PERBAIKAN SISTEM DISTRIBUSI DAN TRANSPORTASI DENGAN ...

Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 14

PERBAIKAN SISTEM DISTRIBUSI DAN TRANSPORTASI

DENGAN MENGGUNAKAN DISTRIBUTION REQUIREMENT

PLANNING (DRP) DAN ALGORITMA DJIKSTRA

(STUDI KASUS : DEPOT PERTAMINA TASIKMALAYA)

Sumiharni Batubara1, Rahmi Maulidya2, Irma Kusumaningrum3 1,2,3Jurusan Teknik Industri, FTI, Universitas Trisakti

ABSTRACT The competition in petroleum industry to meet customer requirements is very tight.

Companies that are able to survive are a company that can meet consumer demand in a timely

manner. Companies must pay attention to the smoothness of its distribution system so as to meet

consumer demand for continuous and timely. The problems frequently encountered by the

Petroleum Industry are a delay in delivery of fuel from depots to filling stations are located in the

region such coverage Depot. This is caused by a number of previously unknown oil demands, the

limited number of tank cars for fuel and lack of accuracy, adequacy determination of delivery

routes fuel from depots to retail outlets. This paper is intended to help the Oil Industry to

determine the fuel distribution system and the determination of delivery routes with the aim of

minimizing shipping costs and delivery schedules to determine fuel from depots to retail outlets.

The method used in this study is the Distribution Requirements Planning (DRP) to determine how

the delivery of fuel from depots to retail outlets each with respect to the amount of the daily

requirement of each pump.

This research begins with forecasting demand for fuel at 81 gas stations for several future

periods. Under the DRP method of forecasting at each gas station for one week ahead will be a

need for fuel to be supplied by the Depot Tasikmalaya. So that the Depot can estimate the amount

of fuel that must be sent to each retail outlets in the coming period. Furthermore Djikstra

algorithm used to determine fuel delivery routes from depots to retail outlets. The selected route

is a route with a shorter distance and minimum shipping costs. After that car assignment

scheduling done by using rule-based scheduling longest travel time (Longest Processing Time),

to obtain the finish time of fuel delivery is almost the same on every car is assigned.

Use of the DRP method, assignment and scheduling and Djikstra algorithm, tank car is

useful because it can estimate the needs of Tasikmalaya Depot gas station in the coming period

so that the fuel supply depot in accordance with the requirements both in terms of quantity and

time, can determine the route of delivery of fuel depots to gas stations with the shipping costs

more low-cost, timely delivery time and workload tank car that is almost the same.

Keywords: Forecasting, Distribution Requirements Planning (DRP), Djikstra algorithm, Longest

Processing Time (LPT).

1. PENDAHULUAN1

Industri perminyakan merupakan

salah satu penggerak utama perekonomian

dengan persaingan yang semakin ketat.

Dimana salah satu faktor yang harus

diperhatikan untuk memenangkan

persaingan adalah proses distribusi. Faktor-

faktor yang berpengaruh dalam kelancaran

Korespondensi : 1 Sumiharni Batubara

suatu proses distribusi antara lain sistim

distribusi, penentuan rute distribusi dan alat

transportasi.

Transportasi mencerminkan seberapa

cepat dan seberapa tepat produk dapat

berpindah dari satu tempat ke tempat yang

lain. Ditujukan sebagai time in transit

ketepatan waktu dalam pengangkutan dan

E-mail : [email protected]


ketepatan jasa (consistency of service). Jika

suatu produk tidak tersedia pada saat

dibutuhkan akan terjadi kerugian yang tidak

terhitung, seperti kehilangan penjualan,

ketidakpuasan konsumen, kehilangan

kepercayaan konsumen dan keterlambatan

produksi.

Distribusi melibatkan perpindahan

produk jadi untuk memenuhi kebutuhan

konsumen. Sebuah produk ketika diproduksi

berada pada satu titik yang memiliki nilai

terendah untuk konsumen, kecuali jika

dipindahkan pada satu titik dimana produk

tersebut dapat berguna bagi konsumen.

