem Maklumat Tanah Nasional
P
-
Harga
PEGIS
-
Projek Penang GIS
R
-
Keuntungan Kasar
TC
-
Jumlah kos bahan, kos pemasaran, kos pentadbiran
dan kos pengangkutan
TR
-
Jumlah Keuntungan Kasar
TT
-
Masa Perjalanan
UTM
-
Universiti Teknologi Malaysia
Π
-
Keuntungan Bersih
xviii
SENARAI LAMPIRAN
LAMPIRAN
A
B
C
D
E
TAJUK
MUKA
SURAT
Borang soalselidik permintaan roti di kawasan blok
perancangan MBJB
134
Kos - kos yang terlibat dalam menghasilkan
sebungkus roti
136
Masa perjalanan dari satu blok perancangan ke
semua blok perancangan yang lain
149
Kos pengangkutan dari satu blok perancangan ke
semua blok perancangan yang lain
154
Keuntungan bersih yang diperolehi setelah
keuntungan kasar ditolak dengan kos A dan kos B
dari satu blok perancangan ke semua blok
perancangan yang lain
160
BAB I
PENGENALAN KAJIAN
1.1
Pengenalan
Sektor perindustrian diberi lebih keutamaan kerana kedudukannya lebih
dikaitkan sebagai satu simbol pencapaian ekonomi (Anuwar Ali dan H.Osman Rani,
1986). Ini boleh dilihat menerusi keupayaannya menjadi penggerak utama kepada
pembangunan ekonomi sesebuah negara.
Menurut W.Kasper (1975) pada awal
tahun tujuh puluhan perindustrian merupakan sektor yang paling dinamik,
berkembang dua kali ganda daripada kadar pertumbuhan keseluruhan ekonomi
negara. Malahan keperluan dalam pengembangan sektor pembuatan mungkin juga
disebabkan oleh sektor pertanian yang tidak berupaya untuk menjadi pemangkin bagi
pembangunan dan ia terus didorong oleh dasar kerajaan untuk mempelbagaikan
ekonomi.
Sehubungan
dengan
itu,
Malaysia
sedang
berusaha
merealisasikan
matlamatnya untuk memantapkan kedudukan ekonomi melalui sektor perindustrian
yang merupakan penggerak utama kepada pertumbuhan ekonomi. Usaha tersebut
boleh dilihat melalui kewujudan kawasan penempatan industri.
Pembinaan
perusahaan ini boleh dipercepatkan melalui dorongan, bantuan, insentif-insentif dan
nasihat teknikal yang diberikan oleh kerajaan (Hassan Ahmad, 1979).
1.2
Latar Belakang Masalah
Perletakan kawasan perindustrian yang berada di bawah bidang kuasa pihak
berkuasa tempatan didapati masih lagi berhadapan dengan beberapa masalah.
Menurut Garis Panduan Perancangan Kawasan Perindustrian masalah yang masih
dihadapi adalah dari aspek perancangannya. Masalah tersebut boleh mendatangkan
banyak kesan yang negatif seterusnya menghalang perindustrian dari terus
berkembang maju.
Prinsip perancangan kawasan perindustrian lebih banyak memfokuskan
kepada aspek fizikal dan persekitaran manakala aspek ekonomi kurang diambilkira
dan jika ada pun maksudnya kurang jelas. Kriteria-kriteria yang telah ditetapkan
dalam perancangan kawasan perindustrian adalah seperti konsep keadilan dan
kesaksamaan,
kemudahsampaian,
keserasian,
berkomponen
dan
berkualiti,
keselamatan dan kesejahteraan, bersih dan indah, optimum, dan informatif.
Aspek ekonomi yang hanya diambilkira adalah kriteria pengoptimuman.
Optimum yang dimaksudkan dalam prinsip perancangan ini adalah perancangan dan
pembangunan yang mempertimbangkan sumberjaya dan potensi sediaada kepada
pembangunan sesuatu kawasan untuk mengoptimumkan penggunaan sumber tanah
dan sumber lain dengan cekap. Apa yang dimaksud sumberjaya dan potensi dalam
maksud optimum tadi adalah kurang jelas. Oleh yang demikian kajian ini dilakukan
bagi memperjelaskan lagi maksud optimum dengan menggunakan pendekatan
ekonomi iaitu pendekatan Margin Keuntungan Secara Ruang.
Pendekatan Margin Keuntungan Secara Ruang diperkenalkan oleh David
Smith pada tahun 1966. Pendekatan ini menyatakan keuntungan yang maksimum
boleh dicapai oleh firma sekiranya keluk ruang kos bersilang dengan keluk ruang
hasil. Sekiranya keluk ruang kos berada di bawah keluk ruang hasil maka akan
menghasilkan kawasan keuntungan dan begitulah juga keadaan sebaliknya sekiranya
keluk ruang hasil berada di bawah keluk kos maka akan terhasil kawasan kerugian.
Melalui pendekatan ini optimum yang dimaksudkan dapat diketahui iaitu di mana
jumlah hasil melebihi jumlah kos menghasilkan suatu jumlah keuntungan. (Rujuk
Bab II).
Pendekatan ini digunakan dalam kajian ini bagi menentukan lokasi yang
menguntungkan bagi kilang perusahaan roti. Kilang perusahaan roti dipilih adalah
kerana menyahut seruan kerajaan bagi mempergiatkan perusahaan berasaskan
makanan. Selain itu roti juga merupakan makanan kedua bagi rakyat negara ini.
Produk makanan ini mempunyai tarik luput yang agak singkat. Oleh yang demikian
ia memerlukan kepada lokasi yang menguntungkan kepada kedua-dua pihak iaitu
pengusaha roti dan pembeli yang mana roti tersebut dapat dijual dalam keadaan yang
baik kepada pengguna seterusnya mengurangkan risiko pengusaha daripada
mengalami kerugian.
Kajian ini juga menggunakan Sistem Maklumat Geografi (GIS) untuk
membantu dalam mengatasi masalah perancangan kawasan perindustrian. Lokasi
industri roti yang menguntungkan ini telah dapat ditentukan dengan adanya sistem
seumpama ini. Seterusnya perancangan bagi kawasan perindustrian dapat
dilaksanakan secara komprehensif bagi manfaat dan kegunaan pihak berkuasa
tempatan dan pengusaha kilang itu sendiri. GIS merupakan satu sistem maklumat
yang berkeupayaan untuk menyimpan, mendapatkan semula, mengurus, mengolah,
menganalisis dan memapar data bukan ruangan serta data yang berujukan ruangan /
geografi bagi tujuan penyelesaian masalah dan pembuatan keputusan dalam konteks
sesuatu organisasi yang tertentu ( Ruslan & Noresah, 1998). Aplikasi ini mampu
untuk menganalisis tahap kesesuaian sesuatu perancangan kawasan industri
berdasarkan
lokasi,
keadaan
persekitaran,
jarak
dan
sebagainya
melalui
pangkalannya. Sekiranya langkah penyelesaian ini dapat dilaksanakan sepenuhnya
maka masalah perancangan kawasan perindustrian dapat diatasi dan diperbaiki.
Penggunaan GIS sebagai alat bantu kepada pihak berkuasa tempatan amat berguna
bagi meningkatkan kualiti perancangan dan pembangunan sesuatu kawasan
perindustrian.
1.3
Penyataan Masalah
Berdasarkan latar belakang masalah yang telah dinyatakan dalam Bahagian
1.2, beberapa persoalan kajian dikenal pasti.
Pertama, masalah perancangan
kawasan perindustrian dapat dilihat dari aspek perancangannya yang kurang
mempertimbangkan aspek ekonomi. Aspek ekonomi yang hanya dipertimbangkan
adalah optimum tetapi maksudnya kurang jelas. Jika dilihat daripada pandangan
pemaju dan pengguna sektor ini, mereka lebih cenderung untuk menempatkan
letakan perindustrian sebenar bergantung pada jenis perindustrian itu sendiri dan
beberapa faktor yang mempengaruhi dalam menentukan perletakan perindustrian
tersebut.
Mereka akan memilih
kawasan yang berpotensi besar
bagi tujuan
pembangunan kawasan perindustrian, manakala firma-firma perindustrian pula akan
mempertimbangkan kawasan tadi dengan melihat kepada faktor-faktor tertentu agar
kos-kos pengeluaran dan operasi dapat diminimumkan dan pada masa yang sama
akan dapat memaksimumkan keuntungan. Apakah yang dimaksudkan dengan lokasi
industri yang optimum? Apakah pendekatan atau teori yang boleh memperjelaskan
maksud lokasi industri yang optimum serta faktor-faktor yang mempengaruhi
perletakan industri?
Kedua, penggunaan GIS sebagai alat bantu amat sesuai disebabkan
kemampuan fungsi pangkalan datanya dalam menguruskan data ruang dan atribut,
menganalisis tahap kesesuaian dan menghasilkan sebarang keputusan bagi
perancangan sesuatu pembangunan.
Oleh yang demikian, bagaimana sistem ini
dapat membantu menentukan tahap keuntungan sesuatu tapak bagi sesebuah kilang
perusahaan roti dalam kawasan kajian yang dipilih? Di samping itu apakah teknik
dan analisis yang sesuai diguna pakai bagi menganalisis setiap data dalam
menentukan lokasi industri yang menguntungkan nanti?
Usaha untuk merancang pembangunan kawasan industri perlu memberikan
lebih perhatian kepada aspek ekonomi dengan mengambil kira pendekatan Margin
Keuntungan Secara Ruang bagi mencapai maksud optimum yang sebenarnya iaitu
kawasan yang mana keuntungan maksimum boleh diperoleh. Berdasarkan kepada
permasalahan yang berkaitan dengan aspek ekonomi seperti yang telah dinyatakan
dan pendekatan yang dicadangkan, apakah hasil yang diperolehi daripada
pengaplikasian Margin Keuntungan Secara Ruang bagi menentukan lokasi industri
yang menguntungkan setelah analisis dilakukan menggunakan GIS dan bagaimana
hasil ini dapat membantu pihak-pihak yang terlibat?
1.4
Objektif Kajian
Objektif kajian ini adalah seperti berikut :
1. Mengimbas teori-teori lokasi industri secara analitikal, termasuklah faktorfaktor yang mempengaruhi lokasi industri.
2. Menunjukkan bagaimana GIS digunakan bagi mengaplikasikan konsep
Margin Keuntungan Secara Ruang dalam menentukan tahap keuntungan
sesuatu lokasi bagi sesebuah kilang perusahaan roti. Kemudian melihat
implikasi penggunaan konsep tersebut terhadap harta tanah.
1.5
Skop Kajian
Kajian yang dijalankan ini tertumpu di kawasan pentadbiran Majlis
Bandaraya Johor Bahru. Kawasan ini dipilih kerana pengkaji ingin melihat adakah
kawasan yang dirancangkan sebagai industri terancang benar-benar mampu
memberikan keuntungan yang maksima kepada pengusahanya.
Oleh itu ia memerlukan satu konsep yang membolehkan industri dapat terus
hidup
seterusnya
dapat
memberikan
keuntungan
yang
maksima
kepada
pengusahanya. Keadaan ini memerlukan kepada perancangan pembangunan yang
mampu menjana ekonomi sesuatu perusahaan. Terdapat juga perancangan yang
telah dibuat ke atas sesuatu kawasan yang telah digazetkan sebagai kawasan industri
terancang belum tentu dapat memberikan keuntungan yang maksima kepada
pengusahanya.
Kajian ini menggunakan pendekatan Margin Keuntungan Secara Ruang yang
mana ia dapat menentukan keuntungan yang maksima sesuatu kawasan. Melalui
pendekatan ini seseorang pengusaha boleh membuat keputusan yang bijak untuk
memilih kawasan yang mampu memberikan keuntungan yang maksima kepada
pengusahanya. Kajian ini juga akan melihat sejauh mana kawasan yang digazetkan
sebagai industri terancang mampu memberikan keuntungan kepada pemiliknya.
Kajian ini memfokuskan kepada industri membuat makanan yang mudah
rosak iaitu kilang perusahaan roti bagi menentukan kawasan yang mampu
memberikan keuntungan yang maksimum. Selain itu, kaedah yang pengkaji gunakan
sesuai untuk makanan seperti itu. Industri ini juga mendapat galakan daipada pihak
kerajaan untuk membangunkan industri berasaskan pertanian dan makanan. Roti
menjadi makanan kedua penting rakyat di negara ini. Memandangkan kepesatan
pembangunan negara pada masa kini, kebanyakan orang begitu sibuk dengan urusan
masing-masing. Segala-galanya menjadi pantas bagi mengejar masa yang terhad.
Jadi roti menjadi altenatif sebagai makanan yang paling ringkas, cepat dan
berkhasiat. Ini akan secara tidak langsung menyebabkan permintaan terhadap roti
menjadi semakin tinggi.
Oleh yang demikian pengeluaran roti mestilah dapat memenuhi keperluan
penduduk di sesuatu tempatan dengan kadar pengeluaran yang cekap dan efisen.
Selain itu tarikh luput bagi roti adalah singkat. Keadaan ini memerlukan kepada satu
lokasi yang menguntungkan di mana produk yang dikeluarkan dapat memenuhi
keinginan kedua-dua belah pihak sama ada dari pihak pembeli atau pengusaha kilang
roti.
1.6
Kepentingan Kajian
Kajian yang dilakukan ini amat berguna kepada mana-mana pihak yang
terlibat di dalam menentukan lokasi perletakan industri yang menguntungkan.
Melalui kajian ini masalah pelabur atau pengusaha untuk mendapatkan lokasi
perletakan industri ringan yang menguntungkan dapat diatasi. Selain itu kajian ini
juga dapat membantu pelabur dalam membuat keputusan untuk melabur di sesuatu
kawasan dan seterusnya dapat mengoptimumkan pendapatan dan keuntungan pelabur
tersebut. Kajian ini juga dapat memberi pendedahan kepada penggunaan GIS dalam
menentukan lokasi perletakan yang menguntungkan bagi sesebuah industri ringan.
Penyelesaian masalah dalam menentukan perletakan lokasi optimum industri
untuk pembinaan industri ringan dapat dilakukan secara analisis rangkaian. Hasil
yang diperoleh diharap dapat juga membantu pihak berkuasa tempatan dalam
membuat perancangan yang lebih tersusun dan mampu mendatangkan pulangan yang
maksimum kepada pengusaha kilang. Hasil kajian ini juga boleh diambil manfaat
oleh pihak pemaju untuk mendirikan seterusnya membangunkan kilang-kilang
industri ringan di perletakan lokasi yang menguntungkan berdasarkan kajian yang
telah dijalankan.
1.7
Perlaksanaan Kajian
Kajian penyelidikan ini dilaksanakan dengan menggunakan beberapa
pendekatan. Ini adalah untuk memastikan pengumpulan data dan maklumat yang
dijalankan tepat dan sesuai dengan apa yang dikaji. Pendekatan yang dilaksanakan
meliputi kajian literatur, kajian lapangan dan analisis data.
1.7.1
Kajian Literatur
Kajian literatur diperlukan dalam kajian ini untuk mendapatkan maklumat
yang berkaitan dengan kajian yang dilakukan. Maklumat tersebut terbahagi kepada
dua bentuk sumber iaitu sumber primer dan sekunder. Sumber primer ini diperoleh
daripada hasil tinjauan dan temu bual dengan mengemukakan beberapa soalan
kepada pihak-pihak yang terlibat seperti pemilik kilang, Pihak Berkuasa Tempatan,
pemaju, Jabatan Perancangan Bandar Dan Desa (JPBD), penduduk di kawasan kajian
dan sebagainya. Temu ramah ini dibuat adalah untuk mendapatkan kos-kos bahan
yang terlibat di dalam menghasilkan produk roti, perletakan industri di kawasan
kajian, permintaan terhadap produk roti dan sebagainya.
Manakala sumber sekunder pula merujuk kepada bahan-bahan bercetak atau
rekod bertulis. Rujukan utama dibuat terhadap beberapa penulisan yang menjelaskan
tentang perletakan lokasi industri ringan, faktor-faktor yang mempengaruhi
perletakan industri, aplikasi GIS sebagai alat bantu, analisis rangkaian, teori lokasi
yang mengutungkan dan sebagainya yang meliputi tesis, jurnal, buku dan sumbersumber lain yang berkaitan dengan objektif kajian.
1.7.2
Kajian Lapangan (Kajian Kes)
Lokasi kajian yang dipilih untuk menjalankan kajian ini adalah di sekitar
Kawasan Pentadbiran MBJB.
Lokasi ini dijadikan asas untuk mendapatkan
maklumat semasa proses pengumpulan data dijalankan. Maklumat yang diperlukan
ini melibatkan data yang terperinci tentang kos pengeluaran sesuatu barangan dalam
mempengaruhi penentuan keputusan lokasi perletakan industri yang optimum. Di
samping itu maklumat yang berkaitan dengan jaringan pengangkutan, permintaan
dan penawaran produk, kawasan pasaran, harga produk di pasaran dan sebagainya
turut diambil kira.
Selain itu maklumat perancangan kilang sebagaimana yang telah ditetapkan
oleh JPBD seperti jenis industri yang terdapat di kawasan kajian, kilang-kilang yang
berhampiran, kepadatan penduduk, bilangan industri yang terdapat di kawasan kajian
dan sebagainya turut diambil.
Kesemua maklumat ini penting untuk dijadikan
panduan bagi menentukan lokasi perletakan yang menguntungkan bagi industri
ringan.
1.7.3
Kaedah Analisis Data
Analisis dilakukan ke atas data-data primer dan sekunder yang dikumpul bagi
memenuhi objektif kajian. Kaedah analisis yang digunakan ialah analisis statistik
bagi menerangkan demografik dan profil responden. Manakala pendekatan yang
digunakan untuk menentukan lokasi perletakan yang menguntungkan bagi industri
ringan pula adalah berdasarkan konsep Margin Keuntungan Secara Ruang. Analisis
jaringan (Network Analysis) menggunakan GIS juga dilibatkan untuk membuat
pengiraan kos pengangkutan bagi menentukan tahap keuntungan tapak sesebuah
industri ringan.
Setelah kesemua data telah dianalisis maka hasil analisis dapat digunakan
untuk menentukan lokasi yang sesuai bagi lokasi perletakan industri yang
menguntungkan dan seterusnya boleh dijadikan panduan kepada pihak-pihak yang
terlibat.
1.8
Susun Atur Bab
Kajian ini merangkumi 6 bab seperti berikut :Bab 1 merupakan penjelasan kepada latar belakang kajian merangkumi pengenalan,
penyataan masalah, objektif, skop, kepentingan dan metodologi kajian serta susun
atur bab.
Bab 2 pula merupakan kajian teoritikal yang menerangkan definisi industri,
perletakan industri, teori-teori yang dikemukakan oleh pengkaji-pengkaji berkaitan
dengan lokasi industri yang optimum dan faktor-faktor yang mempengaruhi
perletakan lokasi industri.
Bab 3 ini menerangkan tentang definisi Sistem Maklumat Geografi, komponenkomponen, subsistem dan kajian tentang lokasi industri yang menggunakan GIS.
Selain itu, bab ini juga menerangkan tentang penggunaan GIS untuk menganalisis
data dan memaparkan hasil analisis. Data yang melibatkan kos pengangkutan
dianalisis menggunakan Analisis Rangkaian
bagi mendapatkan masa perjalanan
terpantas. Pangkalan data GIS dibangunkan bagi merekodkan maklumat dan
memaparkan hasil analisis
berkaitan dengan kawasan kajian iaitu kawasan
pentadbiran MBJB yang melibatkan empat belas blok perancangan dan taburan
kawasan perindustrian di MBJB.
Bab 4 ini meliputi metodologi pengumpulan data primer untuk dijalankan analisis.
Setelah semua bentuk data dan perisian ditentukan kemudian dikumpulkan maka
analisis dilakukan bagi mendapatkan keuntungan kasar. Data keuntungan kasar yang
terlibat adalah seperti data permintaan, kuantiti dan harga sekeping roti. Analisis
seterusnya dilakukan terhadap data kos seperti kos bahan, kos pengangkutan, kos
pemasaran, kos operasi dan kos pentadbiran. Akhir sekali pengiraan bagi
mendapatkan
keuntungan bersih dilakukan dengan cara data keuntungan kasar
ditolak dengan data kos yang telah dianalisis tadi.
Program Microsoft Excel
digunakan bagi menganalisis data dan membuat pengiraan keuntungan bersih.
Analisis rangkaian pula digunakan bagi mendapatkan masa perjalanan terpantas yang
diperlukan bagi mengira kos pengangkutan.
Bab 5 menunjukkan hasil analisis bagi mendapatkan keuntungan bersih. Keuntungan
bersih yang diperolehi di setiap kawasan blok perancangan kemudianya
diperingkatkan
mengikut
keuntungan
paling
maksimum.
Kemudian
satu
perbandingan dilakukan di antaran kawasan yang mempunyai keuntungan bersih
dengan kawasan taburan perletakan industri yang sedia ada seperti yang telah
ditetapkan oleh pihak berkuasa tempatan. Tujuan perbandingan ini dibuat adalah
untuk menunjukkan bahawa kawasan yang mana sepatutnya dicadangkan sebagai
kawasan yang mempunyai keuntungan bersih paling maksimum. Langkah seterusnya
adalah melihat kesan kawasan yang mempunyai keuntungan bersih paling
maksimum tadi terhadap harta tanah.
Bab 6 akan merumuskan hasil analisis bagi penemuan kajian dan menyatakan
tercapainya objektif-objektif kajian yang telah ditentukan. Beberapa cadangan yang
berkaitan dengan kajian yang dilakukan akan diutarakan berdasarkan kepada
penemuan-penemuan yang diperoleh daripada kajian yang telah dijalankan.
11
Bagaimana perancangan
industri pada masa kini?
PENYATAAN
MASALAH
Bagaimana keadaan
industri yang sepatutnya?
OBJEKTIF
KAJIAN
SKOP
KAJIAN
Perancangan industri pada masa kini lebih mementingkan
aspek fizikal berbanding aspek ekonomi
Merancang perletakan industri dari aspek ekonomi
menggunakan pendekatan Margin Keuntungan Secara
Ruang
a) Kawasan Pentadbiran Majlis
Bandaraya Johor Bahru (MBJB)
b) Kilang Perusahaan roti
METODOLOGI
KAJIAN
KEPENTINGAN
KAJIAN
PENGUMPULAN
DATA
ANALISIS DAN
PENGOLAHAN
DATA
KESIMPULAN DAN
CADANGAN
Aplikasi Margin
Keuntungan Secara Ruang
R=DxP
Π= R – C
@
Π=TR>TC
1.Temubual dengan pengusaha kilang roti
bagi mendapatkan data kos.
2.Pemerhatian tentang harga roti.
3.Pengedaran borang soal selidik kepada
respondent bagi mendapatkan permintaan
bilangan keping roti yang dimakan selama
seminggu.
4.Bilangan penduduk di setiap kawasan
Pentadbiran MBJB diperoleh daripada JPBD.
5.Data berkaitan jaringan jalan raya kawasan
pentadbiran MBJB.
6. Data ruang kawasan JB yang diperolehi
daripada CAMA.
1.Kos bahan
2.Kos operasi
3.Kos pemasaran
4.Kos pengangkutan
( TT x P)
Memberi pengetahuan
tentang pemilihan tapak
terbaik bagi pembangunan
industri menggunakan teknik
Margin Keuntungan Secara
Ruang
1) Masukan data ke dalam
H=DxP
2) Masukan data Π=R-C
3) Masukan Data KP=TTxP
4) Masa perjalanan (TT)
diperoleh melalui Analisis
Rangkaian (ArcView3.3)
HASIL ANALISIS
/ KEPUTUSAN
Rajah 1.1 : Carta Alir Metodologi Kajian
Perancangan
perletakan
industri yang
ekonomik
Kajian Literatur
Teori Lokasi
Industri
1. Mengimbas teori-teori lokasi industri secara
analitikal dan faktor-faktor yang mempengaruhi
perletakan industri.
2. Menunjukkan bagaimana GIS digunakan bagi
mengaplikasikan konsep Margin Keuntungan
Secara Ruang di dalam menentukan tahap
keuntungan sesuatu tapak bagi sesebuah kilang
perusahaan roti. Kemudian melihat implikasi
penggunaan konsep tersebut kepada terhadap harta
tanah.
1.Analisis Permintaan
2.Analisis Harga
3.Analisis Hasil
4.Analisis Kos
5.Analisis Keuntungan
(Π = R-C)
6.Senarai tapak yang ekonomi
7.Keuntungan/luas tapak
8.Keuntungan/jumlah penduduk
9. Menilai kegunaan teknik Margin Keuntungan
Secara Ruangbagi menentukan lokasi yang
ekonomik.
BAB II
PENENTUAN LOKASI INDUSTRI YANG MENGUNTUNGKAN
2.1
Latar Belakang Sektor Perindustrian
Sektor perindustrian telah memberi sumbangan yang besar kepada ekonomi
negara. Bermula dengan industri tradisional asas Malaysia iaitu pertanian sebelum
tahun 60an diikuti dengan industri gantian import pada tahun 60an dan industri
intensif buruh dalam tahun 70an. Menjelang tahun 1980an, proses perindustrian ini
telah menjurus kepada industri berat iaitu industri yang memerlukan modal yang
besar dari sektor swasta (Azizi Muda, 2004).
Suatu perkara yang jelas, perindustrian merangkumi konsep yang luas.
Perindustrian bukan sekadar mempunyai kaitan dengan pertumbuhan perkilangan,
tetapi infrastruktur seperti kuasa elektrik dan pengangkutan adalah sama pentingnya
dan sangat diperlukan dalam membantu pertumbuhan sektor perindustrian. Menurut
takrif yang dimuatkan dalam Akta Penyelarasan Perindustrian Malaysia 1975,
perindustrian bererti :
...the making, catering, blending, orgamenting, finishing or otherwise treating or
adapting any article or substance with view to its use, sale, transport, delivery or
disposal and includes the absembly or ports and ship repairing but not including any
activity normally associated with or whole sale trade.
Takrif ini menunjukkan konsep perindustrian mempunyai skop yang lebih
luas daripada perkilangan, malahan perkilangan hanyalah salah satu daripada cabang
13
perindustrian.
Perkilangan merujuk khusus kepada kegiatan memproses bahan
mentah atau memasang komponen-komponen tertentu bagi mengeluarkan barangan
siap atau separuh siap, iaitu aktiviti yang lebih menekankan kepada pengeluaran
barang-barang pengguna.
Oleh itu, bagi membolehkan aktiviti perindustrian ini dapat beroperasi dan
mendatangkan pulangan menguntungkan kepada firma, di samping tidak
memberikan kesan negatif kepada alam sekitar dan percanggahan dengan guna tanah
lain ia memerlukan perancangan serta pengurusan yang komprehensif serta
bersistematik. Ini semua sangat penting bagi menjamin pelaksanaan dan pemantauan
pembangunan guna tanah industri ini dapat dibuat secara efisyen. Kajian literature
seterusnya akan terus memperjelaskan pendekatan mana yang dianggap sesuai
digunapakai bagi menentukan kawasan yang menguntungkan dalam kawasan kajian.
Kajian yang dilakukan oleh pengkaji ini memfokuskan kepada perusahaan
industri ringan. Industri ini lazimnya menfokuskan kepada reka bentuk dan kemasan
dalam pembungkusan produk serta penghantaran segera kepada pelanggannya. Jadi
kajian ini akan menentukan perletakan yang sesuai untuk industri ringan ini bertapak
yang mana ia mampu memberikan keuntungan yang maksimum kepada
pengusahanya.
2.2
Definisi Lokasi Industri Yang Optimum
Semua industri yang ditubuhkan mempunyai lokasinya tersendiri. Setiap
kilang mempunyai kedudukan dalam permukaan bumi serta memiliki hubungan
spatial dengan kilang-kilang lain dan elemen-elemen ekonomi dalam konteks yang
lebih luas. Firma berharap dapat memilih lokasi yang mampu meminimumkan kos
dan memaksimakan keuntungan (Hackler, 2000). Oleh itu industri ini perlu berada
pada kedudukan lokasi yang optimum untuk membolehkan memberi pulangan yang
maksimum kepada pengusaha. Kajian literature ini akan memberikan definisi lokasi
industri optimum menurut pandangan pengkaji-pengkaji teori lokasi industri.
14
Losch (1954) mencadangkan bahawa lokasi yang optimum boleh ditentukan
apabila jumlah hasil yang dijana melebihi jumlah kos dengan perbezaan yang besar.
Menurut beliau,“Lokasi sebenar pengusaha ialah pada suatu kedudukan lokasi yang
menghasilkan keuntungan bersih yang paling banyak” (Losch, 1954, m/s 27).
Selain itu, Teori Weber (1929) memberi contoh yang jelas tentang idea lokasi
optimum untuk firma adalah merujuk kepada memfokuskan kepada meminimumkan
kos pengangkutan yang berkaitan dengan jarak dari pasaran dan sumber bahan
mentah. (Knoben, 2004, m/s 3).
Selain itu lokasi yang terbaik adalah di definisikan sebagai andaian tentang
matlamat pengusaha atau firma (Chapman dan Walker, 1987, m/s 32). Palander dan
Hoover mengenal pasti kawasan pasaran dalam analisis mereka terhadap lokasi firma
yang mana lokasi optimum adalah berasaskan kepada perspektif kos terendah dan
tidak mempedulikan kesan terhadap pertimbangan permintaan (Aske, 1992, m/s 27).
Sesebuah firma cenderung untuk meminimumkan kos dengan memilih lokasi
yang memaksimumkan peluang untuk mendapat tempat di pasaran. Industri lama
atau model pembuatan mempostulatkan yang lokasi terbaik adalah selalu berada
pada laluan kos pengangkutan yang paling murah di antara bahan mentah dan
pasaran. Terdapat beberapa variable yang mengesani kualiti atau kesesuaian lokasi
seperti kos buruh, kos tenaga, ketersediaan pembekal, komunikasi, pendidikan dan
kemahiran fasiliti, kualiti dan tanggungjawab kerajaan tempatan dan sanitasi
(Blakely, 1989, m/s63).
Smith (1979) pula menyatakan titik kos yang minimum adalah masih lagi
lokasi yang optimum (kecuali hasil adalah tinggi di tempat yang lain berbanding titik
kos terendah), tetapi pada setiap titik di dalam margin ruang beberapa keuntungan
adalah diperolehi. (Smith 1979, m/s32).
Kesimpulkan yang boleh dibuat tentang lokasi yang optimum adalah jumlah
hasil yang dijana melebihi jumlah kos yang mana lokasi tersebut dapat
memaksimumkan permintaan untuk produknya. Selain itu ia juga bergantung kepada
matlamat pengusaha atau firma bagi mendapatkan keuntungan dengan memilih
15
lokasi yang memaksimumkan peluang dan mendapat tempat di pasaran. Lokasi
optimum juga disimpulkan sebagai perspektif kos terendah dan tidak memperdulikan
kesan terhadap pertimbangan permintaan.
Oleh itu dalam kajian ini pengkaji
mengandaikan maksud lokasi yang optimum adalah kawasan yang mempunyai
keuntungan yang maksimum.
2.3
Perletakan Industri
Secara keseluruhannya perletakan industri adalah dipengaruhi oleh jenis
industri yang dibangunkan. Pengkelasan industri juga mempengaruhi perletakan
sesuatu industri kerana perletakan setiap jenis industri mesti bersesuaian dengan ciriciri dan tahap pencemaran yang dihasilkan olehnya supaya tidak menjejaskan kualiti
alam sekitar dan keharmonian di kawasan berdekatan (Aniza, 2001).
Di samping itu, perubahan-perubahan di dalam peringkat pembangunan
industri juga menyebabkan penekanan-penekanan terhadap faktor perletakan turut
berbeza.
Pembangunan perindustrian merupakan pembangunan jangka panjang.
Oleh itu dalam menentukan perletakan sesuatu industri, ramalan dan jangkaan
pembangunan akan dilaksanakan.
Di samping itu, penentuan lokasi juga mesti
mengambil kira faktor risiko dan ketidaktentuan untuk menyokong pembuatan
keputusan dalam situasi tertentu (Aniza, 2001).
Kajian mengenai perletakan industri ini telah dilakukan pada awalnya oleh
beberapa ahli ekonomi yang utama antaranya adalah seperti Alfred Weber, Von
Thunen dan Launhardt. Perletakan sesuatu industri mestilah mengambil kira faktorfaktor yang lebih luas dan besar yang boleh dilihat daripada faktor ekonomi dan
fizikal untuk mencapai objektif-objektif yang telah digariskan di dalam
pembangunan yang dilaksanakan.
Ini bagi memastikan pembangunan yang
dihasilkan akan mendapat pulangan yang besar
Oleh itu dapatlah disimpulkan bahawa sesuatu perletakan industri itu mestilah
mengambil kira faktor-faktor yang lebih luas dan besar yang boleh dilihat daripada
16
faktor ekonomi dan fizikal untuk mencapai objektif-objektif yang telah digariskan di
dalam pembangunan yang dilaksanakan di samping mengambil kira perubahanperubahan di dalam peringkat pembangunan industri. Selain itu faktor risiko dan
ketidaktentuan untuk menyokong pembuatan keputusan dalam situasi tertentu juga
haruslah diambil kira.
2.4
Teori dan Pendekatan Lokasi Industri yang Optimum
Optimum yang dimaksudkan dalam perancangan piawai perindustrian itu
diperjelaskan oleh pengkaji dengan melihat secara analitikal tentang teori lokasi
industri yang optimum.
Terdapat pelopor-pelopor lain dalam menghasilkan teori-teori perancangan
guna tanah industri. Antaranya terdiri daripada Alfred Weber, Adam Smith, Ricardo,
Von Thunen dan Mill. Tiga pendekatan teori lokasi industri utama dihasilkan oleh
mereka dan sering dijumpai serta dibincangkan adalah seperti berikut:
(i) Pendekatan kos terendah – menerangkan mengenai lokasi dari segi
meminimumkan faktor kos
(ii) Analisis kawasan pasaran – lebih menekankan kepada permintaan atau faktorfaktor pasaran
(iii) Pendekatan memaksimumkan keuntungan – hasil yang sewajarnya daripada
kedua-dua pendekatan di atas.
Oleh itu dalam bahagian seterusnya kajian literatur ini akan menjurus
ke arah memperhalusi sejarah evolusi ketiga-tiga pendekatan ini.
17
(i)
Pendekatan Kos Terendah
Pendekatan ini sebahagiannya adalah idea dari Launhardt seorang
cendiakawan Jerman dan dikembangkan oleh Alfred Weber (1929). Prinsip asas
pendekatan ini adalah pengusaha akan memilih lokasi industri dengan kos yang
paling rendah. Oleh itu, menurut beliau tiga faktor utama yang mempengaruhi lokasi
industri adalah kos pengangkutan dan kos buruh, faktor-faktor wilayah umum dan
bidang kerja geografi serta pengelompokan industri. Faktor-faktor ini melibatkan
penggantian
secara
optimum
dalam
memilih
tapak
industri
yang
dapat
meminimumkan jumlah kos.
Menurut pendekatan ini juga beliau mengandaikan kos pengangkutan
berkadaran secara langsung dengan jarak pergerakan dan berat yang dibawa. Oleh
itu titik lokasi kos pengangkutan paling kurang adalah lokasi yang jumlah pergerakan
berat bagi pemasangan input dan pengagihan output berada di tahap minimum. Ini
dapat dijelaskan lagi dengan ‘segitiga lokasi’ beliau yang ditunjukkan dalam Rajah
2.6. Melalui rajah ini lokasi optimum (T) merupakan keseimbangan di antara daya
yang dihasilkan oleh sumber bahan-bahan (M1 dan M2) dan titik penggunaan (C).
Indeks bahan pula disediakan bagi menentukan sama ada lokasi optimum paling
hampir kepada sumber bahan-bahan dan pasaran.
18
Rajah 2.1: Segitiga lokasi dalam pendekatan ‘kos terendah Weber’
(Sumber: Olahan Pengkaji dari D.M Smith, “A theoretical framework for geographical
studiesof industries location”. Economic Geography, 1966)
Daripada Rajah 2.1 juga, dapat difahami bahawa jika indeks lebih besar
daripada satu, firma tersebut berorentasikan bahan mentah manakala jika indeks
lebih kecil daripada satu, maka ia berorientasikan pasaran. Faktor lokasi kedua pula
adalah kos buruh (Rajah 2.2).
Faktor ini menarik firma kepada sesuatu lokasi
sekiranya penjimatan daripada kos buruh per unit output lebih besar daripada kos
pengangkutan tambahan bagi setiap unit yang terlibat.
Rajah 2.2 pula menjelaskan, T adalah titik kos pengangkutan terendah dan
garisan kontur isodapane menunjukkan pertambahan dalam unit kos pengangkutan
mengikut pertambahan jarak dari titik tersebut. L merupakan pasaran buruh di mana
kos buruh berkurang sebanyak RM2 per unit berbanding dengan lokasi T.
Memandangkan L terletak dalam isodapane RM2 yang kritikal, firma akan
melakukan penggantian di antara kos pengangkutan dan bukan pengangkutan serta
mengalihkan lokasinya ke lokasi baru pada titik yang akan mengurangkan kos buruh.
Namun begitu, ini hanya akan berlaku jika faktor lainnya adalah sama.
19
Rajah 2.2: Kesan kos buruh ke atas lokasi kos pengangkutan terendah dalam
pendekatan ‘kos terendah Weber’
(Sumber: Olahan Pengkaji dari “Theory of The Location of industries”. Terjemahan
Friedrich (1929).
Faktor lokasi ketiga menurut Weber lagi ialah pengelompokan yang memberi
faedah yang meliputi pertumbuhan kelompok buruh mahir dan pembentukan
perkhidmatan yang khusus. Walaupun begitu, halangan seperti harga tanah yang
tinggi dan kesesakan mungkin menghalang pengelompokan dari memberikan
sumbangan yang besar terhadap pemilihan sesuatu kawasan untuk dibangunkan
dengan guna tanah industri.
Kajian literatur mengenai model Weber ini juga mendapati ia dikritik kerana
model ini agak berbeza daripada keadaan sebenar dan dianggap ‘mengganggu’. Ini
kerana ia dikatakan membuat andaian-andaian seperti kos pengangkutan dan kos
pengeluaran yang tetap, dan pengabaian faktor-faktor institusi seperti dasar dan polisi
kerajaan. Model ini juga dikritik kerana kelihatan terlalu berat sebelah, kerana
andaian adanya ‘pertandingan sempurna’ di mana semua firma mendapat permintaan
yang tidak terbatas.
Pendekatan kos terendah ini juga sebenarnya dapat diterangkan lebih lanjut
lagi menggunakan Rajah 2.5 (model Smith) di muka surat 23.
Rajah ini
menerangkan bahawa jika kos purata (KP) berbeza-beza mengikut lokasi tetapi hasil
purata (HP) diandaikan tetap maka lokasi optimum ialah O dengan kos purata berada
20
di takat minimum dan unit keuntungan di takat maksimum.
Pemahaman
mengenainya memberikan nilai tambah untuk lebih memahami konsep teori lokasi
industri ini secara keseluruhannya (Kamaruddin,2006).
Oleh itu secara umumnya, teori lokasi industri sumbangan Weber tidak harus
diperkecilkan walaupun terdapat pihak yang mengkritiknya. Ini kerana pengkaji
merasakan sumbangan beliau telah banyak mengenal pasti faktor utama yang
berkaitan dengan kajian lokasi industri serta merupakan asas yang kukuh bagi
perkembangan teori tersebut. Ini dibuktikan lagi dengan kajian Hoover (1948) yang
telah berjaya melanjutkan lagi model Weber ini dengan andaian yang lebih realistik.
Dalam kajiannya, beliau telah membahagikan kos kepada pengangkutan (mengumpul
dan mengedar) dan pengeluaran, kemudiannya di analisis dengan lebih terperinci dan
realistik.
Hoover (1948) telah memperincikan bahawa kos pengangkutan akan
berubah-ubah mengikut jarak, arah dan juga komposisi barangan yang terlibat.
Hoover juga memberikan lebih penekanan kepada faktor-faktor institusi seperti cukai
pendapatan yang memberi kesan tertentu kepada keputusan lokasi.
Beliau juga
menyentuh kawasan pasaran iaitu dari lokasi yang diandaikan. Aspek kos juga
diberikan perhatian berbanding dengan permintaan. Walaupun pengkaji merasakan
pendekatan Hoover ini lebih merupakan kajian teori lokasi dalam aspek ekonomi
kapitalis, namun apabila diperhalusi ia tetap tergolong dalam pendekatan kos
terendah.
(ii)
Analisis Kawasan Pasaran
Setelah pelbagai maklumat mengenai kriteria kesesuaian perletakan guna
tanah industri dikenal pasti dan difahami dari kajian literatur mengenai teori
pendekatan kos terendah, maka kajian literatur seterusnya melihat pula dari aspek
teori analisis kawasan pasaran. Ini kerana salah satu kelemahan pendekatan kos
terendah yang dapat dikenal pasti adalah terlalu menekankan aspek input
(meminimumkan kos) dan kurang menekankan aspek output atau permintaan. Ia
21
mengandaikan firma dapat menjual semua keluarannya tanpa mengira di mana lokasi
industri itu berada. Namun begitu dalam keadaan sebenar, faktor pasaran adalah
suatu pembolehubah kerana pembeli berselerakan dalam kawasan yang luas dan
jumlah permintaan berbeza-beza mengikut tempat. Oleh itu, firma akan berusaha
untuk mendapatkan pasaran dan melayani permintaan yang paling banyak. Maka,
pasaran juga boleh terendah (Glasson, 1991).
