PERBAIKAN SISTEM DISTRIBUSI DAN TRANSPORTASI DENGAN ...
Transcript of 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]
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 15
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 16
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 17
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 18
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 19
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 20
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
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 21
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.
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 22
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.
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 23
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.
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 24
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.
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 25
Gambar 9. Jadwal pengiriman Bahan Bakar Premium pada hari Senin
Perbaikan Sistem Distribusi Dan Transportasi (Sumiharni Batubara) 26
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.