Permasalahan yang dihadapi oleh

Depot Pertamina Tasikmalaya adalah

keterlambatan pengiriman BBM dari Depot

Tasikmalaya ke SPBU. Hal ini disebabkan

oleh jumlah kebutuhan BBM pada setiap

SPBU tidak diketahui, jumlah mobil tanki

yang terbatas.Bila permasalahan ini tidak

segera diatasi maka akan menimbulkan

permasalahan yang lebih besar, karena pada

tahun 2010 telah terjadi peningkatan jumlah

SPBU dari 50 SPBU menjadi 81 SPBU.

PERTAMINA

CILACAP

DEPOT

PERTAMINA

TASIKMALAYA

Pipa

Mobil

tanki

Permintaan

Nyata

DEPOT

PERTAMINA

PADALARANG

DEPOT

PERTAMINA

UJUNGBERUNG

KONSUMEN

WILAYAH

KUNINGAN

(3 SPBU)

WILAYAH

KODYA

TASIKMALAYA

(24 SPBU)

WILAYAH

TASIKMALAYA

(15 SPBU & 1

SPBT)

WILAYAH

CIAMIS

(26 SPBU)

WILAYAH

BANJAR

(6 SPBU)

WILAYAH

MAJALENGKA

(5 SPBU)

WILAYAH

GARUT

(3 SPBU &

1 SPBT)

WILAYAH

CILACAP

(1 SPBU)

Gambar 1. Pola Distribusi Depot Pertamina Tasikmalaya

Depot Tasikmalaya memiliki kendali

atas 81 SPBU yang tersebar di wilayah

tersebut dan memiliki mobil tanki 22

armada. Tujuan penelitian ini adalah

memperkirakan kebutuhan BBM di masing

masing SPBU,menentukan rute dan jadwal

pengiriman BBM dari Depot ke setiap SPBU

yang dapat meminimasi ongkos pengiriman

dan meratakan beban kerja mobil tanki.

2. TINJAUAN PUSTAKA

2.1. Peramalan (Makridakis, 1999)

Peramalan menggunakan model Time Series, metode kwantitatif dengan memilih metode yang sesuai dengan pola data, yaitu : Moving Average, Exponential Smoothing dan Regresi Linier. Pemilihan metode peramalan menggunakan MSE

(Mean Square Error) dan pengujian hasil peramalan menggunakan Tracking Signal.

2.2. Distribution Requirement

Planning (DRP)

Konsep Distribution Requirement

Planning (DRP) menawarkan alternatif

dengan keuntungan mengembangkan

penjadwalan, seluruh sumber permintaan

dapat dijadikan satu atau dikoordinasi.

Distribusi melibatkan perpindahan produk

jadi untuk memenuhi kebutuhan konsumen.

Sebuah produk ketika diproduksi berada

pada satu titik yang memiliki nilai terendah

untuk konsumen, kecuali jika dipindahkan

pada satu titik dimana produk tersebut dapat

berguna bagi konsumen.

Industri produk jadi memberikan

form value utility (form added value), maka


sistem distribusi memberikan time value dan

place value utility (atau time and place

added value). Kebanyakan, produk yang

dimaksudkan di sini adalah produk jadi yang

disalurkan dari pabrik ke para pelanggan.

MDC

RDC

200

RDC

300

RDC

100

LDC

101

LDC

102

LDC

301

LDC

302

LDC

303

LDC

201

LDC

202

LDC

203

LDC

204

Ket :

MDC = master (central) distribution center (pusat induk distribusi)

RDC = regional distribution center (pusat distribusi regional)

LDC = local distribution center (pusat distribusi lokal)

Gambar 2. Bagan Multi Tingkat dalam Jaringan Distribusi

Dalam sistem distribusi bertingkat

ganda, kebutuhan nyata pelanggan tidak

langsung diketahui oleh pabrik pembuat

produk, tetapi disalurkan melalui berbagai

level sistem distribusi tersebut. Kalau

menyangkut waktu yang pendek, maka

perencanaan dan perhitungan kebutuhan,

pemesanan kembali dan sebagainya menjadi

sangat krusial. Oleh karena itu diperlukan

metoda perhitungan yang memadai untuk

pengendalian distribusi bertingkat ganda ini.