Losch (1940) juga telah menyedari hakikat ini.
Lokasi optimum pada
pandangan beliau menerima keuntungan maksimum dengan hasil jualan melebihi kos
dengan jumlah terbesar.
Namun demikian, rumusan teori beliau tentang titik
optimum amat rumit dan sukar untuk difahami. Ini kerana beliau memasukkan
permintaan dalam teori tersebut dengan mengambilkira saiz pasaran optimum
berdasarkan andaian-andaian berikut:
(a) Tiada perbezaan reruang dalam taburan faktor input iaitu bahan mentah, buruh
dan modal pada dataran yang homogen.
(b) Kepadatan penduduk yang seragam dan citarasa yang tetap.
(c) Lokasi firma-firma tidak saling bergantungan di antara satu sama lain.
Losch juga mengambil kira pengeluar persendirian yang tetap dengan
membawakan contoh pengusaha yang mengeluarkan bir dan cuba menentukan
kawasan pasaran dan pulangannya. Untuk tujuan analisis ini, beliau mengunakan
serta menyesuaikan satu kelok permintaan mudah (Rajah 2.3 (i)).
Pada pusat
kawasan pasaran yang hampir dengan kilang (P), harga per unit bir ialah OP, dengan
permintaan PQ. Semakin jauh dari pusat (R), kos pengedaran tambahan menjadikan
harga lebih tinggi QR dan permintaan jatuh ke paras RS. Pada tempat yang terlalu
jauh dari kawasan pasaran kos pengedaran tambahan menjadi terlalu tinggi, harga
pula meningkat menjadi OF dan permintaannya pula adalah kosong.
Menurut Losch lagi, jika sukuan yang dihitamkan, FPQ diputar mengelilingi
paksi, dengan PQ-P merupakan kilang pada pusat pasaran, satu ‘kon permintaan’
dihasilkan (Rajah 2.3 (ii)). Tapak kon mewakili kawasan pasaran, tingginya
mewakili kuantiti penjualan pada mana-mana titik dan isipadu mewakili jumlah hasil
daripada permintaan pasaran. Menurut Losch, pengeluaran yang menguntungkan
22
akhirnya akan membentuk suatu siri kawasan pasaran segienam yang meliputi
keseluruhan kawasan.
Losch turut mengenepikan perbezaan reruang dengan mengandaikan tiada
perbezaan reruang dalam taburan faktor input. Losch mengetepikan input penawaran
sebaliknya lokasi optimum menjadi fungsi permintaan pasaran yang utama. Ini
berbeza dengan pendekatan Weber yang tidak mengendahkan permintaan dalam
usahanya mencari lokasi kos terendah.
Rajah 2.3: Kelok dan kon permintaan ‘Losch’
(Sumber: Olahan pengkaji dari Glasson, 1991)
Dari pemerhatian mengenai usaha Losch untuk mewujudkan model yang
lebih realistik, sesetengah andaian Losch juga ada yang cuba diubah oleh pengkaji
lain. Contohnya, Richardson (1969) yang cuba memusatkan perhatiannya kepada
andaian yang dihadkan kepada kepadatan penduduk yang seragam. Menurut beliau
permintaan dan potensi hasil jualan akan berbeza-beza mengikut kepadatan
penduduk di kawasan tertentu.
Secara keseluruhan terdapat juga maklumat-maklumat yang boleh dijadikan
asas dalam pengenal pastian kriteria-kriteria kesesuaian perletakan guna tanah
industri dalam bahagian literatur teori analisis kawasan pasaran. Namun begitu,
rumusan bagi kriteria-kriteria tersebut akan dibuat dengan lebih terperinci untuk
perlaksanaan di kawasan kajian setelah kajian literatur teori-teori lokasi industri ini
dan juga kajian dari aspek imperikal nanti selesai dihuraikan kesemuanya. Oleh itu,
kajian literatur bagi mengenal pasti kriteria kesesuaian perletakan guna tanah industri
23
ini akan beralih pula untuk meneliti teori pendekatan memaksimumkan keuntungan
dalam bahagian yang seterusnya.
(iii)
Pendekatan Memaksimumkan Keuntungan (Margin Keuntungan Secara
Ruang)
David Smith memperkenalkan model ruang keuntungan diterangkan dalam
model grafik 3 dimensi yang mudah (Rajah 2.4). Kepelbagaian ruang dalam jumlah
kos adalah ditunjukkan pada permukaan kos dalam bentuk kon terbalik. Jumlah hasil
diandaikan sama di mana sahaja, jadi permukaan hasil adalah digambarkan dalam
satah mendatar. Persilangan kos dan permukaan hasil dikenal pasti sebagai had
ruang kepada keuntungan atau margin. Ini bermaksud kawasan yang berbentuk
silinder itu adalah ruang margin keuntungan.
Permukaan Kos
Permukaan
Hasil
$
O
Jarak
Ruangan margin
keuntungan
Jarak
Rajah 2.4: Margin ruang kepada keberuntungan sebagai kekangan pada kebebasan
pilihan lokasi.
(Sumber: Smith, 1970a, m/s 17)
24
Smith (1966) memperkenalkan idea ruang kos dan hasil. Seperti Rajah 2.4
mengandaikan yang kos dan harga pada mana-mana tempat adalah tetap dan tidak
boleh diubah oleh firma. Ia juga mengandaikan yang pengeluaran mana-mana firma
boleh mencapai permukaaan yang malar. Secara faktanya lokasi ditentukan oleh kos
dan harga (hasil) manakala fakta yang lain diabaikan (Smith, 1981).
Kesan daripada kepelbagaian ruang dalam kos dan hasil boleh digambarkan
oleh 1 pemalar yang tetap dan yang lain adalah pelbagai. Dalam Rajah 2.5 (a) kos
adalah berubah dalam ruang sementara permintaan adalah malar manakala harga (P)
adalah sama di mana sahaja. Kos dan harga adalah diplotkan pada paksi tegak dan
jarak sepanjang paksi melintang mengambarkan garis lurus atau dimensi ruang.
Purata kos seunit pengeluaran pada mana-mana titik di dalam ruang ditunjukkan oleh
nilai yang sesuai pada garis AC, yang mana meningkat pada semua arah daripada
titik O. Garis ini adalah keluk ruang kos. Ma dan Mb menunjukkan purata kos sama
dengan harga yang diperolehi. Jarak tegak di antara (P) dan AC, di mana harga
melebihi kos purata (di antara Ma dan Mb ), menunjukkan keuntungan purata bagi
setiap unit pengeluaran (Smith, 1981).
Rugi
Kos Purata (TC)
Jumlah Kos)
Jarak
Untung
(P) Harga
(TR) (Jumlah Hasil)
Ma
O
(a)
Mb
(AC)
Rajah 2.5 (a): Lokasi optimum dan margin ruang kepada keuntungan dalam
perbezaan ruang kos / hasil.
(Sumber: Olahan pengkaji daripada Smith, 1981, m/s 113)
25
Pengkaji mengandaikan yang output adalah tidak sama dari satu tempat ke
tempat yang lain. Jarak menegak di antara TR dan TC, di mana TR melebihi TC,
sekarang merupakan jumlah keuntungan, jadi O menjadi lokasi yang optimum, di
mana keuntungan yang maksimum firma terbina dari kilang itu sendiri.
Had
kawasan dalam mana operasi keberuntungan adalah mungkin ditunjukkan oleh Ma
dan Mb ,yang mana titik di mana TC = TR. Pada keadaan itu firma hanya boleh
“break even”. Seterusnya margin didapati pada kos melebihi jumlah hasil maka
firma beroperasi adalah pada tahap kerugian. Saiz kerugian ditunjukkan oleh jarak
menegak di antara TC dan TR (Smith, 1981).
Rajah 2.5 (b) pula menunjukkan ulangan gambaran situasi dalam rajah 2.5
(a), dengan andaian kos adalah sama di mana sahaja tetapi dengan kepelbagaian
ruang dalam harga yang ditunjukkan dalam bentuk keluk hasil ruang. Sekali lagi O
adalah lokasi di mana purata keuntungan per unit pengeluaran adalah sangat baik
dan Ma dan Mb, adalah titik ruang “break even”.
Untung
$
Rugi
(AC) Kos Purata
(TC) (Jumlah Kos)
(P) Harga
(TR) (Jumlah Hasil)
Ma
O
Mb
Jarak
(b)
Rajah 2.5 (b): Lokasi optimum dan margin ruang kepada keuntungan dalam
perbezaan ruang kos / hasil.
(Sumber: Olahan pengkaji daripada Smith, 1981, m/s 113)
Output adalah andaian malar dan tidak boleh bertindak balas kepada
kepelbagaian ruang dalam permintaan, AC menjadi TC, dan (P) menjadi TR. Titik
keuntungan yang maksimum adalah O, di mana TR melebihi TC dan Ma dan Mb,
merupakan margin kepada keberuntungan. Tetapi situasi itu menunjukkan yang
26
konsep lokasi yang optimum dan margin ruang kepada keberuntungan hanya
digunakan dalam cara yang sama dalam keadaan di mana permintaan diandaikan
malar (Smith, 1981).
Dalam keadaan realiti kos dan permintaan (atau hasil) adalah berbagai-bagai
dari satu tempat ke tempat yang lain. Ini adalah ditunjukkan dalam rajah 2.5 (c), di
mana kos meningkat menjauhi dari titik A dan hasil adalah kurang menjauhi dari B
memperlihatkan kejatuhan permintaan.
$
(AC) Kos Purata
(TC) (Jumlah Kos)
Rugi
B’
Untung
A”
B”
A’
B
Ma
A
O
(c)
(P) Harga
(TR) Jumlah Hasil)
Mb
Jarak
Rajah 2.5 (c): Lokasi optimum dan margin ruang kepada keuntungan dalam
perbezaan ruang kos / hasil.
(Sumber: Olahan pengkaji daripada Smith, 1981, m/s 113)
Jarak menegak di antara TR dan TC sekarang menunjukkan yang
keuntungan yang maksimum adalah pada titik A, di mana kos adalah rendah.
Keuntungan (A’-A”) adalah baik daripada titik harga tertinggi, atau permintaan
terbanyak (B’-B”), dan pengilang melihat keuntungan yang maksimum yang
kemudiannya akan memilih lokasi kos terendah biar pun jumlah hasil yang diperoleh
di sana adalah rendah (Smith, 1981).
Keadaan ulangan dengan lokasi keuntungan yang maksimum pada harga
tinggi (yang permintaan tinggi), digambarkan secara mudah oleh perubahan
kecerunan keluk kos dan ruang hasil. Dalam keadaan yang mudah, kecerunan akan
27
dikenal pasti pada kedudukan lokasi yang optimum. Walau bagaimanapun keduadua akan diberikan kepada kedudukan margin ruang kepada keberuntungan (Smith,
1981).
Setelah melihat kepelbagaian kedudukan kos purata dan harga dalam Rajah
2.5 (a) (b) dan (c), sekarang ia adalah mungkin untuk menetapkan prinsip asas bagi
menentukan
lokasi perindustrian dalam apa-apa keadaan kos/hasil.
Dalam
kepelbagaian ruang, jumlah kos dan jumlah hasil yang membentuk lokasi optimum
iaitu keuntungan adalah maksimum dan juga margin ruang melebihi yang mana ia
menguntungkan operasi.
Walau bagaimanapun keuntungan yang maksimum adalah tidak diperlukan
oleh firma yang hendak terletak bebas di mana sahaja. Apa yang boleh dirumuskan
di sini adalah kedudukan margin ruang keuntungan merupakan keperluan umum
lokasi untuk firma dapat hidup bersendirian. Oleh itu definisi keuntungan boleh
dibuat di mana sahaja dengan had ini. Jadi lokasi “intra maginal” adalah juga
keadaan yang sesuai untuk hidup bersendirian. Lokasi tersebut diandaikan hanya
sebagai penentu aras keuntungan (Smith, 1981).
Kebanyakan perletakkan industri adalah berminat untuk terletak di
kecuraman keluk kos atau hasil (iaitu kepelbagaian ruang yang terbaik dalam kos
atau permintaan). Kecuraman kos atau keluk hasil akan berkecenderungan untuk
mengeluarkan lebih banyak corak sebaran taburan (Smith, 1981).
Dalam dunia yang sebenar kawasan paling untung untuk industri
kemungkinan tidak boleh berterusan atau ia berubah-ubah mengikut kawasan
“intramaginal”. Ini digambarkan dalam Rajah 2.6, di mana persilangan jumlah kos
dan jumlah hasil menunjukkan terdapat tiga kawasan yang mana boleh beroperasi
untuk mendapatkan keuntungan. Setiap satu kawasan mempunyai lokasi keuntungan
yang maksimum (O1, O2, dan O3 ) tetapi hanya O2 boleh diterima sebagai optimum
yang sebenar dalam menawarkan lebih keuntungan daripada mana-mana lokasi
alternatif.
Kedudukan margin dan juga garis keuntungan yang sama dilukis di
dalamnya menggambarkan kesamarataan keuntungan, keluk kos dan juga hasil di
bahagian atas gambar rajah (Smith, 1981).
28
$
Jumlah
Kos
Jumlah
Hasil
Ma
O1 Mb Mc
Garis Keuntungan
Seragam
O2
Md
Me O3 Mf Jarak
Margin Ruang Keuntungan
Rajah 2.6: Petempatan optima di dalam kawasan intramarginal, dengan kos dan
hasil sebagai pemboleh ubah ruang.
(Sumber: Olahan pengkaji daripada Smith, 1981, m/s 116)
Kesimpulan yang boleh dibuat daripada teori ini adalah kepelbagaian
kedudukan ruang dalam keluk kos dan keluk hasil mempengaruhi margin ruang
keuntungan di sesuatu kawasan. Konsep ini sesuai digunapakai oleh firma yang
ingin mencapai keuntungan yang maksimum dan tidak diperlukan oleh firma yang
ingin terletak bebas di mana-mana. Dalam keadaan sebenar sesuatu kawasan itu
tidak selamanya dapat memberikan keuntungan dan ia berubah-berubah mengikut
kawasan Intramarginal.
Sebelum itu, Isard (1956) dan Greenhut (1956) juga adalah antara pengkaji
yang cuba untuk menyesuaikan teori memaksimumkan keuntungan ini berdasarkan
pendekatan Losch (1940). Namun demikian, mereka menghadapi masalah dalam
mendapatkan lokasi keuntungan maksimum dan diantaranya ialah adanya saling
bergantungan di antara lokasi, masalah kesukaran menilai pembolehubah yang
disebabkan oleh perbezaan pasaran dan dasar-dasar firma, kesan syarikat-syarikat
moden yang besar, adanya persoalan samada perusahaan besar-besaran benar-benar
29
memaksimumkan keuntungan dan terdapatnya pengabaian terhadap faktor tingkah
laku dalam menentukan lokasi optimum industri (Pred, 1967).
Secara keseluruhannya pengkaji mendapati untuk memilih teori yang dapat
menjelaskan maksud optimum secara tepat adalah sukar dan rumit. Ini adalah kerana
masing-masing mempunyai kelebihan dan kelemahan walaupun teori tersebut cuba
diperbaiki oleh pengkaji-pengkaji yang lain. Namum begitu penulis akan
merumuskan teori lokasi industri yang optimum dan memilih salah satu daripada
teori tersebut yang dirasakan paling sesuai kemudian diaplikasikan oleh pengkaji
untuk menentukan kawasan yang paling menguntungkan di kawasan kajian.
2.5
Rumusan tentang teori-teori lokasi industri yang optimum ditunjukkan
dalam Jadual 2.1.
Teori-teori lokasi industri yang optimum yang dinyatakan
dirumuskan oleh pengkaji dalam bentuk jadual.
sebelum ini
Daripada Jadual 2.1 tersebut
perbandingan dapat dilakukan bagi mengenal pasti teori atau pendekatan yang
dianggap paling sesuai untuk memperjelaskan maksud lokasi yang optimum.
Pendekatan tersebut akan digunapakai bagi melakukan analisis seterusnya dapat
menentukan kawasan yang mampu memberikan keuntungan maksimum kepada
pengusahanya.
Jadual 2.1 : Rumusan tentang Teori Lokasi Industri Yang Optimum
Teori/Perkara
Pendekatan Kos
Terendah
Analisis Kawasan
Pasaran
Pendekatan
Memaksimumkan
Keuntungan
Dikaji oleh
Launhardt , Alfred
Weber (1929)
Losch (1940)
Smith (1966)
Lokasi
Optimum
-Lokasi optimum
adalah ditentukan
dengan mencari
lokasi di mana
jumlah kos
pengangkutan
adalah minimum.
-Menerima
keuntungan
maksimum dengan
hasil jualan
melebihi kos
dengan jumlah
terbesar
-Lokasi yang paling
menguntungkan bagi
firma adalah
merupakan titik di
mana jumlah hasil
melebihi kos dengan
jumlah paling tinggi
30
Jadual 2.1 : Rumusan tentang teori lokasi industri yang optimum (sambungan)
Prinsip Asas /
Bentuk /
Konsep
-Pengusaha akan
memilih lokasi
industri dengan
kos yang paling
rendah
-Faktor-faktor
yang
mempengaruhi
perletakkan
industri adalah
kos pengangkutan
dan kos buruh,
faktor-faktor
wilayah umum
dan bidang kerja
geografi serta
pengelompokan
industri
-Menekankan aspek
output atau permintaan
-Memasukkan
permintaan dalam teori
tersebut dengan
mengambilkira saiz
pasaran optimum
berdasarkan andaiandaian berikut:
(a) Tiada perbezaan
reruang dalam taburan
faktor input iaitu bahan
mentah, buruh dan
modal pada dataran
yang homogen;
(b) Kepadatan
penduduk yang
seragam dan citarasa
- Mengandaikan
yang tetap;
kos pengangkutan (c) Lokasi firma-firma
berkadaran secara tidak saling
langsung dengan bergantungan di antara
jarak pergerakan
satu sama lain
dan berat yang
mengambil kira
dibawa
pengeluar persendirian
yang tetap
- Jika indeks lebih
-Mengenepikan
besar daripada
perbezaan reruang
satu, firma
tersebut
dengan mengandaikan
berorentasikan
tiada perbezaan reruang
bahan mentah
dalam taburan faktor
input.
manakala jika
indeks lebih kecil
-Mengetepikan input
daripada satu,
maka ia
penawaran sebaliknya
lokasi optimum
berorientasikan
menjadi fungsi
pasaran
permintaan pasaran
yang utama.
-Mengandaikan
objektif utama
penubuhan industri
adalah untuk
memaksimumkan
keuntungan
-Menunjukkan kos
dan hasil yang
berbeza mengikut
lokasi
-Lokasi optimum
yang menghasilkan
keuntungan
maksimum mungkin
bukan lokasi kos
terendah atau hasil
maksimum
31
Jadual 2.1 : Rumusan tentang teori lokasi industri yang optimum (sambungan)
Rajah
‘Segitiga lokasi’
dan indeks bahan
Keluk dan kon
permintaan kon
Kelemahan
-Model ini agak
berbeza daripada
keadaan sebenar
dan dianggap
‘mengganggu’
Permintaan yang
tidak terbatas.
-Ini kerana ia
dikatakan
membuat
andaian-andaian
seperti kos
pengangkutan
dan kos
pengeluaran
yang tetap, dan
pengabaian
faktor-faktor
institusi seperti
dasar dan polisi
kerajaan.
-Kelihatan terlalu
berat sebelah,
kerana andaian
adanya
‘pertandingan
sempurna’
-Kurang
menekankan
aspek output atau
permintaan
Tidak mengambil
kira cukai kerajaan
dan perkaraperkara lain yang
berkaiatan dengan
dasar kerajaan.
Titik lokasi optimum
-Sesuatu kawasan itu
tidak selamanya
menguntungkan
-Sukar menentukan
titik yang paling
optimum kerana semua
titik menunjukkan
keuntungan yang
maksimum.
-Konsep ini tidak
sesuai digunakan oleh
mereka yang tidak
menginginkan
keuntungan sematamata.
-Konsep ini hanya
mengambil kira faktor
ekonomi tidak
mengambil kira faktor
lain seperti dasar
kerajaan, cukai dan
lain-lain.
32
Jadual 2.1 : Rumusan tentang teori lokasi industri yang optimum (sambungan)
Kelebihan
-Telah banyak mengenal
pasti faktor utama yang
berkaitan dengan kajian
lokasi industri serta
merupakan asas yang
kukuh bagi
perkembangan teori
tersebut.
Dilihat lebih
realistik
-Mudah difahami dan
boleh diterjemahkan
dalam dunia sebenar
-Memberi gambaran
tentang ruang yang
menguntungkan
-Sesuai digunapakai
oleh mereka yang
benar-benar ingin
mencapai keuntungan
yang maksimum.
-Teori ini
membolehkan industri
ini boleh berdiri
sendiri tanpa
bergantung kepada
industri yang lain.
-Boleh mengetahui
keluasan kawasan atau
ruang keuntungan
maksimum yang
diperolehi
Lanjutan
teori
Hoover (1948) - telah
membahagikan kos
kepada pengangkutan
(mengumpul dan
mengedar) dan
pengeluaran,
kemudiannya di analisis
dengan lebih terperinci
dan realistik.
-Telah memperincikan
bahawa kos
pengangkutan akan
berubah-ubah mengikut
jarak, arah dan juga
komposisi barangan yang
terlibat.
Richardson
(1969) yang cuba
memusatkan
perhatiannya
kepada andaian
yang dihadkan
kepada
kepadatan
penduduk yang
seragam
Menurut beliau
permintaan dan
potensi hasil
jualan akan
berbeza-beza
mengikut
kepadatan
penduduk di
kawasan tertentu.
-Isard (1956) dan
Greenhut (1956)
-Menyesuaikan teori
memaksimumkan
keuntungan ini
berdasarkan
pendekatan Losch
(1940).
33
Jadual 2.1 : Rumusan tentang teori lokasi industri yang optimum (sambungan)
-Memberikan lebih
penekanan kepada faktorfaktor institusi seperti
cukai pendapatan yang
memberi kesan tertentu
kepada keputusan lokasi.
-Menyentuh kawasan
pasaran iaitu dari lokasi
yang diandaikan. Aspek
kos juga diberikan
perhatian berbanding
dengan permintaan.
-Smith-menerangkan
bahawa jika kos purata
(KP) berbeza-beza
mengikut lokasi tetapi
hasil purata (HP)
diandaikan tetap maka
lokasi optimum ialah O
dengan kos purata berada
di takat minimum dan
unit keuntungan di takat
maksimum
(Sumber: Olahan pengkaji daripada ketiga-tiga teori lokasi industri yang optimum,
2009)
Setelah rumusan tentang teori lokasi industri dinyatakan dalam Jadual 2.1,
pengkaji mendapati teori lokasi industri yang sesuai untuk memperjelaskan maksud
optimum
adalah
Pendekatan
Memaksimumkan
Keuntungan
iaitu
Margin
Keuntungan Secara Ruang. Ini adalah kerana pengkaji mendapati konsep ini lebih
mudah difahami bagi melakukan analisis kajian dan mudah diterjemahkan dalam
dunia sebenar.
Data-data yang diperlukan bagi menjalankan kajian ini juga boleh diperolehi
dan dapat dijadikan kriteria.
Data yang dipilih adalah merujuk kepada konsep
tersebut yang mana data-data tersebut adalah terdiri daripada data ekonomi.
Daripada pengkajian yang dijalankan pengkaji membuat olahan kriteria yang
diperlukan untuk menentukan lokasi yang maksimum adalah hasil dan kos.
Penerangan teperinci diperjelaskan dalam bentuk Jadual 2.2. Oleh itu pengkaji akan
menggunakan pendekatan konsep ini untuk mengenal pasti kawasan yang
34
menguntungkan sekiranya sesuatu perusahaan industri roti didirikan di kawasan
kajian.
Jadual 2.2 : Data asas atau kriteria yang bersesuaian bagi melakukan analisis kajian
yang diambil daripada Teori Margin Keuntungan Secara Ruang.
Bil
Rumusan Faktor-faktor Yang
Data Asas/Kriteria Yang Diperlukan
Diambil kira Daripada Teori
Bagi Melakukan Analisis
Margin Keuntungan Secara
Ruang
1
Hasil
-Permintaan keping roti yang dimakan
oleh penduduk
-Harga sekeping roti
2
Kos
-Kos bahan
-Kos pemasaran
-Kos pentadbiran
-Kos pengangkutan
3
Keuntungan / Kerugian
Jumlah
keuntungan
/
kerugian
yang
diperolehi hasil daripada penjualan roti
yang dipasarkan
2.6
Contoh kajian yang menggunakan konsep Margin Keuntungan Secara
Ruang
Tiga contoh kajian yang mengaplikasikan konsep kos ruang dan kos hasil dan
margin ruang dikenal pasti dengan jelas. Satu kes yang sama mencadangkan tentang
di mana lokasi alternatif sebenarnya wujud di sepanjang garis.
Haddad dan
Schwartzman (1974) mengenal pasti kos ruang dan kos hasil dengan merujuk kepada
kilang keluli di Itabirito (dalam Negeri Minas Gerais, Brazil). Mereka mengira kos
pengeluaran ton keluli pada semua tapak di sepanjang kereta api ke Rio De Janeiro
(pusat pasaran utama). Kos ini menggabungkan perbelanjaan memerlukan input
terhadap arang, besi, bijih besi, kalsium, pasir dan tanah liat (kepelbagaian ruang)
35
dan buruh dan modal (pemalar ruang) bersama cukai kerajaan, eksport dan taburan
kos.
Lain-lain percubaan untuk mencari margin ruang adalah dibuat oleh
McDermott (1973). Margin dikenal pasti untuk lima industri dalam New Zealand,
yang mana kos operasi kepelbagaian ruang adalah kos pengangkutan ke pasaran.
Perkara lain McDermott (1973) temui adalah sebahagian besar margin boleh
berganjak dalam sesuatu tempoh yang pendek.
Contoh yang terakhir adalah dari kajian terhadap penemuan industri besi di
Britain oleh Taylor (1970). Pemusatan terbesar negara terhadap industri adalah di
dalam bandar West Midlands, yang mana besi merupakan asas aktiviti pembuatan
logam. Ini menandakan yang besi merupakan pasaran yang sesuai. Taylor (1970)
mengenalpasti jarak margin ruang keuntungan dengan mengandaikan lokasi
optimum dalam West Midlands. Sejak besi dijual pada harga yang sama, kedudukan
margin ruang bergantung kepada kos pengangkutan ke pasaran. Nilai jualan satu tan
tuangan besi adalah diambil menjadi £84.20. Andaian keuntungan sepuluh peratus,
ini membuatkan £8.42 tersedia untuk menutup kos penghantaran kepada pasaran
West Midlands jika besi terletak jauh dari andaian optimum dalam kawasan itu.
Taylor (1970) menggunakan ‘regression analysis’ untuk menganggar fungsi kos
/jarak.
Berdasarkan ketiga-tiga kes kajian ini pengkaji ingin mengaplikasikan konsep
Margin Keuntungan Secara Ruang ini kepada kajian yang akan pengkaji jalankan
bagi mengenal pasti kawasan yang menguntungkan sekiranya sesuatu perusahaan
industri roti ingin didirikan.
36
2.7
Faktor-faktor yang Mempengaruhi Lokasi Industri.
Terdapat beberapa faktor yang mempengaruhi pemilihan lokasi industri di
sesuatu kawasan. Menurut Bale (1981) dan Wan Mansor (2000) ia terdiri daripada
modal, tanah, bahan mentah, tenaga pekerja, pasaran dan pengangkutan. Penjelasan
tentang faktor-faktor tersebut diterangkan seperti di bawah.
2.7.1
Modal
Modal tidak hanya bermaksud modal kewangan tetapi modal peralatan seperti
mesin dan bangunan.
Modal tetap adalah sangat penting sebagai faktor yang
mempengaruhi lokasi industri pada masa kini selain modal untuk bangunan dan
modal sosial (contohnya rumah, sekolah).
Modal merujuk kepada wang yang
diperlukan. Ia tidak hanya untuk industri menetap di tempat yang pertama diduduki
tetapi ‘working capital’ yang menjadikan industri itu terus beroperasi. Kos bagi
keuntungan tetap adalah pelbagai mengikut ruang. Ia sebahagiannya memberikan
kesan kepada kepelbagaian ruang dalam kos tanah dan sebahagian lagi permintaan
untuk premis industri. Tambahan pula kos pembinaan kilang dan kos bahan mentah
adalah berbeza mengikut ruang berdasarkan kuasa politik yang luas sebagaimana di
Amerika Syarikat. Selain itu kos variasi dan kos bangunan menyumbang bahagian
yang paling penting dalam keseluruhan kos.
2.7.2 Tanah
Tanah iaitu persekitaran semula jadi
pembangunan.
Tanah juga meruapakan satu
boleh dinilai
menerusi kos
penawaran yang tetap dan faktor
immobile terhadap pengeluaran (Healey & Ilbery, 1990). Tapak bagi industri
perkilangan berbeza dari segi kualiti fizikal dan ia memberi kesan kepada kos tapak.
Persekitaran semula jadi termasuk juga keadaan iklim yang bersesuaian dengan jenis
perusahaan yang dijalankan.
Walau bagaimanapun, menurut Wan Mansor Wan
37
Mahmod kos tanah untuk tapak kilang perlu diberi pertimbangan kerana nilai tanah
berbeza dari segi kos antara satu kawasan perindustrian lain di negeri yang sama.
Kos tanah yang mahal tidak semestinya menjadi penghalang bagi sesebuah firma
mendirikan kilang di sesuatu lokasi.
Kebiasaannya, kos tanah yang berdekatan
dengan sumber tenaga kerja, perlabuhan, lapangan terbang dan perusahaanperusahaan lain lebih mahal tetapi lebih digemari oleh pihak pengurusan.
2.7.3
Bahan Mentah
Faktor bahan mentah adalah faktor penting yang perlu diambil kira oleh
pengusaha. Contohnya kilang kayu didirikan berdekatan dengan kawasan hutan
untuk mendapatkan balak dari kawasan berdekatan. Ada juga sesetengah daripada
pengusaha mendirikan kilang mereka berdekatan dengan bahan mentah kerana sukar
untuk mendapatkan perkidmatan pengangkutan.
2.7.4
Tenaga Pekerja
Tenaga pekerja dilihat dari segi kualiti, kuantiti dan reputasi.
Bagi
sesetengah industri, kos tenaga kerja adalah kos yang tertinggi daripada keseluruhan
kos. Kos di kawasan yang berbeza akan memberikan kesan yang mendalam kepada
lokasi. Bagi sesetengah industri, pekerja yang sedikit mungkin memberi keuntungan
yang intensif.
Kelakuan dan sahsiah mereka juga perlu diberi perhatian selain
mempunyai kemahiran yang bersesuaian dengan jenis perusahaan yang dijalankan.
Kebanyakan perusahaan juga mendirikan kilang berhampiran dengan penduduk
tempatan untuk memudahkan mereka mendapatkan tenaga kerja di kawasan yang
berhampiran.
38
2.7.5
Pasaran
Pasaran merupakan pendedahan kepada pembeli yang berpotensi dan
merupakan antara faktor yang penting dalam sesebuah pemilihan lokasi industri.
Perusahaan- perusahaan yang biasanya mengutamakan keuntungan biasanya akan
mendirikan kilang berdekatan dengan pelanggan. Persaingan daripada kilang-kilang
perusahaan yang sama juga perlu diambil kira apabila menempatkan sesuatu kilang.
Lokasi kilang yang berdekatan dengan pesaing-pesaing adalah tidak wajar dan
merugikan terutama sekiranya lokasi pengusaha tersebut mempunyai saiz pasaran
atau pelanggan yang kecil. Walau bagaimanapun, pengusaha-pengusaha perlulah
bijak dalam mempelbagaikan produk agar keluaran produk lebih bermutu dan
mendapat permintaan yang tinggi dikalangan pelanggan.
2.7.6
Pengangkutan
Pengangkutan adalah penting bagi sesebuah perusahaan kerana ia merupakan
salah satu faktor pengeluaran yang menghubungkan bahan mentah, proses
pengilangan dan pasaran.
Semua perusahaan memerlukan pengangkutan untuk
menghantar produk ke pasaran.
Peningkatan teknologi pengangkutan dapat
mengurangkan jarak.
Setelah melihat semua faktor yang dinyatakan tadi pengkaji hanya mengguna
faktor-faktor bagi menentukan lokasi industri yang menguntungkan berdasarkan
pendekatan Margin Keuntungan Secara Ruang seperti mana yang ditunjukan dalam
Jadual 2.2
2.8 Kepentingan Memilih Lokasi Yang Baik
Terdapat dua sebab memilih lokasi itu penting. Pertama sesebuah organisasi
mempunyai komitmen yang berpanjangan. Setelah kilang didirikan di sesuatu lokasi
39
susah baginya mengubah ke tempat lain pula. Kedua, memilih lokasi mempunyai
kesan yang berpanjangan terhadap kos operasi dan keuntungan. Tersalah membuat
pilihan menyebabkan peningkatan kos dan pengurangan keuntungan seperti sukar
untuk mendapatkan pekerja mahir, kos pengangkutan yang mahal dan sebagainya.
Kesemuanya boleh mendatangkan kesan buruk kepada pengeluar (Wan Faridah,
2002).
2.9 Kesimpulan
Bab ini menyatakan tentang definisi industri, perletakan industri, definisi
lokasi industri yang optimum, teori-teori lokasi yang optimum, faktor-faktor yang
mempengaruhi perletakan industri dan kepentingan memilih lokasi yang baik.
Kesemua perkara tersebut diperlukan bagi mengenal pasti pendekatan mana
yang paling sesuai untuk digunakan dalam kajian ini. Teori-teori yang dikupas
adalah Teori Kos Terendah, Analisis Kawasan Pasaran dan Margin Keuntungan
Secara Ruang.
Setelah dibuat perbandingan dan rumusan pendekatan Margin
Keuntungan Secara Ruang digunakan dalam kajian ini bagi mengenalpasti lokasi
industri yang menguntungkan kerana pengkaji merasakan pendekatan ini lebih
mudah difahami dan diaplikasikan dalam keadaan sebenar untuk mencari kawasan
yang boleh memberikan keuntungan yang maksimum.
Berdasarkan kepada pendekatan Margin Keuntungan Secara Ruang data asas
atau kriteria yang diambil kira bagi melakukan analisis kajian adalah data hasil dan
data kos di samping data keuntungan. Data hasil dan data kos ini juga merupakan
faktor yang menentukan lokasi indusri yang menguntungkan yang digunakan bagi
melakukan analisis kajian.
Walau bagaimanapun pengkaji ada menyatakan beberapa faktor-faktor lain
yang mempengaruhi lokasi industri seperti modal, bahan mentah, tenaga pekerja,
pasaran dan pengangkutan yang merupakan perkara penting bagi menentukan
perletakan sesuatu industri. Pengusaha perlu mengambil kira faktor tersebut kerana
40
ia boleh mempengaruhi untung atau ruginya sesuatu perusahaan itu. Oleh yang
demikian pemilihan pendekatan yang sesuai dan faktor-faktor yang berkaitan amat
penting bagi membolehkan sesuatu industri itu untuk terus hidup.
BAB III
SISTEM MAKLUMAT GEOGRAFI SEBAGAI ALAT BANTU DALAM
MENENTUKAN KAWASAN YANG MENGUNTUNGKAN BAGI
PERUSAHAAN KILANG ROTI
3.1
Pengenalan
Bab ini merangkumi takrif GIS yang meliputi komponen, subsistem dan
kepelbagaian aplikasi GIS. Selain itu bab ini juga menerangkan tentang kajian
tentang lokasi industri yang menggunakan GIS.
Kajian ini menggunakan GIS
sebagai alat bantu bagi menganalisis data dan memaparkan hasil analisis. Data yang
dianalisis seperti kos pengangkutan dianalisis menggunakan analisis rangkaian untuk
mendapatkan masa perjalanan. Sebelum operasi analisis rangkaian dapat dilakukan
beberapa perkara yang terlibat seperti faktor pemberat dan membina model jaringan
jalan perlu diambil kira. Hasil analisis iaitu pemeringkatan kawasan industri yang
menguntungkan ditentukan dengan menggunakan fungsi yang terdapat di dalam GIS
dan di paparkan dalam bentuk peta.
3.2
Takrif Sistem Maklumat Geografi
GIS muncul dalam literatur dalam awal tahun 1960an (Lo and Yeung, 2002)
dan ia digunakan dalam analisis bermula pada akhir tahun 1970an (Jones dan Barron,
2001; Quiambao,2001; Wright et al 1998; Murata 1996).
Ia merupakan asas
teknologi komputer dan metodologi untuk pengumpulan, pengurusan, analisis,
model, dan mempersembahkan data grafik untuk pengaplikasian kawasan yang luas.
42
Sistem maklumat ini diaplikasikan terhadap data geografi atau ruangan, yang
berkeupayaan untuk mengolah data tersebut ke dalam bentuk-bentuk yang berlainan
serta menghasilkan makna (maklumat) tambahan.
Dengan kata yang lain ia
merupakan satu sistem bagi menghasilkan maklumat yang bersifat geografi. Dalam
sistem maklumat geografi, realiti diwakilkan sebagai satu ciri sifat-sifat geografi
yang didefinisikan oleh dua elemen data: data geografi (perletakan) dan data atribut
(Ruslan dan Noresah, 1998).
Sistem ini telah digunakan oleh pelbagai sektor dan disiplin untuk pelbagai
kegunaan. Terdapat pelbagai pandangan yang diberikan tentang GIS dari segi
definisi, komponen, keupayaan dan aplikasinya (Ruslan dan Nuresah, 1998).
Definisi Sistem Maklumat Geografi ini meliputi tiga bahagian iaitu definisi
berasaskan alatan (toolbox-based definition), pangkalan data (database definition)
dan berasaskan organisasi (organization-based definition).
Definisi berasaskan alatan menjelaskan kemampuan dan aspek umum sistem
seperti pengumpulan, penyimpanan, analisis data ruang dan atribut (Burrough, 1986;
Parker, 1998)
Manakala takrif berasaskan pangkalan data pula merujuk kepada fungsi
pangkalan datanya bagi menguruskan kepelbagaian data khususnya data ruang dan
mengemukan jawapan daripada hasil analisisnya bagi sebarang persoalan berkaitan
ruang (Aronoff, 1989).
Definisi berasaskan organisasi pula ia menyentuh tentang peranan dan
kemampuan sistem yang lebih tinggi dalam menangani data ruang dan pembuat
keputusan yang mampu diperolehi dan dilaksanakan oleh sesuatu institusi atau
pengguna (Ozemoy, et.al., 1981; Cowen, 1988; Carter, 1989; Burrough dan
McDonnell, 1998).
Walaupun terdapat pelbagai pandangan mengenai definisi yang diberikan,
terdapat satu definisi yang telah dipersetujui dikalangan 30 pakar dalam bidang GIS
ini (Chrisman, 1997) iaitu;
43
“GIS merupakan satu bentuk sistem pengurusan yang melibatkan peralatan
komputer, perisian, data, manusia (pengguna), organisasi dan institusi. Ia meliputi
proses pengumpulan, penyimpanan, analisis dan penyebaran maklumat mengenai
ruang lingkup alam ini (melibatkan data ruang dan atribut)”.
Oleh itu dapat disimpulkan bahawa GIS merupakan satu bentuk sistem
pengurusan yang terdiri daripada peralatan dan perisian yang boleh melakukan
proses pengumpulan, penyimpanan, analisis dan penyebaran maklumat seterusnya
mengemukakan jawapan daripada hasil analisisnya bagi sebarang persoalan
berkaitan ruang.
3.3
Komponen, Subsistem Dan Kepelbagaian Aplikasi GIS
Sistem maklumat geografi merupakan satu sistem pangendalian dan
penganalisisan data geografi dan bukan geografi yang mengandungi tiga komponen
asas iaitu data, teknologi dan struktur organisasi sebagai satu sistem yang beroperasi
dalam konteks sesebuah institusi (Ruslan dan Noresah, 1998).
Komponen-
komponen ini saling berkaitan antara satu sama lain.
Data ruang dan atributnya diperoleh dari pelbagai format dan jenis dari
pelbagai-bagai sumber seperti peta analog sedia ada, sistem penderiaan jauh (foto
udara dan imej satelit), kerja lapangan dan jadual atribut dan data digital sedia ada,
rekod dan sebagainya. Komponen teknologi merangkumi dua elemen penting iaitu
perisian dan perkakasan.
Perisian sistem maklumat geografi biasanya terdiri
daripada empat subsistem (fungsi) utama iaitu perolehan dan input data, pengurusan
pangkalan data, pengolahan dan penganalisisan data dan output serta visualisasi data
yang dilaksanakan menggunakan satu set perkakasan yang terdiri daripada komputer,
alat penyimpan data dan alat-alat untuk output data. Organisasi pula merupakan
penglibatan penggunaan secara langsung atau tidak, pekerja mahir dan prosedur
pentadbiran melalui pemahaman bagaimana operasi perancangan dan pengurusan
sesuatu organisasi dijalankan (Ahris, 2000)
44
DATA
SISTEM
MAKLUMAT
GEOGRAFI
TEKNOLOGI
ORGANISASI
INSTITUSI
Rajah 3.1 : Komponen utama sistem maklumat geografi.
(Sumber: Sistem Maklumat Geografi, Ruslan,1998)
GIS juga direka bentuk dengan subsistem dan fungsi yang tersendiri sebagai
bukti kemampuannya dalam mengendalikan data ruang dan atribut (Burrough, 1986;
Huxhold, 1991; Bernhardsen, 1992). Subsistem dan fungsi ini meliputi input, storan,
manipulasi, analisis paparan atau output data serta antara muka pengguna. Namun
yang jelasnya berdasarkan fungsi teras sistem ini, ia mempunyai 4 subsistem atau
fungsi utama (Marble, 1990; DeMers, 1997) iaitu; input data, storan dan capaian
kembali (retrieve), manipulasi dan analisis data serta output hasil.
Ini
menjadikannya berfungsi sebagai alat bantu bagi menyelesaikan penyelidikanpenyelidikan yang kompleks, perancangan dan pengurusan masalah (Aronoff, 1989;
Huxhold, 1991; Fisher dan Nijkamp, 1993).
Hasilnya mampu membantu bagi
mengekalkan data berkenaan secara konsisten.
Sistem maklumat geografi sebagai satu sistem bagi mengendalikan data
ruangan telah dan berpotensi digunakan untuk pelbagai tujuan dalam pelbagai-bagai
bidang atau disiplin yang berkaitan dengan geografi atau ruang. Antara aplikasinya
termasuklah dalam pentadbiran dan pengurusan sumber alam, perancangan bandar
dan wilayah, perancangan dan penilaian kesan alam sekitar, kajian ekologi dan
demografi,
penyelidikan
pasaran
pengurusan
harta
tanah,
kajian
sistem
pengangkutan, perhutanan dan perancangan dan penyediaan kemudahan awam dan
apa-apa bidang yang mempunyai hubungan secara langsung dengan bumi.
45
3.4
GIS Dalam Sektor Harta Tanah
Penggunaan GIS dalam sektor harta tanah telah berkembang luas. GIS dapat
berperanan dalam menjalankan analisis pasaran dan kawasan tapungan sebelum
penentuan lokasi sesuatu pembangunan dilakukan.
Contohnya analisis capaian
penduduk ke sekolah ditentukan oleh pola-pola taburan struktur penduduk yang
berubah mengikut masa.
penduduk
Lokasi kemudahan kesihatan bergantung pada lokasi
dan kemungkinan pola-pola jangkitan penyakit dalam satu kawasan
geografi. Di dalam kes ini GIS dapat membantu menjalankan kajian pengiraan
penduduk dan pola-pola taburan di sesuatu kawasan seterusnya dapat membantu
mengenal pasti lokasi yang sesuai.
Negara Autralia menekankan kepada pembentukan sistem maklumat tanah
yang menyeluruh pada peringkat nasional untuk tujuan pengurusan tanah.
Perkembangan terkini mengarah kepada menyepadukan data sosio-ekonomi ke
dalam maklumat tanah yang ada.
Juga kerajaan Australia menekankan kepada
perlunya pendidikan dan kesedaran terhadap kepentingan sistem maklumat tanah
yang cekap (Yaakob, 1999).
Perkembangan penyediaan sistem maklumat ruang yang menyeluruh ini telah
juga dirasai di negara yang sedang membangun. Di Indonesia penyediakan sistem
maklumat geografi dan maklumat sumber asli dikendalikan oleh Badan Survey
Tanah
Nasional
(BAKOSURTANAL)
yang bertanggungjawab
mengumpul,
menyedia dan mengemaskini sumber maklumat tanah pada peringkat nasional
(Yaakob, 1999)
Pada tahun 1992, kerajaan Pulau Pinang telah membentuk satu badan yang
terdiri dari wakil pelbagai agensi untuk mengkaji dan melaksanakan projek GIS.
Projek perintis selama dua tahun ini telah mengenal pasti dan melaksanakan GIS
untuk perancangan strategik di peringkat negeri di samping pengunaannya untuk
tujuan operasi peringkat agensi dan kerajaan tempatan (Pheng san Twin, 1992).
Perkembangan ini telah menarik minat beberapa kerajaan negeri dan
organisasi yang lain. Inisiatif terkini pada peringkat nasional adalah mewujudkan
46
Sistem Maklumat Tanah Nasional (NALIS) yang merupakan sistem yang
menyediakan infrastruktur bagi meningkatkan perkongsian penggunaan data ruang
yang sama. Peningkatan jaringan dan perkongsian data yang disediakan oleh NALIS
dijangkakan dapat mengurangkan pertindihan tenaga dan kos melaksanakan
pangkalan data untuk tujuan perancangan dan pengurusan wilayah (Tamin, 1994).
GIS dapat melakukan berbagai-bagai bentuk ruang dan program perancangan
wilayah dan desa dapat dikenal pasti dan dinilai kesesuainya. Contohnya lokasi
program-program pembangunan kawasan pertanian dan perhutanan, perindustrian,
perbandaran dan infrastruktur Wilayah Bengkoka, Sabah dikenal pasti dan altenatif
pembangunan dinilai melalui analisis ruang GIS (JPBW, 1995)
Di kebelakangan ini timbul kebimbangan mengenai kesan perbandaran yang
pesat ke atas ciri-ciri bandar di Malaysia (Yaakup et.al., 1994). Banyak bangunanbangunan yang dibina sebelum perang di Malaysia memberikan sifat-sifat unggul
kepada bandar-bandar tersebut kerana kedudukannya di lokasi yang strategik.
Kebanyakan bangunan ini terpaksa dimusnahkan untuk menempatkan bangunan
yang bertingkat. Adalah penting bangunan yang mempunyai kepentingan sejarah ini
dikekalkan untuk generasi akan datang.
Oleh itu satu pangkalan data GIS untuk bangunan-bangunan ini dibina
sebagai alat membantu penggubal keputusan bagi pihak berkuasa tempatan yang
terpaksa berhadapan dengan kriteria yang kompleks bagi tujuan pemuliharaan
bandar. Contohnya dalam menjalankan kajian Pelan Induk Taman Sejarah Sungai
Lembing, Pahang. Tatacaranya bermula dengan pemilihan kriteria bagi bangunan
terpilih yang menjadi asas kepada pembangunan pangkalan data (UTM-MPK, 1995).
Keupayaan GIS akan digunakan bagi memilih dan mendapatkan kembali data yang
banyak dalam menganalisis pembangunan khususnya untuk mengekalkan dan
pemulihan petempatan bekas lombong tertua di Sungai Lembing (Yaakup et.al.,
1994).
Selain itu GIS digunakan sebagai sistem maklumat pihak berkuasa tempatan.
Ia digunakan untuk menentukan nilai harta tanah melalui pembinaan peta nilai tanah.
Peta ini akan menunjukan pola perkembangan, minat pasaran, kegunaan bangunan,
47
potensi kawasan dan sebagainya.
Taburan nilai ini berfaedah kepada jurunilai,
jururancang, ajen harta tanah, pemaju dan mereka-mereka yang terlibat dengan harta
tanah (Yaakup, Johar dan Dahlan, 1994).
Kesimpulan yang boleh dibuat adalah penggunaan GIS di dalam sektor harta
tanah kian meluas diperbagai bidang. Ini adalah kerana keupayaan GIS itu sendiri
yang dapat membantu dalam menyelesaikan beberapa masalah melalui fungsinya
yang pelbagai. Oleh itu kajian ini melihat penggunaan GIS dalam mengenal pasti
kawasan yang mendatangkan keuntungan paling maksimum bagi pihak pengusaha
kilang roti.
3.5
Beberapa Kajian Tentang Lokasi Industri Yang Menggunakan GIS
Beberapa kajian tentang aplikasi GIS dalam menentukan lokasi industri telah
dijalankan. Antaranya Ebadi et al, (2004) telah melakukan kajian dalam memilih
tapak industri dengan melakukan tindihan atas terhadap lapisan data ruang yang
diperoleh daripada kriteria dan parameter pemilihan tapak. Mereka menggunakan
penggabungan model seperti Boolean Operation, Indexing Overlay, Fuzzy Logic,
Genetic Algorithm dan sebagainya. Mereka menilai setiap model tersebut
dan
memilih yang terbaik untuk diaplikasikan bagi pemilihan tapak industri.
Kajian mereka cuba untuk mencari penyelesaian yang optimum untuk
pemilihan tapak industri dan menggunakan GIS dalam penyelesaiannya. Akhirnya
mereka mendapati Index Overlay mempunyai optimum running time dan output yang
tepat berbanding dengan model yang lain. Dengan model tersebut mereka dapat
mencari lokasi industri yang optimum untuk pembinaan industri.
Selain itu terdapat juga kajian yang dilakukan oleh Bose (2002) yang
mempersembahkan metodologi untuk tahap makro analisis lokasi bagi industri.
Kajian ini berhubung tentang asas teori tikal terhadap analisis pengelompokan dan
analisis potensi GIS untuk mengenal pasti lokasi industri yang sesuai menggunakan
analisis ruang.
Kriteria lokasi yang dipertimbangkan dalam kajian ini adalah
48
hubungan antara pembeli dan penjual, laluan dan kos pengangkutan, ciri-ciri buruh
dan berhampiran dengan pusat teknologi. Kriteria tersebut telah dijadikan lapisan
data ruang dan dianalisis menggunakan model ruang. Hasil analisis menghasilkan
peta kesesuaian.
Kajian yang dilakukan di peringkat tempatan pula adalah kajian yang
dilakukan oleh Mahani Mohamed Ibrahim (2002). Beliau mengkaji tentang aplikasi
DEGIS dalam kilang-kilang haram. Dalam kajian ini pemberat komposit (composite
index) untuk setiap kriteria ditentukan. Pemberat komposit yang terhasil dari proses
overlay telah digunakan untuk menghasilkan pelan-pelan tindakan.
Pelan-pelan
tersebut menunjukkan taburan dan lokasi kilang-kilang, tapak-tapak alternatif,
kilang-kilang yang bermasalah dan perlu dipindahkan serta kilang-kilang yang perlu
berada pada peningkatan taraf dan kualiti persekitaran. Kaedah yang digunakan
dalam kajian ini amat membantu dalam sesuatu mesyuarat untuk menghasilkan
sesuatu keputusan.
Ketiga-tiga kajian ini menjadi rujukan kepada pengkaji untuk melakukan
kajian terutama sekali dari segi penggunaan GIS bagi menentukan lokasi yang boleh
mendatangkan keuntungan.
Pengkaji hanya melihat pengaplikasian GIS dalam
kajian mereka untuk menentukan lokasi yang optimum bagi industri. Pengolahan
akan dilakukan oleh pengkaji terhadap pendekatan terbaik seterusnya menggunakan
fungsi yang terdapat pada GIS bagi mencapai matlamat kajian.
3.6
Aplikasi GIS Untuk Menganalisis Data Dan Memaparkan Hasil Analisis
Setelah melihat pelbagai penggunaan GIS dalam menentukan lokasi industri
yang optimum, pengkaji mendapati di dalam kajian ini GIS hanya digunakan untuk
menganalisis data dan memaparkan hasil analisis. Analisis yang digunakan adalah
analisisi rangkaian untuk mendapatkan masa perjalanan.
Masa perjalanan ini
diperlukan bagi menentukan kos pengangkutan. Penerangan selanjutnya diterangkan
dalam perenggan seterusnya.
49
3.6.1
Analisis Rangkaian Bagi Mendapatkan Masa Perjalanan Terpantas
GIS digunakan dalam kajian ini bagi mendapatkan masa perjalanan yang
terpantas.
Masa perjalanan yang terpantas ini diperlukan bagi mengira kos
pengangkutan lori roti dari kawasan yang dicadangkan ke kawasan pasaran. Analisis
yang digunakan untuk mendapatkan masa perjalanan terpantas ini adalah analisis
rangkaian yang terdapat dalam perisian ArcView 3.3 melalui Extension Network
Analyst.
3.6.1.1 Analisis Rangkaian
Analisis rangkaian adalah melibatkan satu set garis yang saling kait mengait
yang membuatkan ciri-ciri set dihubungkan yang mana sumber boleh melaluinya
(Heywood, Cornelius dan Carver, 2002).
Analisis rangkaian berguna untuk
organisasi yang mengendalikan atau menggunakan fasiliti rangkaian, seperti utiliti,
pemancaran dan sistem pengangkutan. Utiliti menggunakan model rangkaian untuk
memodel dan untuk menganalisis sistem pengagihan dan bacaan meter jalan.
Jabatan Kerja Awam menggunakan rangkaian untuk menganalisis jalan bas dan jalan
biasa manakala peniaga menggunakan analisis rangkaian untuk merancang dan untuk
mengoptimumkan penghantaran barang dan perkhidmatan. Analisis rangkaian juga
boleh gunakan terhadap perancangan gudang runcit.
Contohnya, analisis masa
pemanduan boleh membantu dalam penentuan kawasan gudang runcit (Korte, 2001).
Terdapat tiga jenis analisis rangkaian iaitu rangkaian surihan, rangkaian jalan
dan rangkaian pengagihan. Rangkaian surihan menentukan bahagian khusus melalui
rangkaian. Bahagian ini adalah berasaskan kepada kriteria yang disediakan oleh
pengguna. Sebagai contoh, pengurus utiliti elektrik hendak bertanya GIS untuk
mengesan bahagian di antara substesyen dan transformer berhampiran tapak
bangunan yang dicadangkan untuk mengenalpasti kapasiti sistem taburan kuasa
sepanjang jalan.
Analisis rangkaian juga boleh mendapatkan data untuk
mengasingkan program analisis kejuruteraan. Rangkaian sistem pengairan hendak di
50
surih dan geometri digunakan dalam program kejuruteraan bagi menganalisis
tekanan air keseluruhan sistem.
Rangkaian jalan pula menentukan bahagian laluan yang optima sepanjang
rangkaian lurus. Pemilihan bahagian adalah berasaskan kepada pelbagai kriteria
seperti “shortest distance”, “ fastest route”, “no left turn”, dan “minimum cost”.
Bahagian itu membenarkan di antara dua titik atau beberapa titik yang dipilih
melaluinya. “Point to point” adalah pengiraan jalan dari sumber ke destinasi
manakala “multiple-point” adalah pengiraan jalan dengan gandaan berhenti
dipertengahan.
Rangkaian jalan menyokong penghantaran dan perkhidmatan seperti
kenderaan utiliti, terutamanya menyelenggara dan perkhidmatan penghantaran. Ia
menyokong jalan kenderaan, perancangan transit, perkhidmatan kecemasan,
perancangan sistem pengangkutan dan penyelenggaraan, penghantaran perniagaan
komersial, dan penyelenggaraan utiliti (Korte, 2001).
Lokasi industri yang optimum ini juga melibatkan penggunaan analisis
rangkaian bagi mendapatkan laluan yang terpantas. Laluan terpantas ini mempunyai
masa perjalanan yang minimum. Masa perjalanan yang minimum itu kemudian
didarab dengan kos seunit minyak yang digunakan.
Hasil darab tersebut akan
menghasilkan kos perjalanan yang minimum (masa perjalanan x kos seunit minyak
yang dijana = kos perjalanan). Kos perjalanan yang minimum ini diperlukan bagi
menentukan lokasi industri yang optimum.
Pengiraan terhadap jarak tersingkat (masa) sepanjang jalan terpendek boleh
dicapai menggunakan satu daripada kebanyakan algoritma jalan terpendek yang
terdapat di dalam literatur.
Dalam melakukan analisis terhadap jaringan jalan,
beberapa algoritma yang berkaitan telah digunakan. Antara algoritma yang terlibat
dalam melakukan analisis ini termasuklah ‘Network Connectivity’, ‘Network
Accessibility’ dan Algoritma Dijkstra (Mohd Faizal, 2004).
‘Network Connectivity’ diistilahkan sebagai satu kaedah pengukuran yang
dibuat terhadap jaringan jalan. Jaringan jalan ini merupakan persambungan setiap
51
titik yang saling berhubungan antara garisan.
Manakala garisan yang saling
berhubungan ini diistilahkan sebagai ‘link’ (laluan). Oleh yang demikian, ‘network
connectivity’ ini adalah bergantung pada reka bentuk struktur laluan jalan yang saling
berangkaian.
‘Network accessibility’ diistilahkan sebagai teknik pengiraan yang dibuat
bagi menentukan perjalanan terbaik antara satu destinasi ke satu destinasi.
Penentuan laluan terbaik ini di buat berdasarkan kepada faktor-faktor yang boleh
menyebabkan berlakunya kesesakan atau lambatnya sesuatu pergerakan. Konsep
bagi ‘network accessibility’ ialah dengan mencari jalan yang mempunyai halangan
yang paling rendah. Setiap batang jalan akan dinilai dengan memasukkan faktor
pemberat jalan.
Algoritma Dijkstra pula digunakan secara pengiraan bagi mendapatkan
lintasan terpendek antara sepasang nod yang mensyaratkan bahawa semua lengkung
dalam rangkaian jalan ini mempunyai nilai pemberat yang positif. Nilai pemberat
yang dimaksudkan merupakan beban-beban yang boleh mempengaruhi dan
menyebabkan kesesakan atau terdapatnya halangan (Mohd Faizal, 2004).
Dalam kajian ini analisis rangkaian digunakan bagi mencari laluan yang
terpantas bagi penghantaran produk ke pasaran. Contohnya dalam kajian ini produk
roti di hantar ke pasaran menggunakan lori yang melalui jalan tersingkat bagi
mendapatkan kos perjalanan yang minimum. Analisis rangkaian digunakan bagi
mendapatkan laluan yang terpantas dengan menggunakan ‘extension network
analysis’
dalam perisian ArcView dengan mempertimbangkan beberapa perkara
yang harus diambil kira sebelum sesuatu analisis rangkaian dijalankan. Pelaksanaan
analisis rangkaian akan diterang dengan lebih lanjut dalam Bab IV.
52
3.6.1.2 Operasi Analisis Rangkaian
Operasi analisis rangkaian digunakan bagi menjalankan analisis jaringan
jalan. Terdapat beberapa perkara yang perlu diambil kira sebelum melaksanakan
operasi ini. Antaranya adalah membina faktor pemberat dan peraturan jalan raya.
a ) Membina Faktor Pemberat
Bagi memasukkan faktor pemberat dalam model ini, terlebih dahulu perlu
diketahui bagaimana operasi analisis rangkaian bekerja. Analisis rangkaian akan
beroperasi sekiranya terdapat nama medan yang tertentu sahaja. Dengan kata yang
lain analisis rangkaian mempunyai sistem penamaan yang telah ditetapkan. Antara
nama-nama yang digunakan adalah seperti di dalam Jadual 3.1:
Jadual 3.1 : Prosedur penamaan medan.
Nama medan
Unit
MINUTE
Minit
IMPEDANCE
Minit
COST
Sebarang unit
UNITS
Sebarang unit
Bagi mencari jarak terdekat dari satu destinasi ke satu destinasi di Johor
Bahru operasi di dalam analisis rangkaian akan mencari pemberat ‘line_Length’.
Faktor seperti halaju dan lampu isyarat bagi setiap jalan perlu dijadikan pemberat
supaya analisis rangkaian mampu dan memberikan laluan terbaik berdasarkan
kepada beban pemberat tersebut.
Faktor halaju dan bilangan lampu isyarat yang hendak dijadikan sebagai
pemberat perlulah terlebih dahulu ditambah dua medan dan di namakan sebagai
COST dan UNITS. Kemudian nilai atribut bagi kadar halaju dan lampu isyarat
53
dimasukkan. Sekiranya kadar halaju yang dimasukkan adalah 110km/j, nilai halaju
tersebut diberi dengan nilai 1, manakala untuk halaju 90km/j diberi nilai 2. Oleh
yang demikian, sekiranya kita ingin sampai dengan kadar yang segera ke suatu
destinasi, maka analisis rangkaian akan memaparkan laluan yang bernilai 1.
Seterusnya langkah yang sama juga dilakukan dengan memberikan nilai kepada
faktor pemberat bagi lampu isyarat dalam operasi analisis rangkaian. Selain itu
faktor-faktor lain yang menjadi halangan kepada laluan dijadikan faktor pemberat
dan setiap faktor pemberat tersebut diberi nilai.
(b) Model Peraturan Jalan Raya
Peraturan jalan raya merupakan perkara penting yang harus dipertimbangkan
bagi mendapatkan model jaringan jalan raya yang baik.
Oleh yang demikian
permodelan ini perlu mengambil kira perkara-perkara seperti arah laluan sehala,
laluan yang tidak boleh dilalui serta jalan yang bertingkat-tingkat.
Laluan sehala perlu dimodelkan dalam permodelan jaringan jalan bagi
menunjukkan keadaan sebenar di atas jalan.
Ini perlu bagi memastikan model
jaringan jalan yang dibina mengikuti peraturan jalan raya yang telah ditetapkan.
Bagi memodelkan laluan sehala ini,medan perlu ditambah dengan nama ONEWAY
pada jadual theme Jln_JB. Nilai yang dimasukkan ke dalam medan ONEWAY
adalah berdasarkan Jadual 3.2.
54
Jadual 3.2 : Nilai pada medan ONEWAY
Perkara
Nilai yang perlu dimasukkan
Perjalanan sehala dari awal garisan
menuju garis akhir garisan, iaitu sama
From To (FT)
dengan arah garisan itu didigit.
Perjalanan sehala dari akhir garisan
menuju garis awalan dengan arah yang
To From (TF)
berlawanan semasa garis itu didigit.
Perjalanan tidak dapat dilakukan
N
Perjalanan dapat dilakukan pada ke duaTiada nilai
dua arah
Analisis rangkaian dapat mengenal pasti laluan sehala melalui nilai yang
dimasukkan ke dalam medan ONEWAY seterusnya dapat memahami permodelan
jaringan jalan tersebut. Dengan ini analisis untuk mencari laluan perjalanan yang
terbaik akan menyerupai dengan jalan yang sebenar.
Kadangkala dalam sesuatu jaringan jalan terdapat beberapa jalan yang harus
ditutup untuk tujuan pembaikan dan pengubahsuaian. Keadaan tersebut juga perlu
dimodelkan dengan memasukkan nilai ‘N’ sebagai atribut ke dalam medan
ONEWAY.
Selain itu terdapat juga jalan di Johor Bahru mengandungi jalan bersimpangsiur serta bertingkat-tingkat. Analisis rangkaian telah menyediakan kaedah-kaedah
bagi mendefinisikan keadaan ini. Kaedah yang digunakan adalah menggunakan
konsep beza ketinggian nod (node evaluation) yang mana kaedah ini perlu
ditambahkan medan-medan tertentu.
Medan-medan yang hanya difahami oleh
analisis rangkaian ini dinamakan dengan FNODE-ELEV dan TNODE_ELEV.
Pendigitan jalan yang bertingkat ini perlu diberi perhatian bagi memodelkan
jalan bertingkat ini. Pendigitan dilakukan berdasarkan arah laluan perjalanan sehala
seperti dalam keadaan sebenar.
Bagi menerangkan kepada analisis rangkaian
bahawa jalan tersebut adalah jalan yang bertingkat, setiap medan pada jalan tersebut
55
perlu diletakkan nilai ketinggian (Jadual 3.3). Nilai nod yang lebih besar akan
dianggap berada di atas. Hasil analisis akan menggambarkan keadaan jalan yang
sebenar kerana hasil yang terhasil dari analisis mematuhi peraturan jalan raya.
Jadual 3.3 : Nilai atribut ketinggian jalan
Edge#
FNODE-ELEV
TNODE-ELEV
50
0
0
51
0
0
52
0
0
53
0
0
54
1
0
55
0
1
56
0
1
57
1
0
58
1
1
59
1
1
60
1
1
61
1
1
Setelah semua perkara diambil kira, analisis bagi model jaringan jalan boleh
dilakukan dengan menggunakan ‘Extention Network Analysis’.
Analisis akan
tertumpu pada mencari laluan yang terbaik berdasarkan kepada faktor pemberat dan
seterusnya mematuhi peraturan di jalan raya yang telah ditetapkan. Setelah laluan
terbaik ditemui maka masa perjalanan pun dapat diketahui. Masa perjalanan tersebut
akan didarabkan dengan kos seunit minyak yang dijana oleh sebuah lori dan hasil
yang diperoleh merupakan kos pengangkutan.
Setelah maklumat yang berkaitan dengan hasil dan kos-kos yang terlibat
diketahui, pengiraan bagi mendapatkan keuntungan maksimum diperoleh. Pengiraan
ini dilakukan dengan menggunakan perisian yang terdapat pada ArcView 3.3 yang
mana atribut hasil akan ditolak dengan atribut kos-kos yang terlibat. Maka hasil
pengiraan tersebut akan menghasilkan keuntungan yang maksimum.
Bagi
56
menunjukkan lokasi industri yang optimum dalam bentuk pemaparan peta dalam
GIS, operasi tindihan atas dilakukan dengan cara menindih lapisan data keuntungan
dengan lapisan data jalan yang terbaik. Dengan itu akan terpaparlah lokasi kawasan
industri yang optimum yang mana menunjukkan kawasan industri yang optimum dan
jalan terbaik yang menghubungkannya dengan kawasan sekitar.
3.6.1
Memaparkan Hasil Output Data Yang Telah Dianalisis
Data-data yang telah dianalisis dan nilai keuntungan bagi setiap kawasan
telah diperolehi maka data-data tersebut akan dimasukkan ke dalam pangkalan data
GIS. Kemudian dengan menggunakan fungsi yang terdapat di dalam GIS maka
tahap keuntungan kawasan yang dikaji dapat ditentukan dan hasil tersebut
dipaparkan dalam bentuk peta. Fungsi ini akan diterangkan dalam Bab IV.
3.7
Kesimpulan
Terdapat banyak definisi yang diberikan tentang GIS yang mempunyai
pelbagai fungsi terutamanya sebagai sistem pangkalan data dan sistem yang boleh
membantu dalam membuat keputusan.
Apa pun definisi yang diberikan GIS
merupakan satu alat yang mempunyai pelbagai fungsi, keupayaan dan kebolehan
bagi melakukan pelbagai aktiviti yang berkaitan dengan ruang. GIS mampu untuk
mengendalikan data ruang dan atribut serta menterjemah setiap data tersebut secara
analisis ruang bagi sesuatu tujuan. Terdapat banyak pengaplikasian GIS dalam
beberapa bidang dan sektor. Antara sektor yang banyak mendapat faedah adalah
sektor harta tanah. Sektor harta tanah yang mempunyai aspek-aspek utama seperti
pengurusan, penilaian, perancangan dan sebagainya memerlukan kepada penggunaan
GIS bagi membuat sesuatu keputusan.
57
Fungsi yang terdapat pada GIS mampu untuk membantu menentukan
keuntungan sesuatu taburan kawasan perindustrian.
Ini dilakukan dengan
mengintegrasikan data ruang dan atributnya pada skala atau masa yang berbeza
daripada format fail dan rekod yang pelbagai.
GIS juga boleh melakukan
pengemaskinian data dan capaian terhadap data juga dapat dilakukan dengan mudah
dan cekap. Capaian maklumat tanah ini penting bagi pengguna mendapat maklumat
tambahan dalam menilai dan menganalisis situasi dan perancangan masa depan.
GIS juga mampu diintegrasikan bersama dengan model rangkaian jalan bagi
mendapatkan laluan yang terpantas.
Keadaan ini secara tidak langsung dapat
membantu dalam mendapatkan sesuatu nilai dan seterusnya merancang sesuatu
keputusan bagi perancangan masa hadapan. Peta kawasan taburan tahap keuntungan
kawasan industri yang dihasilkan dengan mengaplikasi pendekatan model dan
melibatkan beberapa perisian seperti GIS dan Microsoft Excel amat berguna dalam
merangka dan menentukan strategi perancangan pembangunan kawasan industri di
masa hadapan.
58
BAB IV
METODOLOGI KAJIAN
4.1
Pengenalan
Bab ini akan menjelaskan prosedur analisis dan memaparkan kawasan
taburan perindustrian yang menguntungkan. Prosedur ini merupakan elemen penting
kerana ia menunjukan cara bagi mendapatkan keuntungan kasar analisis. Analisis
dalam bab ini akan membawa kepada tercapainya objektif yang kedua yang mana
GIS digunakan sebagai alat bantu untuk melakukan analisis bagi menentukan tahap
keuntungan kawasan kajian dengan mengaplikasikan konsep Margin Keuntungan
Secara Ruang. Konsep Margin Keuntungan Secara Ruang menyatakan sekiranya
keluk hasil melebihi keluk kos maka kawasan itu dianggap mempunyai keuntungan
yang maksimum dan begitulah sebaliknya.
Perbincangan dimulakan dengan pengenalan kawasan kajian seterusnya
pengumpulan dan perolehan data. Langkah seterusnya adalah menunjukkan cara
melakukan analisis terhadap data-data yang dikumpulkan melalui soalselidik, temu
ramah dan pemerhatian dengan menggunakan Perisian Microsoft Excel dan Analisis
Rangkaian yang terdapat dalam Perisian ArcView 3.3. Keuntungan kasar analisis
akan dimasukkan dalam pangkalan data kemudian cara untuk memaparkan
keuntungan kasar analisis ditunjukkan.
59
4.2
Latar Belakang Kawasan Kajian
Majlis Bandaraya Johor Bahru (MBJB) merupakan sebuah Pihak Berkuasa
Tempatan yang diberi kuasa di bawah Akta Kerajaan Tempatan 1976 (Akta 171)
untuk memberikan perkhidmatan-perkhidmatan perbandaran kepada penduduk
Bandar Raya Johor Bahru. Sejarah Majlis Bandaraya Johor Bahru bermula pada
1910 apabila Lembaga Bandaran ditubuhkan, seterusnya dinaikkan ke taraf Majlis
Bandaran pada tahun 1952, Majlis Perbandaran pada 1 April 1977, diikuti dengan
Majlis Bandaraya 1 Januari 1994 setelah Johor Bahru dianugerah taraf bandaraya
pada tarikh tersebut.
Sebagai organisasi yang diletakkan di bawah Kementerian Perumahan dan
Kerajaan Tempatan, Majlis Bandaraya Johor Bahru juga bertanggungjawab terhadap
perancangan dan pembangunan Bandaraya Johor Bahru yang merangkumi kawasan
seluas 220 kilometer persegi. Salah satu daripada misi MBJB adalah melaksanakan
perancangan pembangunan, penyediaan infrastruktur dan ameniti yang berkualiti
serta mengoptimakan potensi geo-fizikal. Oleh yang demikian kawasan pentadbiran
ini dipilih untuk dikaji sejauh mana MBJB mampu untuk mencapai misinya
khususnya bagi pembangunan perindustrian.
Kawasan pentadbiran Majis Bandaraya Johor Bahru ini terdiri daripada 15
kawasan blok perancangan iaitu Daerah Sentral, Pelangi, Pasir Pelangi, Permas Jaya,
Pandan, Majidee, Kangkar Tebrau, Kempas,Larkin, Tampoi, Tasek Utara, Kawasan
Maju Jaya, Mount Austin, Rinting, Tebrau.
Kajian yang dilakukan ini hanya
menumpukan kepada semua kawasan blok perancangan kecuali 1 blok perancangan
iaitu kawasan Tebrau. Ini adalah kerana kesukaran untuk mendaparkan data di
kawasan tersebut. Selain itu juga kawasan tersebut merupakan kawasan yang baru
dibuka dan tidak terdapat banyak pembangunan khususnya tidak terdapat banyak
jaringan jalan raya. Kajian akan dilakukan terhadap 14 blok perancangan industri ini
yang mana akan menggunakan pendekatan Margin Keuntungan Secara Ruang untuk
menentukan kawasan blok perancangan mempunyai tahap keuntungan yang paling
tinggi.
60
4.3
Penentuan Bentuk Data Dan Perisian
Data yang diperlukan bagi menjalankan kajian ini dibahagikan kepada tiga
kategori iaitu data kawasan kajian, data perusahaan kilang roti dan data jaringan
jalan. Data kawasan kajian yang dimaksudkan ialah data ruang iaitu 14 kawasan
blok perancangan MBJB, bilangan penduduk, jenis industri, kategori industri dan
bilangan industri yang terdapat di Blok Perancangan MBJB.
Data perusahaan kilang roti pula merupakan data yang berkaitan dengan
maklumat seperti permintaan sekeping roti, harga sekeping roti, kos bahan, kos
operasi, kos pemasaran, kos pentadbiran dan kos pengangkutan.
Kesemua data
industri ini diinput ke dalam pangkalan data GIS setelah semua data yang berkaitan
dikumpulkan dan dilakukan pengiraan dengan menggunakan Microsoft Excel.
Data jaringan jalan raya pula merupakan data ruang yang berkaitan tentang
jaringan jalan raya yang terdapat di kawasan pentadbiran MBJB. Data itu pula perlu
dilengkapkan lagi bagi menjadikan ia model jaringan jalan raya yang lengkap dengan
memasukkan faktor pemberat iaitu halaju jalan raya, bilangan lampu isyarat, arah
laluan jalan dan keadaan jalan raya.
Data-data ini diperlukan bagi melakukan
analisis rangkaian bagi mendapatkan masa perjalan terpantas dari kawasan yang
dicadangkan ke kawasan pasaran.
Setelah semua data yang dikehendaki dikumpul ia dianalisis dengan
menggunakan 2 jenis perisian. Pertama, perisian yang digunakan ialah perisian
ArcView 3.3. Perisian ini digunakan untuk mewujudkan data ruang kawasan kajian
iaitu 14 blok perancangan MBJB dan juga untuk menwujudkan taburan ruang
kawasan perindustrian terancang di MBJB. Selain itu juga perisian ini digunakan
bagi melakukan analisis rangkaian dengan menggunakan Extension Network
Analysis yang terdapat dalam ArcView 3.3 bagi menentukan masa perjalanan
terpantas dari kawasan yang dicadangkan ke kawasan pasaran.
Selain itu juga
perisian lain yang digunakan dalam kajian ini adalah Microsoft Excel. Data yang
berkaitan dengan permintaan sekeping roti di kawasan kajian, harga roti, kos bahan,
kos operasi, kos pemasaran, kos pentadbiran dan juga pengiraan bagi kos
pengangkutan akan dikumpulkan dan dijadikan nilai purata.
61
4.4
Pengumpulan dan Perolehan Data
Data-data yang dinyatakan tadi diperoleh daripada pelbagai organisasi dan
agensi yang terlibat seperti Jabatan Perangkaan, Jabatan Perancangan Bandar Dan
Desa, Majlis Bandaraya Johor Baru, pengusaha kilang roti, penduduk yang terdapat
di kawasan kajian. Data- data yang dikumpulkan mempunyai kepentingannya yang
tertentu bagi pelaksanaan analisis seterusnya mencapai objektif kajian. Bentuk dan
tujuannya dijelaskan sebagaimana di dalam Jadual 4.1.
Jadual 4.1 : Data ruang dan atribut yang dikumpulkan dan kepentingannya.
Jenis Data
Data Ruang
Data
14 Kawasan
kawasan
Blok
kajian
Perancangan
(Kawasan
Pentadbiran
MBJB)
Data Atribut
- Nama
kawasan
- Bilangan
penduduk
- Keluasan
kawasan
Sumber Data
Tujuan Data
Jabatan
Perancangan
Bandar dan Desa,
Majlis Bandaraya
Johor Bahru
Rekod dan
maklumat bagi
pangkalan data
kawasan kajian
Kajian yang
dijalankan oleh
kumpulan
Computer Assisted
Mass Appraisal
(CAMA), UTM
Taburan
- Jenis
Kawasan
industri
Perindustrian - Bilangan
Terancang
industri
MBJB
- Kategori
Industri
- Kawasan
industri
Data
perusahaan
kilang roti
Jabatan
Perancangan
Bandar dan Desa,
Majlis Bandaraya
Johor Bahru
Melakukan
perbandingan di
antara kawasan
industri yang
dizonkan oleh
MBJB dengan
Keuntungan
kasar kajian
- Permintaan
sekeping
roti
Soalselidik
responden di
kawasan kajian
- Harga roti
Pemerhatian
terhadap kawasan
penjualan roti
Merealisasikan
konsep Margin
Keuntungan
Secara Ruang
dengan data
dimasukan
dalam formula
Π= R – C @
Π=TR >TC,
R=DxP
62
Jadual 4.1 : Data ruang dan atribut yang dikumpulkan dan kepentingannya
(sambungan)
Data
perusahaan
kilang roti
Data
Jaringan
Jalan Raya
Jaringan
Jalan Raya
Kawasan
Pentadbiran
MBJB
-- Kos bahan
- Kos operasi
- Kos
pemasaran
- Kos
pentadbiran
- Kos
Pengangkutan
(seunit minyak
yang dijana)
Temuramah
dengan
pengusaha
kilang roti
- Nama Jalan
- Jenis Jalan
- Halaju
Kajian yang
dijalankan oleh
kumpulan
Computer
Assisted Mass
Appraisal
(CAMA), UTM
- Bilangan
Lampu
Isyarat
- Kesesakan
lalu lintas
- Keadaan jalan
Taburan
titik
Temuramah
dengan
pemandu lori
roti
Merealisasikan
konsep Margin
Keuntungan
Secara Ruang
dengan data
dimasukan dalam
formula Π= R –
C @ Π=TR >TC,
R=DxP
Melakukan
analisis jaringan
jalan raya bagi
mendapatkan masa
perjalanan
terpantas
Bahagian Lalu
Lintas, Majlis
Bandaraya
Johor Bahru
Pemerhatian
-Nama kawasan Andaian secara
Taburan titik
rawak oleh
pengkaji
Sebagai panduan
untuk mengukur
masa perjalanan
dari satu tempat ke
satu tempat yang
lain
63
4.5
Analisis Untung Kasar
4.5.1 Permintaan Terhadap Produk Roti
Keuntungan kasar di dalam formula keuntungan diperoleh daripada
permintaan penduduk terhadap produk roti. Sebelum itu satu sampel purata bilangan
keping roti yang dimakan oleh penduduk dalam masa seminggu hendaklah
ditentukan terlebih dahulu. Sampel ini diperolehi dengan cara mengedarkan borang
soal selidik kepada 50 orang penduduk di setiap 14 blok perancangan pentadbiran
MBJB iaitu Daerah Sentral, Tasek Utara, Pelangi, Pasir Pelangi, Tampoi, Larkin,
Kempas, Kangkar Tebrau, Majidee, Kawasan Maju Jaya, Kawasan Mount Austin,
Pandan, Permas Jaya dan Kawasan Rinting. Jumlah responden yang diperolehi bukan
hanya setakat 50 orang sahaja tetapi jumlahnya adalah lebih. Ini adalah kerana
seorang responden akan menyatakan bilangan ahli keluarganya sekali di dalam
borang selidik. Jadi bilangan responden bukan hanya setakat 50 orang bagi setiap
kawasan tetapi adalah lebih. Sila lihat bahagian Lampiran A untuk mengetahui
maklumat lanjut tentang borang soal selidik ini.
Setelah semua borang soal selidik dikumpulkan, bilangan keping roti yang
dimakan oleh setiap individu di setiap blok perancangan akan dijumlahkan
kesemuanya kemudian dibahagikan dengan bilangan penduduk di setiap blok
perancangan yang diperolehi daripada borang
soal selidik.
Maka dengan itu
dapatlah diketahui purata bilangan keping roti yang di makan dalam seminggu oleh
penduduk di setiap blok perancangan MBJB yang diperolehi daripada soal selidik.
Langkah seterusnya adalah menentukan bilangan keping roti yang dimakan oleh
penduduk sebenar di setiap blok kawasan perancangan MBJB. Purata bilangan
keping roti yang dimakan oleh setiap penduduk di blok perancangan MBJB yang
diperolehi daripada soal selidik tadi akan didarabkan dengan jumlah sebenar
penduduk di setiap blok perancangan MBJB yang diperolehi daripada Laporan
Teknikal Rancangan Tempatan Daerah Johor Bahru 2002-2020. Maka permintaan
bilangan keping roti di setiap blok perancangan MBJB akan dapat diketahui. Jadi
persamaan yang digunakan di sini adalah seperti berikut :
64
Untung Bersih didapati setelah Untung Kasar ditolak dengan kos-kos yang telibat
seperti dalam persamaan di bawah:
Untung Bersih = Untung Kasar – Kos-kos yang terlibat
(1)
Terdapat 5 kos yang diambilkira dalam kajian ini. Kos yang telibat ialah kos bahan,
kos operasi, kos pemasaran, kos pentadbiran dan kos pengangkutan.
Untung Kasar dinilai berdasarkan permintaan pelanggan terhadap produk kajian iaitu
roti. Jadi Untung Kasar ialah:
Untung Kasar = Kuantiti Permintaan Roti × Harga
(2)
Permintaan terhadap roti tersebut diperolehi dari 14 kawasan blok
perancangan iaitu Daerah Sentral, Tasek Utara, Pelangi, Pasir Pelangi, Tampoi,
Larkin, Kempas, Kangkar Tebrau, Majidee, Kawasan Maju Jaya, Kawasan Mount
Austin, Pandan, Permas Jaya dan Kawasan Rinting.
Sebelum mendapat jumlah kuantiti permintaan terhadap roti, satu sampel
kajian telah dilakukan di setiap blok perancangan. Seramai 50 orang responden
diperlukan bagi menjawab borang kaji selidik tentang bilangan keping roti yang
dimakan dalam seminggu. Setelah semua borang soal selidik dikumpulkan, bilangan
permintaan keping roti bagi setiap sampel blok perancangan tersebut dijumlahkan.