Tujuan dari pengaturan sistem distribusi

bertingkat ganda adalah untuk mengurangi

biaya angkutan dan memenuhi kebutuhan

pelanggan yang banyak dan berada di

berbagai tempat.

Suatu sistem distribusi misalnya

terdiri dari pusat distribusi sentral atau pusat

induk distribusi dan tiga pusat distribusi

lokal yaitu A, B dan C. Perkiraan kebutuhan

dari produk untuk delapan satuan waktu

adalah seperti tabel 1 berikut, bersama

dengan data mengenai ukuran atau besaran

lot, persediaan pengaman, waktu

pemesanan, dan persediaan di tangan.

Pertanyaannya ialah kapan dan berapa

pemesanan perlu dilakukan untuk setiap

pusat distribusi tersebut.

Baris terakhir adalah jawaban dari

soal di atas, yaitu kapan dan berapa pesanan

perlu dikeluarkan.

Tabel 1. Perkiraan Kebutuhan Produk pada Pusat A

Pusat A

Persediaan Pengaman

30 Ukuran lot 120,

Waktu pesan 1periode

Periode

PD 1 2 3 4 5 6 7 8

Kebutuhan kotor 30 30 30 30 30 30 30 30

Penerimaan terjadwal

Proyeksi persediaan 70 40 130 100 70 40 130 100 70

Kebutuhan bersih 20 20

Penerimaan pesanan 120 120

Pengeluaran pesanan 120 120

2.3. Perhitungan Algoritma Djikstra Mengenai algoritma djikstra sampai

saat ini, sudah banyak algoritma mencari

lintasan terpendek. Algoritma lintasan


terpendek(shortest path) yang paling

terkenal adalah algoritma djikstra

(penemunya, Edsger Wybe Djikstra).

Algoritma Djikstra diterapkan untuk

mencari lintasan terpendek pada graf

berarah. Namun, algoritma ini tetap benar

untuk graf yang tak-berarah. Algoritma ini

menerapkan strategi greedy dalam

pengerjaannya. Penerapan strategi greedy

dalam algoritma Djikstra terlihat pada

deskripsi berikut:

Pada setiap langkah, ambil sisi yang

berbobot minimum yang menghubungkan

sebuah simpul yang telah dipilih dengan

sebuah simpul lain yang belum terpilih.

Lintasan dari simpul asal ke simpul yang

baru haruslah merupakan lintasan yang

terpendek diantara semua lintasannya ke

simpul-simpul yang belum terpilih [2].

S adalah simpul awal dan T adalah

simpul akhir, mencari lintasan terpendek

(shortest path) antara simpul S dan simpul T.

Langkah – langkah algoritma Djikstra

sebagai berikut:

Langkah 1.

Inisiasi awal, semua simpul dan sisi

belum ditandai. Isi semua nilai d(x) untuk x

adalah setiap simpul pada graf dengan aturan

sebagai berikut. Untuk simpul awal S yang

merupakan awal titik perjalanan shortest

path kita beri nilai d(S) = 0, untuk simpul

lain d(X) = ∞, X ≠ S. Kemudian ambil Y =

S.

Langkah 2.

Untuk setiap simpul yang belum

ditandai, definisikan ulang d(X) dengan

rumus berikut d(X) = Min{d(X), d(Y) + a(Y,

X)} (1) dimana Y adalah simpul lain yang

dapat dikunjungi oleh X serta belum ditandai

sebelumnya, maksud a(Y, X) adalah bobot

sisi yang dibentuk oleh simpul Y ke simpul

X. Jika d(X) = ∞ untuk semua simpul yang

belum ditandai, berhentilah karena tidak ada

jalan lagi dari simpul S ke simpul yang

lainnya. Jika ada, tandai simpul yang

mempunyai nilai d(X) terkecil, juga tandai

simpul yang terbentuk antara simpul S ke

simpul X tersebut. Kemudian kita ambil Y =

X.

Langkah 3.

Jika simpul akhir T sudah ditandai

berhentilah, karena lintasan terpendek

(shortest path) dari S ke T sudah ditemukan.

Jika simpul T belum ditandai, ulangi langkah

2. Untuk kasus dimana terdapat graf yang

mempunyai bobot negatif, pada gambar 3.