4.5.2
Kuantiti Permintaan Roti
Bilangan responden yang diperolehi selepas pengumpulan borang soal selidik
adalah lebih daripada 50 orang. Ini kerana seorang responden akan menyatakan
bilangan ahli keluarganya. Jumlah keseluruhan responden diperolehi dengan cara:
65
Jumlah keseluruhan responden = 50 Responden × Bilangan ahli keluarga (3)
Jika ahli keluarga ialah 5 orang bagi setiap responden, maka jumlah keseluruhan
responden ialah 250 orang.
Langkah seterusnya adalah mendapatkan purata bilangan keping roti yang
dimakan oleh 250 responden tadi.
Purata bilangan roti yang dimakan dalam
seminggu ialah:
Purata bilangan keping roti (seminggu) =
Jumlah keping roti (seminggu)
Jumlah keseluruha n responden
(4)
Katakan jumlah keping roti yang dimakan dalam seminggu ialah 2464, maka purata
seorang penduduk memakan sekeping roti ialah:
Purata bilangan keping roti (seminggu) =
2464 keping roti
= 9.8 ≈ 10 keping
250 orang
Jadi seorang penduduk dianggarkan memakan roti sebanyak 10 keping dalam
seminggu.
Setelah sampel permintaan roti di sesuatu kawasan ditentukan katakanlah kawasan
Daerah Sentral maka anggaran jumlah permintaan keping roti dapat ditentukan
dengan cara:
Jumlah Permintaan
Keping Roti
=
Purata Keping Roti
(seminggu)
×
Jumlah Sebenar
Penduduk
(6)
Contohnya di Daerah Sentral terdapat seramai 29,937 penduduk. Jumlah permintaan
keping roti di kawasan tersebut ialah:
Jumlah Permintaan Keping
= 10 × 29 937 = 299 370 keping roti
Roti (seminggu)
66
Sebanyak 299,370 keping roti yang dimakan seminggu bagi Daerah Sentral.
Jumlah permintaan sekeping roti bagi blok perancangan yang lain juga dikira
mengikut jumlah sebenar penduduk yang terdapat di kawasan tersebut. Lihat Jadual
4.2 yang menunjukkan jumlah permintaan keping roti yang diperolehi dengan cara
purata bilangan keping roti yang dimakan oleh seorang penduduk dalam seminggu
didarab dengan jumlah sebenar penduduk di setiap blok perancangan MBJB.
Jadual 4.2: Jumlah permintaan roti yang di setiap blok perancangan MBJB.
No
Blok
Perancangan
Jumlah
Penduduk
Jumlah
Permintaan
Kepingan Roti
29,937
Purata Bilangan Keping
Roti Yang Dimakan Oleh
Seorang Penduduk
Dalam Seminggu
(Sampel)
9
1
Daerah Sentral
2
Pelangi
40,677
9
366,093
3
Pasir Pelangi
7,038
9
63,342
4
Permas Jaya
32,901
8
263,208
5
Pandan
33,971
10
339,710
6
Majidee
51,291
10
512,910
7
Kangkar Tebrau
23,079
9
207,711
8
Kempas
68,732
9
618,588
9
Larkin
43,125
9
388,125
10
Tampoi
33,200
9
298,800
11
Tasek Utara
12,785
9
115,065
12
Maju Jaya
1,154
10
11,540
13
Mount Austin
33,781
9
304,029
14
Rinting
28,059
8
224,472
269,433
67
Langkah-langkah bagi mendapatkan jumlah permintaan roti dalam seminggu
diringkaskan dalam Rajah 4.1.
Permintaan roti
Dapatkan sampel purata bilangan keping roti
yang dimakan dalam seminggu di setiap
kawasan blok perancangan MBJB
Jumlah keping roti yang
dimakan dalam seminggu
dibahagikan dengan jumlah
responden
Sampel purata keping
roti yang dimakan
dalam seminggu.
Sampel purata
bilangan keping roti didarab dengan jumlah
penduduk di setiap blok perancangan MBJB.
Jumlah keping roti yang dimakan oleh penduduk di setiap blok
perancangan MBJB didarab dengan harga sekeping roti.
Rajah 4.1 : Langkah-langkah yang dibuat bagi mendapatkan keuntungan kasar.
68
4.5.3
Harga Sekeping Roti
Harga sekeping roti ditentukan dengan cara harga satu bungkus roti
dibahagikan dengan bilangan keping roti yang terdapat di dalam satu bungkusan.
Harga sekeping roti =
Harga sebungkus roti
Bilangan keping roti
Terdapat enam jenama roti yang popular di pasaran iaitu Gardenia, High 5, Mighty
White, Chicago, Hawaii dan Daily. Harga kesemua jenama roti ini dibahagikan
dengan bilangan keping roti yang terdapat di dalam bungkusan roti tersebut.
Langkah yang sama juga dilakukan kepada setiap jenama roti yang lain. Seterusnya
dijumlahkan kesemua harga jenama roti kemudian dibahagi 6 jenama roti bagi
mendapatkan purata harga sekeping roti.
Harga purata sekeping roti =
Harga sekeping roti bagi setiap jenama
Bilangan jenama roti
Contoh pengiraan ditunjukkan dalam Rajah 4.2.
Jenama roti
• Gardenia
• High 5
• Mighty
White
• Hawaii
• Chicago
• Daily
Berat / Bilangan
Keping Roti
Berat purata
sekeping roti
Harga /
Bilangan
Keping Roti
Harga purata
sekeping roti
Rajah 4.2: Cara pengiraan bagi mendapatkan berat purata sekeping roti dan harga
purata sekeping roti.
69
4.6
Analisis Kos Bahan, Kos Pemasaran, Kos Operasi, Kos Pentadbiran
Kos-kos yang terlibat untuk menghasilkan produk roti ini adalah kos bahan,
kos operasi, kos pemasaran, kos pentadbiran dan kos pengangkutan. Kesemua kos
ini kecuali kos pengangkutan diperolehi daripada soal selidik yang diberikan kepada
7 pengusaha jenama roti yang dikaji. Jadual 4.3 menunjukkan kos-kos yang terlibat
di dalam membuat roti yang diperolehi daripada soal selidik.
Jadual 4.3: Kos - kos yang terlibat di dalam membuat sebungkus roti.
1. Kos bahan untuk membuat sebungkus roti keping
No.
1
2
3
4
5
6
7
8
9
10
Bahan
Tepung gandum berprotein tinggi
Air bertapis
Gula Pasir
Ragi
Susu tepung tanpa lemak dan komponen-komponennya
Garam
Dektrosa
Lemak sayuran tulen
Mentega
Pelembut adunan
Kalsium, 'Yeast Food', Kalsium Propionat, Zat Galian, Zink, Vitamin C,
Niasin (B3).
11 Zat Besi, Vitamin E, Asid Pantetonik(B5), Tiamina(B1), Riboflavin (B2),
Piridoksin (B6), Vitamin A, Zat Iodin, Asid Folik, Sianokobalamin (B12),
Vitamin D3.
2. Kos operasi untuk membuat sebungkus roti keping
No.
1
2
3
4
5
6
7
8
Perkara / aktiviti
Kos tenaga pekerja
Elektrik / air / gas / diesel
Mesin
Penyelenggaraan
Kos penghantaran
Pembungkusan
Sewa kilang / pembelian kilang
Lain-lain. Nyatakan
70
Jadual 4.3: Kos - kos yang terlibat di dalam membuat sebungkus roti. (Sambungan)
3. Kos pemasaran untuk membuat sebungkus roti
No.
1
2
3
4
Perkara
Pengiklanan
Promosi
Kos pengangkutan
Lain-lain. Nyatakan
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
2 Lain-lain.Nyatakan
4.7
Kos Pengangkutan
Kos pengangkutan dalam kajian ini ditentukan dengan cara mendapatkan
masa perjalanan terpantas terlebih dahulu. Masa perjalanan ini diperolehi dengan
cara melakukan analisis rangkaian. Sebelum melakukan analisis rangkaian terdapat
beberapa perkara yang perlu diambil kira iaitu arah pergerakan laluan perjalanan lori,
tempat yang ingin dituju dan kos seunit minyak yang dijana dalam sesuatu
perjalanan.
4.7.1
Arah Perjalanan Lori Dari Kawasan Kajian Ke Kawasan Pasaran
Lori roti akan melalui dari satu kawasan blok perancangan ke 14 blok
perancangan yang lain.
Begitu juga setiap blok perancangan yang lain akan
mengulangi cara yang sama juga dari satu blok perancangan ke setiap 14 blok
perancangan yang lain. Lihat Rajah 4.3, Rajah 4.4 dan Jadual 4.4 yang menunjukkan
arah laluan perjalanan lori roti dari satu blok perancangan ke 14 blok perancangan
yang lain menggunakan konsep ‘One to many’. Ini bermakna lori roti ini akan
memasarkan produk roti ini dari satu blok perancangan ke setiap blok perancangan
yang lain.
71
Rajah 4.3 Arah laluan pemasaran produk roti oleh lori roti dari satu blok perancangan ke 14 blok perancanganya.
72
Jadual 4.4: Laluan perjalanan lori roti dari satu kawasan blok perancangan ke blok perancangan yang lain bagi menentukan masa perjalanan.
Kawasan
Daerah
Sentral (A)
Pelangi (B)
Pasir Pelangi
(C)
Permas Jaya
(D)
Pandan (E)
Daerah
Sentral
Pelangi
Pasir
Pelangi
Permas
Jaya
Pandan
Majidee
Kangkar
Tebrau
Kempas
Larkin
Tampoi
Tasek
Utara
Kawasan
Maju Jaya
Mount
Austin
Rinting
A1
A2
A3
A4
A5
A6
A7
A8
A9
A10
A11
A12
A13
B2
B3
B4
B5
B6
B7
B8
B9
B10
B11
B12
B13
C3
C4
C5
C6
C7
C8
C9
C10
C11
C12
C13
D4
D5
D6
D7
D8
D9
D10
D11
D12
D13
E5
E6
E7
E8
E9
E10
E11
E12
E13
F6
F7
F8
F9
F10
F11
F12
F13
G7
G8
G9
G10
G11
G12
G13
H8
H9
H10
H11
H12
H13
I9
I10
I11
I12
I13
J10
J11
J12
J13
K11
K12
K13
L12
L13
B1
C1
C2
D1
D2
D3
E1
E2
E3
E4
Majidee (F)
Kangkar
Tebrau (G)
Kempas (H)
F1
F2
F3
F4
F5
G1
G2
G3
G4
G5
G6
H1
H2
H3
H4
H5
H6
H7
Larkin (I)
I1
I2
I3
I4
I5
I6
I7
I8
Tampoi (J)
Tasek Utara
(K)
Kawasan
Maju Jaya (L)
Mount Austin
(M)
Rinting (N)
J1
J2
J3
J4
J5
J6
J7
J8
J9
K1
K2
K3
K4
K5
K6
K7
K8
K9
K10
L1
L2
L3
L4
L5
L6
L7
L8
L9
L10
L11
M1
M2
M3
M4
M5
M6
M7
M8
M9
M10
M11
M12
N1
N2
N3
N4
N5
N6
N7
N8
N9
N10
N11
N12
M13
N12
73
Daerah Sentral
Daerah Sentral
Pelangi
Pelangi
Pasir Pelangi
Pasir Pelangi
Permas Jaya
Permas Jaya
Pandan
Pandan
Majidee
Majidee
Kangkar Tebrau
Kangkar Tebrau
Kempas
Kempas
Larkin
Larkin
Tampoi
Tampoi
Tasek Utara
Tasek Utara
Kawasan Maju
Jaya
Kawasan Maju
Jaya
Mount Austin
Mount Austin
Rinting
Rinting
Rajah 4.4: Konsep hubungan ‘One to Many’ dalam menentukan arah laluan lori roti
dari satu blok perancangan ke 14 blok perancangan yang lain dan langkah itu
diulang-ulang sehingga ke blok perancangan yang terakhir.
74
4.7.2
Taburan Titik Sebagai Panduan Kepada Perjalanan Lori Roti Dari Satu
Kawasan Ke Satu Kawasan Yang Lain.
Setiap satu blok perancangan ke satu blok perancangan yang lain ditandakan
dengan beberapa titik yang akan menghubungkan di antara satu blok perancangan ke
satu blok perancangan yang lain. Sebagai contoh lihat Rajah 4.5. Terdapat lima titik
di setiap kawasan blok perancangan. Lima titik dipilih kerana bersesuaian dengan
luas kawasan blok perancangan dan memudahkan membuat analisis rangkaian.
Rajah 4.5 : Menunjukkan taburan titik yang terdapat di setiap blok perancangan.
Tujuan titik ini dibuat adalah sebagai satu penanda bagi mengukur masa
perjalananan dari satu kawasan ke kawasan yang lain. Masa perjalanan yang dilalui
oleh lori dari satu blok perancangan diukur berpandukan titik-titik yang terdapat di
setiap blok perancangan tersebut. Taburan titik ini diletakkan secara rawak dan
berada di setiap jaringan jalan raya.
75
Setiap satu titik di satu blok perancangan akan pergi ke setiap lima titik di
kawasan blok perancangan yang lain. Sila lihat Rajah 4.6 yang menjelaskan titik 1
Daerah Sentral akan pergi ke titik 1, titik 2, titik 3, titik 4 dan titik 5 kawasan
Pelangi. Kemudian titik 2 Daerah Sentral akan pergi ke titik 1, titik 2, titik 3, titik 4
dan titik 5 kawasan Pelangi. Cara yang sama juga dilakukan bagi titik 3, titik 4 dan
titik 5 Daerah Sentral ke semua titik yang ada di kawasan Pelangi serta blok
perancangan lain.
Daerah Sentral
Pelangi
T3
T2
T3
T2
T4
T4
T1
T5
T5
T1
Rajah 4.6: Arah pergerakan titik dari Kawasan Blok Perancangan Daerah Sentral ke
Kawasan Perancangan Blok Pelangi yang mana setiap satu titik dari kawasan Blok
Perancangan Daerah Sentral akan pergi ke lima titik Kawasan Blok Perancangan
Pelangi.
76
Terdapat 5 titik di setiap
blok perancangan. Setiap
titik yang ada dalam blok
perancangan itu akan
pergi ke setiap titik blok
perancangan yang lain.
Rajah 4.7: Setiap satu blok perancangan akan terdapat 5 titik ke lima titik yang lain
di setiap blok perancangan yang lain
4.7.3
Langkah-Langkah Bagi Menjalankan Analisis Rangkaian
Masa perjalanan yang terpantas dapat ditentukan dengan melakukan analisis
rangkaian. Langkah permulaan
bagi melakukan analisis ini adalah dengan cara
mengklik pada them jlnbuild.shp kemudiannya mengklik pada Icon Network. Icon
Network ini diperolehi dengan mengklik pada File kemudian icon Extension Network
Analysis dipilih dan diklikkan. Langkah ini ditunjukkan pada Rajah 4.8.
77
Rajah 4.8: Langkah bagi mendapatkan Icon Network
Apabila Icon Network telah terpapar icon itu diklik kemudian Find Best Road
dipilih bagi mendapatkan jalan yang terpantas. Langkah seterusnya adalah mengklik
pada Propertie dan melihat pada Cost field bagi memilih pemberat yang bersesuaian
dengan menekan pada anak panah. Ia akan menyenaraikan medan-medan pemberat
yang terdapat pada data jaringan jalan raya yang digunakan bagi mendapatkan
analisis berkaitan jaringan. Pemberat Traveltime dipilih bagi mendapatkan masa
perjalanan yang terpantas seterusnya anggaran jarak dan masa perjalanan dari satu
blok perancangan ke blok perancangan yang lain dapat diketahui apabila faktor
Traveltime dipilih bagi mendapatkan laluan terbaik. Langkah ini ditunjukkan pada
Rajah 4.9 dan Rajah 4.10.
78
Rajah 4.9: Icon Network digunakan bagi mendapatkan laluan terbaik dengan klik
pada Find Best Route.
Rajah 4.10: Senarai faktor pemberat yang boleh digunakan oleh pengguna bagi
melakukan analisis jaringan. Faktor traveltime dipilih bagi mendapatkan masa
perjalanan yang terpantas.
79
Setelah faktor pemberat iaitu Traveltime dipilih, langkah seterusnya adalah
dengan mengklik pada
icon
(add location).
Icon ini digunakan bagi
menandakan dari satu blok perancangan ke satu blok perancangan yang lain.
Maksudnya di sini adalah mengklik pada satu titik kemudian mengklik lagi pada satu
titik yang terdapat di kawasan lain.
Seterusnya pada icon
(solve network
problem) diklik. Maka akan terpaparlah laluan terbaik yang boleh dilalui oleh lori
roti dari blok perancangan yang diklikkan di antara dua titik tadi .
Laluan yang ditunjukkan oleh analisis ini merupakan jalan terbaik dan laluan
ini boleh digunakan sebagai laluan yang terbaik untuk menghantar produk roti ke
kawasan pasaran. Lihat Rajah 4.11 yang menunjukkan laluan terbaik berdasarkan
faktor traveltime dari satu kawasan blok perancangan ke kawasan pasaran iaitu blok
perancangan yang lain.
Langkah yang sama juga dilakukan dari satu blok
perancangan ke satu blok perancangan yang lain secara berulang-ulang.
Laluan terbaik dari satu blok
perancangan ke kawasan
pasaran iaitu blok perancangan
yang lain
Rajah 4.11: Analisis rangkaian menunjukkan laluan terbaik berdasarkan faktor
traveltime dari satu kawasan blok perancangan ke kawasan pasaran iaitu blok
perancangan yang lain.
80
4.7.4
Kos Seunit Minyak Yang Dijana
Setelah masa perjalanan diketahui, langkah seterusnya adalah membuat
pengiraan bagi menentukan harga seunit minyak yang dijana. Pengiraan harga 1
minit minyak diesel yang dijana adalah ditunjukkan seperti berikut:
⎛ Harga diesel ⎞
⎜
⎟
Harga diesel
km
⎝
⎠
=
1 minit
⎛
⎞
1
⎜⎜
⎟⎟
⎝ Halaju purata (km/j) ⎠
(5)
⎛ Harga diesel ⎞ ⎛ Halaju purata
⎞
=⎜
(km/minit) ⎟
⎟×⎜
km
60
⎝
⎠ ⎝
⎠
Harga diesel bagi setiap kilometer dikira terlebih dahulu. Kemudian dikira halaju
purata bagi setiap jenis jaringan jalanraya. Halaju purata ini ditukar ke unit minit
dengan mendarabkannya dengan 60 minit. Jadi, harga diesel bagi setiap minit ialah
hasil darab harga diesel bagi setiap km dengan halaju purata dalam unit km/minit.
Harga minyak diesel bagi setiap kilometer (km) dikira seperti berikut:
Harga diesel bagi setiap km =
Harga diesel sepanjang perjalanan
Jarak perjalanan (km)
Berdasarkan hasil temubual dengan pemandu lori roti, dianggarkan bagi 180 km
perjalanan diperlukan diesel sebanyak RM 70. Harga diesel di pasaran adalah RM
1.58 seliter semasa kajian dijalankan. Jadi, harga diesel bagi setiap kilometer ialah:
Harga diesel bagi setiap km =
RM170
180km
= RM 0.3889
≈ RM 0.39 per km
81
Kemudian, jumlah halaju bagi setiap jenis jaringan jalanraya yang terdapat dalam
kawasan kajian dikira. Antara jenis jaringan jalanraya ialah lebuhraya, jalan biasa,
jalan utama dan jalan perumahan; yang mana mempunyai halaju dalam julat 20
hingga 110 km/j. Halaju purata dikira dengan membahagikan jumlah halaju dengan
bilangan jenis jaringan jalanraya tersebut.
Halaju purata =
Halaju jaringan jalanraya yang terdapat di dalam kawasan kajian
Bilangan jenis halaju jaringan jalanraya
Katakan halaju bagi setiap jenis jaringan jalanraya ialah 20 km/j, 35 km/j, 40 km/j,
50 km/j, 60 km/j, 70 km/j, 80 km/j dan 110 km/j. Jadi halaju purata ialah:
Halaju purata =
20 + 35 + 40 + 50 + 60 + 70 + 80 + 110
8
= 58.125 km/j
Halaju purata ditukar ke unit km/minit dengan membahagikannya dengan 60 minit
seperti di bawah:
Halaju purata (km/minit) =
58.125
km/minit
60
= 0.96875 km/minit
Kemudian, harga diesel bagi setiap minit perjalanan (kos 1 minit diesel yang dijana)
dikira seperti dalam persamaan (5):
harga diesel ⎛ harga diesel ⎞ ⎛ halaju purata
⎞
(km/minit) ⎟
=⎜
⎟×⎜
1 minit
1 km
60
⎠
⎠ ⎝
⎝
=
RM 0.39 0.96875 km
×
1 km
1 minit
= RM 0.38 setiap seminit
82
Setelah mengetahui kos 1 minit diesel yang dijana, jumlah masa perjalanan
didarabkan dengan kos 1 minit diesel yang dijana. Hasil darab tersebut akan
menghasilkan kos pengangkutan.
Kos pengangkutan =
4.8
Kos 1 minit diesel Jumlah masa
× perjalanan
yang dijana
Analisis Keuntungan
Setelah semua maklumat yang berkaitan diperolehi dari analisis yang
dilakukan maka keuntungan sesuatu kawasan dapat diketahui. Ini dilakukan dengan
cara keuntungan kasar ditolak dengan kos-kos yang terlibat.
Cara pengiraan
ditunjukkan dalam Rajah 4.12.
Permintaan x Harga sekeping roti
Keuntungan kasar
Keuntungan kasar tolak kos-kos yang
terlibat dalam membuat roti
Keuntungan bersih
Rajah 4.12: Cara pengiraan untuk mendapatkan keuntungan bersih.
83
Setelah pengiraan dibuat maka kawasan yang menguntungkan dapat
ditentukan.
Keuntungan kawasan blok perancangan ditentukan dengan cara
menjumlahkan kesemua keuntungan kasar bagi setiap blok perancangan kemudian
ditolak kesemua kos-kos yang terlibat di setiap blok perancangan. Sebagai contoh,
sekiranya kilang ingin didirikan di kawasan blok perancangan Daerah Sentral maka
keuntungan yang diperolehi di kawasan Daerah Sentral adalah dengan cara
keuntungan kasar yang diperolehi di 13 blok perancangan selain Daerah Sentral
dijumlahkan dan ditolak dengan jumlah kos-kos yang terlibat di 13 blok perancangan
yang lain selain Daerah Sentral. Keuntungan kasar dan kos-kos yang terlibat di
Daerah Sentral tidak diambil kira dalam menentukan keuntungan di kawasan Daerah
Sentral. Ini adalah kerana kajian yang dilakukan ini hanya memfokuskan kepada
kawasan pasaran di luar daripada Daerah Sentral. Begitulah seterusnya langkah yang
sama juga dilakukan kepada blok perancangan yang lain. Kaedah bagi menentukan
keuntungan kawasan blok perancangan di gambarkan dalam Rajah 4.13.
84
Sekiranya kilang didirikan di kawasan
Daerah Sentral
Keuntungan bersih yang diperolehi
di kawasan tersebut adalah dengan
cara
Keuntungan kasar
13 blok
perancangan
yang lain
selain Daerah
Sentral.
ditolak
Kos A + Kos B
Rajah 4.13: Langkah-langkah bagi menentukan keuntungan di setiap kawasan blok
perancangan MBJB.
Setelah semua keuntungan diperolehi di setiap blok perancangan maka data
keuntungan yang diperolehi akan dimasukkan ke dalam pangkalan data GIS bagi
mengkelaskan tahap keuntungan yang diperolehi. Kemudian melalui fungsi yang
terdapat di dalam pangkalan data tersebut hasil analisis keuntungan kawasan blok
perancangan tadi boleh dipaparkan mengikut tahap keuntungan yang diperolehi.
Tahap keuntungan tadi akan dikelaskan ke dalam tiga tahap skala atau tahap
keuntungan dengan menggunakan arahan classify (Rajah 4.14)
85
Arahan classify
Nilai data baru setelah
pengkelasan data dilakukan
Rajah 4.14 : Pengkelasan tahap keuntungan dengan menggunakan arahan Classify
Langkah seterusnya adalah membuat analisis perbandingan di antara
keuntungan dibahagi dengan jumlah penduduk bagi mendapatkan keuntungan
perkapita. Langkah pengkelasan yang sama juga akan dilakukan. Setelah pengiraan
keuntungan diperolehi, tahap keuntungan ini dikelaskan berdasarkan tiga peringkat
keuntungan iaitu 0 – 27338.89 (dikategorikan sebagai kurang menguntungkan),
27338.89 – 54677.78 ( sederhana menguntungkan) dan 54677.78 – 82016.67
(keuntungan yang paling tinggi). Sekiranya sesuatu kawasan blok perancangan itu
mencapai keuntungan antara 54677.78 hingga 82016.67 maka potensi untuk
mendirikan kilang roti di situ adalah tinggi. Sebaliknya pula keuntungan yang paling
rendah iaitu 0 hingga 27338.89 merupakan kawasan yang paling kurang berpotensi
bagi mendirikan kilang roti (Muhamad Rujhan, 2004).
86
4.9
Kesimpulan
Keuntungan sesuatu kawasan blok perancangan dapat diketahui dengan
menggunakan rumus keuntungan kasar ditolak dengan kos-kos yang terlibat.
Keuntungan kasar permintaan terhadap roti dapat diketahui dengan cara bilangan
keping roti yang dimakan tersebut didarab dengan harga purata sekeping roti yang
telah dianalisis harganya berdasarkan kepada enam jenama utama roti yang terdapat
di pasaran.
Kos yang terlibat di dalam pembuatan roti pula adalah kos operasi, kos
bahan, kos pemasaran, kos pentadbiran dan kos pengangkutan. Semua kos kecuali
kos pengangkutan diperolehi melalui soal selidik yang dibuat dengan pengusaha
kilang roti. Kos pengangkutan diperolehi dengan cara membuat analisis rangkaian
bagi mendapatkan masa perjalanan yang terbaik.
Masa perjalanan tersebut
kemudiannya didarabkan dengan kos seunit minyak yang dijana oleh lori roti
berkenaan bagi mendapat kos pengangkutan.
Setelah semua maklumat yang diperlukan diperolehi maka sesuatu
keuntungan di sesuatu kawasan blok perancangan dapat diketahui.
Keuntungan
kasar yang diperolehi akan ditolakkan dengan kos-kos yang terlibat bagi
mendapatkan keuntungan bersih. Setelah keuntungan bersih diperolehi jumlah
tersebut akan dibahagikan dengan jumlah penduduk di seluruh kawasan destinasi
bagi mendapatkan keuntungan perkapita.
Kemudian keuntungan per kapita itu
dikelaskan mengikut keuntungan yang paling tinggi, sederhana untung dan yang
kurang menguntungkan.
BAB V
ANALISIS HASIL
5.1
Pengenalan
Bab V ini membincangkan pengkelasan kawasan blok perancangan mengikut
tahap keuntungan yang diperolehi setelah analisis dilakukan.
penting bagi mencapai objektif kedua dalam kajian ini.
Hasil analisis ini
Data yang diperolehi
daripada soal selidik, temuramah dan pemerhatian digunakan dan analisis dibuat
dengan mengunakan perisian Microsoft Excel dan Analisis Rangkaian.
Hasil analisis akan menunjukkan pemeringkatan kawasan berdasarkan
keuntungan yang diperolehi. Keuntungan yang diperolehi berbeza-beza mengikut
kawasan blok perancangan.
Seterusnya pengkelasan kawasan keuntungan akan
dibuat berdasarkan tahap keuntungaan yang diperolehi setelah analisis dilakukan.
Selain itu hasil analisis juga akan dibuat perbandingan dengan Kawasan Taburan
Industri Terancang, Tidak Terancang dan kawasan perusahaan kilang roti sedia ada.
Ini adalah bertujuan bagi melihat samada kawasan yang dizonkan oleh pihak
berkuasa berada pada kawasan yang mempunyai keuntungan yang maksimum atau
pun tidak.
88
5.2
Analisis Keuntungan Kasar
5.2.1
Analisis Permintaan Terhadap Roti
Analisis permintaan dilakukan bagi mendapatkan permintaan roti di kawasan
blok perancangan.
Langkah-langkah bagi mendapatkan permintaan roti ada
dinyatakan dalam Bab 1V.
Jadual 5.1 menunjukkan kuantiti permintaan roti
mengikut kawasan blok perancangan.
Jadual 5.1 : Kuantiti permintaan roti mengikut kawasan blok perancangan.
Kawasan
Bilangan
Responden
Daerah Sentral
260
2,445
Purata
Keping
Roti Yang
Yang
Dimakan
Per Orang
Selama
Seminggu
9
Pelangi
284
2,464
Pasir Pelangi
264
Permas Jaya
Jumlah
Keping
Roti Yang
Dimakan
Selama
Seminggu
Jumlah
Jumlah Permintaan
Penduduk
Keping
Roti
29,937
269,433
9
40,677
366,093
2,362
9
7,038
63,342
295
2,314
8
32,901
263,208
Pandan
235
2,264
10
33,971
339,710
Majidee
254
2,610
10
51,291
512,910
Kangkar
290
2,487
9
23,079
207,711
Kempas
262
2,391
9
68,732
618,588
Larkin
208
1,975
10
43,125
388,125
Tampoi
209
1,845
9
33,200
298,800
Tasek Utara
266
2,366
9
12,785
115,065
Kaw. Maju
191
1,970
10
1,154
11,540
Mount Austin
251
2,062
8
33,781
270,248
Rinting
267
2,071
8
28,059
224,472
Tebrau
Jaya
89
Hasil analisis mendapati responden yang paling ramai terdapat di kawasan
blok perancangan Permas Jaya dengan jumlah responden seramai 295 orang
manakala kawasan blok perancangan kawasan Maju Jaya mempunyai bilangan
responden yang paling sedikit iaitu seramai 191 orang. Ini adalah selari dengan
bilangan penduduk yang paling sedikit berbanding dengan jumlah penduduk di
kawasan blok perancangan yang lain. Walaupun blok perancangan Permas Jaya
mempunyai bilangan responden yang paling ramai tetapi jumlah keping roti yang
dimakan seminggu tidaklah yang paling banyak. Kawasan blok perancangan yang
mempunyai jumlah keping roti yang dimakan seminggu paling banyak adalah
kawasan blok perancangan Majidee iaitu sebanyak 2,610 keping manakala kawasan
blok perancangan Maju Jaya mempunyai bilangan keping roti yang dimakan
seminggu paling sedikit iaitu sebanyak 1,970 keping.
Jika dilihat dari segi purata keping roti per orang yang dimakan seminggu,
terdapat 3 kawasan blok perancangan yang mempunyai mempunyai purata per orang
keping roti yang dimakan seminggu paling tinggi iaitu kawasan blok perancangan
Majidee, Kawasan Maju Jaya dan Pandan iaitu purata keping roti per orang yang
dimakan seminggu adalah sebanyak 10 keping. Purata keping roti per orang yang
dimakan seminggu paling rendah iaitu sebanyak 8 keping adalah di kawasan Blok
Perancangan Permas Jaya, Mount Austin dan Rinting. Lihat Rajah 5.1 menunjukkan
kuantiti permintaan roti mengikut blok perancangan.
Secara kesimpulannya, walaupun sesuatu kawasan itu mempunyai responden
yang ramai tetapi jumlah permintaan terhadap roti tidak semestinya tinggi. Jika dikira
dari segi purata jumlah roti yang dimakan seminggu pula menunjukkan terdapat 3
blok perancangan yang mempunyai purata jumlah roti yang dimakan seminggu yang
paling tinggi dan 3 blok perancangan yang mempunyai purata keping roti yang
dimakan seminggu paling rendah.
Ini mungkin bergantung kepada kegemaran
individu itu untuk memakan roti di samping terdapat beberapa faktor lain yang
mempengaruhi seperti faktor kos dan terdapat makanan lain yang diambil selain
daripada roti.
90
Kuantiti permintaan roti mengikut kawasan blok perancangan
300,000
250,000
200,000
Keping roti 150,000
100,000
50,000
0
al
ntr
Se
h
a
er
Da
gi
u
gi
ee
as
an
ya
lan
jid
nd
bra
Ja
lan
mp
Pe
Te
Pa
Ma
Pe
as
Ke
r
r
i
m
a
r
s
k
Pe
Pa
ng
Ka
n
rki
La
a
n
oi
ya
sti
tar
mp
Ja
Au
Ta
kU
aju
nt
se
ou
.M
Ta
M
w
Ka
g
tin
Rin
Kawasan
Rajah 5.1 : Kuantiti permintaan roti mengikut blok perancangan.
Jumlah permintaan keping roti yang paling tinggi pula adalah kawasan Blok
Perancangan Kempas dengan jumlah permintaan sebanyak 618,588 keping roti
dalam seminggu manakala permintaan keping roti yang paling sedikit pula adalah
kawasan Blok Perancangan Kawasan maju Jaya dengan jumlah permintaan sebanyak
11,540 keping dalam seminggu. Ini mungkin adalah disebabkan oleh Blok
Perancangan Kempas mempunyai jumlah penduduk yang paling ramai iaitu seramai
68,732 orang berbanding dengan kawasan Blok Perancangan Kawasan Maju Jaya
yang mempunyai jumlah penduduk paling sedikit iaitu 1,154 orang. Walau
bagaimanapun faktor purata keping roti per orang yang dimakan juga mempengaruhi
permintaan roti di sesuatu blok perancangan ini ditunjukkan oleh blok perancangan
Kawasan Maju Jaya yang mempunyai purata keping roti per orang yang dimakan
seminggu paling tinggi iaitu 10 keping tetapi tidak dapat menghasilkan jumlah
permintaan yang tinggi disebabkan jumlah penduduknya adalah paling sedikit
berbanding blok perancangan yang lain.
Permintaan roti yang terhasil dalam kajian ini adalah dalam bentuk fizikal
(keping) dan ia perlu ditukar ke dalam bentuk wang bagi mengira keuntungan yang
91
bakal diperolehi di sesuatu kawasan blok perancangan. Oleh itu maklumat yang
berkaitan harga roti adalah diperlukan. Jadual 5.2 menunjukkan jenama roti dan
harga roti yang terdapat di pasaran semasa kajian dijalankan.
Jadual 5.2 : Jenama roti dan harga roti yang terdapat di pasaran.
Jenama
Roti
Berat (g)
Bilangan
Keping Roti
Harga
(RM)
Berat sekeping
roti (g)
630
20
2.60
31.50
Harga
Sekeping
Roti
(RM))
0.13
500
20
2.00
25.00
0.10
420
14
1.90
30.00
0.14
650
19
2.60
34.21
0.14
620
20
2.30
31.00
0.12
430
13
1.90
33.08
0.15
550
20
2.00
27.50
0.10
320
12
1.30
26.67
0.12
550
22
2.00
25.00
0.09
310
13
1.20
23.85
0.09
Mighty
550
20
2.00
27.50
0.10
White
320
14
1.30
22.86
0.09
Daily
550
20
2.00
27.50
0.10
400
14
1.50
28.57
0.11
28.16
0.11
Gardenia
High 5
Hawaii
Chicago
Purata
Jadual 5.2 menunjukkan terdapat 6 jenama roti yang popular di pasaran yang
mempunyai berat, bilangan keping roti dan harga sebungkus roti. Jenama roti yang
paling berat dijual di pasaran adalah roti berjenama High 5 dengan berat sebanyak
650 gram manakala berat roti yang paling ringan dijual dipasaran adalah roti
berjenama Daily dengan berat roti sebanyak 400 gram. Ini adalah merupakan salah
satu daripada strategi pemasaran Roti Jenama High 5 bagi menawarkan pilihan
barangan kepada pelanggan. Walau bagaimanapun ia bergantung kepada jumlah
keuntungan yang boleh dihasilkan daripada penjualan roti tersebut mengikut berat
yang telah ditentukan.
92
Hasil pengiraan menunjukkan harga sekeping roti yang paling mahal adalah
berjenama High 5 dengan berat sekeping roti 33.08 gram berharga RM0.15sen
sekeping.
Harga sekeping roti yang paling murah pula adalah roti berjenama
Chicago dan Mighty White dengan berat sekeping roti sebanyak 25 gram, 23.85
gram dan 22.86 gram dengan harga sekeping roti RM0.09sen.
Ini mungkin di
sebabkan Jenama Roti High 5 mempunyai kos pengeluaran yang tinggi berbanding
Jenama Roti Chicago dan Mighty White. Berat purata sekeping roti dalam kajian ini
pula adalah sebanyak 28.16 gram dengan harga purata sekeping roti pula adalah pada
harga RM0.11sen. Purata harga sekeping roti ini digunakan untuk mengira jumlah
permintaan roti di sesuatu blok perancangan dalam bentuk wang.
5.3
Analisis Kos-kos Yang Terlibat
5.3.1
Analisis Kos Bahan, Kos Operasi, Kos Pemasaran, Pentadbiran (Kos A)
Analisis kos-kos yang terlibat ini diperlukan bagi mengira keuntungan yang
bakal diperolehi di sesuatu kawasan blok perancangan. Kos-kos yang terlibat adalah
seperti kos bahan, kos operasi, kos pemasaran, kos pentadbiran dan kos
pengangkutan. Jadual 5.3 menunjukkan jenama roti dan kos-kos yang terlibat dalam
membuat sebungkus roti. Kos-kos yang terlibat dalam membuat sebungkus roti
secara lebih terperinci lagi ada dinyatakan dalam Lampiran B. Sumber maklumat
tentang kos-kos roti ini diperolehi daripada temuramah dengan pengusaha kilang roti.
Jadual 5.3 menunjukkan Roti Gardenia yang mempunyai berat 630gram
mempunyai jumlah kos yang paling tinggi iaitu sebanyak RM2.21. Ini mungkin
disebabkan roti jenama ini menggunakan ramuan yang banyak dan bermutu tinggi.
Harga kos roti yang kedua paling tinggi adalah Roti Jenama High 5 yang mempunyai
berat 650gram dengan jumlah kos sebanyak RM2.07.
Roti jenama ini juga
menggunakan ramuan bahan yang banyak dan bermutu tinggi sama seperti Roti
Gardenia.
Selain itu kos kedua jenama roti ini tinggi adalah disebabkan ia
93
memasarkan produk roti tersebut dengan menggunakan perkhidmatan iklan di
televisyen dan radio.
Jadual 5.3 : Jenama roti dan kos-kos yang terlibat dalam membuat sebungkus roti.
Jenama
Roti
Berat
(g)
Bilangan
Keping
Roti
Kos
Bahan
(RM)
Kos
operasi
(RM)
Kos
Pemasaran
(RM)
Lainlain
Gardenia
630
500
420
650
620
430
550
320
550
310
550
20
20
14
19
20
13
20
12
22
13
20
1.13
0.79
0.75
1.14
0.99
0.75
0.82
0.47
0.81
0.45
0.84
0.7
0.41
0.35
0.55
0.53
0.37
0.5
0.29
0.5
0.28
0.47
0.26
0.25
0.29
0.26
0.25
0.22
0.05
0.03
0.05
0.03
0.05
0.11
0.09
0.08
0.12
0.11
0.08
0.1
0.06
0.1
0.06
0.1
320
550
400
14
20
14
0.49
0.92
0.66
0.27
0.47
0.34
0.03
0.05
0.04
0.06
0.1
0.07
High 5
Hawaii
Chicago
Mighty
White
Daily
Purata
Jumlah
Kos
Sekeping
Roti
(RM)
0.11
0.08
0.11
0.11
0.09
0.11
0.07
0.07
0.07
0.06
0.07
0.06
0.08
0.08
0.08
Roti Jenama Chicago pula mempunyai kos yang paling rendah iaitu sebanyak
RM0.82 dengan berat 310gram.
Ini mungkin disebabkan roti jenama ini
menggunakan ramuan bahan campuran yang sedikit dan yang berharga rendah.
Selain itu ia juga tidak menggunakan perkhidmatan media untuk memasarkan produk
roti tersebut. Walau bagaimanapun kos-kos tersebut juga bergantung kepada kuantiti
berat roti yang dijual di pasaran. Sekiranya semakin berat roti tersebut maka kosnya
juga akan meningkat.
94
5.3.2
Kos Pengangkutan (Kos B)
Kos pengangkutan dalam kajian ini diperolehi dengan cara melakukan
Analisis Rangkaian yang menggunakan ArcView 3.3. Jadual 5.4 menunjukkan kos
pengangkutan yang diperolehi dari satu blok perancangan ke semua blok
perancangan yang lain.
Jadual 5.4 : Kos pengangkutan dari satu blok perancangan ke semua blok
perancangan yang lain.
No.
Blok Perancangan
1
Daerah Sentral ke semua blok
perancangan
Pelangi ke semua blok
perancangan
Majidee ke semua blok
perancangan
Kangkar Tebrau ke semua blok
perancangan
Kempas ke semua blok
perancangan
Larkin ke semua blok
perancangan
Tampoi ke semua blok
perancangan
Tasek Utara ke semua blok
perancangan
Kawasan Maju Jaya ke semua
blok perancangan
Pasir Pelangi ke semua blok
perancangan
Kawasan Rinting ke semua
blok perancangan
Permas Jaya ke semua blok
perancangan
Pandan ke semua blok
perancangan
Mount Austin ke semua blok
perancangan
2
3
4
5
6
7
8
9
10
11
12
13
14
Jumlah masa
perjalanan
(minit)
129,765.20
Kos
pengangkutan
(RM)
49,310.78
69,714.00
26,491.32
105,854.89
40,224.86
104,432.64
39,684.40
97,641.83
37,103.90
93,719.71
35,613.49
125,524.98
47,699.49
152,342.61
57,890.19
105,786.52
40,198.88
195,457.28
74,273.77
253,959.97
96,504.79
174,676.86
66,377.21
169,030.03
64,231.41
185,817.76
70,610.75
Langkah-langkah untuk mendapatkan masa perjalanan telah ditunjukkan
dalam Bahagian (4.7.4). Jadual terperinci tentang masa perjalanan dari satu blok
95
perancangan ke semua blok perancangan yang lain ada dinyatakan dalam Lampiran
C. Jadual terperinci tentang kos pengangkutan pula dari satu blok perancangan ke
semua blok perancangan yang lain ada dinyatakan dalam Lampiran D.
Analisis rangkaian menunjukkan Blok Perancangan Pelangi mempunyai masa
perjalanan yang paling singkat berbanding dengan blok perancangan yang lain iaitu
69,714.00 minit dengan kos pengangkutan yang paling rendah iaitu sebanyak RM
26,491.32. Ini mungkin disebabkan oleh jarak perjalanan yang pendek dan terdapat
laluan altenatif yang paling cepat dari kawasan Blok Perancangan Pelangi ke semua
blok perancangan. Selain itu, ia mungkin juga disebabkan kedudukan kawasan Blok
Perancangan Pelangi yang strategik berbanding dengan blok perancangan yang lain.
Kawasan blok perancangan yang mempunyai masa perjalanan sederhana iaitu
tidak terlalu singkat dan tidak pula terlalu lama adalah kawasan Blok Perancangan
Tampoi dan Daerah Sentral dengan masa perjalanan iaitu antara 125,524.98 minit
sehingga 129,765.20 minit. Faktor yang menyebabkan keadaan ini berlaku mungkin
juga di sebabkan faktor lokasinya yang berada ditengah dan juga faktor fizikal
kawasan tersebut yang sederhana luas.
Kawasan blok perancangan Rinting mempunyai masa perjalanan yang paling
lama iaitu selama 253,959.97 minit ke semua blok perancangan yang lain.
Ini
menjadikan kos pengangkutan dari kawasan blok perancangan Rinting ke semua blok
perancangan adalah yang paling tinggi iaitu sebanyak RM96,504.79. Keadaan ini
mungkin disebabkan kedudukan kawasan blok perancangan Rinting berada di
kawasan yang kurang strategi iaitu berada jauh sedikit dengan blok perancangan
yang lain. Selain itu juga kawasan Blok Perancangan Rinting merupakan kawasan
yang baru membangun jadi tidak terdapat banyak laluan alternatif yang paling
singkat untuk menuju ke kawasan blok perancangan Rinting di samping keluasan
kawasan blok perancangan rinting yang besar
juga telah meningkatkan masa
perjalanan dari kawasan tersebut ke blok perancangan yang lain.
96
5.4 Analisis Bagi Menentukan Keuntungan Kawasan Blok Perancangan
Jadual 5.5 menunjukkan pemeringkatan keuntungan yang diperolehi setelah
keuntungan kasar ditolak dengan kos A dan kos B.
Jadual
terperinci tentang
keuntungan yang diperolehi setelah hasil ditolak dengan kos A dan kos B dari satu
blok perancangan ke semua blok perancangan yang lain ada dinyatakan dalam
Lampiran E. Perbezaan peringkat keuntungan ini juga ditunjukkan dalam bentuk
graf, lihat Rajah 5.2.
Jadual 5.5 : Pemeringkatan keuntungan yang diperolehi dari satu-satu blok
perancangan ke semua blok perancangan yang lain.
No.
Blok
Perancangan
Keuntungan
Kos A
Kos B
Untung
Kasar RM
(RM)
(RM)
Bersih
(RM)
1.
Pelangi
394,146.72
286,652.16
26,491.32 81,003.24
2.
Kawasan Maju
433,147.55
315,016.40
40,198.88 77,932.27
Jaya
3.
Kangkar Tebrau
411,568.74
299,322.72
39,684.40 72,561.62
4.
Larkin
391,723.20
284,889.60
35,613.49 71,220.11
5.
Majidee
377,996.85
274,906.80
40,224.86 62,865.19
6.
Kempas
366,372.27
266,452.56
37,103.90 62,815.81
7.
Tampoi
401,548.95
292,035.60
47,699.49 61,813.86
8.
Daerah Sentral
404,779.32
294,384.96
49,310.78 61,083.58
9.
Tasek Utara
421,759.80
306,734.40
57,890.19 57,135.21
10.
Permas Jaya
405,464.07
294,882.96
66,377.21 44,203.90
11.
Pandan
397,048.85
288,762.80
64,231.41 44,054.64
12.
Pasir Pelangi
427,449.33
310,872.24
74,273.77 42,303.32
13.
Mount Austin
404,689.67
294,319.76
70,610.75 39,759.16
14.
Kawasan Rinting
409,725.03
297,981.84
96,504.79 15,238.40
97
Pemeringkatan keuntungan yang diperolehi dari satu-satu blok perancangan ke semua blok
perancangan yang lain
90,000.00
80,000.00
70,000.00
60,000.00
50,000.00
Untung Bersih (RM)
40,000.00
30,000.00
20,000.00
10,000.00
0.00
ya
gi
rau
Ja
lan
eb
aju
Pe
rT
ka
nM
g
a
n
s
Ka
wa
Ka
n
as
ee
rki
jid
mp
La
Ma
Ke
l
a
oi
ya
tra
tar
Ja
mp
en
kU
as
Ta
hS
se
erm
era
Ta
P
a
D
gi
tin
ing
an
lan
us
int
nd
Pe
tA
Pa
nR
un
sir
sa
a
Mo
Pa
w
Ka
Blok Perancangan
Rajah 5.2 : Graf pemeringkatan keuntungan yang diperolehi dari satu-satu blok
perancangan ke semua blok perancangan yang lain.
Hasil analisis mendapati Blok Perancangan Pelangi mempunyai jumlah
keuntungan yang paling tinggi diikuti oleh Kawasan Maju Jaya, Kangkar Tebrau,
Larkin, Majidee, Kempas, Tampoi, Daerah Sentral, Tasek Utara, Permas Jaya,
Pandan , Pasir Pelangi, Mount Austin dan akhir sekali adalah Blok Perancangan
Kawasan Rinting. Kawasan yang mempunyai keuntungan kasar yang paling tinggi
adalah kawasan blok perancangan Kawasan Maju Jaya iaitu sebanyak RM
433,147.55 manakala Kos A yang paling rendah adalah di kawasan blok perancangan
Kempas iaitu sebanyak RM 266,452.56. Walau pun kawasan blok perancangan
Kawasan Maju Jaya mempunyai keuntungan kasar yang paling tinggi dan blok
perancangan Kempas mempunyai Kos A yang paling rendah, hasil analisis
menunjukkan ia bukanlah kawasan yang mempunyai keuntungan yang paling tinggi.
Keadaan ini mungkin disebabkan blok perancangan Kawasan Maju Jaya
mempunyai kos A yang paling tinggi iaitu sebanyak RM 315,016.40 yang mana
sekiranya permintaan tinggi maka kos A juga akan tinggi.
Kawasan blok
perancangan ini berada pada kedudukan keuntungan kedua paling tinggi. Kawasan
blok perancangan Kempas pula berada pada kedudukan keuntungan yang ke enam
paling tinggi. Keadaan ini mungkin disebabkan keuntungan bersih yang diperolehi
adalah paling sedikit berbanding blok perancangan yang lain. Apabila keuntungan
98
bersih yang diperolehi adalah kecil tentunya jumlah kos A juga adalah kecil. Jumlah
kos A yang kecil juga tidak menjamin kedudukan keuntungan yang paling tinggi.
Kawasan blok perancangan Pelangi mempunyai keuntungan bersih yang
paling tinggi disebabkan kos pengangkutan yang diperolehi adalah rendah
berbanding kos pengangkutan di kawasan blok perancangan yang lain. Kawasan
blok perancangan Rinting pula mempunyai keuntungan bersih yang paling sedikit.
Ini disebabkan kos pengangkutan yang diperolehi di kawasan tersebut adalah paling
tinggi berbanding blok perancangan yang lain. Kesimpulan yang boleh dibuat di sini
ialah setiap kos A, kos B dan keuntungan kasar sangat mempengaruhi di antara satu
sama lain dalam menentukan tahap keuntungan kawasan tertentu. Walau bagaimana
pun hasil analisis ini menunjukkan tiada kawasan blok perancangan pun yang
mengalami kerugian.
Keuntungan yang diperolehi mengikut kawasan blok perancangan ini
dipaparkan dalam bentuk peta. Rajah 5.3 menunjukkan tahap keuntungan yang
diperolehi di setiap blok perancangan MBJB.
Rajah 5.3 : Tahap keuntungan yang diperolehi di setiap blok perancangan MBJB.
99
5.4.1
Keuntungan Perkapita bagi Blok Perancangan
Keuntungan yang seterusnya adalah mendapatkan keuntungan perkapita. Ia
ini diperlukan bagi mendapatkan keuntungan yang diperolehi perorang dengan cara
membahagi keuntungan bersih dengan jumlah penduduk kawasan destinasi. Jadual
5.6 menunjukkan keuntungan perkapita sesuatu kawasan mengikut jumlah penduduk
dan keluasan kawasan blok perancangan.
Jadual 5.6 : Keuntungan perkapita sesuatu kawasan mengikut jumlah penduduk
kawasan destinasi dan keluasan kawasan blok perancangan.
No. Blok
Perancangan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Pelangi
Kaw.Maju Jaya
Larkin
Kangkar
Tebrau
Kempas
Majidee
Tampoi
Daerah Sentral
Tasek Utara
Permas Jaya
Pandan
Pasir Pelangi
Mount Austin
Kawasan
Rinting
Jumlah
Keuntungan
(RM)
81,003.24
77,932.27
71,220.11
72,561.62
Jumlah
Penduduk
Kawasan
Destinasi
399,053
438,576
396,605
416,651
62,815.81
62,865.19
61,813.86
61,083.58
57,135.21
44,203.90
44,054.64
42,303.32
39,759.16
15,238.40
370,998
388,439
406,530
409,793
426,945
406,829
405,759
432,692
405,949
411,671
Luas Blok
Keutungan
Perancangan Perkapita
(Acres)
(Turus3/
Turus4)
2,002.03
0.20
6,817.20
0.18
3,724.20
0.18
2,652.28
0.17
3,905.19
2,533.38
2,193.79
1,752.13
2,476.02
3,383.66
3,295.72
1,298.03
2,854.55
5,175.29
0.17
0.16
0.15
0.15
0.13
0.11
0.11
0.10
0.10
0.04
Hasil analisis menunjukkan keuntungan perkapita yang paling tinggi adalah
masih sama dengan keuntungan bersih blok perancangan iaitu kawasan Blok
Perancangan Pelangi sebanyak 0.20 diikuti kawasan Blok Perancangan kawasan
Maju Jaya iaitu sebanyak 0.18.
Terdapat perbezaan peringkat keuntungan blok
perancangan dengan keuntungan bersih perkapita blok perancangan pada kedudukan
ketiga hingga enam. Blok Perancangan yang berada di tempat ketiga adalah Blok
100
Perancangan Larkin dengan keuntungan perkapita sebanyak 0.18 manakala
kedudukan di tempat keempat dan kelima pula adalah Blok Perancangan Kangkar
Tebrau dan Blok Perancangan Kempas yang mempunyai keuntungan perkapita yang
sama iaitu sebanyak 0.17. Blok Perancangan Majidee pula berada pada kedudukan
yang keenam dengan keuntungan perkapita sebanyak 0.16. Kedudukan keuntungan
perkapita blok perancangan dari tempat ketujuh hingga keempat belas adalah sama
seperti keuntungan bersih blok perancangan.
Perbezaan kedudukan keuntungan perkapita yang berlaku di antara blok
perancangan ini adalah disebabkan perbezaan jumlah penduduk kawasan destinasi
dan juga jumlah keuntungan bersih yang diperolehi. Sekiranya jumlah penduduk
kawasan destinasi adalah rendah maka keuntungan perkapitanya adalah tinggi.
Walau bagaimanapun keadaan ini tidak berlaku di semua kawasan kajian. Kawasan
Blok Perancangan Kempas mempunyai jumlah penduduk destinasi yang paling
sedikit berbanding blok perancangan yang lain. Walau bagaimanapun ia tidak berada
pada kedudukan keuntungan perkapita yang paling tinggi.
Ini disebabkan
keuntungan bersih yang diperolehi adalah lebih lebih rendah iaitu keuntungan
bersihnya berada di tempat yang ke enam.
Jika lihat pula pada Kawasan Blok Perancangan Kawasan Maju Jaya yang
mempunyai jumlah penduduk kawasan destinasi yang paling tinggi tidak pula berada
pada kedudukan yang paling rendah tetapi ia berada pada kedudukan keuntungan
perkapita kedua tertinggi. Ini disebabkan keuntungan bersih yang diperolehi adalah
lebih tinggi iaitu berada pada kedudukan keuntungan bersih kedua paling tinggi.
Kawasan Blok Perancangan Rinting berada pada kedudukan keuntungan perkapita
yang paling rendah. Ini disebabkan keuntungan bersih yang diperolehi adalah paling
sedikit di antara blok perancangan yang lain.
Kesimpulan yang boleh dibuat daripada hasil analisis mendapati tinggi atau
rendahnya keuntungan per kapita yang diperolehi dipengaruhi oleh keuntungan
bersih dan jumlah penduduk kawasan destinasi. Sekiranya keuntungan bersih yang
diperolehi tinggi dan jumlah penduduk kawasan destinasi yang tinggi maka
keuntungan perkapita yang diperolehi juga adalah tinggi begitulah sebaliknya.
Perbezaan tahap keuntungan perkapita ini ditunjukkan dalam Rajah 5.4.
101
Rajah 5.4 : Tahap keuntungan per kapita yang diperolehi di setiap blok perancangan
MBJB.
5.5
Hasil Pengkelasan Tahap Keuntungan Blok Perancangan
Keuntungan blok perancangan yang diperolehi bagi setiap kawasan blok
perancangan dikelaskan kepada tiga tahap keuntungan iaitu terdapat sebanyak
sembilan buah blok perancangan yang dikelaskan sebagai kawasan keuntungan yang
paling tinggi (54002.16 sehingga 81003.24). Ia juga menunjukkan terdapat empat
blok perancangan yang mempunyai tahap keuntungan sederhana menguntungkan
(27001.08 sehingga 54002.16) dan hanya satu kawasan yang mempunyai tahap
keuntungan yang dikategorikan sebagai kurang menguntungkan (0
sehingga
27001.08). Kesemua tahap keuntungan bagi setiap blok perancangan ditunjukkan
dalam Jadual 5.7 dan dalam bentuk peta. Lihat Rajah 5.5.
102
Jadual 5.7 : Pengkelasan keuntungan perblok perancangan.
Pengkelasan Keuntungan (RM)
Blok Perancangan
0 – 27001.08
(kurang menguntungkan)
Kawasan Rinting
Permas Jaya
27001.08-54002.16
Pandan
(sederhana menguntungkan)
Pasir Pelangi
Mount Austin
Pelangi
Kawasan Maju Jaya
Kangkar Tebrau
54002.16-81003.24
Larkin
(keuntungan yang paling tinggi)
Majidee
Kempas
Tampoi
Daerah Sentral
Tasek Utara
Rajah 5.5 : Pengkelasan keuntungan perblok perancangan.
103
Pengkelasan keuntungan per kapita pula dikelaskan kepada tiga tahap
keuntungan iaitu iaitu terdapat sebuah blok perancangan yang mempunyai tahap
keuntungan per kapita yang kurang menguntungkan (0 sehingga 0.0067) iaitu
kawasan Blok Perancangan Rinting. Blok Perancangan yang mempunyai
pengkelasan keuntungan per kapita sederhana menguntungkan dengan kelas
keuntungan per kapita sebanyak (0.067 sehingga 0.133) pula adalah terdiri daripada
lima buah blok perancangan iaitu Tasek Utara, Permas Jaya, Pandan, Pasir Pelangi
dan Mount Austin.
Seterusnya terdapat sebanyak lapan buah kawasan blok
perancangan yang dikelaskan sebagai keuntungan per kapita yang paling tinggi
dengan kelas keuntungan perkapita sebanyak (0.133
sehingga 0.20).
Tahap
pengkelasan keuntungan per kapita ini ditunjukkan pada Jadual 5.8 dan Rajah 5.6.
Jadual 5.8 : Pengkelasan keuntungan per kapita dalam blok perancangan.
Pengkelasan Keuntungan RM
Perkapita
Blok Perancangan
0 – 0.067
(kurang menguntungkan)
Kawasan Rinting
Tasek Utara
Permas Jaya
0.067-0.133
Pandan
(sederhana menguntungkan)
Pasir Pelangi
Mount Austin
Pelangi
0.133-0.20
Kaw.Maju Jaya
(keuntungan yang paling tinggi)
Larkin
Kangkar Tebrau
Kempas
Majidee
Tampoi
Daerah Sentral
104
Rajah 5.6 : Pengkelasan tahap keuntungan per kapita kawasan blok perancangan.
5.6
Hasil Yang Diperolehi Daripada Pengaplikasian Konsep Margin
Keuntungan Secara Ruang
Setelah analisis dan pengiraan dibuat ke atas data yang terlibat hasil yang
diperolehi mengambarkan keuntungan yang diperolehi di setiap blok perancangan.
Keuntungan ini menggambarkan kemampuan sesuatu kawasan untuk dibangunkan
dengan sektor perindustrian berasaskan makanan khususnya perusahaan roti yang
mengaplikasikan konsep Margin Keuntungan Secara Ruang.
Konsep Margin Keuntungan Secara Ruang sekarang menjadi pengolahan
yang standat terhadap lokasi industri dalam ekonomi geografi. Taylor mengemukan
alasan margin mungkin berkesan dalam kawasan yang begitu luas pada mana-mana
petafsiran nilai.
Pengalaman menunjukkan
yang
spatial
margin
adalah
berkemampuan terhadap identiti empirik dan ia boleh jadi alat bantu untuk
105
menjelaskan corak lokasi dunia sebenar (Smith, 1970). Hasil kajian yang dilakukan
mendapati konsep ini juga boleh digunakan bagi membangunkan harta tanah
terutama industri yang melibatkan pengagihan produk ke pasaran.
5.6.1
Pengkelasan Tahap Keuntungan Kawasan Blok Perancangan
Implikasi daripada penggunaan konsep ini adalah dapat mengenalpasti tahap
keuntungan sesuatu kawasan blok perancangan bagi pembinaan kilang perusahaan
roti. Hasil kajian mendapati setiap blok perancangan mempunyai tahap keuntungan
yang berbeza dan tiada satu kawasan pun yang tidak menguntungkan. Kesemuanya
mempunyai tahap keuntungan masing-masing. Perkara ini juga dinyatakan oleh
Watts iaitu Konsep Margin Keuntungan Secara Ruang juga mempunyai penjelasan
yang terhad kerana ia tidak boleh menjelaskan pilihan lokasi yang akhir. Walau
bagaimanapun, ia digunakan untuk menunjukkan bagaimana sesetengah kawasan
mungkin mempunyai keuntungan yang lebih tinggi daripada kawasan industri yang
lain-lain (Watts, 1987).
Konsep ini juga boleh digunakan bagi mengetahui
keuntungan di sesuatu kawasan industri yang luas. Ini bermakna tiada sempadan
kawasan yang tertentu ditetapkan apabila menggunakan konsep ini di dalam
menentukan keuntungan sesuatu kawasan.
Selain itu hasil analisis yang diperolehi daripada penggunaan konsep
menunjukkan kawasan keuntungan yang diperolehi adalah luas iaitu semua kawasan
mempunyai keuntungan. Ini dibuktikan oleh Taylor (1970) yang mendapati Margin
Keuntungan Secara Ruang untuk industri besi di United Kingdom meliputi seluruh
kawasan Great Britain. Sama juga, Mc Dermott (1973) mengenalpasti margin ruang
untuk lima kawasan industri di New Zealand.
Ini bermakna konsep ini dapat
mengambarkan keluasan kawasan keuntungan yang diperolehi di sesuatu kawasan.
Oleh itu pengusaha boleh mencapai matlamat yang mereka ingini dengan
membangunkan kawasan yang dianggap berpotensi untuk dibangunkan di manamana kawasan keuntungan yang luas tadi.
Hasil analisis mendapati
sembilan
kawasan Blok Perancangan MBJB mempunyai keuntungan yang paling tinggi iaitu
Blok Perancangan Pelangi, Kawasan Maju Jaya, Kangkar Tebrau, Larkin, Majidee,
106
Kempas, Tampoi, Daerah Sentral dan Tasek Utara. Kawasan-kawasan ini seharusnya
menjadi kawasan taburan industri khususnya bagi industri yang melibatkan
pengagihan sama ada bahan mentah atau produk ke pasaran.
5.6.2
Perbandingan Tahap Keuntungan Kawasan Blok Perancangan Dengan
Kawasan Industri Terancang
Konsep yang digunakan dalam kajian ini boleh diaplikasikan dengan
membuat perbandingan kawasan yang telah digezek oleh pihak berkuasa sebagai zon
kawasan industri dengan kawasan blok perancangan yang telah diketahui tahap
keuntungannya.
Rajah 5.7 menunjukkan tahap keuntungan kawasan blok
perancangan MBJB dengan kawasan perindustrian terancang yang telah dizonkan
oleh pihak berkuasa tempatan iaitu MBJB.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
9
4
2
17
15
13
14
11
3
7
12
8
16
5
1
6
10
Rajah 5.7 : Tahap keuntungan yang diperolehi di setiap blok perancangan dan
kawasan perindustrian terancang yang telah dizonkan oleh MBJB.
107
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
9
4
2
17
15
13
14
11
3
7
12
8
16
5
1
6
10
Rajah 5.8 : Tahap keuntungan perkapita yang diperolehi di setiap blok perancangan
dan kawasan perindustrian terancang yang telah dizonkan oleh MBJB
Rajah 5.8 menunjukkan tahap keuntungan perkapita yang diperolehi di setiap
blok perancangan dan kawasan taburan perindustrian terancang yang telah dizonkan
oleh MBJB. Taburan industri di kawasan MBJB melibatkan kawasan industri atau
skim perindustrian yang telah ditetapkan di dalam zoning yang telah disediakan. Di
MBJB, antara kawasan industri utama adalah seperti Kawasan Perindustrian Tebrau,
Kawasan Perindustrian Mount Austin, Kawasan Perindustrian Tampoi dan juga
Kawasan Perindustrian Taman Daya. Kawasan Perindustrian Mount mencatatkan
jumlah tertinggi dengan jumlah 1104 buah industri. Walaupun ianya melibatkan
keluasan yang agak kecil, namun bilangannya adalah lebih tinggi berbanding
kawasan perindustrian lain kerana kebanyakan industri di sini adalah industri jenis
teres. Selain daripada itu, Kawasan Perindustrian Tampoi turut mencatatkan jumlah
industri yang tinggi dengan jumlah 331 buah industri di mana kawasan ini
merupakan antara kawasan pembuatan pelbagai produk terdapat di sini seperti Kilang
Energizer, TWP, Proton, Staedler dan sebagainya.
menunjukan taburan perindustrian terancang di MBJB.
Lihat Jadual 5.9 yang
108
Jadual 5.9 : Taburan Perindustrian Terancang di MBJB.
No.
Kawasan Industri Terancang
Blok Perancangan
Bilangan
industri
1.
Bandar Baru Permas Jaya
Permas Jaya
303
2.
Taman Desa Plentong
Permas Jaya
9
3.
Taman Johor Jaya (Pandan)
Pandan
83
4.
Kawasan Perindustrian Tebrau 1
Kangkar Tebrau
89
5.
Kawasan Perindustrian Tebrau 2
Kangkar Tebrau
85
6.
Kawasan Perindustrian Tebrau 4
Kangkar Tebrau
24
7.
Kawasan Perindustrian Pandan
Kangkar Tebrau
78
8.
Kawasan Perindustrian Sri Purnama
Kangkar Tebrau
51
9.
Taman Kobena
Kempas
87
10.
Taman Munsyi Ibrahim
Kempas
94
11.
Kawasan Perindustrian Tampoi
Larkin
331
12.
Kawasan Perindustian Dato’ Onn
Larkin
97
13.
Tampoi Indah
Tampoi
62
14.
Kawasan Perindustrian Maju Jaya
Maju Jaya
45
15.
Taman Mount Austin
Mount Austin
1104
16.
Taman Daya
Mount Austin
322
17.
Kawasan Perindustrian Kota Putri
Rinting
178
18.
Taman Bukit Rinting
Rinting
312
19.
Taman Sri Timur
Rinting
5
Jumlah
3,359
Sumber: Kajian Lapangan, Sektor Perindutrian, Julai 2002, RTD JB 2003.
Jadual 5.9 dan Rajah 5.7 menunjukkan bahawa kawasan blok perancangan
Pelangi tidak dizonkan sebagai kawasan perindustrian terancang.
Ini bermakna
kawasan yang dizonkan oleh MBJB sebagai taburan perindustrian terancang tidak
termasuk kawasan blok perancangan Pelangi.
Menurut kajian yang dijalankan
mendapati kawasan blok perancangan Pelangi mempunyai jumlah keuntungan yang
paling tinggi. Jadi di sini pihak MBJB seharusnya menzonkan kawasan ini sebagai
industri terancang khususnya bagi pembinaan perusahaan kilang roti. Jadual 5.10
109
menunjukkan perbandingan di antara tahap keuntungan yang diperolehi di kawasan
Blok Perancangan MBJB dan Kawasan Perindustrian Terancang MBJB.
Jadual 5.10 : Perbandingan di antara tahap keuntungan yang diperolehi di Kawasan
Blok Perancangan MBJB Dengan Kawasan Perindustrian Terancang Di MBJB.
No.
Blok Perancangan Mengikut Kawasan Perindustrian Terancang
Tahap Keuntungan
1.
Pelangi
Tiada
2.
Kaw.Maju Jaya
Kawasan Maju Jaya
3.
Kangkar Tebrau
Kangkar Tebrau
4.
Larkin
Larkin
5.
Majidee
Tiada
6.
Kempas
Kempas
7.
Tampoi
Tampoi
8.
Daerah Sentral
Tiada
9.
Tasek Utara
Tiada
10.
Permas Jaya
Permas Jaya
11.
Pandan
Pandan
12.
Pasir Pelangi
Tiada
13.
Mount Austin
Mount Austin
14.
Kawasan Rinting
Rinting
* Tiada pengezonan khas untuk taburan kawasan perindustrian terancang.
Jadual perbandingan tersebut menunjukkan bahawa terdapat lima kawasan
yang tidak dizonkan sebagai kawasan perindustrian terancang iaitu Blok
Perancangan Pelangi, Majidee, Daerah Sentral, Tasek Utara dan Pasir Pelangi. Blok
Perancangan Pelangi merupakan kawasan yang mempunyai keuntungan paling tinggi
tetapi ia tidak termasuk di dalam kawasan industri terancang. Blok perancangan
Majidee pula berada pada tahap keuntungan yang kelima, Daerah Sentral pula pada
tahap keuntungan yang kelapan,diikuti tahap keuntungan kesembilan iaitu Tasek
Utara dan yang paling akhir sekali Pasir Pelangi yang berada pada tahap keuntungan
yang ke 12. Ini mungkin kerana kawasan blok perancangan tersebut sudah tidak
110
terdapat penawaran tanah yang sesuai untuk dijadikan Kawasan Perindustrian
Terancang.
Walau bagaimanapun ini tidak bermakna kawasan blok perancangan Pelangi,
Majidee, Daerah Sentral, Tasek Utara dan Pasir Pelangi tidak mempunyai kawasan
perindustrian. Kawasan blok perancangan Pelangi dikategorikan sebagai taburan
industri tidak terancang.
Taburan industri tidak terancang ini terdiri daripada
kawasan industri yang berada di kawasan yang tidak sesuai iaitu berada di luar
kawasan zoning perindustrian. Kategori ini terbahagi kepada dua jenis iaitu industri
yang mempunyai kelulusan dan industri yang tidak mempunyai kelulusan iaitu
haram. Jadual 5.11 menunjukan kawasan taburan industri tidak terancang.
Blok Perancangan yang mencatatkan bilangan unit kilang paling tinggi di
kawasan perindustrian tidak terancang adalah Blok Perancangan Kempas.
Kebanyakan daripada industri ini terdiri daripada aktiviti perkayuan dan papan lapis
di mana sebahagian besarnya adalah industri haram. Selain itu, blok perancangan
Tampoi turut mencatatkan bilangan yang tinggi dengan jumlah 49 buah industri.
Selain itu terdapat juga kawasan blok perancangan di taburan industri terancang
terdapat juga di taburan kawasan perindustrian tidak terancang.
Jadual 5.11 : Taburan Perindustrian Tidak Terancang di MBJB.
No.
Kawasan Industri Tidak Terancang
Bilangan
1.
Daerah Sentral
2
2.
Pelangi
15
3.
Pasir Pelangi
1
4.
Permas Jaya
0
5.
Pandan
2
6.
Majidee
25
7.
Kangkar Tebrau
0
8.
Kempas
81
9.
Larkin
0
10.
Tampoi
49
11.
Tesek Utara
2
111
Jadual 5.11 : Taburan Perindustrian Tidak Terancang di MBJB.(Sambungan)
12.
Maju Jaya
22
13.
Mount Austin
0
14.
Rinting
10
15.
Tebrau
0
JUMLAH
209
Sumber: Kajian Lapangan, Sektor Perindustrian, Julai 2002, RTD JB 2003.
Jadual 5.12 : Perbandingan di antara tahap keuntungan yang diperolehi di Kawasan
Blok Perancangan MBJB Dengan Kawasan Perindustrian Tidak Terancang Di
MBJB.
No.
Blok Perancangan Mengikut Kawasan Perindustrian Tidak Terancang
Tahap Keuntungan
1.
Pelangi
Pelangi
2.
Kaw.Maju Jaya
Kawasan Maju Jaya
3.
Kangkar Tebrau
Kangkar Tebrau
4.
Larkin
Larkin
5.
Majidee
Majidee
6.
Kempas
Kempas
7.
Tampoi
Tampoi
8.
Daerah Sentral
Daerah Sentral
9.
Tasek Utara
Tasek Utara
10.
Permas Jaya
Permas Jaya
11.
Pandan
Pandan
12.
Pasir Pelangi
Tiada
13.
Mount Austin
Mount Austin
14.
Kawasan Rinting
Rinting
Jadual perbandingan di atas menunjukkan blok perancangan mengikut tahap
keuntungan yang diperolehi kesemuanya mempunyai taburan kawasan perindustrian
walaupun kawasan perindustrian tersebut merupakan kawasan perindustrian tidak
terancang.
Ini menunjukkan kawasan yang dizon oleh pihak berkuasa sebagai
112
kawasan perindustrian yang tidak terancang berada pada blok perancangan yang
mempunyai tahap keuntungan yang paling tinggi iaitu blok perancangan Pelangi.
Blok Perancangan Pelangi seharusnya menjadi taburan kawasan perindustrian
terancang dan menjadi kawasan perindustrian khususnya bagi industri yang
melibatkan pengagihan produk atau bahan mentah.
5.6.3
Perbandingan Kawasan
Perusahaan Kilang Roti Sedia Ada Dengan
Kawasan Keuntungan Blok Perancangan
Pemerhatian yang dijalankan di kawasan kajian mendapati terdapat hanya
sebuah blok perancangan kawasan industri yang menjalankan kilang perusahaan roti
iaitu di kawasan Mount Austin.
Walau pun blok perancangan ini mencatatkan
jumlah tertinggi dengan jumlah bilangan kilang sebanyak 1,104 buah kilang tetapi
untuk menjadikan kawasan ini sebagai kawasan perusahaan roti ianya adalah tidak
sesuai.
Ini adalah kerana kawasan blok perancangan Mount Austin merupakan
kawasan blok perancangan yang mempunyai paras keuntungan yang ke tiga belas
daripada empat belas kawasan blok perancangan.
Ini menunjukkan blok
perancangan Mount Austin tidak mampu memberikan pulangan keuntungan yang
tinggi kepada pengusahanya.
Jadi kawasan yang dianggap mampu memberikan
keuntungan yang paling tinggi adalah kawasan blok perancangan Pelangi. Oleh yang
demikian kawasan perindustrian kilang roti yang terdapat di blok perancangan Mount
Austin seharusnya berada di kawasan blok perancangan Pelangi.
Perbincangan di atas menunjukkan pihak-pihak yang terlibat boleh membuat
perbandingan dan dan seterusnya memilih lokasi yang dianggap menguntungkan
sesuai dengan matlamat yang ingin dicapai. Pihak berkuasa tempatan juga boleh
mencadang seterusnya menukar corak guna tanah di kawasan yang telah dikenapasti
sebagai boleh mendatangkan keuntungan.
113
5.7 Implikasi Kepada Harta Tanah
5.7.1
Peruntukan Semula Ruang Untuk Industri Terancang
Setelah analisis dilakukan bagi menentukan tahap keuntungan kawasan blok
perancangan, hasil analisis menunjukkan kawasan blok perancangan mempunyai
tahap keuntungan yang berbeza-beza. Oleh yang demikian peruntukan semula ruang
untuk mengezonkan kawasan industri bagi perusahaan kilang roti hendaklah
dilakukan berdasarkan tahap keuntungan yang telah diperolehi. Sebagai contoh
perletakan kilang perusahaan roti sedia ada di kawasan blok perancangan Mount
Austin adalah tidak sesuai. Ini adalah kerana hasil kajian yang dijalankan mendapati
tahap keuntungan yang diperolehi di kawasan tersebut berada pada kedudukan ke
tiga belas daripada kawasan empat belas blok perancangan yang dikaji. Sepatutnya
kilang perusahaan roti tersebut berada di kawasan blok perancangan Pelangi atau pun
Kawasan Maju Jaya. Menurut Laporan Pasaran Harta Tanah, JPPH (2005), kilang
teres satu tingkat di Taman Johor Jaya dan Taman Mount Austin masing-masing
mencatatkan penurunan sebanyak 4.8 % dan 3.0%.
Walaupun diketahui bahawa kawasan blok perancangan Pelangi tidak
mempunyai taburan kawasan perindustrian terancang, pihak berkuasa boleh
mengambil perhatian untuk memperuntukkan semula ruang bagi industri ini bertapak
di kawasan yang mempunyai keuntungan yang paling maksima. Perkara yang sama
juga boleh dilakukan oleh pihak berkuasa terhadap mana-mana blok perancangan
yang tidak digazetkan sebagai taburan kawasan perindustrian terancang yang mana
kawasan blok perancangan tersebut mempunyai potensi yang besar sekiranya
didirikan industri khususnya kilang perusahaan roti.
Kawasan Blok Perancangan Pelangi sesuai didirikan kilang perusahaan roti
walaupun kawasan itu tidak digezetkan sebagai kawasan industri terancang. Ini
adalah kerana selepas menjalankan kajian mendapati kawasan itu mempunyai tahap
keuntungan yang paling tinggi. Menurut Green (1994) petempatan industri tertentu di
kawasan yang sedia ada telah berkurangan kewujudannya. Ini adalah
kerana
114
berlakunya bertambahnya pergerakan barang, buruh dan penggunaan elektrik yang
meluas.
Walau
bagaimanapun
sekiranya
berpengalaman di tempat berkenaan,
terdapat
kumpulan
buruh
yang
sesetengah kawasan masih boleh menarik
industri khusus.
Kawasan blok perancangan yang kurang menguntungkan juga boleh
dipertingkatkan keuntungannya dengan cara mencari pasaran yang lebih luas selain
daripada kawasan pentadbiran MBJB. Sebagai contoh kawasan blok perancangan
Rinting boleh mendapatkan pasaran yang luas di luar dari kawasan kajian seperti
Kawasan Pentadbiran MBJBT.
5.7.2
Penentuan Gunatanah
Secara umumnya gunatanah yang dizonkan bagi kawasan perindustrian di
kawasan pentadbiran MBJB berada pada tahap keuntungan yang teratas. Ini dapat
dilihat di kawasan blok perancangan Kawasan Maju Jaya, Kangkar Tebrau, Larkin
dan Kempas yang mempunyai tahap keuntungan yang tinggi.
Ini bermakna
gunatanah untuk tujuan perindustrian di kawasan pentadbiran MBJB berada pada
kedudukan yang sesuai. Hanya kawasan Blok Perancangan Pelangi sahaja berada di
kawasan industri tidak terancang.
Kawasan blok perancangan Pelangi walaupun tidak dizonkan sebagai taburan
kawasan perindustrian terancang masih boleh lagi dijadikan kawasan perindustrian
sekiranya mendapat kelulusan pihak terbabit. Perkara ini dinyatakan oleh Green
(1994) industri baru perlu diwujudkan dan kemudahan disediakan untuk
menggalakan industri lama menetap sekiranya industri lama sesuai untuk berada di
pusat bandar. Pihak berkuasa perancangan akan menetapkan industri yang sedia
diberi kelulusan di lokasi tertentu.
Menurut Laporan Pasaran Harta Tanah (JPPH, 2005), bilangan unit
perindustrian yang siap dibina tidak terjual adalah tidak ketara walaupun Negeri
Johor mempunyai jumlah unit tidak terjual paling banyak di negara ini. Buktinya
115
terdapat sebanyak 157 unit siap dibina tidak terjual menurun sebanyak 5.4%
berbanding catatan tahun lepas (2004) iaitu sebanyak 166 unit yang bernilai RM
87.43 juta tidak terjual. Selain itu, masih terdapat sebanyak 8 unit dalam pembinaan
tidak terjual dan 85 unit belum dibina tidak terjual selepas 9 bulan dilancarkan.
Kilang teres mendominasi unit siap dibina tidak terjual manakala kilang berkembar
banyak membentuk unit dalam pembinaan dan yang belum dibina tidak terjual.
Kebanyakan unit-unit ini terletak di Johor Bahru.
Laporan ini menunjukkan kawasan perindustrian di Johor Bahru masih lagi
mendapat sambutan walaupun bilangannya tidak tinggi. Jadi dapat dilihat di sini
terdapat penawaran kilang yang telah siap dibina tetapi tidak terjual. Oleh yang
demikan kilang di kawasan Johor Bahru sangat sesuai untuk dipilih sebagai satu
perusahaan khususnya kilang perusahaan roti.
Ini adalah kerana hasil kajian
mendapati kawasan yang mempunyai keuntungan yang paling tinggi adalah terletak
di Blok Perancangan Pelangi yang mana ia terletak di kawasan Johor Bahru.
Oleh yang demikian, adalah wajar pihak yang terlibat menjadikan kawasan
perindustrian di Johor Bahru sebagai sebagai taburan industri terancang. Selain itu
pihak yang terlibat juga hendaklah meletakkan industri itu sesuai dengan jenis
perindustrian yang dijalankan dan mengambil kira beberapa faktor yang
mempengaruhi perletakan industri tersebut sekiranya ia bertapak di sesuatu kawasan.
Kelulusan juga haruslah diberikan kepada mereka untuk membangunkan kilang di
mana-mana kawasan yang dianggap berpotensi untuk dimajukan
5.8 Kesimpulan
Bab ini secara jelasnya telah menunjukkan hasil yang diperolehi daripada
penggunaan konsep Margin Keuntungan Secara Ruang. Penggunaan konsep ini
melibatkan maklumat faktor permintaan, harga, kos dan keuntungan kasar.
Mengikut konsep ini sekiranya jumlah hasil melebihi jumlah kos maka keuntungan
akan diperolehi di kawasan tersebut begitulah sebaliknya.
116
Microsoft Exel dan analisis rangkaian digunakan bagi melakukan analisis
yang melibatkan pengiraan kos dan keuntungan bersih. Perisian ArcView 3.3 pula
digunakan selain daripada membuat analisisi rangkaian ia juga digunakan bagi
memaparkan tahap keuntungan perblok. Hasil akhir kajian dipaparkan dalam bentuk
peta yang menunjukkan tahap keuntungan yang diperolehi oleh setiap blok
perancangan kawasan pentadbiran MBJB. Kawasan telah dikenalpasti mempunyai
keuntungan paling maksimum dan keuntungan perkapita ialah kawasan Blok
Perancangan Pelangi.
keuntungan.
Kawasan blok perancangan yang lain juga memperolehi
Masing-masing mempunyai tahap keuntungan yang berbeza-beza.
Tiada satu pun kawasan blok perancangan MBJB yang mengalami kerugian
sekiranya industri roti didirikan di kawasan blok perancangan MBJB.
Penggunaan konsep ini menunjukkan bahawa setiap kawasan blok
perancangan MBJB mempunyai tahap keuntungan yang berbeza-beza.
Tahap
keuntungan ini dibuat perbandingan untuk membuat perubahan atau membuat pilihan
dalam menentukan lokasi yang mana dianggap paling menguntungkan bersesuaian
dengan matlamat yang ingin dicapai oleh pihak yang terlibat. Hasil perbandingan
tersebut mendapati kawasan blok perancangan Pelangi mempunyai keuntungan yang
paling tinggi. Namun, ia tidak dizonkan sebagai kawasan taburan perindustrian yang
terancang tetapi sebagai kawasan perindustrian tidak terancang.
Keadaan ini berlaku mungkin disebabkan oleh blok perancangan tersebut
mungkin tidak terdapat penawaran tanah yang cukup untuk dizonkan sebagai
kawasan taburan perindustrian terancang.
Perindustrian yang sedia ada di situ
kemungkinan terdiri daripada industri yang telah lama bertapak sebelum
perancangan dibuat dan mungkin juga terdiri daripada perindustrian haram.