Gambar 3. Grafik dengan salah satu bobot

sisinya negatif

Tentukan simpul awal adalah simpul

S dan simpul akhir adalah simpul T. Secara

mudah kita dapat melihat bahwa lintasan

terpendek yang dapat ditemukan antara

kedua simpul ini adalah (S, A), (A, T)

dimana panjang jalannya adalah 2 + (-2) = 0.

Algoritma Djikstra pada kasus ini akan

terdapat kekeliruan, algoritma Djikstra akan

mengambil sisi (S, T) yang berjarak 1

sebagai lintasan terpendek antara simpul S

dan T.

2.4. Penjadwalan Waktu Tempuh

Terpendek

Waktu tempuh rata-rata akan minimum

bila waktu tempuh SPBU yang akan

dilalui oleh mobil tanki diurut menurut

waktu tempuh terpendek, yaitu:

𝑡[1] ≤ 𝑡[2] ≤ ⋯ ≤ 𝑡[𝑛−1] ≤ 𝑡[𝑛] (1)

Perhitungan waktu tempuh rata - rata

untuk n job adalah sbb :

𝐹�̅� =1

𝑛[𝑛𝑡1 + (𝑛 − 1)𝑡2 +⋯…+

2𝑡[𝑛−1] + 𝑡𝑛 (2)

2.5. Penjadwalan Waktu Tempuh

Terpanjang

Algoritma meminimumkan waktu

tempuh rata - rata dan waktu tempuh

terpanjang pada mobil tanki.