Pemerhatian yang dilakukan mendapati di dalam kawasan pentadbiran MBJB
terdapat hanya satu blok perancangan iaitu Mount Austin yang menjalankan
perusahaan kilang roti.
Kajian yang dijalankan mendapati kawasan blok
perancangan Mount Austin mempunyai tahap keuntungan yang ke tiga belas
daripada empat belas kawasan blok perancangan yang dikaji tahap keuntungannya.
Oleh yang demikian perusahaan kilang roti yang terdapat di blok perancangan Mount
117
Austin seharusnya berada di kawasan yang mempunyai tahap keuntungan yang
paling tinggi iaitu Blok Perancangan Pelangi.
Hasil kajian ini diharap dapat membantu pihak-pihak yang terlibat untuk
membuat keputusan yang terbaik lagi di masa hadapan bagi membangunkan
perancangan kawasan perindustrian di kawasan pentadbiran MBJB khususnya yang
melibatkan industri pengagihan bahan mentah dan produk seperti industri makanan.
BAB VI
KESIMPULAN DAN CADANGAN
6.1
Ringkasan Kajian
Kajian ini dilaksanakan bagi memperjelaskan maksud optimum di dalam
garis piawai perancangan pembinaan industri.
Ia menekankan kepada aplikasi
konsep Margin Keuntungan Secara Ruang yang mana kawasan yang menguntungkan
dapat diketahui.
Konsep ini diperlukan
kerana garis piawaian lebih banyak
menekankan kepada aspek fizikal sahaja berbanding aspek ekonomi yang ditekankan
iaitu optimum. Itu pun maksudnya kurang jelas untuk difahami.
Perkara ini menyukarkan pengusaha kilang membuat keputusan untuk
mendirikan kilang di sesuatu kawasan.
Oleh yang demikian konsep Margin
Keuntungan Secara Ruang ini digunakan bagi memperjelaskan lagi aspek ekonomi
yang terdapat di dalam garis piawaian industri tersebut. Konsep ini menyatakan
sekiranya keluk hasil melebihi keluk kos maka sesuatu kawasan itu dianggap
menguntungkan.
Jenis industri yang dipilih di dalam kajian ini adalah industri makanan yang
memfokuskan kepada kilang perusahaan roti.
Perusahaan ini dianggap semakin
penting kerana perkembangan ekonomi yang begitu pesat dan pertambahan bilangan
penduduk menyebabkan permintaan terhadap produk makanan ini juga semakin
meningkat. Selain itu galakan daripada pihak kerajaan menyuruh pengusaha untuk
turut bergiat aktif di dalam industri berasaskan makanan. Kawasan kajian yang
119
dipilih untuk menjalankan kajian ini adalah kawasan pentadbiran Majlis Bandaraya
Johor Bahru yang merangkumi 14 blok perancangan.
Langkah pertama untuk menjalankan kajian ini adalah memahami konsep
Margin Keuntungan Secara Ruang. Konsep ini menyatakan sekiranya keluk hasil
bersilang dengan melebihi keluk kos maka kawasan itu dianggap menguntungkan.
Penerangan tentang ini ada dijelaskan di dalam Bahagian 2.4.
Perkara yang
diaplikasikan di dalam konsep ini adalah hasil, kos dan keuntungan atau kerugian.
Perkara tersebut dijadikan satu formula iaitu hasil tolak kos menghasilkan
keuntungan atau kerugian. Formula ini digunakan bagi menentukan kawasan yang
menguntungkan.
Setelah konsep itu difahami langkah seterusnya adalah melakukan
pengumpulan data berkaitan tentang hasil dan kos. Data hasil terdiri daripada data
permintaan dan data harga. Data permintaan terhadap roti diperolehi dengan cara
mengedarkan borang soal selidik kepada penduduk di kawasan kajian manakala data
harga diperolehi dengan membuat pemerhatian terhadap semua jenis roti yang
terdapat di pasaran.
Data kos pula diperolehi dengan dua cara. Pertama, dengan cara melakukan
temubual pengusaha kilang roti bagi mendapatkan kos bahan, kos pemasaran, kos
operasi dan pentadbiran dan kos seunit minyak diesel yang diperlukan apabila roti
dihantar ke pasaran.
Kedua, dengan cara melakukan analisis rangkaian bagi
mendapatkan data kos pengangkutan. Sebelum itu pangkalan data ruang dan atribut
kawasan kajian dibangunkan terlebih dahulu. Proses pembentukan pangkalan data
ini dilakukan dengan mengguna pakai beberapa perisian bantuan seperti Autocad
2000 untuk mendigitkan data ruang secara digitize-on- screen dan ArcView 3.3 bagi
membentuk data atribut yang mengandungi medan dan rekod kawasan kajian.
Struktur pangkalan data hendaklah direka bentuk terlebih dahulu sebelum
membuat pangkalan data. Mereka bentuk struktur pangkalan data ini ia melibatkan
reka bentuk konseptual, logikal dan fizikal bagi data ruang dan atribut serta
hubungannya. Langkah seterusnya adalah pengumpulan data dan kemasukan data ke
dalam sistem. Data ruang tadi kemudiannya diproses secara suntingan ralat dan
120
pembentukan topologi untuk menghasilkan lapisan data. Data atribut pula
dimasukkan ke dalam pangkalan data atribut melalui medan dan rekod data yang
diwujudkan. Setelah pangkalan data GIS ini siap dibentuk, ia mengandungi data asas
ruang dan atribut kawasan kajian untuk tujuan dianalisis bagi menentukan kawasan
blok perancangan yang menguntungkan.
Pangkalan data kawasan kajian ini kemudiannya dimasukkan data jaringan
jalan raya kawasan kajian yang diperolehi daripada projek CAMA. Data jaringan
jalan raya ini kemudianya dimasukkan beberapa pemberat bagi melakukan analisis
mengenalpasti jaringan jalan terpantas. Hasil analisis tersebut menunjukkan jalan
terpantas disertai dengan masa perjalanan. Masa perjalanan tersebut kemudiannya
didarabkan dengan kos seunit minyak yang dijana seterusnya kos pengangkutan
dapat ditentukan. Pengiraan kos pengangkutan ini ada diterangkan di dalam Bab IV
dan V.
Data yang diperolehi kemudiannya, dimasukkan ke dalam Microsoft Excel
untuk dianalisis. Data hasil kemudiannya dikira dengan mendarabkan jumlah dan
harga roti. Begitu juga dengan data kos bahan, pemasaran, pentadbiran, operasi dan
kos pengangkutan dikumpulkan, dan kemudian dianalisis. Setelah data hasil dan data
kos dianalisis, langkah seterusnya adalah melakukan pengiraan bagi mendapatkan
jumlah keuntungan dengan cara menolak data hasil dengan data kos. Hasil pengiraan
tersebut akan menghasilkan sejumlah keuntungan. Bab V menjelaskan bagaimana
pengiraan dilakukan bagi mendapatkan keuntungan di setiap blok perancangan.
Setiap kawasan blok perancangan disenaraikan mengikut keuntungan
berdasarkan kepada pengiraan yang dilakukan di atas. Penyenaraian yang dilakukan
ke atas setiap blok perancangan akan menunjukkan tahap keuntungan yang
diperolehi di setiap blok perancangan. Tahap keuntungan ini dipaparkan dalam
bentuk peta yang menunjukkan tahap keuntungan masing-masing bagi setiap blok
perancangan dalam Bab V.
Penggunaan konsep Margin Keuntungan Secara Ruang ini adalah dapat
memberikan satu senarai tahap keuntungan bagi sesuatu kawasan. Oleh itu,
perbandingan boleh dilakukan ke atas kawasan yang dizonkan oleh pihak berkuasa
121
tempatan sebagai kawasan industri dengan kawasan yang telah dikenalpasti tahap
keuntungannya sekiranya industri roti didirikan.
Kesimpulannya, penggunaan
Margin Keuntungan Secara Ruang ini melalui pembentukan pangkalan data dan
penggunaan Microsolf Excel dapat memberikan satu gambaran tentang keuntungan
yang bakal diperolehi di sesuatu kawasan sekiranya pengusaha industri roti ingin
mendirikan kilang di kawasan tersebut.
6.2
Pencapaian Objektif Kajian
Kajian yang dilakukan ini telah mencapai kedua-dua objektif yang dinyatakan
dalam Bab I.
Objektif pertama yang telah dicapai dengan cara melakukan
pengolahan dan pengkajian secara analitikal tentang teori-teori lokasi industri serta
faktor-faktor yang mempengaruhi perletakan industri. Teori-teori tersebut meliputi
teori kos pengangkutan terendah, analisis pasaran dan Margin Keuntungan Secara
Ruang. Konsep Margin Keuntungan Secara Ruang dipilih untuk diaplikasikan di
dalam kajian ini adalah untuk mencari satu kawasan yang menguntungkan sekiranya
seorang pengusaha ingin membangunkan industri di kawasan kajian.
Objektif kedua pula menyatakan tentang bagaimana penggunaan GIS dapat
membantu menunjukkan tahap keuntungan di kawasan kajian. Ini adalah dilakukan
dengan merekabentuk pangkalan data terlebih dahulu. Ia diikuti dengan
pengumpulan dan kemasukan data ke dalam pangkalan data. Kemudian dengan
menggunakan fungsi yang tersedia di dalam sistem atau yang sesuai dipakai
digunakan untuk mencapai objektif kajian seperti menggunakan analisis jaringan dan
‘classification’ dalam ArcView 3.3. Akhir sekali, objektif ini dapat dicapai dengan
terhasilnya peta yang menunjukkan pemeringkatan keuntungan kawasan kajian.
Implikasi penggunaan konsep Margin Keuntungan Secara Ruang terhadap
harta tanah dapat dilihat dengan terbentuknya pemeringkatan tahap keuntungan yang
diperolehi di kawasan kajian. Ini menunjukan setiap kawasan mempunyai potensi
yang berbeza-beza. Keadaan ini boleh mempengaruhi nilai tanah di sesuatu kawasan
tersebut.
122
6.3
Kesulitan yang Dihadapi
Semasa menjalankan kajian ini pengkaji menghadapi beberapa kesulitan
terutama dari segi mendapatkan data yang lengkap bagi melakukan analisis
rangkaian. Analisis rangkaian bagi mendapatkan masa perjalanan sukar ditentukan
kerana kesukaran untuk memperolehi data spatial yang tepat. Maksud data spatial
yang tepat di sini adalah seperti mempunyai maklumat jaringan jalan raya yang
menyeluruh dan terkini. Selain itu untuk membangunkan model jaringan jalan raya
menggunakan GIS memerlukan pemahaman, kepakaran dan kos yang tinggi bagi
membuatnya.
Jadi pengkaji hanya mampu untuk mengunakan data sedia ada
seterusnya melakukan analisis rangkaian jalan bagi mendapatkan masa perjalanan
bagi setiap blok perancangan kecuali Blok Perancangan Kawasan Tebrau. Kawasan
itu tidak mempunyai jaringan jalan raya yang lengkap. Masalah ini mengesani hasil
analisis yang diperolehi yang mana terdapat perbezaan masa perjalanan yang sangat
ketara di antara satu kawasan dengan kawasan yang lain.
Selain itu juga pengkaji menghadapi kesukaran memperolehi data kos bahan
bagi membuat roti daripada pihak pengusaha roti. Data ini dikatakan amat sulit
untuk diberikan walaupun untuk tujuan akademik kerana dibimbangi akan
menjejaskan reputasi pengusaha kilang roti. Disebabkan masalah ini pengkaji perlu
membuat penganggaran sendiri harga roti berdasarkan maklumat roti yang sedia ada.
Pengkaji juga menghadapi kesukaran untuk menentukan konsep yang sesuai
bagi menentukan kawasan industri yang menguntungkan. Pemahaman dan kajian
yang mendalam perlu dilakukan terlebih dahulu sebelum sesuatu konsep itu dipilih
untuk digunapakai dalam kajian ini. Penulisan tentang konsep ini agak sukar untuk
difahami kerana gaya bahasanya yang amat tinggi.
6.4
Cadangan Kajian di Masa Hadapan
Kajian susulan boleh dikemukan lagi bagi meningkatkan mutu kajian ini
dengan cara penambahan data dan penambahan kepelbagaian fungsi analisis.
123
Penambahan dan perincian data amat perlu bagi membuat analisis bagi menghasilkan
keputusan yang tepat.
Penambahan data boleh dilakukan iaitu dengan
mengabungkan faktor fizikal dan faktor ekonomi di dalam menentukan keuntungan
sesuatu kawasan industri.
Penambahan kepelbagaian fungsi pula adalah seperti
menggunakan analisis 3 dimensi (3D) yang mana ia boleh memaparkan visual
permukaan dan melihat aspek rekabentuk tanah di kawasan yang dizonkan sebagai
industri.
Selain itu juga satu sistem yang efisen iaitu bersifat ramah pengguna juga
perlu diwujudkan bagi memenuhi keperluan pengguna sebenar. Ini dapat membantu
pihak-pihak tertentu seperti Pihak Berkuasa Tempatan khususnya Jabatan Perancang
Bandar dan Desa dalam mencadangkan kawasan yang sesuai untuk dizonkan sebagai
kawasan industri.
Dengan adanya sistem tersebut juga segala keputusan yang
berkaitan dengan pemilihan kawasan industri boleh dilakukan dengan cepat dan
efisen.
Ini kerana sistem yang akan dibangunkan itu dianggap mampu untuk
mempersembahkan maklumat yang efisen melalui pembentukan sistem pangkalan
datanya yang baik.
Selain itu juga satu kajian yang mendalam tentang keuntungan lokasi industri
yang lain boleh dilakukan dengan mengaplikasikan teori lokasi industri seperti
Analysis Launhardt's Funnel Analysis, Material Index, Locational Triangle dan
Critical Isodapane bagi mengenalpasti tahap keuntungan sesuatu kawasan
Kajian ini boleh dilanjutkan lagi dengan meluaskan lagi kawasan pasaran
penghantaran roti di kawasan pentadbiran Majlis Bandaraya Johor Bahru Tengah
(MBJBT).
Perluasan kawasan pasaran ini dapat menunjukkan kemungkinan
keuntungan maksima juga boleh diperolehi di kawasan yang kurang menguntungkan
sekiranya kawasan pasarannya diperluaskan.
124
6.5
Kesimpulan Keseluruhan dan Penutup
Keputusan untuk membuat pilihan bagi memilih lokasi yang sesuai bagi
sesebuah industri itu adalah sangat penting kerana ia akan mempengaruhi keboleh
hidupan sesuatu industri itu. Aspek ekonomi tidak seharusnya diabaikan manakala
aspek fizikal juga dianggap tidak kurang pentingnya dalam meletakkan sesuatu
industri itu berada pada sesuatu tempat yang dizonkan sebagai kawasan
perindustrian.
Kebanyakan perletakan industri pada masa kini banyak mengabaikan teoriteori perletakan lokasi. Aspek fizikal lebih banyak ditekankan. Oleh yang demikian
satu kajian dilakukan bagi melihat aspek ekonomi iaitu dengan mengaplikasikan
konsep Margin Keuntungan Secara Ruang yang mana konsep ini menyatakan
sekiranya keluk hasil bersilang dan berada di atas keluk kos maka sesuatu kawasan
itu dianggap sebagai kawasan yang mempunyai keuntungan begitulah keadaan
sebaliknya. Dari konsep tersebut perkara yang diambil kira adalah hasil dan kos.
Hasil tolak antara hasil dan kos akan menghasilkan keuntungan atau kerugian.
Formula ini digunakn bagi mengkaji 14 Blok Perancagan MBJB bagi menentukan
kawasan mana yang dianggap mampu memberikan pulangan keuntungan yang tinggi
sekiranya kilang perusahaan roti didirikan di kawasan tersebut.
Sistem Maklumat Geografi (GIS) telah digunakan bagi membantu melakukan
analisis yang melibatkan jaringan jalan raya dan juga memaparkan hasil akhir kajian.
Sistem ini dianggap sebagai satu alat yang mampu membantu meningkatkan sesuatu
keputusan terutama dalam bidang perancangan khususnya dalam kajian ini iaitu
menentukan kawasan yang menguntungkan dengan menggunakan fungsi yang
terdapat di dalam sistem tersebut.
Kepantasan dan keupayaannya menyimpan,
menganalisis, mengolah dan memaparkan data menjadikanya sebagai satu alat
sokongan yang penting bagi membantuk pihak berkuasa tempatan dalam membuat
permodelan ruang, perancangan dan pengurusan kawasan pentadbiranya dengan
lebih teratur cekap dan bersistematik dan efesien.
Di samping itu juga perisian lain seperti Microsoft Office Excel juga
digunakan bagi melakukan pengiraan ke atas beberapa data yang berkaitan dengan
125
data permintaan dan data kos.
Hasil penggunaan antara dua jenis perisian ini
memberikan satu hasil analisis kajian iaitu satu senarai keuntungan kawasan
keuntungan dan dipaparkan dalam bentuk peta.
Hasil akhir kajian diharap dapat membantu pihak yang terlibat di dalam
menilai semula kedudukan kawasan industri yang dizonkan oleh pihak berkuasa
seterusnya mencadangkan zon guna industri yang baru sesuai dengan kajian yang
telah dilakukan ke atas 14 blok perancangan industri.
Hasil kajian mendapati
kawasan yang mempunyai keuntungan yang paling tinggi tidak dizonkan oleh MBJB
sebagai kawasan taburan industri terancang sebaliknya dizonkan sebagai kawasan
industri tidak terancang.
Selain itu pemerhatian yang dibuat mendapati perusahaan kilang roti yang
terdapat di kawasan blok perancangan Mount Austin adalah kurang menguntungkan.
Ini adalah kerana tahap keuntungan yang diperolehi di kawasan itu berada pada
kedudukan ke 13 daripada 14 blok perancangan industri. Oleh yang demikian,
perusahaan kilang roti yang terdapat di blok perancangan Mount Austin sepatutnya
berada di kawasan blok perancangan yang mempunyai keuntungan yang paling
tinggi iaitu Pelangi.
Konsep ini dapat membantu pihak yang terlibat untuk merancang, mentadbir
dan mengurus seterusnya membuat keputusan memilih lokasi yang menguntungkan
sebelum bercadang melakukan menzonkan, mencadangkan seterusnya membuat
pembinaan industri roti di kawasan tersebut.
Secara keseluruhanya kesimpulan yang boleh dibuat dalam kajian ini adalah
ia telah berjaya mencapai semua objektif yang telah dinyatakan. Ini dibuktikan
dengan wujudnya sebuah pangkalan data yang dapat membantu menyelesaikan
masalah dalam menentukan kawasan yang menguntungkan bagi pembinaan
perusahaan kilang roti di kawasan pentadbiran MBJB yang mengaplikasikan konsep
Margin Keuntungan Secara Ruang dengan membuat beberapa analisis yang telah
dinyatakan.
BAB VI
KESIMPULAN DAN CADANGAN
6.1
Ringkasan Kajian
Kajian ini dilaksanakan bagi memperjelaskan maksud optimum di dalam
garis piawai perancangan pembinaan industri.
Ia menekankan kepada aplikasi
konsep Margin Keuntungan Secara Ruang yang mana kawasan yang menguntungkan
dapat diketahui.
Konsep ini diperlukan
kerana garis piawaian lebih banyak
menekankan kepada aspek fizikal sahaja berbanding aspek ekonomi yang ditekankan
iaitu optimum. Itu pun maksudnya kurang jelas untuk difahami.
Perkara ini menyukarkan pengusaha kilang membuat keputusan untuk
mendirikan kilang di sesuatu kawasan.
Oleh yang demikian konsep Margin
Keuntungan Secara Ruang ini digunakan bagi memperjelaskan lagi aspek ekonomi
yang terdapat di dalam garis piawaian industri tersebut. Konsep ini menyatakan
sekiranya keluk hasil melebihi keluk kos maka sesuatu kawasan itu dianggap
menguntungkan.
Jenis industri yang dipilih di dalam kajian ini adalah industri makanan yang
memfokuskan kepada kilang perusahaan roti.
Perusahaan ini dianggap semakin
penting kerana perkembangan ekonomi yang begitu pesat dan pertambahan bilangan
penduduk menyebabkan permintaan terhadap produk makanan ini juga semakin
meningkat. Selain itu galakan daripada pihak kerajaan menyuruh pengusaha untuk
turut bergiat aktif di dalam industri berasaskan makanan. Kawasan kajian yang
119
dipilih untuk menjalankan kajian ini adalah kawasan pentadbiran Majlis Bandaraya
Johor Bahru yang merangkumi 14 blok perancangan.
Langkah pertama untuk menjalankan kajian ini adalah memahami konsep
Margin Keuntungan Secara Ruang. Konsep ini menyatakan sekiranya keluk hasil
bersilang dengan melebihi keluk kos maka kawasan itu dianggap menguntungkan.
Penerangan tentang ini ada dijelaskan di dalam Bahagian 2.4.
Perkara yang
diaplikasikan di dalam konsep ini adalah hasil, kos dan keuntungan atau kerugian.
Perkara tersebut dijadikan satu formula iaitu hasil tolak kos menghasilkan
keuntungan atau kerugian. Formula ini digunakan bagi menentukan kawasan yang
menguntungkan.
Setelah konsep itu difahami langkah seterusnya adalah melakukan
pengumpulan data berkaitan tentang hasil dan kos. Data hasil terdiri daripada data
permintaan dan data harga. Data permintaan terhadap roti diperolehi dengan cara
mengedarkan borang soal selidik kepada penduduk di kawasan kajian manakala data
harga diperolehi dengan membuat pemerhatian terhadap semua jenis roti yang
terdapat di pasaran.
Data kos pula diperolehi dengan dua cara. Pertama, dengan cara melakukan
temubual pengusaha kilang roti bagi mendapatkan kos bahan, kos pemasaran, kos
operasi dan pentadbiran dan kos seunit minyak diesel yang diperlukan apabila roti
dihantar ke pasaran.
Kedua, dengan cara melakukan analisis rangkaian bagi
mendapatkan data kos pengangkutan. Sebelum itu pangkalan data ruang dan atribut
kawasan kajian dibangunkan terlebih dahulu. Proses pembentukan pangkalan data
ini dilakukan dengan mengguna pakai beberapa perisian bantuan seperti Autocad
2000 untuk mendigitkan data ruang secara digitize-on- screen dan ArcView 3.3 bagi
membentuk data atribut yang mengandungi medan dan rekod kawasan kajian.
Struktur pangkalan data hendaklah direka bentuk terlebih dahulu sebelum
membuat pangkalan data. Mereka bentuk struktur pangkalan data ini ia melibatkan
reka bentuk konseptual, logikal dan fizikal bagi data ruang dan atribut serta
hubungannya. Langkah seterusnya adalah pengumpulan data dan kemasukan data ke
dalam sistem. Data ruang tadi kemudiannya diproses secara suntingan ralat dan
120
pembentukan topologi untuk menghasilkan lapisan data. Data atribut pula
dimasukkan ke dalam pangkalan data atribut melalui medan dan rekod data yang
diwujudkan. Setelah pangkalan data GIS ini siap dibentuk, ia mengandungi data asas
ruang dan atribut kawasan kajian untuk tujuan dianalisis bagi menentukan kawasan
blok perancangan yang menguntungkan.
Pangkalan data kawasan kajian ini kemudiannya dimasukkan data jaringan
jalan raya kawasan kajian yang diperolehi daripada projek CAMA. Data jaringan
jalan raya ini kemudianya dimasukkan beberapa pemberat bagi melakukan analisis
mengenalpasti jaringan jalan terpantas. Hasil analisis tersebut menunjukkan jalan
terpantas disertai dengan masa perjalanan. Masa perjalanan tersebut kemudiannya
didarabkan dengan kos seunit minyak yang dijana seterusnya kos pengangkutan
dapat ditentukan. Pengiraan kos pengangkutan ini ada diterangkan di dalam Bab IV
dan V.
Data yang diperolehi kemudiannya, dimasukkan ke dalam Microsoft Excel
untuk dianalisis. Data hasil kemudiannya dikira dengan mendarabkan jumlah dan
harga roti. Begitu juga dengan data kos bahan, pemasaran, pentadbiran, operasi dan
kos pengangkutan dikumpulkan, dan kemudian dianalisis. Setelah data hasil dan data
kos dianalisis, langkah seterusnya adalah melakukan pengiraan bagi mendapatkan
jumlah keuntungan dengan cara menolak data hasil dengan data kos. Hasil pengiraan
tersebut akan menghasilkan sejumlah keuntungan. Bab V menjelaskan bagaimana
pengiraan dilakukan bagi mendapatkan keuntungan di setiap blok perancangan.
Setiap kawasan blok perancangan disenaraikan mengikut keuntungan
berdasarkan kepada pengiraan yang dilakukan di atas. Penyenaraian yang dilakukan
ke atas setiap blok perancangan akan menunjukkan tahap keuntungan yang
diperolehi di setiap blok perancangan. Tahap keuntungan ini dipaparkan dalam
bentuk peta yang menunjukkan tahap keuntungan masing-masing bagi setiap blok
perancangan dalam Bab V.
Penggunaan konsep Margin Keuntungan Secara Ruang ini adalah dapat
memberikan satu senarai tahap keuntungan bagi sesuatu kawasan. Oleh itu,
perbandingan boleh dilakukan ke atas kawasan yang dizonkan oleh pihak berkuasa
121
tempatan sebagai kawasan industri dengan kawasan yang telah dikenalpasti tahap
keuntungannya sekiranya industri roti didirikan.
Kesimpulannya, penggunaan
Margin Keuntungan Secara Ruang ini melalui pembentukan pangkalan data dan
penggunaan Microsolf Excel dapat memberikan satu gambaran tentang keuntungan
yang bakal diperolehi di sesuatu kawasan sekiranya pengusaha industri roti ingin
mendirikan kilang di kawasan tersebut.
6.2
Pencapaian Objektif Kajian
Kajian yang dilakukan ini telah mencapai kedua-dua objektif yang dinyatakan
dalam Bab I.
Objektif pertama yang telah dicapai dengan cara melakukan
pengolahan dan pengkajian secara analitikal tentang teori-teori lokasi industri serta
faktor-faktor yang mempengaruhi perletakan industri. Teori-teori tersebut meliputi
teori kos pengangkutan terendah, analisis pasaran dan Margin Keuntungan Secara
Ruang. Konsep Margin Keuntungan Secara Ruang dipilih untuk diaplikasikan di
dalam kajian ini adalah untuk mencari satu kawasan yang menguntungkan sekiranya
seorang pengusaha ingin membangunkan industri di kawasan kajian.
Objektif kedua pula menyatakan tentang bagaimana penggunaan GIS dapat
membantu menunjukkan tahap keuntungan di kawasan kajian. Ini adalah dilakukan
dengan merekabentuk pangkalan data terlebih dahulu. Ia diikuti dengan
pengumpulan dan kemasukan data ke dalam pangkalan data. Kemudian dengan
menggunakan fungsi yang tersedia di dalam sistem atau yang sesuai dipakai
digunakan untuk mencapai objektif kajian seperti menggunakan analisis jaringan dan
‘classification’ dalam ArcView 3.3. Akhir sekali, objektif ini dapat dicapai dengan
terhasilnya peta yang menunjukkan pemeringkatan keuntungan kawasan kajian.
Implikasi penggunaan konsep Margin Keuntungan Secara Ruang terhadap
harta tanah dapat dilihat dengan terbentuknya pemeringkatan tahap keuntungan yang
diperolehi di kawasan kajian. Ini menunjukan setiap kawasan mempunyai potensi
yang berbeza-beza. Keadaan ini boleh mempengaruhi nilai tanah di sesuatu kawasan
tersebut.
122
6.3
Kesulitan yang Dihadapi
Semasa menjalankan kajian ini pengkaji menghadapi beberapa kesulitan
terutama dari segi mendapatkan data yang lengkap bagi melakukan analisis
rangkaian. Analisis rangkaian bagi mendapatkan masa perjalanan sukar ditentukan
kerana kesukaran untuk memperolehi data spatial yang tepat. Maksud data spatial
yang tepat di sini adalah seperti mempunyai maklumat jaringan jalan raya yang
menyeluruh dan terkini. Selain itu untuk membangunkan model jaringan jalan raya
menggunakan GIS memerlukan pemahaman, kepakaran dan kos yang tinggi bagi
membuatnya.
Jadi pengkaji hanya mampu untuk mengunakan data sedia ada
seterusnya melakukan analisis rangkaian jalan bagi mendapatkan masa perjalanan
bagi setiap blok perancangan kecuali Blok Perancangan Kawasan Tebrau. Kawasan
itu tidak mempunyai jaringan jalan raya yang lengkap. Masalah ini mengesani hasil
analisis yang diperolehi yang mana terdapat perbezaan masa perjalanan yang sangat
ketara di antara satu kawasan dengan kawasan yang lain.
Selain itu juga pengkaji menghadapi kesukaran memperolehi data kos bahan
bagi membuat roti daripada pihak pengusaha roti. Data ini dikatakan amat sulit
untuk diberikan walaupun untuk tujuan akademik kerana dibimbangi akan
menjejaskan reputasi pengusaha kilang roti. Disebabkan masalah ini pengkaji perlu
membuat penganggaran sendiri harga roti berdasarkan maklumat roti yang sedia ada.
Pengkaji juga menghadapi kesukaran untuk menentukan konsep yang sesuai
bagi menentukan kawasan industri yang menguntungkan. Pemahaman dan kajian
yang mendalam perlu dilakukan terlebih dahulu sebelum sesuatu konsep itu dipilih
untuk digunapakai dalam kajian ini. Penulisan tentang konsep ini agak sukar untuk
difahami kerana gaya bahasanya yang amat tinggi.
6.4
Cadangan Kajian di Masa Hadapan
Kajian susulan boleh dikemukan lagi bagi meningkatkan mutu kajian ini
dengan cara penambahan data dan penambahan kepelbagaian fungsi analisis.
123
Penambahan dan perincian data amat perlu bagi membuat analisis bagi menghasilkan
keputusan yang tepat.
Penambahan data boleh dilakukan iaitu dengan
mengabungkan faktor fizikal dan faktor ekonomi di dalam menentukan keuntungan
sesuatu kawasan industri.
Penambahan kepelbagaian fungsi pula adalah seperti
menggunakan analisis 3 dimensi (3D) yang mana ia boleh memaparkan visual
permukaan dan melihat aspek rekabentuk tanah di kawasan yang dizonkan sebagai
industri.
Selain itu juga satu sistem yang efisen iaitu bersifat ramah pengguna juga
perlu diwujudkan bagi memenuhi keperluan pengguna sebenar. Ini dapat membantu
pihak-pihak tertentu seperti Pihak Berkuasa Tempatan khususnya Jabatan Perancang
Bandar dan Desa dalam mencadangkan kawasan yang sesuai untuk dizonkan sebagai
kawasan industri.
Dengan adanya sistem tersebut juga segala keputusan yang
berkaitan dengan pemilihan kawasan industri boleh dilakukan dengan cepat dan
efisen.
Ini kerana sistem yang akan dibangunkan itu dianggap mampu untuk
mempersembahkan maklumat yang efisen melalui pembentukan sistem pangkalan
datanya yang baik.
Selain itu juga satu kajian yang mendalam tentang keuntungan lokasi industri
yang lain boleh dilakukan dengan mengaplikasikan teori lokasi industri seperti
Analysis Launhardt's Funnel Analysis, Material Index, Locational Triangle dan
Critical Isodapane bagi mengenalpasti tahap keuntungan sesuatu kawasan
Kajian ini boleh dilanjutkan lagi dengan meluaskan lagi kawasan pasaran
penghantaran roti di kawasan pentadbiran Majlis Bandaraya Johor Bahru Tengah
(MBJBT).
Perluasan kawasan pasaran ini dapat menunjukkan kemungkinan
keuntungan maksima juga boleh diperolehi di kawasan yang kurang menguntungkan
sekiranya kawasan pasarannya diperluaskan.
124
6.5
Kesimpulan Keseluruhan dan Penutup
Keputusan untuk membuat pilihan bagi memilih lokasi yang sesuai bagi
sesebuah industri itu adalah sangat penting kerana ia akan mempengaruhi keboleh
hidupan sesuatu industri itu. Aspek ekonomi tidak seharusnya diabaikan manakala
aspek fizikal juga dianggap tidak kurang pentingnya dalam meletakkan sesuatu
industri itu berada pada sesuatu tempat yang dizonkan sebagai kawasan
perindustrian.
Kebanyakan perletakan industri pada masa kini banyak mengabaikan teoriteori perletakan lokasi. Aspek fizikal lebih banyak ditekankan. Oleh yang demikian
satu kajian dilakukan bagi melihat aspek ekonomi iaitu dengan mengaplikasikan
konsep Margin Keuntungan Secara Ruang yang mana konsep ini menyatakan
sekiranya keluk hasil bersilang dan berada di atas keluk kos maka sesuatu kawasan
itu dianggap sebagai kawasan yang mempunyai keuntungan begitulah keadaan
sebaliknya. Dari konsep tersebut perkara yang diambil kira adalah hasil dan kos.
Hasil tolak antara hasil dan kos akan menghasilkan keuntungan atau kerugian.
Formula ini digunakn bagi mengkaji 14 Blok Perancagan MBJB bagi menentukan
kawasan mana yang dianggap mampu memberikan pulangan keuntungan yang tinggi
sekiranya kilang perusahaan roti didirikan di kawasan tersebut.
Sistem Maklumat Geografi (GIS) telah digunakan bagi membantu melakukan
analisis yang melibatkan jaringan jalan raya dan juga memaparkan hasil akhir kajian.
Sistem ini dianggap sebagai satu alat yang mampu membantu meningkatkan sesuatu
keputusan terutama dalam bidang perancangan khususnya dalam kajian ini iaitu
menentukan kawasan yang menguntungkan dengan menggunakan fungsi yang
terdapat di dalam sistem tersebut.
Kepantasan dan keupayaannya menyimpan,
menganalisis, mengolah dan memaparkan data menjadikanya sebagai satu alat
sokongan yang penting bagi membantuk pihak berkuasa tempatan dalam membuat
permodelan ruang, perancangan dan pengurusan kawasan pentadbiranya dengan
lebih teratur cekap dan bersistematik dan efesien.
Di samping itu juga perisian lain seperti Microsoft Office Excel juga
digunakan bagi melakukan pengiraan ke atas beberapa data yang berkaitan dengan
125
data permintaan dan data kos.
Hasil penggunaan antara dua jenis perisian ini
memberikan satu hasil analisis kajian iaitu satu senarai keuntungan kawasan
keuntungan dan dipaparkan dalam bentuk peta.
Hasil akhir kajian diharap dapat membantu pihak yang terlibat di dalam
menilai semula kedudukan kawasan industri yang dizonkan oleh pihak berkuasa
seterusnya mencadangkan zon guna industri yang baru sesuai dengan kajian yang
telah dilakukan ke atas 14 blok perancangan industri.
Hasil kajian mendapati
kawasan yang mempunyai keuntungan yang paling tinggi tidak dizonkan oleh MBJB
sebagai kawasan taburan industri terancang sebaliknya dizonkan sebagai kawasan
industri tidak terancang.
Selain itu pemerhatian yang dibuat mendapati perusahaan kilang roti yang
terdapat di kawasan blok perancangan Mount Austin adalah kurang menguntungkan.
Ini adalah kerana tahap keuntungan yang diperolehi di kawasan itu berada pada
kedudukan ke 13 daripada 14 blok perancangan industri. Oleh yang demikian,
perusahaan kilang roti yang terdapat di blok perancangan Mount Austin sepatutnya
berada di kawasan blok perancangan yang mempunyai keuntungan yang paling
tinggi iaitu Pelangi.
Konsep ini dapat membantu pihak yang terlibat untuk merancang, mentadbir
dan mengurus seterusnya membuat keputusan memilih lokasi yang menguntungkan
sebelum bercadang melakukan menzonkan, mencadangkan seterusnya membuat
pembinaan industri roti di kawasan tersebut.
Secara keseluruhanya kesimpulan yang boleh dibuat dalam kajian ini adalah
ia telah berjaya mencapai semua objektif yang telah dinyatakan. Ini dibuktikan
dengan wujudnya sebuah pangkalan data yang dapat membantu menyelesaikan
masalah dalam menentukan kawasan yang menguntungkan bagi pembinaan
perusahaan kilang roti di kawasan pentadbiran MBJB yang mengaplikasikan konsep
Margin Keuntungan Secara Ruang dengan membuat beberapa analisis yang telah
dinyatakan.
RUJUKAN
Aronoff, S. (1989). Geographic Information Systems: A Management Perspective.
Ottawa: WDL Publication.
Aske D.R. (1992) Environmental Regulations and Industrial Location : Testing the
Relationship Between State Environmental Regulations and Changes in State
Manufacturing Employment. Ph.D.Thesis. University of Nebraska.
Aniza Binti Ani. (2001). Penentuan Kesesuaian Tapak Industri Menggunakan Sistem
Maklumat Geografi (GIS).Kajian Kes : Majlis Daerah Kulai (Senai- Kulai).
Pusat Maklumat Geografik dan Analisis. Tesis Sarjana Muda Sains
Goinformasi, Universiti Teknologi Malaysia.
Anuar Ali. (1998). Development Policies for Heavy Industries. Kertas kerja yang
dibentangkan di Korea Development Institute ICDI/APDC Joint Seminar on
Strategy for Industrial Development: Concept and Policy Issues, Seoul,
Korea, Mei 24- 31.
& H. Osman Rani. (1986). Malaysia’s Industrial Strategies and Prospects with
special reference to Resource – Based Industralisation. Dalam Kajian
Ekonomi Malaysia (ed) Foong Chan Onn & Lim Kok Cheng Vol XXIII,
No.1.June 1986. Persatuan Ekonomi Malaysia of Malaya: Petaling Jaya.
Bale, J. (1987). The Location of Manufacturing Industry : An Introduction Approach,
Oliver and Boyd, London.
127
Blakely, Edward. (1989). Planning local economic development : theory and
practice. Sage Publication Inc. Newbury park, California. (p.63)
Bose, R. (2002). A Model for Location Analysis of Industries, University of Illinois at
Urbana Champaign.
Burrough, P.A. (1986). Principles of Geographical Information Systems for Land
Resources Assessment. Oxford: Clerendon Press.
Burrough, P.A and McDonnell, R.A. (1998). Principles of Geographical Information
Systems. Oxford: Oxford University Press Inc.
Carter, J.R. (1989). On Defining the Geographic Information System. Dlm. Ripple,
W.J.
(Ed.).
Fundamentals
of
Geographic
Information
System:
a
Compendium. Virginia: ASPRS/ACSM: 3-7.
Chapman, K dan Walker, D (1987). Industrial Location : Principles and Policies.
New York : Basil Blackwell.
Chrisman, N.R. (1997). Exploring Geographic Information Systems. Canada: John
Wiley & Sons Inc.
Cowen, D.J. (1998). GIS Versus CAD Versus DBMS: What are the Differences ?
Photogrammetric Engineering and Remote Sensing. 54: 1551-1554.
Green, E.H (1994). Bangunan, Perancangan dan Pembangunan penterjemahan
Haniza Lockman. Kuala Lumpur : Dewan Bahasa Dan Pustaka, Kementerian
Pendidikan Malaysia.
Ebadi, H. , Shah, R. ,Valadanzoej, M.J. , Vafaeinezhad, A. (2004). Evaluation of
Indexing Overlay, Fuzzy Logic and Genatic Algorithm Methods for Industrial
Estates
Site
Selection
in
GIS
Environment,
prs.org/istanbul 2004/comm5/paper/564: pdf
URL:
http://www.is
128
Estall R.C dan Buchanan R.O (1973). Industrial Activity and Economic Geography :
A Study of the Forces Behind the Geographical Location of Productive
Activity in Manufacturing Industry. London : Hutchinson University Library.
Fox, William F. (1981). Fiscal Differentials and Industrial Location : Some
Empirical Evidence. Urban Studies 18 (1) : 105 -111.
Glasson. J, terjemahan Ahris Yaakup (1991), Pengenalan Perancangan Wilayah;
Konsep Teori dan Amalan, DBP Kuala Lumpur.
Greenhut.M.C. (1956), Plant Location in Theory and Practice, University of North
Carolina Press.
Haddad, P.R., dan Schwartzman, J. (1974), “ A Space Cost Curve of Industrial
Location.” Economic Goegraphy, 50,141-143.
Healey M.J dan Ilbery B.W, (1990). Location & Change Perspectives on Economic
Geography,Oxford University Press Inc, New York. United States.
Heywood. D.I, Cornelius. S. and Carver. S (2002). 2nd. ed. Harlow : Pearson
Education Limited.
Hoover.E.M. (1948),The Location of Economic Activity, Mc Graw-Hill, New York.
Isard.W. (1956), Location and Space Economy, Wiley. New York.
JPBW (1995). Rancangan Pembangunan Wilayah Semenanjung Bengkoka, Kudat
Sabah, laporan kajian yang tidak diterbitkan, Jabatan Perancangan Bandar
Dan Wilayah, Universiti Teknologi Malaysia.
Jones, R. And Barron, M. (2002) Site Selection of Petroleum Pipelines: A GIS
Approach to Minimize Environmental Impacts and Liabilities, URL:
http//www01.giscafe.com/technical_papers/Papers/paper 007/P350.php.
129
Lim Meng Seng (1968). Peranan Perindustrian Dalam Pembangunan Negara.
Hassan
Ahmad, Pembangunan & Masalah Ekonomi ( Kumpulan rencana
pilihan
Dewan Masyarakat 1963 1972 JILID 2 (pp.104-108). Dewan Bahasa
&
Pustaka: Kementerian Pelajaran Malaysia.
Laporan Teknikal Rancangan Tempatan Daerah Johor Bahru 2002 -2020. Draf 2.
Bab 3. Penduduk dan Pembangunan Sumber Manusia. Jabatan Perancangan
Bandar an Desa MBJB.Johor.
Laporan Pasaran Harta Tanah 2005 (Property Market Report), Harta Tanah Industri
Negeri Johor , Jabatan Penilaian dan Perkhidmatan Harta. Kementerian
Kewangan Malaysia.
Lo,C.P. and Yeung, A. (2002). Concepts and Techniques of Geographic Information
Systems, Prentice Hall, New Jersey, USA.
Losch.A. (1940) Yale (1954). The Economic of Location; terjemahan Woglam.W.H,
daripada Die raumhicle Ordnung der Wirtschaft
Kamaruddin bin Shamsuddin (2006). Aplikasi Sistem Sokongan Perancangan Dalam
Menentukan Kesesuaian Perletakan Guna Tanah Industri. Ijazah Sarjana
Sains
Geoinformatik), Fakulti Kejuruteraan Dan Sains Geoinformasi.
Universiti Teknologi Malaysia
Kamus Dewan Edisi Ketiga (2002), Dewan Bahasa dan Pustaka, Kuala Lumpur.
Kerajaan Malaysia (1975). Akta Penyelarasan Perindustrian Malaysia 1975 (ICA)
Kuala Lumpur. Pencetakan Nasional Malaysia Berhad.
Kennelly, R.A (1954-5). The Location of the Mexican Steel Industry. Revista
Geografica,15,109-129; 16, 199-123; 17, 60-77.
Korte G.B (2001). The GIS Book.3rd. ed. Albany, New York : Onword Press/
Thomson Learning.
130
Knoben. J (2004). The effects of firm relocation on the performance of firms
embedded in networks. Faculty of Social and Behavioural Sciences. Tilburg
University.
Lösch, A (1954). The Economics of Location ; Translated by Woglom, W.H., from
Die räumliche Ordnung der Wirtschaft (1940). Yale University Press, New
Haven, Conn..
Mohd Faizal bin Ahmad Helme (2004). Analisis Jaringan Jalan . Kajian Kes :
Jalan-jalan
Utama di Negeri Johor dan Sebahagian Jalan di Bandar Raya
Johor Bahru. Tesis Sarjana Muda Sains (Geoinformatik). Universiti
Teknologi Malaysia.
McDermoott, P.J. (1973), ‘Spatial Margins and Industrial Location in New Zealand’.
New Zealand Geographer, 29: 64-74.
Murta, M. (1996). A GIS Application for Power Transmission Line Sitting, URL:
http://www.esri.com/resources/userconf/proc95/p061.html
Kuhn, H.W and Kuenne, R.E (1962). An Efficient Algorithm for the Numerical
Solution of the Generalized Weber Problem in Space Economics. Journal of
Regional Science, 4,21-33.
Mahani Mohamed Ibrahim (2002). Aplikasi DEGIS dalam Kajian Kilang-kilang
Haram di Sebahagian Sungai Langat, Daerah Hulu Langat. Alias Abdullah
dan
Abdul
Munit
Kasmin.Sistem
Maklumat
Geografi
Negeri
Selangor.(pp.217-243).. Kuala Lumpur. Biro Perundingan dan Usahawan,
Universiti Islam Antarabangsa Malaysia
Noon .C.E, Zhan F. B and Graham. R.L (2002). GIS- Based Analysis of Marginal
Price Variation with an Application in the Identification of Candidate Ethanol
Conversion Plant Locations. Networks and Spatial Economics, 2: 79-93.
131
Ozermoy, V.M.,Smith, D.R., Sicherman, A. (1981). Evaluating Computerized
Geographic Information Systems Using Decision analysis. Interfaces.11:9298.
Pred. A (1967). Behaviour and Location: foundations for a Geographic and
Dynamic Location Theory, Part 1, Lund Series in Geography. New York.
Pallottino, S. (1984).”Shortest- Path Methods: Complexity, Interrelations, and New
Propositions.” Networks 14, 257-267.
Parker, H.D. (1988). The Unique Qualities of Geographic Information System, a
Commentary. Photogrammetric Engineering and Remote Sensing. 54: 15471549.
Pheng. K.S dan Twin.R. (1992). ‘PEGIS: A GIS for the State of Pulau Pinang,
Malaysia’, Proceedings of the ARC/INFO and ERDAS First Annual South
Asia User Conference, Singapore, ms.1-13.
Quiambao, R.B. (2001) GIS Analysis and Cartographic Presentation of A Site
Selection Problem. Proceedings of the 22nd Asian Conference on Remote
Sensing, Singapore.
Richardson.H.W.(1969), Regional Economic, Weidenfeld dan Nicolson, Part A. New
York.
Ruslan Rainis dan Nuresah Mohd. Shariff (1998). Sistem Maklumat Geografi.
Cetakan Pertama. Kuala Lumpur: Dewan Bahasa dan Pustaka.
Smith, D.M, (1966), “A Theoretical Framework for Geographical Studies of
Industrial Location.” Economic Geography, 42, 95-113.
Smith , D.M. (1970), “ On Throwing Weber Out with the Bathwater : A Note on
Industrial Location and Linkage”. Area, 1970 (1).15 -18
132
Smith, D.M (1979). Modelling Industrial Location: Towards A Broader View of the
Space Economy’, in F.E.I. Hamilton and G.J.R Linge (eds), Spatial Analysis,
Industry and Industrial Development, I. Industrial System (Wiley,
Chichester), 37-56.
Smith, D. M. (1981). Industrial Location, An Economic Geographical Analysis, John
Wiley and Sons, Inc, New York. – Edisi Kedua
Tamin.M.Y. (1994). Report on Establishment of National Land Information System
(NALIS), Laporan Kajian Kementerian Tanah Dan Pembangunan Koperasi,
Kuala Lumpur.
Taylor, M.J (1970).The Location Decision of Small Firms, area, 2: 51-4.
Taylor, J. (1975). Problem of Minimum Cost Location : the Kuhn and Kuenne
Algorithm. Occasional Paper No.4, Department Of Goegraphy, Queen Mary
College, University Of London.
UTM-MPK (1995). Laporan Analisis Pelan Induk Taman Sejarah Sungai Lembing,
Laporan Kajian yang tidak diterbitkan, Biro Inovasi, Universiti Teknologi
Malaysia dan Majlis Perbandaran Kuantan
Wan Rafidah Binti Wan Muhamad, (2002). Penilaian Terhadap Kesesuaian
Pengelompokan Industri Kecil Berasaskan Kayu. Kajian Kes: Kawasan
Perindustrian Gong Medang, Besut, Terengganu. Tesis Sarjana Muda
Perancang Bandar dan Wilayah, Universiti Teknologi Malaysia.
Wan Mansor Wan Mahmod (2000). Pengurusan Pengeluaran. Dewan Bahasa dan
Pustaka. Kuala Lumpur.
W. Kasper (1975) A New Strategy for Malaysia ‘s Economic Development in the
1970’s. Dalam Readings on Malaysian Economic Development. (ed.) D. Lim,
Kuala Lumpur : Oxford University Press.
133
Weber, A(1929), Alfred Weber’s Theory of the Location of Industries; translated by
Friedrich, C.J., from Uber den Standort der Industrien (1909). University of
Chicago Press, Chicago.
Watts, H.D (1975), The Market Area of A Firm.” Collins, L., dan Walker, D.F.,
editor, Locational Dynamics of Manufacturing Activity. John Wiley, London.
Watt, H.D.(1987), Industrial Geography (Longman, Harlow, Essex)
Wright, R., Ray, S., Green, D., and Wood, M. (1998) Development of a GIS
of the Moray Firth (Scotland, UK) and Its Application In Environmental
Management (Site Selection For An ‘Artificial Reef). The Science of the
Total Environment, 223,65 -76.
Yaakop, A.B., Johar, F. dan Dahlan, N.A. (1994). ‘GIS and Decision Support
Systems for Local Authorities in Malaysia’, kertas kerja yang dibentangkan
di 2nd International Conference on Design and Decision Support Systems in
Architecture and Urban Planning, Vaals, The Netherlands.
Yaakob, A.B, Johar, F. Idid, S.Z.A dan Mun, Y.W. (1994). ‘GIS for Integrated
Planning Decision for Conserving the Malaysian Urban Heritage’, kertas
kerja yang dibentangkan di Asian GIS/LIS AM/FM and Spatial Analysis
Conference, Hong Kong, 28-31 Mac 1994.
Yaakup, A.B. (1999). Sistem Maklumat Geografi. Prinsip Asas dan Penggunaannya,
Monograf, Jabatan Perancangan Bandar Dan Wilayah,Universiti Teknologi
Malaysia.
Zhan, F.B and C.E. Noon. (1998). “Shortest Path Algorithms: An Evaluation Using
Real Road Networks.” Transportation Science 32, 65-73.
Zhan, F.B and C.E. Noon. (2000). “ A Comparison between Label-Setting and
Label- Correcting algorithms for Computing One-to-One Shortest Paths.”
Journal of Geographic Information and Decision Analysis 4, 1-11.
134
LAMPIRAN A
UNIVERSITI TEKNOLOGI MALAYSIA
JABATAN PENGURUSAN HARTA TANAH
FAKULTI KEJURUTERAAN DAN SAINS GEOINFORMASI
BORANG SOAL SELIDIK
Tajuk Kajian:
MENGKAJI PEMERINGKATAN LOKASI KILANG PERUSAHAAN ROTI MENGGUNAKAN
PRINSIP MARGIN KEBERUNTUNGAN RUANG
KAJIAN KES : KAWASAN PENTADBIRAN MAJLIS BANDAR RAYA JOHOR BARU
(MBJB)
Tujuan borang soal selidik ini diedarkan adalah bagi
mendapatkan jumlah permintaan roti di kawasan Majlis Bandar
Raya Johor Bahru (MBJB). Jumlah permintaan roti ini diperlukan
bagi mengetahui pemeringkatan lokasi di blok-blok
perancangan kawasan pentadbiran MBJB.
Disediakan oleh :
Norlia Mazlin Binti Lasimon
(810219-01-5034)
Sarjana Sains Harta Tanah
135
SOALAN SOAL SELIDIK
Bahagian A .Tandakan (√ ) pada jawapan yang dipilih.
1. Jantina
Lelaki
Perempuan
2. Bangsa
Melayu
Cina
India
Lain-lain
3. Di manakah kawasan anda tinggal? Nyatakan nama taman perumahan tersebut.
Taman perumahan.Nyatakan _____________________
Kampung.Nyatakan _____________________
4. Umur. _______Tahun
5. Status
Bujang
Kahwin
Bahagian B
1. Apakah jenama dan saiz roti keping yang biasa anda beli?Tandakan (√).
Jenama Roti
1. Gardenia
2. High 5
3. Chicago
4. Hawaii
5. Mighty White
6. Daily
7. Lain-lain. Sila nyatakan
_____________________
Saiz Bungkusan Roti
Sederhana
Kecil
Besar
2. Berapa keping roti yang anda makan dalam seminggu?
_____________keping
3. Sila isikan jadual berikut:
Ahli Keluarga
1. Ayah /suami
2. Ibu / isteri
3. Anak / Adik beradik yang pertama
4. Anak / Adik beradik yang kedua
5. Anak / Adik beradik yang ketiga
6. Anak / Adik beradik yang keempat
7. Anak / Adik beradik yang kelima
8. Anak / Adik beradik yang keenam
9. Anak / adik beradik
seterusnya.Nyatakan..............
Umur
Jantina
Bilangan keping roti yang dimakan
dalam seminggu (anggaran sahaja)
Sekian, terima kasih di atas kerjasama yang telah anda berikan.
136
LAMPIRAN B
Jadual 5.4 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Gardenia yang mempunyai berat 630g.
Jenama roti : Gardenia
Berat : 630
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotein tinggi
2 Air bertapis
3 Gula Pasir
4 Ragi
5 Susu tepung tanpa lemak dan komponen-komponennya
6 Garam
7 Dektrosa
8 Lemak sayuran tulen
9 Mentega
10 Pelembut adunan
Kalsium,'Yeast Food', Kalsium Propionat, Zat Galian, Zink, Vitamin C,
Niasin (B3),
Zat Besi, Vitamin E, Asid Pantetonik(B5), Tiamina(B1), Riboflavin
11 (B2),Piridoksin (B6),Vitamin A,
Zat Iodin, Asid Folik, Sianokobalamin (B12), Vitamin D3.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Kos
0.673
0.0006
0.04
0.04
0.04
0.0044
0.016
0.04
0.04
0.04
0.2
0.1145
0.1145
0.00572
0.091
0.17
0.2
0.0059
0.2
0.057
0.114
2.20662
137
Jadual 5.5 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Gardenia yang mempunyai berat 500g.
Jenama roti : Gardenia
Berat : 500
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotein tinggi
2 Air bertapis
3 Gula Pasir
4 Ragi
5 Susu tepung tanpa lemak dan komponen-komponennya
6 Garam
7 Dektrosa
8 Lemak sayuran tulen
9 Pelembut adunan
10 Kalsium,'Yeast Food', Kalsium Propionat, Vitamin C, Niasin (B3),
Zat Besi, Tiamina(B1), Riboflavin (B2), Asid Folik.
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.534
0.00047
0.0317
0.0317
0.0317
0.00349
0.0126
0.0317
0.0317
0.079
0.0908
0.0908
0.0045
0.072
0.15
0.0046
0.2
0.045
0.0904
1.53616
138
Jadual 5.6 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Gardenia yang mempunyai berat 420g.
Jenama roti : Gardenia
Berat : 420
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotein tinggi
2 Air bertapis
3 Gula Pasir
4 Ragi
5 Susu tepung tanpa lemak dan komponen-komponennya
6 Garam
7 Dektrosa
8 Lemak sayuran tulen
9 Mentega
10 Pelembut adunan
Kalsium,'Yeast Food', Kalsium Propionat, Zat Galian, Zink, Vitamin
C, Niasin (B3),
Zat Besi, Vitamin E, Asid Pantetonik(B5), Tiamina(B1), Riboflavin
11 (B2),Piridoksin (B6),Vitamin A,
Zat Iodin, Asid Folik, Sianokobalamin (B12), Vitamin D3.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.448
0.0004
0.026
0.026
0.026
0.0029
0.014
0.026
0.026
0.026
0.13
0.076
0.076
0.0038
0.06
0.13
0.0039
0.2
0.05
0.038
0.076
1.465
139
Jadual 5.7 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama High 5 yang mempunyai berat 650g.
Jenama roti : High 5
Berat : 650
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotien tinggi
2 Air bertapis
3 Ragi
4 Gula
5 Garam
6 Lelemak sayuran (kelapa sawit)
7 Mengandungi kondisioner makanan yang dibenarkan
8 Tepung gandung kultur
9 Dekstrosa
10 Susu tepung tanpa lemak
Kalsium propionat, Kalsium, Tiamina (Vitamin B1), Riboflavin
(Vitamin B2), Niasin (Vitamin B3)
Piridoksin (Vitamin B6), Sianokobalamin (Vitamin B12), Vitamin A,
11 Vitamin E, Vitamin D, Zat Besi, Asid Folik, Iodin, Magnesium, Zink.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.694
0.00063
0.041
0.041
0.0046
0.041
0.004
0.05
0.016
0.05
0.2
0.118
0.118
0.0059
0.0945
0.21
0.008
0.2
0.059
0.118
2.07363
140
Jadual 5.8 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama High 5 yang mempunyai berat 430g.
Jenama roti : High 5
Berat : 430
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotien tinggi
2 Air bertapis
3 Ragi
4 Gula
5 Garam
6 Lelemak sayuran (kelapa sawit)
7 Mengandungi kondisioner makanan yang dibenarkan
8 Tepung gandung kultur
9 Dektrosa
10 Susu tepung tanpa lemak
Kalsium propionat, Kalsium, tiamina (Vitamin B1), Riboflavin
(Vitamin B2), Niasin (Vitamin B3)
Piridoksin (Vitamin B6), Sianokobalamin (Vitamin B12), Vitamin A,
11 Vitamin E, Vitamin D, Zat Besi, Asid folik, Iodin, magnesium, zink.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.459
0.00041
0.027
0.027
0.003
0.0271
0.0026
0.033
0.01
0.033
0.132
0.078
0.078
0.0039
0.0625
0.138
0.005
0.13
0.05
0.039
0.078
1.41651
141
Jadual 5.9 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Hawaii yang mempunyai berat 550g.
Jenama roti : Hawaii
Berat : 550g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum
2 Air
3 Lemak sayuran
4 Gula
5 Pelembut adunan
6 Garam
7 Ragi
Kalsium propionat, tiamina (B1), Riboflavin (B2), zat besi, niasin
8 (B3), Asid Folik, Omega 3, Omega 6
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.588
0.00054
0.035
0.035
0.035
0.0039
0.035
0.084
0.1
0.13
0.005
0.08
0.18
0.004
0.05
0.1
1.46544
142
Jadual 5.10 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Hawaii yang mempunyai berat 320g.
Jenama roti : Hawaii
Berat : 320g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum
2 Air
3 Lemak sayuran
4 Gula
5 Pelembut adunan
6 Garam
7 Ragi
8 Kalsium propionat, tiamina (B1), Riboflavin (B2), zat besi, niasin (B3)
Asid Folik, Omega 3, Omega 6
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.342
0.00031
0.02
0.02
0.02
0.0022
0.02
0.0488
0.058
0.0756
0.0029
0.0465
0.104
0.0023
0.029
0.058
0.84961
143
Jadual 5.11 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Chicago yang mempunyai berat 550g.
Jenama roti : Chicago
Berat : 550g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandung berprotien tinggi
2 Ragi
3 Air bertapis
4 Gula Pasir
5 Garam Halus
6 Pelembut adunan
7 Tepung susu
8 Lemak sayuran
9 Kalsium propionat
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.588
0.035
0.00054
0.035
0.0039
0.035
0.04
0.035
0.038
0.1
0.1
0.005
0.08
0.15
0.06
0.05
0.1
1.45544
144
Jadual 5.12 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Chicago yang mempunyai berat 310g.
Jenama roti : Chicago
Berat : 310g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandung berprotien tinggi
2 Ragi
3 Air bertapis
4 Gula Pasir
5 Garam Halus
6 Pelembut adunan
7 Tepung susu
8 Lemak sayuran
9 Kalsium propionat
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.331
0.019
0.0003
0.019
0.0021
0.019
0.0225
0.019
0.021
0.056
0.056
0.0028
0.045
0.0845
0.0338
0.028
0.056
0.815
145
Jadual 5.13 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Mighty White yang mempunyai berat 550g.
Jenama roti : Mighty White
Berat : 550g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum
2 Gula
3 Lelemak Kelapa sawit
4 Yis
5 Garam
6 Dektosa
7 Air
8 Pelembut adunan
Mengandungi Amylase Calcium Propionate yang dibenarkan,Vitamin
9 premix
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.588
0.035
0.035
0.035
0.0039
0.014
0.00054
0.035
0.094
0.1
0.1
0.005
0.08
0.18
0.005
0.05
0.1
1.46044
146
Jadual 5.14 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Mighty White yang mempunyai berat 320g.
Jenama roti : Mighty White
Berat : 320g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum
2 Gula
3 Lelemak Kelapa sawit
4 Yis
5 Garam
6 Dektosa
7 Air
8 Pelembut adunan
Mengandungi Amylase Calcium Propionate yang dibenarkan,Vitamin
9 premix
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.342
0.02
0.02
0.02
0.0022
0.008
0.00031
0.02
0.054
0.058
0.058
0.0029
0.0465
0.1
0.0029
0.029
0.058
0.84181
147
Jadual 5.15 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Daily yang mempunyai berat 550g.
Jenama roti : Daily
Berat : 550g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotien tinggi
2 Gula
3 Air bertapis
4 Lelemak sayuran
5 Ragi roti
6 Garam
7 Tepung susu
8 Pelembut adunan
Kalsium propionate,Thiamina (Vit.B1),Riboflavin (Vit.B2),Niacin
9 (Vit.B kompleks),
Kalsium,Asid folik,Zat galian,Zink,Vitamin A,Vitamin B5,Vitamin C,
Vitamin E,Dextrosa.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.588
0.035
0.00054
0.035
0.035
0.0039
0.04
0.035
0.15
0.1
0.1
0.005
0.08
0.18
0.007
0.05
0.1
1.54444
148
Jadual 5.16 : Senarai kos bahan, kos operasi, kos pemasaran dan kos
pentadbiran bagi roti Jenama Daily yang mempunyai berat 400g.
Jenama roti : Daily
Berat : 400g
1. Kos bahan untuk membuat sebungkus roti keping
No. Bahan
1 Tepung gandum berprotien tinggi
2 Gula
3 Air bertapis
4 Lelemak sayuran
5 Ragi roti
6 Garam
7 Tepung susu
8 Pelembut adunan
Kalsium propionate,Thiamina (Vit.B1),Riboflavin (Vit.B2),
9 Niacin (Vit.B kompleks),
Kalsium,Asid folik,Zat galian,Zink,Vitamin A,Vitamin B5,Vitamin C,
Vitamin E,Dextrosa.
Jumlah
2. Kos operasi untuk membuat sebungkus roti keping
No. Perkara / aktiviti
1 Kos tenaga pekerja
2 Elektrik / air / gas / diesel
3 Mesin
4 Penyelenggaraan
5 Kos penghantaran
6 Pembungkusan
7 Sewa kilang / pembelian kilang
8 Lain-lain. Nyatakan
Jumlah
3. Kos pemasaran untuk membuat sebungkus roti
No. Perkara
1 Pengiklanan
2 Promosi
3 Kos pengangkutan
4 Lain-lain. Nyatakan
Jumlah
4. Lain-lain kos yang terlibat jika ada
No Perkara
1 Pentadbiran dan pejabat
Jumlah
Kos
0.427
0.025
0.00039
0.025
0.025
0.0028
0.029
0.025
0.1
0.072
0.072
0.0036
0.058
0.13
0.005
0.036
0.072
1.10779
149
LAMPIRAN C
Jumlah masa perjalanan dari satu blok perancangan ke 13 blok perancangan yang
lain.
Jumlah masa perjalanan dari Daerah Sentral ke 13 blok perancangan MBJB
No.
Blok Perancangan
Jumlah masa perjalanan
1 Daerah Sentral ke Pelangi
161.24
2 Daerah Sentral ke Majidee
191.52
3 Daerah Sentrl ke Kangkar Tebrau
265.34
4 Daerah Sentral ke Kempas
297.87
5 Daerah Sentral ke Larkin
186.91
6 Daerah Sentral ke Tampoi
262.55
7 Daerah Sentral ke Tasek Utara
89.63
8 Daerah Sentral ke Kaw.Maju Jaya
322.46
9 Deerah Sentral ke Pasir Pelangi
18704.48
10 Daerah Sentral ke Kawasan Rinting
24711.76
11 Daerah Sentral ke Permas Jaya
21122.99
12 Daerah Sentral ke Pandan
28817.52
13 Daerah Sentral Mount Austin
34630.93
Jumlah
129,765.20
Jumlah masa perjalanan dari Pelangi ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Pelangi ke Daerah Sentral
109.42
2 Pelangil ke Majidee
132.99
3 Pelangi ke Kangkar Tebrau
241.64
4 Pelangi ke Kempas
276.85
5 Pelangike Larkin
169.49
6 Pelangi ke Tampoi
265.78
7 Pelangi ke Tasek Utara
135.61
8 Pelangi ke Kaw.Maju Jaya
291.13
9 Pelangi ke Pasir Pelangi
9638.24
10 Pelangi ke Kawasan Rinting
10997.5
11 Pelangi ke Permas Jaya
8211.63
12 Pelangi ke Pandan
16555.7
13 Pelangi Mount Austin
22688.02
Jumlah
69,714.00
Jumlah masa perjalanan dari Majidee ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Majidee ke Daerah Sentral
159.98
2 Majidee ke Pelangi
156.23
3 Majidee ke Kangkar Tebrau
179.03
4 Majidee ke Kempas
268.69
5 Majidee ke Larkin
180.25
6 Majide ke Tampoi
269.05
7 Majidee ke Tasek Utara
185.44
8 Majidee ke Kaw.Maju Jaya
271.08
9 Majidee ke Pasir Pelangi
16169.96
10 Majidee ke Kawasan Rinting
18752.46
11 Majidee ke Permas Jaya
15380.17
150
12
13
Majidee ke Pandan
Majidee Mount Austin
Jumlah
23956.41
29926.14
105,854.89
Jumlah masa perjalanan dari Kangkar Tebrau ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Kangkar Tebrau ke Daerah Sentral
248.65
2 Kangkar Tebrau ke Pelangi
250.13
3 Kangkar Tebrau ke Majidee
188.91
4 Kangkar Tebrau ke Kempas
188.57
5 Kangkar Tebrau ke Larkin
220.57
6 Kangkat Tebrau ke Tampoi
243.85
7 Kangkar Tebrau ke Tasek Utara
234.7
8 Kangkar Tebrau ke Kaw.Maju Jaya
276.74
9 Kangkar Tebrau ke Pasir Pelangi
18606.29
10 Kangkar Tebrau ke Kawasan Rinting
19071.47
11 Kangkar Tebrau ke Permas Jaya
16304.47
12 Kangkar Tebrau ke Pandan
22299.28
13 Kangkar Tebrau Mount Austin
26299.01
Jumlah
104,432.64
Jumlah masa perjalanan dari Kempas ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Kempas ke Daerah Sentral
269.64
2 Kempas ke Pelangi
255.9
3 Kempas ke Majidee
220.02
4 Kempas ke Kangkar Tebrau
190.02
5 Kempas ke Larkin
152.43
6 Kempas ke Tampoi
112.78
7 Kempas ke Tasek Utara
223.21
8 Kempas ke Kaw.Maju Jaya
137.5
9 Kempas ke Pasir Pelangi
14439.22
10 Kempas ke Kawasan Rinting
16953.59
11 Kempas ke Permas Jaya
13851.42
12 Kempas ke Pandan
22387.37
13 Kempas ke Mount Austin
28448.73
Jumlah
97,641.83
Jumlah masa perjalanan dari Larkin ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Larkin ke Daerah Sentral
147.08
2 Larkin ke Pelangi
142.24
3 Larkin ke Majidee
123.31
4 Larkin ke Kangkar Tebrau
171.72
5 Larkin ke Larkin
162.8
6 Larkin ke Tampoi
167.01
7 Larkin ke Tasek Utara
132.19
8 Larkin ke Kaw.Maju Jaya
191.04
9 Larkin ke Pasir Pelangi
13624.84
10 Larkin ke Kawasan Rinting
16345.25
11 Larkin ke Permas Jaya
13214.11
151
12
13
Larkin ke Pandan
Larkin ke Mount Austin
Jumlah
21616.86
27681.26
93,719.71
Jumlah masa perjalanan dari Tampoi ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Tampoi ke Daerah Sentral
235.3
2 Tampoi ke Pelangi
244.9
3 Tampoi ke Majidee
244.26
4 Tampoi ke Kangkar Tebrau
222.84
5 Tampoi ke Kempas
137.14
6 Tampoi ke Larkin
139.51
7 Tampoi ke Tasek Utara
195.44
8 Tampoi ke Kaw.Maju Jaya
190.54
9 Tampoi ke Pasir Pelangi
19977.55
10 Tampoi ke Kawasan Rinting
22500.59
11 Tampoi ke Permas Jaya
19268.12
12 Tampoi ke Pandan
27900.19
13 Tampoi ke Mount Austin
34268.6
Jumlah
125,524.98
Jumlah masa perjalanan dari Tasek Utara ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Tasek Utara ke Daerah Sentral
90.91
2 Tasek Utara ke Pelangi
159.82
3 Tasek Utara ke Majidee
172.91
4 Tasek Utara ke Kangkar Tebrau
240.89
5 Tasek Utara ke Kempas
231.28
6 Tasek Utara ke Larkin
132.8
7 Tasek Utara ke Tampoi
200.02
8 Tasek Utara ke Kaw.Maju Jaya
269.62
9 Tasek Utara ke Pasir Pelangi
25266.01
10 Tasek Utara ke Kawasan Rinting
27849.91
11 Tasek Utara ke Permas Jaya
25085.63
12 Tasek Utara ke Pandan
33358.81
13 Tasek Utara ke Mount Austin
39284
Jumlah
152,342.61
152
Jumlah masa perjalanan dari Kaw. Maju Jaya ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Kaw. Maju Jaya ke Daerah Sentral
280.51
2 Kaw.Maju Jaya ke Pelangi
263.38
3 Kaw. Maju Jaya ke Majidee
257.06
4 Kaw. Maju Jaya ke Kangkar Tebrau
194.3
5 Kaw. Maju Jaya ke Kempas
173.79
6 Kaw. Maju Jaya ke Larkin
213.19
7 Kaw. Maju Jaya ke Tampoi
169.37
8 Kaw.Maju Jaya ke Tasek Utara
268.1
9 Kaw. Maju Jaya ke Pasir Pelangi
15986.42
10 Kaw. Maju Jaya ke Kawasan Rinting
18401.28
11 Kaw.Maju Jaya ke Permas Jaya
15617.13
12 Kaw. Maju Jaya ke Pandan
23903.12
13 Kaw. Maju Jaya ke Mount Austin
30058.87
Jumlah
105,786.52
Jumlah masa perjalanan dari Pasir Pelangi ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Pasir Pelangi ke Daerah Sentral
13261.85
2 Pasir Pelangi ke Pelangi
6910.61
3 Pasir Pelangi ke Majidee
12962.54
4 Pasir Pelangi ke Kangkar Tebrau
15842.43
5 Pasir Pelangi ke Kempas
12207.08
6 Pasir Pelangi ke Larkin
11240.8
7 Pasir Pelangi ke Tampoi
22558.12
8 Pasir Pelangi ke Tasek Utara
19258.41
9 Pasir Pelangi ke Kaw. Maju Jaya
13633.93
10 Pasir Pelangi ke Kawasan Rinting
13473.41
11 Pasir Pelangi ke Permas Jaya
10418.07
12 Pasir Pelangi ke Pandan
18572.09
13 Pasir Pelangike Mount Austin
25117.94
Jumlah
195,457.28
Jumlah masa perjalanan dari kawasan Rinting ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Kawasan Rinting ke Daerah Sentral
23233.46
2 Kawasan Rinting ke Pelangi
13320
3 Kawasan Rinting ke Majidee
19112.31
4 Kawasan Rinting ke Kangkar Tebrau
19718.59
5 Kawasan Rinting ke Kempas
19580.97
6 Kawasan Rinting ke Larkin
21516.81
7 Kawasan Rinting ke Tampoi
29793.42
8 Kawasan Rinting ke Tasek Utara
26545.63
9 Kawasan Rinting ke Kaw. Maju Jaya
20984.9
10 Kawasan Rinting ke Pasir Pelangi
16647.76
11 Kawasan Rinting ke Permas Jaya
7877.19
12 Kawasan Rinting ke Pandan
14704.99
13 Kawasan Rinting ke Mount Austin
20923.94
Jumlah
253,959.97
153
Jumlah masa perjalanan dari Permas Jaya ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Permas Jaya ke Daerah Sentral
16536.45
2 Permas Jaya ke Pelangi
7082.47
3 Permas Jaya ke Majidee
12519.28
4 Permas Jaya ke Kangkar Tebrau
14498.35
5 Permas Jaya ke Kempas
12715.24
6 Permas Jaya ke Larkin
13901.52
7 Permas Jaya ke Tampoi
22928.4
8 Permas Jaya ke Tasek Utara
20079.21
9 Permas Jaya ke Kaw. Maju Jaya
15067.44
10 Permas Jaya ke Pasir Pelangi
10234.13
11 Permas Jaya ke Kawasan Rinting
4262.2
12 Permas Jaya ke Pandan
9254.39
13 Permas Jaya ke Mount Austin
15597.78
Jumlah
174,676.86
Jumlah masa perjalanan dari Pandan ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Pandan ke Daerah Sentral
19264.13
2 Pandan ke Pelangi
9403.25
3 Pandan ke Majidee
6950.94
4 Pandan ke Kangkar Tebrau
8857.76
5 Pandan ke Kempas
14921.84
6 Pandan ke Larkin
16763.61
7 Pandan ke Tampoi
24955.55
8 Pandan ke Tasek Utara
21833.44
9 Pandan ke Kaw. Maju Jaya
16214.26
10 Pandan ke Pasir Pelangi
13036.04
11 Pandan ke Kawasan Rinting
5120.3
12 Pandan ke Permas Jaya
4811.04
13 Pandan ke Mount Austin
6897.87
Jumlah
169,030.03
Jumlah masa perjalanan dari Mount Austin ke 13 blok perancangan MBJB
No. Blok Perancangan
Jumlah masa perjalanan
1 Mount Austin ke Daerah Sentral
20778.96
2 Mount Austin Pelangi
10892.94
3 Mount Austin ke Majidee
7836.42
4 Mount Austin ke Kangkar Tebrau
7669.82
5 Mount Austin ke Kempas
15657
6 Mount Austin ke Larkin
17727.14
7 Mount Austin ke Tampoi
25922.89
8 Mount Austin ke Tasek Utara
22880.64
9 Mount Austin ke Kaw. Maju Jaya
17083.83
10 Mount Austin ke Pasir Pelangi
16167.8
11 Mount Austin ke Kawasan Rinting
8794.68
12 Mount Austin ke Permas Jaya
8402.96
13 Mount Austin ke Pandan
6002.68
Jumlah
185,817.76
154
LAMPIRAN D
Pengiraan Kos Pengangkutan
Kos pengangkutan dari Daerah Sentral ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
1 Daerah Sentral ke Pelangi
161.24
2 Daerah Sentral ke Majidee
191.52
Daerah Sentrl ke Kangkar
3 Tebrau
265.34
4 Daerah Sentral ke Kempas
297.87
5 Daerah Sentral ke Larkin
186.91
6 Daerah Sentral ke Tampoi
262.55
Daerah Sentral ke Tasek
7 Utara
89.63
Daerah Sentral ke Kaw.Maju
8 Jaya
322.46
Deerah Sentral ke Pasir
9 Pelangi
18,704.48
Daerah Sentral ke Kawasan
10 Rinting
24,711.76
Daerah Sentral ke Permas
11 Jaya
21,122.99
12 Daerah Sentral ke Pandan
28,817.52
13 Daerah Sentral Mount Austin
34,630.93
Jumlah
129,765.20
0.38
0.38
Kos
pengangkutan
61.27
72.78
0.38
0.38
0.38
0.38
100.83
113.19
71.03
99.77
0.38
34.06
0.38
122.53
0.38
7,107.70
0.38
9,390.47
0.38
0.38
0.38
8,026.74
10,950.66
13,159.75
49,310.78
Kos pengangkutan dari Pelangi ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pelangi ke Daerah Sentral
Pelangil ke Majidee
Pelangi ke Kangkar Tebrau
Pelangi ke Kempas
Pelangike Larkin
Pelangi ke Tampoi
Pelangi ke Tasek Utara
Pelangi ke Kaw.Maju Jaya
Pelangi ke Pasir Pelangi
Pelangi ke Kawasan Rinting
Pelangi ke Permas Jaya
Pelangi ke Pandan
Pelangi Mount Austin
Jumlah
Jumlah masa
perjalanan
109.42
132.99
241.64
276.85
169.49
265.78
135.61
291.13
9,638.24
10,997.50
8,211.63
16,555.70
22,688.02
69,714.00
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
41.58
50.54
91.82
105.20
64.41
101.00
51.53
110.63
3,662.53
4,179.05
3,120.42
6,291.17
8,621.45
26,491.32
Kos pengangkutan dari Majidee ke 13 blok perancangan MBJB
No.
1
2
3
Blok Perancangan
Majidee ke Daerah Sentral
Majidee ke Pelangi
Majidee ke Kangkar Tebrau
Jumlah masa
perjalanan
159.98
156.23
179.03
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
Kos
pengangkutan
60.79
59.37
68.03
155
4
5
6
7
8
9
10
11
12
13
Majidee ke Kempas
Majidee ke Larkin
Majide ke Tampoi
Majidee ke Tasek Utara
Majidee ke Kaw.Maju Jaya
Majidee ke Pasir Pelangi
Majidee ke Kawasan Rinting
Majidee ke Permas Jaya
Majidee ke Pandan
Majidee Mount Austin
Jumlah
268.69
180.25
269.05
185.44
271.08
16,169.96
18,752.46
15,380.17
23,956.41
29,926.14
105,854.89
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos pengangkutan dari Kangkar Tebrau ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kangkar Tebrau ke Daerah
1 Sentral
248.65
2 Kangkar Tebrau ke Pelangi
250.13
3 Kangkar Tebrau ke Majidee
188.91
4 Kangkar Tebrau ke Kempas
188.57
5 Kangkar Tebrau ke Larkin
220.57
6 Kangkat Tebrau ke Tampoi
243.85
Kangkar Tebrau ke Tasek
7 Utara
234.70
Kangkar Tebrau ke
8 Kaw.Maju Jaya
276.74
Kangkar Tebrau ke Pasir
9 Pelangi
18,606.29
Kangkar Tebrau ke
10 Kawasan Rinting
19,071.47
Kangkar Tebrau ke Permas
11 Jaya
16,304.47
12 Kangkar Tebrau ke Pandan
22,299.28
Kangkar Tebrau Mount
13 Austin
26,299.01
Jumlah
104,432.64
102.10
68.50
102.24
70.47
103.01
6,144.58
7,125.93
5,844.46
9,103.44
11,371.93
40,224.86
Kos
pengangkutan
0.38
0.38
0.38
0.38
0.38
0.38
94.49
95.05
71.79
71.66
83.82
92.66
0.38
89.19
0.38
105.16
0.38
7,070.39
0.38
7,247.16
0.38
0.38
6,195.70
8,473.73
0.38
9,993.62
39,684.40
Kos pengangkutan dari Kempas ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
Blok Perancangan
Kempas ke Daerah Sentral
Kempas ke Pelangi
Kempas ke Majidee
Kempas ke Kangkar Tebrau
Kempas ke Larkin
Kempas ke Tampoi
Kempas ke Tasek Utara
Kempas ke Kaw.Maju Jaya
Kempas ke Pasir Pelangi
Kempas ke Kawasan Rinting
Kempas ke Permas Jaya
Kempas ke Pandan
Jumlah masa
perjalanan
269.64
255.90
220.02
190.02
152.43
112.78
223.21
137.50
14,439.22
16,953.59
13,851.42
22,387.37
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
102.46
97.24
83.61
72.21
57.92
42.86
84.82
52.25
5,486.90
6,442.36
5,263.54
8,507.20
156
13
Kempas ke Mount Austin
Jumlah
28,448.73
97,641.83
0.38
10,810.52
37,103.90
Kos pengangkutan dari Larkin ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Larkin ke Daerah Sentral
Larkin ke Pelangi
Larkin ke Majidee
Larkin ke Kangkar Tebrau
Larkin ke Larkin
Larkin ke Tampoi
Larkin ke Tasek Utara
Larkin ke Kaw.Maju Jaya
Larkin ke Pasir Pelangi
Larkin ke Kawasan Rinting
Larkin ke Permas Jaya
Larkin ke Pandan
Larkin ke Mount Austin
Jumlah
Jumlah masa
perjalanan
147.08
142.24
123.31
171.72
162.80
167.01
132.19
191.04
13,624.84
16,345.25
13,214.11
21,616.86
27,681.26
93,719.71
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
55.89
54.05
46.86
65.25
61.86
63.46
50.23
72.60
5,177.44
6,211.20
5,021.36
8,214.41
10,518.88
35,613.49
Kos pengangkutan dari Tampoi ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Tampoi ke Daerah Sentral
Tampoi ke Pelangi
Tampoi ke Majidee
Tampoi ke Kangkar Tebrau
Tampoi ke Kempas
Tampoi ke Larkin
Tampoi ke Tasek Utara
Tampoi ke Kaw.Maju Jaya
Tampoi ke Pasir Pelangi
Tampoi ke Kawasan Rinting
Tampoi ke Permas Jaya
Tampoi ke Pandan
Tampoi ke Mount Austin
Jumlah
Jumlah masa
perjalanan
235.30
244.90
244.26
222.84
137.14
139.51
195.44
190.54
19,977.55
22,500.59
19,268.12
27,900.19
34,268.60
125,524.98
Perkara
Kos 1 minit diesel
yang dijana
Kos pengangkutan dari Tasek Utara ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Tasek Utara ke Daerah
1 Sentral
90.91
2 Tasek Utara ke Pelangi
159.82
3 Tasek Utara ke Majidee
172.91
Tasek Utara ke Kangkar
4 Tebrau
240.89
5 Tasek Utara ke Kempas
231.28
6 Tasek Utara ke Larkin
132.80
7 Tasek Utara ke Tampoi
200.02
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
89.41
93.06
92.82
84.68
52.11
53.01
74.27
72.41
7,591.47
8,550.22
7,321.89
10,602.07
13,022.07
47,699.49
Kos
pengangkutan
0.38
0.38
0.38
34.55
60.73
65.71
0.38
0.38
0.38
0.38
91.54
87.89
50.46
76.01
157
8
9
10
11
12
13
Tasek Utara ke Kaw.Maju
Jaya
Tasek Utara ke Pasir
Pelangi
Tasek Utara ke Kawasan
Rinting
Tasek Utara ke Permas
Jaya
Tasek Utara ke Pandan
Tasek Utara ke Mount
Austin
Jumlah
269.62
0.38
102.46
25,266.01
0.38
9,601.08
27,849.91
0.38
10,582.97
25,085.63
33,358.81
0.38
0.38
9,532.54
12,676.35
39,284.00
152,342.61
0.38
14,927.92
57,890.19
Kos pengangkutan dari kawasan Maju Jaya ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kaw. Maju Jaya ke Daerah
1 Sentral
280.51
2 Kaw.Maju Jaya ke Pelangi
263.38
3 Kaw. Maju Jaya ke Majidee
257.06
Kaw. Maju Jaya ke Kangkar
4 Tebrau
194.30
5 Kaw. Maju Jaya ke Kempas
173.79
6 Kaw. Maju Jaya ke Larkin
213.19
7 Kaw. Maju Jaya ke Tampoi
169.37
Kaw.Maju Jaya ke Tasek
8 Utara
268.10
Kaw. Maju Jaya ke Pasir
9 Pelangi
15,986.42
Kaw. Maju Jaya ke Kawasan
10 Rinting
18,401.28
Kaw.Maju Jaya ke Permas
11 Jaya
15,617.13
12 Kaw. Maju Jaya ke Pandan
23,903.12
Kaw. Maju Jaya ke Mount
13 Austin
30,058.87
Jumlah
105,786.52
Kos pengangkutan dari Pasir Pelangi ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Pasir Pelangi ke Daerah
1 Sentral
13,261.85
2 Pasir Pelangi ke Pelangi
6,910.61
3 Pasir Pelangi ke Majidee
12,962.54
Pasir Pelangi ke Kangkar
4 Tebrau
15,842.43
5 Pasir Pelangi ke Kempas
12,207.08
6 Pasir Pelangi ke Larkin
11,240.80
7 Pasir Pelangi ke Tampoi
22,558.12
Pasir Pelangi ke Tasek
8 Utara
19,258.41
Pasir Pelangi ke Kaw. Maju
9 Jaya
13,633.93
10 Pasir Pelangi ke Kawasan
13,473.41
Kos
pengangkutan
0.38
0.38
0.38
106.59
100.08
97.68
0.38
0.38
0.38
0.38
73.83
66.04
81.01
64.36
0.38
101.88
0.38
6,074.84
0.38
6,992.49
0.38
0.38
5,934.51
9,083.19
0.38
11,422.37
40,198.88
Kos
pengangkutan
0.38
0.38
0.38
5,039.50
2,626.03
4,925.77
0.38
0.38
0.38
0.38
6,020.12
4,638.69
4,271.50
8,572.09
0.38
7,318.20
0.38
0.38
5,180.89
5,119.90
158
11
12
13
Rinting
Pasir Pelangi ke Permas
Jaya
Pasir Pelangi ke Pandan
Pasir Pelangike Mount
Austin
Jumlah
10,418.07
18,572.09
0.38
0.38
3,958.87
7,057.39
25,117.94
195,457.28
0.38
9,544.82
74,273.77
Kos pengangkutan dari kawasan Rinting ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kawasan Rinting ke Daerah
1 Sentral
23,233.46
2 Kawasan Rinting ke Pelangi
13,320.00
3 Kawasan Rinting ke Majidee
19,112.31
Kawasan Rinting ke Kangkar
4 Tebrau
19,718.59
5 Kawasan Rinting ke Kempas
19,580.97
6 Kawasan Rinting ke Larkin
21,516.81
7 Kawasan Rinting ke Tampoi
29,793.42
Kawasan Rinting ke Tasek
8 Utara
26,545.63
Kawasan Rinting ke Kaw.