Urutan sesuai Waktu Tempuh

Terpanjang

Jadwalkan setiap rute ke mesin dengan

beban minimum

Ubah urutan jadwal yang dihasilkan

mobil tanki, sesuai dengan Waktu

Tempuh Terpendek


3. METODOLOGI PENELITIAN

Menentukan data kebutuhan

SPBU

Menentukan pola peramalan

permintaan SPBU

Melakukan perhitungan MSE

untuk setiap metode

peramalan

Menentukan Tracking signal

dari MSE yang terkecil

Menentukan metode terbaik

berdasarkan Lolos tracking

signal

Melakukan peramalan

menggunakan metode terbaik

Menentukan input DRP dari

peramalan metode terbaik

-4<Tracking Signal<4

Lolos

A

Start

Menentukan MSE

terkecil berikutnya

Tidak lolos

Menggunakan regresi linier,

regresi sikli, DMA, SMA, SES,

DES berdasarkan pola siklis

yang didapatkan

Menentukan hasil peramalan DRP

masing – masing SPBU menjadi input

gross requirement pada masing –

masing SPBU terhadap Depot

A

Menentukan rencana penerimaan

(planned order shipment) berdasarkan

kebutuhan di gross requirement

sesuai hari gross requirement

Menentukan Planned Order Release

atau pemesanan sehari sebelum hari

planned shipment

Menentukan periode Gross

Requirement pada Depot Pertamina

Tasikmalaya berdasarkan periode

pada Planned Order release atau

pemesanan dari masing – masing

SPBU

Menentukan periode schedule receipt

pada Depot Pertamina Tasikmalaya

sesuai dengan periode gross

requirement atau kebutuhan pada

Depot Pertamina Tasikmalaya

tersebut

B

Distribution

Requirement

Planning

Peramalan

Menentukan data kebutuhan SPBU

hasil peramalan

Melakukan pemisahan kebutuhan 8

KL, 16 KL dan sebagainya

Menentukan rute berdasarkan

kebutuhan

Menentukan rute terpendek dengan

menggunakan algoritma Djikstra

Menentukan iterasi 0 yaitu depot

Melakukan iterasi 1 yaitu rute terkecil

dari Depot ke SPBU

Melakukan iterasi 2 yaitu SPBU

terpilih pada iterasi 1 ke SPBU

berikutnya

Menghitung jumlah jarak minimal dan

biaya transportasi dari rute yang

sudah terpilih

Membandingkan jumlah jarak dari

algoritma Djikstra dengan sistem saat

ini

B

C

Penentuan Rute

Optimal

Menentukan hasil penentuan rute

terpendek

Menentukan Rute terpendek

dengan prioritas sesuai aturan

waktu tempuh terpanjang

Menentukan penjadwalan menurut

aturan waktu tempuh terpanjang

Menentukan penjadwalan menurut

aturan waktu tempuh terpendek

untuk meminimasi rata – rata

waktu tempuhnya

Menentukan waktu tempuh dan

jumlah waktu tempuh berdasarkan

waktu tempuh terpanjang

Menentukan waktu tempuh dan

jumlah waktu tempuh berdasarkan

waktu tempuh terpendek

Menentukan penjadwalan rute

yang dilalui dan frekuensi

pengiriman masing – masing truk

metode waktu tempuh terpendek

C

End

Melakukan perbandingan waktu

tempuh terpanjang dan waktu

tempuh terpendek

Penjadwalan rute

dan mobil tanki

Gambar 4. Diagram Alir Metodologi Penelitian

4. HASIL DAN PEMBAHASAN

4.1. Peramalan

Perkiraan kebutuhan BBM pada

masing masing SPBU, diperoleh dengan


cara melakukan prosedur peramalan dengan

hasil sebagai berikut :

Pada penelitian ini dikumpulkan data

permintaan BBM Premium dan Solar pada

83 SPBU,untuk bulan September 2010 dan

Oktober 2010.

Contoh : SPBU 3444101

Gambar 5. Pola data permintaan BBM Premium pada SPBU 3444101

Memilih metode peramalan

terbaik,dilakukan dengan cara menghitung

MSE pada masing masing metode yang

digunakan. Metode dengan nilai MSE

terkecil merupakan metode yang terpilih.

Hasil perhitungan MSE untuk masing-

masing metode yang digunakan dapat dilihat

pada Tabel 4.

Tabel 5. MSE Metode Peramalan pada

SPBU 3444101

No Metode MSE

1 DES 0.2 85,071

2 DES 0.4 118,578

3 DES 0.8 318,861

4 DMA-2 170,483

5 DMA -5 85,955

6 DMA -9 80,896

7 Regresi Linier 66,716

Tabel 5. MSE Metode Peramalan pada

SPBU 3444101 (lanjutan)

No Metode MSE

8 SES 0.2 78,004

9 SES 0.4 82,353

10 SES 0.8 123,863

11 SMA -2 75,932

12 SMA-5 68,526

13 SMA-9 71,126

14 Regresi Siklis 61,515

Setelah menghitung nilai MSE

dilanjutkan dengan uji verifikasi

menggunakan Tracking Signal dimulai dari

metode dengan nilai MSE terkecil. Jika

pengujian Tracking Signal berada dalam

batas kontrol, maka metode tersebut

merupakan metode terpilih.

Hasil pengujian Tracking Signal

adalah metode Double Exponential

Smoothing, dengan nilai parameter α=0,4.

0

5

10

15

20

25

30

35

40

45

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61

September 2010 Oktober 2010

Pola Pemesanan dan Pengiriman

Series1


Gambar 6. Hasil Pengujian Tracking Signal untuk metode DES, α =0,4

Tabel 6. Peramalan Kebutuhan BBM Premium pada SPBU 3444101

Hari Kebutuhan (kilo liter)

Senin 10

Selasa 10,3

Rabu 10,6

Kamis 10,9

Jumat 11,2

Sabtu 11,4

Minggu 11,7

Tabel 7. Peramalan Kebutuhan BBM Premium dan Solar untuk 81 SPBU

Hari Kebutuhan Premium (kilo liter) Kebutuhan Solar (kilo liter)

Senin 1022,4 511,7

Selasa 1091,6 532,2

Rabu 1160,8 552,7

Kamis 1229,7 572,9

Jumat 1298,7 593,1

Sabtu 1367,5 613,9

Minggu 1436,1 634,9

Peramalan kebutuhan BBM Solar

pada masing masing SPBU, menggunakan

cara yang sama dengan peramalan

kebutuhan BBM Premium.