9 Maju Jaya
20,984.90
Kawasan Rinting ke Pasir
10 Pelangi
16,647.76
Kawasan Rinting ke Permas
11 Jaya
7,877.19
12 Kawasan Rinting ke Pandan
14,704.99
Kawasan Rinting ke Mount
13 Austin
20,923.94
Jumlah
253,959.97
Kos pengangkutan dari Permas Jaya ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Permas Jaya ke Daerah
1 Sentral
16,536.45
2 Permas Jaya ke Pelangi
7,082.47
3 Permas Jaya ke Majidee
12,519.28
Permas Jaya ke Kangkar
4 Tebrau
14,498.35
5 Permas Jaya ke Kempas
12,715.24
6 Permas Jaya ke Larkin
13,901.52
7 Permas Jaya ke Tampoi
22,928.40
Permas Jaya ke Tasek
8 Utara
20,079.21
Permas Jaya ke Kaw. Maju
9 Jaya
15,067.44
Permas Jaya ke Pasir
10 Pelangi
10,234.13
Permas Jaya ke Kawasan
11 Rinting
4,262.20
12 Permas Jaya ke Pandan
9,254.39
Kos
pengangkutan
0.38
0.38
0.38
8,828.71
5,061.60
7,262.68
0.38
0.38
0.38
0.38
7,493.06
7,440.77
8,176.39
11,321.50
0.38
10,087.34
0.38
7,974.26
0.38
6,326.15
0.38
0.38
2,993.33
5,587.90
0.38
7,951.10
96,504.79
Kos
pengangkutan
0.38
0.38
0.38
6,283.85
2,691.34
4,757.33
0.38
0.38
0.38
0.38
5,509.37
4,831.79
5,282.58
8,712.79
0.38
7,630.10
0.38
5,725.63
0.38
3,888.97
0.38
0.38
1,619.64
3,516.67
159
13
Permas Jaya ke Mount
Austin
Jumlah
15,597.78
174,676.86
0.38
5,927.16
66,377.21
Kos pengangkutan dari Pandan ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pandan ke Daerah Sentral
Pandan ke Pelangi
Pandan ke Majidee
Pandan ke Kangkar Tebrau
Pandan ke Kempas
Pandan ke Larkin
Pandan ke Tampoi
Pandan ke Tasek Utara
Pandan ke Kaw. Maju Jaya
Pandan ke Pasir Pelangi
Pandan ke Kawasan Rinting
Pandan ke Permas Jaya
Pandan ke Mount Austin
Jumlah
Jumlah masa
perjalanan
19,264.13
9,403.25
6,950.94
8,857.76
14,921.84
16,763.61
24,955.55
21,833.44
16,214.26
13,036.04
5,120.30
4,811.04
6,897.87
169,030.03
Perkara
Kos 1 minit diesel
yang dijana
Kos pengangkutan dari Mount Austin ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Mount Austin ke Daerah
1 Sentral
20,778.96
2 Mount Austin Pelangi
10,892.94
3 Mount Austin ke Majidee
7,836.42
Mount Austin ke Kangkar
4 Tebrau
7,669.82
5 Mount Austin ke Kempas
15,657.00
6 Mount Austin ke Larkin
17,727.14
7 Mount Austin ke Tampoi
25,922.89
Mount Austin ke Tasek
8 Utara
22,880.64
Mount Austin ke Kaw. Maju
9 Jaya
17,083.83
Mount Austin ke Pasir
10 Pelangi
16,167.80
Mount Austin ke Kawasan
11 Rinting
8,794.68
Mount Austin ke Permas
12 Jaya
8,402.96
13 Mount Austin ke Pandan
6,002.68
Jumlah
185,817.76
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
7,320.37
3,573.24
2,641.36
3,365.95
5,670.30
6,370.17
9,483.11
8,296.71
6,161.42
4,953.70
1,945.71
1,828.20
2,621.19
64,231.41
Kos
pengangkutan
0.38
0.38
0.38
7,896.00
4,139.32
2,977.84
0.38
0.38
0.38
0.38
2,914.53
5,949.66
6,736.31
9,850.70
0.38
8,694.64
0.38
6,491.86
0.38
6,143.76
0.38
3,341.98
0.38
0.38
3,193.12
2,281.02
70,610.75
154
LAMPIRAN D
Pengiraan Kos Pengangkutan
Kos pengangkutan dari Daerah Sentral ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
1 Daerah Sentral ke Pelangi
161.24
2 Daerah Sentral ke Majidee
191.52
Daerah Sentrl ke Kangkar
3 Tebrau
265.34
4 Daerah Sentral ke Kempas
297.87
5 Daerah Sentral ke Larkin
186.91
6 Daerah Sentral ke Tampoi
262.55
Daerah Sentral ke Tasek
7 Utara
89.63
Daerah Sentral ke Kaw.Maju
8 Jaya
322.46
Deerah Sentral ke Pasir
9 Pelangi
18,704.48
Daerah Sentral ke Kawasan
10 Rinting
24,711.76
Daerah Sentral ke Permas
11 Jaya
21,122.99
12 Daerah Sentral ke Pandan
28,817.52
13 Daerah Sentral Mount Austin
34,630.93
Jumlah
129,765.20
0.38
0.38
Kos
pengangkutan
61.27
72.78
0.38
0.38
0.38
0.38
100.83
113.19
71.03
99.77
0.38
34.06
0.38
122.53
0.38
7,107.70
0.38
9,390.47
0.38
0.38
0.38
8,026.74
10,950.66
13,159.75
49,310.78
Kos pengangkutan dari Pelangi ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pelangi ke Daerah Sentral
Pelangil ke Majidee
Pelangi ke Kangkar Tebrau
Pelangi ke Kempas
Pelangike Larkin
Pelangi ke Tampoi
Pelangi ke Tasek Utara
Pelangi ke Kaw.Maju Jaya
Pelangi ke Pasir Pelangi
Pelangi ke Kawasan Rinting
Pelangi ke Permas Jaya
Pelangi ke Pandan
Pelangi Mount Austin
Jumlah
Jumlah masa
perjalanan
109.42
132.99
241.64
276.85
169.49
265.78
135.61
291.13
9,638.24
10,997.50
8,211.63
16,555.70
22,688.02
69,714.00
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
41.58
50.54
91.82
105.20
64.41
101.00
51.53
110.63
3,662.53
4,179.05
3,120.42
6,291.17
8,621.45
26,491.32
Kos pengangkutan dari Majidee ke 13 blok perancangan MBJB
No.
1
2
3
Blok Perancangan
Majidee ke Daerah Sentral
Majidee ke Pelangi
Majidee ke Kangkar Tebrau
Jumlah masa
perjalanan
159.98
156.23
179.03
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
Kos
pengangkutan
60.79
59.37
68.03
155
4
5
6
7
8
9
10
11
12
13
Majidee ke Kempas
Majidee ke Larkin
Majide ke Tampoi
Majidee ke Tasek Utara
Majidee ke Kaw.Maju Jaya
Majidee ke Pasir Pelangi
Majidee ke Kawasan Rinting
Majidee ke Permas Jaya
Majidee ke Pandan
Majidee Mount Austin
Jumlah
268.69
180.25
269.05
185.44
271.08
16,169.96
18,752.46
15,380.17
23,956.41
29,926.14
105,854.89
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos pengangkutan dari Kangkar Tebrau ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kangkar Tebrau ke Daerah
1 Sentral
248.65
2 Kangkar Tebrau ke Pelangi
250.13
3 Kangkar Tebrau ke Majidee
188.91
4 Kangkar Tebrau ke Kempas
188.57
5 Kangkar Tebrau ke Larkin
220.57
6 Kangkat Tebrau ke Tampoi
243.85
Kangkar Tebrau ke Tasek
7 Utara
234.70
Kangkar Tebrau ke
8 Kaw.Maju Jaya
276.74
Kangkar Tebrau ke Pasir
9 Pelangi
18,606.29
Kangkar Tebrau ke
10 Kawasan Rinting
19,071.47
Kangkar Tebrau ke Permas
11 Jaya
16,304.47
12 Kangkar Tebrau ke Pandan
22,299.28
Kangkar Tebrau Mount
13 Austin
26,299.01
Jumlah
104,432.64
102.10
68.50
102.24
70.47
103.01
6,144.58
7,125.93
5,844.46
9,103.44
11,371.93
40,224.86
Kos
pengangkutan
0.38
0.38
0.38
0.38
0.38
0.38
94.49
95.05
71.79
71.66
83.82
92.66
0.38
89.19
0.38
105.16
0.38
7,070.39
0.38
7,247.16
0.38
0.38
6,195.70
8,473.73
0.38
9,993.62
39,684.40
Kos pengangkutan dari Kempas ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
Blok Perancangan
Kempas ke Daerah Sentral
Kempas ke Pelangi
Kempas ke Majidee
Kempas ke Kangkar Tebrau
Kempas ke Larkin
Kempas ke Tampoi
Kempas ke Tasek Utara
Kempas ke Kaw.Maju Jaya
Kempas ke Pasir Pelangi
Kempas ke Kawasan Rinting
Kempas ke Permas Jaya
Kempas ke Pandan
Jumlah masa
perjalanan
269.64
255.90
220.02
190.02
152.43
112.78
223.21
137.50
14,439.22
16,953.59
13,851.42
22,387.37
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
102.46
97.24
83.61
72.21
57.92
42.86
84.82
52.25
5,486.90
6,442.36
5,263.54
8,507.20
156
13
Kempas ke Mount Austin
Jumlah
28,448.73
97,641.83
0.38
10,810.52
37,103.90
Kos pengangkutan dari Larkin ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Larkin ke Daerah Sentral
Larkin ke Pelangi
Larkin ke Majidee
Larkin ke Kangkar Tebrau
Larkin ke Larkin
Larkin ke Tampoi
Larkin ke Tasek Utara
Larkin ke Kaw.Maju Jaya
Larkin ke Pasir Pelangi
Larkin ke Kawasan Rinting
Larkin ke Permas Jaya
Larkin ke Pandan
Larkin ke Mount Austin
Jumlah
Jumlah masa
perjalanan
147.08
142.24
123.31
171.72
162.80
167.01
132.19
191.04
13,624.84
16,345.25
13,214.11
21,616.86
27,681.26
93,719.71
Perkara
Kos 1 minit diesel
yang dijana
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
55.89
54.05
46.86
65.25
61.86
63.46
50.23
72.60
5,177.44
6,211.20
5,021.36
8,214.41
10,518.88
35,613.49
Kos pengangkutan dari Tampoi ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Tampoi ke Daerah Sentral
Tampoi ke Pelangi
Tampoi ke Majidee
Tampoi ke Kangkar Tebrau
Tampoi ke Kempas
Tampoi ke Larkin
Tampoi ke Tasek Utara
Tampoi ke Kaw.Maju Jaya
Tampoi ke Pasir Pelangi
Tampoi ke Kawasan Rinting
Tampoi ke Permas Jaya
Tampoi ke Pandan
Tampoi ke Mount Austin
Jumlah
Jumlah masa
perjalanan
235.30
244.90
244.26
222.84
137.14
139.51
195.44
190.54
19,977.55
22,500.59
19,268.12
27,900.19
34,268.60
125,524.98
Perkara
Kos 1 minit diesel
yang dijana
Kos pengangkutan dari Tasek Utara ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Tasek Utara ke Daerah
1 Sentral
90.91
2 Tasek Utara ke Pelangi
159.82
3 Tasek Utara ke Majidee
172.91
Tasek Utara ke Kangkar
4 Tebrau
240.89
5 Tasek Utara ke Kempas
231.28
6 Tasek Utara ke Larkin
132.80
7 Tasek Utara ke Tampoi
200.02
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
89.41
93.06
92.82
84.68
52.11
53.01
74.27
72.41
7,591.47
8,550.22
7,321.89
10,602.07
13,022.07
47,699.49
Kos
pengangkutan
0.38
0.38
0.38
34.55
60.73
65.71
0.38
0.38
0.38
0.38
91.54
87.89
50.46
76.01
157
8
9
10
11
12
13
Tasek Utara ke Kaw.Maju
Jaya
Tasek Utara ke Pasir
Pelangi
Tasek Utara ke Kawasan
Rinting
Tasek Utara ke Permas
Jaya
Tasek Utara ke Pandan
Tasek Utara ke Mount
Austin
Jumlah
269.62
0.38
102.46
25,266.01
0.38
9,601.08
27,849.91
0.38
10,582.97
25,085.63
33,358.81
0.38
0.38
9,532.54
12,676.35
39,284.00
152,342.61
0.38
14,927.92
57,890.19
Kos pengangkutan dari kawasan Maju Jaya ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kaw. Maju Jaya ke Daerah
1 Sentral
280.51
2 Kaw.Maju Jaya ke Pelangi
263.38
3 Kaw. Maju Jaya ke Majidee
257.06
Kaw. Maju Jaya ke Kangkar
4 Tebrau
194.30
5 Kaw. Maju Jaya ke Kempas
173.79
6 Kaw. Maju Jaya ke Larkin
213.19
7 Kaw. Maju Jaya ke Tampoi
169.37
Kaw.Maju Jaya ke Tasek
8 Utara
268.10
Kaw. Maju Jaya ke Pasir
9 Pelangi
15,986.42
Kaw. Maju Jaya ke Kawasan
10 Rinting
18,401.28
Kaw.Maju Jaya ke Permas
11 Jaya
15,617.13
12 Kaw. Maju Jaya ke Pandan
23,903.12
Kaw. Maju Jaya ke Mount
13 Austin
30,058.87
Jumlah
105,786.52
Kos pengangkutan dari Pasir Pelangi ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Pasir Pelangi ke Daerah
1 Sentral
13,261.85
2 Pasir Pelangi ke Pelangi
6,910.61
3 Pasir Pelangi ke Majidee
12,962.54
Pasir Pelangi ke Kangkar
4 Tebrau
15,842.43
5 Pasir Pelangi ke Kempas
12,207.08
6 Pasir Pelangi ke Larkin
11,240.80
7 Pasir Pelangi ke Tampoi
22,558.12
Pasir Pelangi ke Tasek
8 Utara
19,258.41
Pasir Pelangi ke Kaw. Maju
9 Jaya
13,633.93
10 Pasir Pelangi ke Kawasan
13,473.41
Kos
pengangkutan
0.38
0.38
0.38
106.59
100.08
97.68
0.38
0.38
0.38
0.38
73.83
66.04
81.01
64.36
0.38
101.88
0.38
6,074.84
0.38
6,992.49
0.38
0.38
5,934.51
9,083.19
0.38
11,422.37
40,198.88
Kos
pengangkutan
0.38
0.38
0.38
5,039.50
2,626.03
4,925.77
0.38
0.38
0.38
0.38
6,020.12
4,638.69
4,271.50
8,572.09
0.38
7,318.20
0.38
0.38
5,180.89
5,119.90
158
11
12
13
Rinting
Pasir Pelangi ke Permas
Jaya
Pasir Pelangi ke Pandan
Pasir Pelangike Mount
Austin
Jumlah
10,418.07
18,572.09
0.38
0.38
3,958.87
7,057.39
25,117.94
195,457.28
0.38
9,544.82
74,273.77
Kos pengangkutan dari kawasan Rinting ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Kawasan Rinting ke Daerah
1 Sentral
23,233.46
2 Kawasan Rinting ke Pelangi
13,320.00
3 Kawasan Rinting ke Majidee
19,112.31
Kawasan Rinting ke Kangkar
4 Tebrau
19,718.59
5 Kawasan Rinting ke Kempas
19,580.97
6 Kawasan Rinting ke Larkin
21,516.81
7 Kawasan Rinting ke Tampoi
29,793.42
Kawasan Rinting ke Tasek
8 Utara
26,545.63
Kawasan Rinting ke Kaw.
9 Maju Jaya
20,984.90
Kawasan Rinting ke Pasir
10 Pelangi
16,647.76
Kawasan Rinting ke Permas
11 Jaya
7,877.19
12 Kawasan Rinting ke Pandan
14,704.99
Kawasan Rinting ke Mount
13 Austin
20,923.94
Jumlah
253,959.97
Kos pengangkutan dari Permas Jaya ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Permas Jaya ke Daerah
1 Sentral
16,536.45
2 Permas Jaya ke Pelangi
7,082.47
3 Permas Jaya ke Majidee
12,519.28
Permas Jaya ke Kangkar
4 Tebrau
14,498.35
5 Permas Jaya ke Kempas
12,715.24
6 Permas Jaya ke Larkin
13,901.52
7 Permas Jaya ke Tampoi
22,928.40
Permas Jaya ke Tasek
8 Utara
20,079.21
Permas Jaya ke Kaw. Maju
9 Jaya
15,067.44
Permas Jaya ke Pasir
10 Pelangi
10,234.13
Permas Jaya ke Kawasan
11 Rinting
4,262.20
12 Permas Jaya ke Pandan
9,254.39
Kos
pengangkutan
0.38
0.38
0.38
8,828.71
5,061.60
7,262.68
0.38
0.38
0.38
0.38
7,493.06
7,440.77
8,176.39
11,321.50
0.38
10,087.34
0.38
7,974.26
0.38
6,326.15
0.38
0.38
2,993.33
5,587.90
0.38
7,951.10
96,504.79
Kos
pengangkutan
0.38
0.38
0.38
6,283.85
2,691.34
4,757.33
0.38
0.38
0.38
0.38
5,509.37
4,831.79
5,282.58
8,712.79
0.38
7,630.10
0.38
5,725.63
0.38
3,888.97
0.38
0.38
1,619.64
3,516.67
159
13
Permas Jaya ke Mount
Austin
Jumlah
15,597.78
174,676.86
0.38
5,927.16
66,377.21
Kos pengangkutan dari Pandan ke 13 blok perancangan MBJB
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pandan ke Daerah Sentral
Pandan ke Pelangi
Pandan ke Majidee
Pandan ke Kangkar Tebrau
Pandan ke Kempas
Pandan ke Larkin
Pandan ke Tampoi
Pandan ke Tasek Utara
Pandan ke Kaw. Maju Jaya
Pandan ke Pasir Pelangi
Pandan ke Kawasan Rinting
Pandan ke Permas Jaya
Pandan ke Mount Austin
Jumlah
Jumlah masa
perjalanan
19,264.13
9,403.25
6,950.94
8,857.76
14,921.84
16,763.61
24,955.55
21,833.44
16,214.26
13,036.04
5,120.30
4,811.04
6,897.87
169,030.03
Perkara
Kos 1 minit diesel
yang dijana
Kos pengangkutan dari Mount Austin ke 13 blok perancangan MBJB
Perkara
Jumlah masa
Kos 1 minit diesel
No.
Blok Perancangan
perjalanan
yang dijana
Mount Austin ke Daerah
1 Sentral
20,778.96
2 Mount Austin Pelangi
10,892.94
3 Mount Austin ke Majidee
7,836.42
Mount Austin ke Kangkar
4 Tebrau
7,669.82
5 Mount Austin ke Kempas
15,657.00
6 Mount Austin ke Larkin
17,727.14
7 Mount Austin ke Tampoi
25,922.89
Mount Austin ke Tasek
8 Utara
22,880.64
Mount Austin ke Kaw. Maju
9 Jaya
17,083.83
Mount Austin ke Pasir
10 Pelangi
16,167.80
Mount Austin ke Kawasan
11 Rinting
8,794.68
Mount Austin ke Permas
12 Jaya
8,402.96
13 Mount Austin ke Pandan
6,002.68
Jumlah
185,817.76
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
0.38
Kos
pengangkutan
7,320.37
3,573.24
2,641.36
3,365.95
5,670.30
6,370.17
9,483.11
8,296.71
6,161.42
4,953.70
1,945.71
1,828.20
2,621.19
64,231.41
Kos
pengangkutan
0.38
0.38
0.38
7,896.00
4,139.32
2,977.84
0.38
0.38
0.38
0.38
2,914.53
5,949.66
6,736.31
9,850.70
0.38
8,694.64
0.38
6,491.86
0.38
6,143.76
0.38
3,341.98
0.38
0.38
3,193.12
2,281.02
70,610.75
160
LAMPIRAN E
Keuntungan kawasan blok perancangan
No.
1
2
Blok Perancangan
Daerah Sentral ke Pelangi
Daerah Sentral ke Majidee
Daerah Sentrl ke Kangkar
Tebrau
Daerah Sentral ke Kempas
Daerah Sentral ke Larkin
Daerah Sentral ke Tampoi
Daerah Sentral ke Tasek Utara
Daerah Sentral ke Kaw.Maju
Jaya
Deerah Sentral ke Pasir Pelangi
Daerah Sentral ke Kawasan
Rinting
Daerah Sentral ke Permas Jaya
Daerah Sentral ke Pandan
Daerah Sentral Mount Austin
Jumlah
Hasil
40270.23
56420.1
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pelangi ke Daerah Sentral
Pelangil ke Majidee
Pelangi ke Kangkar Tebrau
Pelangi ke Kempas
Pelangike Larkin
Pelangi ke Tampoi
Pelangi ke Tasek Utara
Pelangi ke Kaw.Maju Jaya
Pelangi ke Pasir Pelangi
Pelangi ke Kawasan Rinting
Pelangi ke Permas Jaya
Pelangi ke Pandan
Pelangi Mount Austin
Jumlah
No.
1
2
3
4
5
6
7
Blok Perancangan
Majidee ke Daerah Sentral
Majidee ke Pelangi
Majidee ke Kangkar Tebrau
Majidee ke Kempas
Majidee ke Larkin
Majide ke Tampoi
Majidee ke Tasek Utara
3
4
5
6
7
8
9
10
11
12
13
Perkara
Kos A
Kos B
29287.44
61.27
41032.8
72.78
Keuntungan
10921.52
15314.52
22848.21
68044.68
42693.75
32868
12657.15
16616.88
49487.04
31050
23904
9205.2
100.83
113.19
71.03
99.77
34.06
6130.50
18444.45
11572.72
8864.23
3417.89
1269.4
6967.62
923.2
5067.36
122.53
7107.70
223.67
-5207.44
24691.92
28952.88
37368.1
29727.28
404779.32
17957.76
21056.64
27176.8
21619.84
294384.96
9390.47
8026.74
10950.66
13159.75
49310.78
-2656.31
-130.50
-759.36
-5052.31
61083.58
Hasil
29637.63
56420.1
22848.21
68044.68
42693.75
32868
12657.15
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
394146.72
Perkara
Kos A
Kos B
21554.64
41.58
41032.8
50.54
16616.88
91.82
49487.04
105.20
31050
64.41
23904
101.00
9205.2
51.53
923.2
110.63
5067.36
3662.53
17957.76
4179.05
21056.64
3120.42
27176.8
6291.17
21619.84
8621.45
286652.16
26491.32
Keuntungan
8041.41
15336.76
6139.51
18452.44
11579.34
8863.00
3400.42
235.57
-1762.27
2555.11
4775.82
3900.13
-514.01
81003.24
Hasil
29637.63
40270.23
22848.21
68044.68
42693.75
32868
12657.15
Perkara
Kos A
Kos B
21554.64
60.79
29287.44
59.37
16616.88
68.03
49487.04
102.10
31050
68.50
23904
102.24
9205.2
70.47
Keuntungan
8022.20
10923.42
6163.30
18455.54
11575.26
8861.76
3381.48
161
8
9
10
11
12
13
No.
Majidee ke Kaw.Maju Jaya
Majidee ke Pasir Pelangi
Majidee ke Kawasan Rinting
Majidee ke Permas Jaya
Majidee ke Pandan
Majidee Mount Austin
Jumlah
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
377996.85
Blok Perancangan
Kangkar Tebrau ke Daerah
Sentral
Kangkar Tebrau ke Pelangi
Kangkar Tebrau ke Majidee
Kangkar Tebrau ke Kempas
Kangkar Tebrau ke Larkin
Kangkat Tebrau ke Tampoi
Kangkar Tebrau ke Tasek Utara
Kangkar Tebrau ke Kaw.Maju
Jaya
Kangkar Tebrau ke Pasir Pelangi
Kangkar Tebrau ke Kawasan
Rinting
Kangkar Tebrau ke Permas Jaya
Kangkar Tebrau ke Pandan
Kangkar Tebrau Mount Austin
Jumlah
Hasil
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Kempas ke Daerah Sentral
Kempas ke Pelangi
Kempas ke Majidee
Kempas ke Kangkar Tebrau
Kempas ke Larkin
Kempas ke Tampoi
Kempas ke Tasek Utara
Kempas ke Kaw.Maju Jaya
Kempas ke Pasir Pelangi
Kempas ke Kawasan Rinting
Kempas ke Permas Jaya
Kempas ke Pandan
Kempas ke Mount Austin
Jumlah
No.
1
2
3
Blok Perancangan
Larkin ke Daerah Sentral
Larkin ke Pelangi
Larkin ke Majidee
1
2
3
4
5
6
7
8
9
10
11
12
13
923.2
5067.36
17957.76
21056.64
27176.8
21619.84
274906.8
103.01
6144.58
7125.93
5844.46
9103.44
11371.93
40224.86
Perkara
Kos A
Kos B
243.19
-4244.32
-391.77
2051.78
1087.86
-3264.49
62865.19
Keuntungan
29637.63
40270.23
56420.1
68044.68
42693.75
32868
12657.15
21554.64
29287.44
41032.8
49487.04
31050
23904
9205.2
94.49
95.05
71.79
71.66
83.82
92.66
89.19
7988.50
10887.74
15315.51
18485.98
11559.93
8871.34
3362.76
1269.4
6967.62
923.2
5067.36
105.16
7070.39
241.04
-5170.13
24691.92
28952.88
37368.1
29727.28
411568.74
17957.76
21056.64
27176.8
21619.84
299322.72
7247.16
6195.70
8473.73
9993.62
39684.40
-513.00
1700.54
1717.57
-1886.18
72561.62
Hasil
29637.63
40270.23
56420.1
22848.21
42693.75
32868
12657.15
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
366372.27
Perkara
Kos A
Kos B
21554.64
102.46
29287.44
97.24
41032.8
83.61
16616.88
72.21
31050
57.92
23904
42.86
9205.2
84.82
923.2
52.25
5067.36
5486.90
17957.76
6442.36
21056.64
5263.54
27176.8
8507.20
21619.84
10810.52
266452.56
37103.90
Keuntungan
7980.53
10885.55
15303.69
6159.12
11585.83
8921.14
3367.13
293.95
-3586.64
291.80
2632.70
1684.10
-2703.08
62815.81
Hasil
29637.63
40270.23
56420.1
Perkara
Kos A
Kos B
21554.64
55.89
29287.44
54.05
41032.8
46.86
Keuntungan
8027.10
10928.74
15340.44
162
4
5
6
7
8
9
10
11
12
13
Larkin ke Kangkar Tebrau
Larkin ke Kempas
Larkin ke Tampoi
Larkin ke Tasek Utara
Larkin ke Kaw.Maju Jaya
Larkin ke Pasir Pelangi
Larkin ke Kawasan Rinting
Larkin ke Permas Jaya
Larkin ke Pandan
Larkin ke Mount Austin
Jumlah
22848.21
68044.68
32868
12657.15
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
391723.2
16616.88
49487.04
23904
9205.2
923.2
5067.36
17957.76
21056.64
27176.8
21619.84
284889.6
65.25
61.86
63.46
50.23
72.60
5177.44
6211.20
5021.36
8214.41
10518.88
35613.49
6166.08
18495.78
8900.54
3401.72
273.60
-3277.18
522.97
2874.88
1976.89
-2411.44
71220.11
Hasil
29637.63
40270.23
56420.1
22848.21
68044.68
42693.75
12657.15
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
401548.95
Perkara
Kos A
Kos B
21554.64
89.41
29287.44
93.06
41032.8
92.82
16616.88
84.68
49487.04
52.11
31050
53.01
9205.2
74.27
923.2
72.41
5067.36
7591.47
17957.76
8550.22
21056.64
7321.89
27176.8
10602.07
21619.84
13022.07
292035.6
47699.49
Keuntungan
7993.58
10889.73
15294.48
6146.65
18505.53
11590.74
3377.68
273.79
-5691.21
-1816.06
574.35
-410.77
-4914.63
61813.86
Keuntungan
8048.44
10922.06
15321.59
6139.79
18469.75
11593.29
8887.99
243.74
-7700.82
-3848.81
-1636.30
-2485.05
-6820.48
57135.21
Keuntungan
7976.40
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Tampoi ke Daerah Sentral
Tampoi ke Pelangi
Tampoi ke Majidee
Tampoi ke Kangkar Tebrau
Tampoi ke Kempas
Tampoi ke Larkin
Tampoi ke Tasek Utara
Tampoi ke Kaw.Maju Jaya
Tampoi ke Pasir Pelangi
Tampoi ke Kawasan Rinting
Tampoi ke Permas Jaya
Tampoi ke Pandan
Tampoi ke Mount Austin
Jumlah
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Tasek Utara ke Daerah Sentral
Tasek Utara ke Pelangi
Tasek Utara ke Majidee
Tasek Utara ke Kangkar Tebrau
Tasek Utara ke Kempas
Tasek Utara ke Larkin
Tasek Utara ke Tampoi
Tasek Utara ke Kaw.Maju Jaya
Tasek Utara ke Pasir Pelangi
Tasek Utara ke Kawasan Rinting
Tasek Utara ke Permas Jaya
Tasek Utara ke Pandan
Tasek Utara ke Mount Austin
Jumlah
Hasil
29637.63
40270.23
56420.1
22848.21
68044.68
42693.75
32868
1269.4
6967.62
24691.92
28952.88
37368.1
29727.28
421759.8
Perkara
Kos A
Kos B
21554.64
34.55
29287.44
60.73
41032.8
65.71
16616.88
91.54
49487.04
87.89
31050
50.46
23904
76.01
923.2
102.46
5067.36
9601.08
17957.76
10582.97
21056.64
9532.54
27176.8
12676.35
21619.84
14927.92
306734.4
57890.19
No.
1
Blok Perancangan
Kaw. Maju Jaya ke Daerah
Hasil
29637.63
Perkara
Kos A
Kos B
21554.64
106.59
163
2
3
4
5
6
7
8
9
10
11
12
13
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
No.
1
2
3
4
5
6
7
8
9
10
Sentral
Kaw.Maju Jaya ke Pelangi
Kaw. Maju Jaya ke Majidee
Kaw. Maju Jaya ke Kangkar
Tebrau
Kaw. Maju Jaya ke Kempas
Kaw. Maju Jaya ke Larkin
Kaw. Maju Jaya ke Tampoi
Kaw.Maju Jaya ke Tasek Utara
Kaw. Maju Jaya ke Pasir Pelangi
Kaw. Maju Jaya ke Kawasan
Rinting
Kaw.Maju Jaya ke Permas Jaya
Kaw. Maju Jaya ke Pandan
Kaw. Maju Jaya ke Mount Austin
Jumlah
40270.23
56420.1
29287.44
41032.8
100.08
97.68
10882.71
15289.62
22848.21
68044.68
42693.75
32868
12657.15
6967.62
16616.88
49487.04
31050
23904
9205.2
5067.36
73.83
66.04
81.01
64.36
101.88
6074.84
6157.50
18491.60
11562.74
8899.64
3350.07
-4174.58
24691.92
28952.88
37368.1
29727.28
433147.55
17957.76
21056.64
27176.8
21619.84
315016.4
6992.49
5934.51
9083.19
11422.37
40198.88
-258.33
1961.73
1108.11
-3314.93
77932.27
Perkara
Kos A
Kos B
21554.64
5039.50
29287.44
2626.03
41032.8
4925.77
16616.88
6020.12
49487.04
4638.69
31050
4271.50
23904
8572.09
9205.2
7318.20
923.2
5180.89
Keuntungan
3043.49
8356.76
10461.53
211.21
13918.95
7372.25
391.91
-3866.25
-4834.69
Blok Perancangan
Pasir Pelangi ke Daerah Sentral
Pasir Pelangi ke Pelangi
Pasir Pelangi ke Majidee
Pasir Pelangi ke Kangkar Tebrau
Pasir Pelangi ke Kempas
Pasir Pelangi ke Larkin
Pasir Pelangi ke Tampoi
Pasir Pelangi ke Tasek Utara
Pasir Pelangi ke Kaw. Maju Jaya
Pasir Pelangi ke Kawasan
Rinting
Pasir Pelangi ke Permas Jaya
Pasir Pelangi ke Pandan
Pasir Pelangike Mount Austin
Jumlah
Hasil
29637.63
40270.23
56420.1
22848.21
68044.68
42693.75
32868
12657.15
1269.4
Blok Perancangan
Kawasan Rinting ke Daerah
Sentral
Kawasan Rinting ke Pelangi
Kawasan Rinting ke Majidee
Kawasan Rinting ke Kangkar
Tebrau
Kawasan Rinting ke Kempas
Kawasan Rinting ke Larkin
Kawasan Rinting ke Tampoi
Kawasan Rinting ke Tasek Utara
Kawasan Rinting ke Kaw. Maju
Jaya
Kawasan Rinting ke Pasir
Hasil
24691.92
28952.88
37368.1
29727.28
427449.33
17957.76
21056.64
27176.8
21619.84
310872.24
Kos A
5119.90
3958.87
7057.39
9544.82
74273.77
Perkara
Kos B
1614.26
3937.37
3133.91
-1437.38
42303.32
Keuntungan
29637.63
40270.23
56420.1
21554.64
29287.44
41032.8
8828.71
5061.60
7262.68
-745.72
5921.19
8124.62
22848.21
68044.68
42693.75
32868
12657.15
16616.88
49487.04
31050
23904
9205.2
7493.06
7440.77
8176.39
11321.50
10087.34
-1261.73
11116.87
3467.36
-2357.50
-6635.39
1269.4
6967.62
923.2
5067.36
7974.26
6326.15
-7628.06
-4425.89
164
11
12
13
No.
1
2
3
4
5
6
7
8
9
10
Pelangi
Kawasan Rinting ke Permas
Jaya
Kawasan Rinting ke Pandan
Kawasan Rinting ke Mount
Austin
Jumlah
28952.88
37368.1
21056.64
27176.8
2993.33
5587.90
4902.91
4603.40
29727.28
409725.03
21619.84
297981.84
7951.10
96504.79
156.34
15238.40
Perkara
Kos A
Kos B
21554.64
6283.85
29287.44
2691.34
41032.8
4757.33
16616.88
5509.37
49487.04
4831.79
31050
5282.58
23904
8712.79
9205.2
7630.10
923.2
5725.63
5067.36
3888.97
Keuntungan
1799.14
8291.45
10629.97
721.96
13725.85
6361.17
251.21
-4178.15
-5379.43
-1988.71
Blok Perancangan
Permas Jaya ke Daerah Sentral
Permas Jaya ke Pelangi
Permas Jaya ke Majidee
Permas Jaya ke Kangkar Tebrau
Permas Jaya ke Kempas
Permas Jaya ke Larkin
Permas Jaya ke Tampoi
Permas Jaya ke Tasek Utara
Permas Jaya ke Kaw. Maju Jaya
Permas Jaya ke Pasir Pelangi
Permas Jaya ke Kawasan
Rinting
Permas Jaya ke Pandan
Permas Jaya ke Mount Austin
Jumlah
Hasil
29637.63
40270.23
56420.1
22848.21
68044.68
42693.75
32868
12657.15
1269.4
6967.62
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
Blok Perancangan
Pandan ke Daerah Sentral
Pandan ke Pelangi
Pandan ke Majidee
Pandan ke Kangkar Tebrau
Pandan ke Kempas
Pandan ke Larkin
Pandan ke Tampoi
Pandan ke Tasek Utara
Pandan ke Kaw. Maju Jaya
Pandan ke Pasir Pelangi
Pandan ke Kawasan Rinting
Pandan ke Permas Jaya
Pandan ke Mount Austin
Jumlah
No.
1
2
3
Blok Perancangan
Mount Austin ke Daerah Sentral
Mount Austin Pelangi
Mount Austin ke Majidee
11
12
13
24691.92
37368.1
29727.28
405464.07
17957.76
27176.8
21619.84
294882.96
1619.64
3516.67
5927.16
66377.21
5114.52
6674.63
2180.28
44203.90
Hasil
29637.63
40270.23
56420.1
22848.21
68044.68
42693.75
32868
12657.15
1269.4
6967.62
24691.92
28952.88
29727.28
397048.85
Perkara
Kos A
Kos B
21554.64
7320.37
29287.44
3573.24
41032.8
2641.36
16616.88
3365.95
49487.04
5670.30
31050
6370.17
23904
9483.11
9205.2
8296.71
923.2
6161.42
5067.36
4953.70
17957.76
1945.71
21056.64
1828.20
21619.84
2621.19
288762.8
64231.41
Keuntungan
762.62
7409.56
12745.94
2865.38
12887.34
5273.58
-519.11
-4844.76
-5815.22
-3053.44
4788.45
6068.04
5486.25
44054.64
Hasil
29637.63
40270.23
56420.1
Perkara
Kos A
Kos B
21554.64
7896.00
29287.44
4139.32
41032.8
2977.84
Keuntungan
186.99
6843.47
12409.46
165
4
5
6
7
8
9
10
11
12
13
Mount Austin ke Kangkar Tebrau
Mount Austin ke Kempas
Mount Austin ke Larkin
Mount Austin ke Tampoi
Mount Austin ke Tasek Utara
Mount Austin ke Kaw. Maju Jaya
Mount Austin ke Pasir Pelangi
Mount Austin ke Kawasan
Rinting
Mount Austin ke Permas Jaya
Mount Austin ke Pandan
Jumlah
22848.21
68044.68
42693.75
32868
12657.15
1269.4
6967.62
16616.88
49487.04
31050
23904
9205.2
923.2
5067.36
2914.53
5949.66
6736.31
9850.70
8694.64
6491.86
6143.76
3316.80
12607.98
4907.44
-886.70
-5242.69
-6145.66
-4243.50
24691.92
28952.88
37368.1
404689.67
17957.76
21056.64
27176.8
294319.76
3341.98
3193.12
2281.02
70610.75
3392.18
4703.12
7910.28
39759.16
Download