4.2. Distribution Requirement Planning

(DRP)

Hasil matriks DRP ini berupa

perencanaan kebutuhan pada masing-

masing SPBU yang ada, sehingga Depot

Pertamina Tasikmalaya dapat memenuhi

semua kebutuhan SPBU. Hasil perhitungan

peramalan sesuai dengan kebutuhan harian

pada masing-masing SPBU, menjadi input

untuk membuat matriks DRP pada masing-

masing SPBU. Sebagai keseluruhan, Depot

Pertamina Tasikmalaya dapat melakukan

perhitungan kebutuhan total Bahan Bakar

Premium dan Solar pada semua SPBU yang

berada di bawah pengawasan Depot

Pertamina Tasikmalaya.

-5

-4

-3

-2

-1

0

1

2

3

4

5

1 3 5 7 9 11131517192123252729313335373941434547495153555759

DES α = 0.4


Tabel 8. DRP Bahan Bakar Premium di SPBU 3444101 (satuan kilo liter)

3444101 Safety Stock : 0 PERIODE

Lot Size : Lead Time : 1 Kam Jum Sabt Ming Sen Sel Rab Kam Jum Sabt Ming

Gross requirements (GR) 10 10,3 10,6 10,9 11,1 11,4 11,7

Scheduled Receipt (SR)

Projected on hand (POH)

Net requirements (NR)

Planned order shipment 10 10,3 10,6 10,9 11,1 11,4 11,7

Planned order release 10 10,3 10,6 10,9 11,1 11,4 11,7

Tabel 9. DRP Bahan Bakar Premium di Depot Tasikmalaya (dalam satuan kilo liter)

Tabel 10. DRP Bahan Bakar Solar di SPBU 3444101 (dalam satuan kilo liter)

3444101 Safety Stock : 0 PERIODE

Lot Size : Lead Time : 1 Kam Jum Sabt Ming Sen Sel Rab Kam Jum Sabt Ming

Gross requirements (GR) 3,5 3,5 3,6 3,6 3,6 3,6 3,7

Scheduled Receipt (SR)

Projected on hand (POH)

Net requirements (NR)

Planned order shipment 3,5 3,5 3,6 3,6 3,6 3,6 3,7

Planned order release 3,5 3,5 3,6 3,6 3,6 3,6 3,7

Tabel 11. DRP Bahan Bakar Solar di Depot Tasikmalaya (dalam satuan kilo liter)

Hasil perhitungan DRP akan

membantu Depot Pertamina Tasikmalaya

untuk memenuhi kebutuhan harian pada

seluruh SPBU. Depot Pertamina

Tasikmalaya dapat memprediksi kebutuhan

pada masing-masing SPBU, sehingga Depot

Pertamina Tasikmalaya dapat

memperkirakan kebutuhan BBM yang harus

disediakan. Pertamina Cilacap, akan

mengirim BBM melalui pipa, berdasarkan

pada peramalan kebutuhan, sehingga tidak

terjadi penumpukan BBM yang terlalu lama

dan diharapkan tidak terjadi kekurangan

BBM yang akan dikirimkan.


4.3. Algoritma Djikstra untuk

Menentukan Rute Pengiriman

Pemenuhan kebutuhan berdasarkan

sample kebutuhan Bahan Bakar Solar 1

September 2010, dengan menggunakan 6

armada tanki. Pengiriman yang dilakukan

Depot Pertamina Tasikmalaya saat ini,

berdasarkan pengalaman supir armada tanki

dan pengalaman perusahaan trasnportasi

yang sudah berpengalaman.

Pengiriman dilakukan berdasarkan

kebutuhan SPBU mana yang paling

mendesak dengan keadaan stock BBM pada

SPBU tersebut paling sedikit. Informasi

didapatkan dari media SMS yang terhubung

ke Depot Pertamina Tasikmalaya.

Kebutuhan pada tanggal 1 September 2010

pada masing-masing SPBU berjumlah

sekitar 8KL dan 16 KL. Kapasitas armada

tanki sebesar 16 KL pada setiap kali

pengiriman.

Tabel 12. Rute, Jarak Tempuh mobil tanki untuk memenuhi kebutuhan SPBU pada1 September

2010

Pengiriman kebutuhan masing-

masing SPBU dilakukan berdasarkan

pengalaman yang dimiliki oleh supir dan

perusahaan Pengangkutan BBM. Dengan

sistem distribusi yang ada, seringkali

perusahaan tidak memahami rute yang dapat

dilalui dengan adanya 2 jalur, yang

diperkirakan akan lebih dekat sehingga tidak

memakan waktu yang lama.


Gambar 7. Jadwal Pengiriman kebutuhan Bahan Bakar Solar 1 September 2010

Jarak tempuh pada saat ini sebesar

2479,0 km. Harga 1 liter BBM Rp 4.500,00.

Sedangkan 1 liter BBM dapat digunakan

untuk menempuh 4 km. Biaya yang

dibutuhkan berdasarkan jarak yang

ditempuh oleh mobil tanki adalah Rp

2.788.837,52.

Untuk penerapan Algoritma Djikstra,

data kebutuhan Bahan Baku Solar di SPBU

dikelompokkan atas, SPBU dengan

kebutuhan sekitar 8 KL dan 16 KL. Hal ini

perlu dilakukan karena kapasitas angkut

mobil tanki yang dimiliki sebesar 16 KL.

SPBU dengan kebutuhan 16 KL, rute yang

dilalui (Depot – SPBU – Depot),untuk

kebutuhan 8 KL, rute yang dapat dilalui

(Depot – SPBU 1 – SPBU 2 – Depot).

SPBU dengan kebutuhan 8 KL,

menggunakan Algoritma Dijkstra, untuk

mendapatkan jarak terpendek antara Depot

ke SPBU atau SPBU ke SPBU lainnya.

SPBU 1

Depot

SPBU 2

SPBU 3

SPBU 4

Dilalui ke1

Dilalui ke 2

Dilalui ke 3

Dilalui ke 4

Kembali ke depot

Gambar 8. Node Algoritma Djikstra’s

Algoritma Djikstra menghubungkan

antara satu titik dengan titik lainnya dan

merupakan jarak yang terpendek.

Rute 1 yang diperoleh dari Algoritma

Dijkstra dengan cara sebagai berikut.

Iterasi 0 : Depot diberi label permanent [0,1]

Iterasi 1 : Semua SPBU kebutuhan 8 KL

dapat dicapai secara langsung dari Depot.


Tabel 13. Tabel Iterasi 1 Algoritma Dijkstra pada tanggal 1 September 2010

Tabel 13. menunjukkan bahwa

minimum jarak terdapat pada SPBU

3446109 dengan jarak 5 km dari Depot.

Maka rute pertama didapatkan dari Depot ke

SPBU 3446109.

Iterasi 2 : Dari SPBU 3446109 yang sudah

didapatkan. Mengambil jarak terkecil dari

SPBU 3446109 ke SPBU lainnya. Dengan

perhitungan yang sama akan diperoleh rute

lainnya, sehingga rute yang dilalui untuk

memenuhi kebutuhan SPBU 8 KL, seperti

table dibawah ini.

Tabel 14. Rute yang dilalui mobil tanki berdasarkan Algoritma Dijkstra pada tanggal 1 September

2010

Tabel 15. Jarak Tempuh berdasarkan

Algoritma Dijkstra pada tanggal 1

September 2010

Jarak tempuh pada sistem saat ini

sebesar 1.675,826 km. Bahan bakar yang

dibutuhkan 418,956 liter. Biaya yang

dikeluarkan adalah Rp 1.885.304,58. Bila

dibandingkan dengan sistim transportasi

tanpa menggunakan Algoritma Djikstra,

maka terjadi penghematan jarak tempuh

sebesar 803,140 km dan penghematan biaya

sebesar Rp 903.533,00.

4.4. Optimalisasi Rute dan Penjadwalan

Pengiriman

Penerapan Algoritma Djikstra dan

penjadwalan pengiriman BBM dari Depot

Tasikmalaya ke SPBU menggunakan

peramalan kebutuhan BBM pada masing

masing SPBU.


Gambar 9. Jadwal pengiriman Bahan Bakar Premium pada hari Senin


Dari hasil penentuan rute dan

penjadwalan pengiriman BBM, maka 16 mobil

tanki yang ada digunakan semaksimal mungkin

untuk memenuhi kebutuhan 81 SPBU.

Penjadwalan yang dihasilkan menunjukkan

bahwa dalam waktu 1 hari semua kebutuhan

masing-masing SPBU dapat terpenuhi.

Penjadwalan yang dihasilkan memerlukan

waktu satu hari penuh untuk dapat memenuhi

permintaan 81SPBU.

5. KESIMPULAN

DRP akan membantu Depot Pertamina

Tasikmalaya untuk memperkirakan kebutuhan

BBM yang harus disediakan pada periode

tertentu, berdasarkan kebutuhan SPBU yang

berada dalam wilayahnya. sehingga tidak akan

terjadi kekurangan BBM yang dikirimkan pada

masing-masing SPBU.

Penerapan Algoritma Djikstra untuk

penentuan rute yang harus dilalui oleh mobil

tanki untuk pengiriman BBM dari Depot

Tasikmalaya ke semua SPBU, dapat

mempersingkat jarak dan waktu tempuh dan

menghemat biaya pengiriman.

Penjadwalan penugasan mobil tanki

dengan menggunakan urutan prioritas

terpanjang diikuti urutan prioritas terpendek

menghasilkan pembagian beban kerja pada

masing-masing mobil tanki yang sama rata.

Waktu yang dibutuhkan tersebut terlalu

dipaksakan, yang dikhawatirkan akan membuat

kinerja mobil tanki menurun. Oleh karena itu,

Depot Pertamina Tasikmalaya perlu

memperhatikan jumlah mobil tanki yang harus

disediakan untuk memenuhi permintaan 81

SPBU.

6. DAFTAR PUSTAKA

[1] Baroto, Teguh, 2002. Perencanaan dan

Pengendalian Produksi, 1st

ed., Ghalia

Indonesia, Jakarta.

[2] Edward, Minieka, 1978. Optimization

Algorithms for Networks and Graphs,

Marcel Dekker, Inc.

[3] Hidayat, lman. 2006. Penjadwalan

Produksi Mesin Injection moulding pada

PT. Duta Flow Plastic Machinery

[online], Jurnal Inovisi TM Vol. 5, No.2,

Oktober 2006. Jakarta : Universitas

INDONUSA Esa Unggul. Didownload

dari

http://jurnal.pdii.lipi.go.id/admin/jurnal/

52065257.pdf, pada tanggal 18 Februari

2011.

[4] Indrajit, R. Eko dan R. Djokopranoto.

2010. Perkembangan Integrasi

Perencanaan, Dari Materials

Requirement Planning (MRP) sampai ke

Enterprise Resource Planning (ERP).

[5] Makridakis, S., Wheelwright, S.C., dan

Victor E. Mgee, 1999. Metode dan

Aplikasi Peramalan. Binarupa Aksara,

Jakarta.

[6] Michael, T., 1987. Discrete Mathematics

and Graph Theory, The Benjamin

publishing Company, Inc, California.

[7] Santoso, Kiswara Agung, 2008. Metode

Simpleks dan Algoritma Djikstra Guna

Menyelesaikan Masalah Optimasi.

[online], Didownload dari

http://mathematica.aurino.com/wp-

content/uploads/2008/10/metode20simp

leks-kiss.pdf, pada tanggal 10 Desember

2010.

[8] Siagian, Yolanda M., 2005. Aplikasi

Supply Chain Management Dalam

Dunia Bisnis. Penerbit PT.Grasindo,

Jakarta.

[9] Soedjianto, Felicia dkk. 2006.

Perancangan dan Pembuatan Sistem

Perencanaan Produksi (Studi Kasus pada

PT. VONITA GARMENT. [online],

Seminar Nasional Aplikasi Teknologi

Informasi 2006 (SNATI 2006).

Yogyakarta, 17 Juni 2006. Didownload

dari

http://journal.uii.ac.id/index.php/Snati/a

rticle/view/1514, pada tanggal 17

Februari 2011.

[10] Taha, Hamdy A., 1968. Operation

Research Introduction, New York.

PERBAIKAN SISTEM DISTRIBUSI DAN TRANSPORTASI DENGAN ...

Documents

Transcript of PERBAIKAN SISTEM DISTRIBUSI DAN TRANSPORTASI DENGAN ...