Algoritma Penjadwalan Distribusi Barang Berbasis Teknik Backward Scheduling (Studi Kasus: PT Ultra Jaya Milk Industry & Trading Company Tbk.
Scheduling Algorithm for Distribution of Goods Based on The Backward Scheduling Technique (Case Study: PT.
Ultra Jaya Milk Industry & Trading Company Tbk.
Kartika Suhada.
David Try Liputra.
Vivi Arisandhy.
Tomy Jeremy Program Studi Teknik Industri.
Fakultas Teknik.
Universitas Kristen Maranatha E-mail: kartika.
suhada@eng.
edu, david.
tl@eng.
arisandhy@eng.
edu, tomy.
jeremy18@yahoo.
Abstrak Backward scheduling adalah metode penjadwalan yang dilakukan secara urutan terbalik, dimana batas waktu penyelesaian .
ue dat.
sebagai titik awal penjadwalan.
Penelitian terkait penggunaan metode tersebut telah banyak dilakukan.
Penelitian sebelumnya banyak yang membahas penerapan metode penjadwalan, namun lebih difokuskan pada aktivitas Penelitian ini membahas penerapan metode backward scheduling untuk aktivitas Objek penelitian adalah PT Ultra Jaya Milk Industry & Trading Company.
Tbk.
yang menghadapi permasalahan keterlambatan pengiriman barang.
Javia dkk.
(Javia dkk.
telah berhasil mengembangkan algoritma yang dapat mengurangi jumlah keterlambatan tersebut, tetapi hasilnya belum cukup signifikan.
Oleh karena itu dalam penelitian ini akan dirancang suatu algoritma penjadwalan distribusi barang yang dapat meminimasi jumlah keterlambatan dan total biaya keterlambatan yang timbul.
Penerapan algoritma usulan dibandingkan algoritma Javia dkk.
menghasilkan pengurangan dalam beberapa hal, yaitu: kebutuhan moda sebanyak 6 unit, jumlah kota yang mengalami keterlambatan pengiriman sebanyak 2 kota, jumlah moda yang terlambat sebanyak 3 unit, dan jumlah muatan yang terlambat sebanyak 18 pallet.
Selain itu, durasi keterlambatan untuk 3 kota besarnya sama, namun untuk 2 kota lainnya tidak mengalami keterlambatan.
Biaya penalty yang timbulpun berkurang sebesar Rp7,104,000,- atau 3.
Kata kunci: penjadwalan, distribusi barang, backward scheduling Abstract Backward scheduling is a scheduling method carried out in reverse order, where the due date is the starting point for scheduling.
There are many previous studies related to the application of this method.
Those previous studies have discussed the application of scheduling method, but are more focused on production activities.
This research discusses the application of the backward scheduling method for distribution activities.
The object of this research is PT Ultra Jaya Milk Industry & Trading Company.
Tbk.
which encounters the problem of late delivery of goods.
Javia et al.
(Javia et al.
, 2.
have succeeded in developing an algorithm that can reduce the number of delays, but the overall result is not significant enough.
Therefore, this research will design an algorithm for scheduling the distribution of goods that can minimize the number and total cost of delays.
The application of the proposed algorithm compared to the algorithm of Javia et al.
resulted in a reduction in several things, i.
: 6 units of vehicle requirement, 2 cities that experienced delays in delivery, 3 units of late vehicle, and 18 pallets of late cargo.
In addition, the duration of the delays are the same for 3 cities, but there are no delays for the other 2 cities.
The incurred penalty cost is reduced by Rp7,104,000, - or 3.
Keywords: scheduling, distribution of goods, backward scheduling Diterima tgl 29 September 2020.
Disetujui tgl 10 November 2020.
Terbit online tgl 28 Desember 2020 ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Pendahuluan Kegiatan distribusi barang ke konsumen merupakan salah satu aktivitas yang harus dilakukan oleh perusahaan dalam upaya memberikan pelayanan yang memuaskan kepada konsumen.
Oleh karena itu, barang yang didistribusikan harus sampai ke tangan konsumen dengan tepat waktu.
Jika terjadi keterlambatan, maka akan berdampak pada menurunnya kredibilitas perusahaan di mata konsumen serta kerugian yang bersifat finansial.
Untuk menjalankan kegiatan distribusi barang, terlebih dahulu harus dilakukan perencanaan, berupa penjadwalan distribusi barang.
Secara umum penjadwalan .
adalah proses pengalokasian sumber daya dari waktu ke waktu untuk melakukan sejumlah pekerjaan/tasks (Baker dan Trietsch, 2.
Menurut Heizer dan Render (Heizer dan Render, 2.
, terdapat dua teknik atau metode penjadwalan yang dapat digunakan, yaitu: .
forward scheduling dan .
backward scheduling.
Penelitian ini akan membahas penerapan metode backward scheduling di sebuah industri minuman untuk penjadwalan distribusi barangnya ke berbagai wilayah penjualan.
Backward scheduling adalah metode penjadwalan yang dilakukan secara urutan terbalik, yaitu operasi terakhir yang terlebih dahulu dijadwalkan kemudian diikuti oleh operasi-operasi lainnya, dimana batas waktu penyelesaian .
ue dat.
sebagai titik awal penjadwalan (Heizer dan Render, 2.
Penelitian-penelitian sebelumnya terkait penggunaan metode backward scheduling telah banyak dilakukan, diantaranya: Kim (Kim, 1.
Jain dan Chan (Jain dan Chan, 1.
Kawtummachai (Kawtummachai dkk.
, 1.
, dan Kim dan Choi (Kim dan Choi, 2.
Penelitian sebelumnya juga banyak yang telah membahas penerapan metode penjadwalan di berbagai industri, seperti: Dori dkk.
(Dori dkk.
, 2.
di industri perakitan pesawat terbang dengan metode kombinasi forward- backward scheduling serta Scholl dkk.
(Scholl dkk.
, 2.
di industri semikonduktor dan Liputra dkk.
(Liputra dkk.
, 2.
di industri makanan, yang keduanya menggunakan metode backward scheduling.
Jika pada penelitian-penelitian sebelumnya terkait penjadwalan .
lebih difokuskan pada aktivitas produksi, maka dalam penelitian ini dibahas penerapan metode backward scheduling pada aktivitas distribusi.
Objek penelitian ini adalah PT Ultra Jaya Milk Industry & Trading Company.
Tbk.
yang menghadapi permasalahan keterlambatan pengiriman barang.
Javia dkk.
telah berhasil mengembangkan algoritma yang dapat mengurangi jumlah keterlambatan tersebut, tetapi hasil penelitian yang diperoleh masih belum cukup signifikan.
Oleh karena itu penelitian ini akan mengembangkan algoritma tersebut, sehingga hasilnya lebih signifikan dalam mengurangi jumlah keterlambatan yang terjadi.
Selain itu, penelitian ini juga telah mempertimbangkan besar penalty akibat terjadinya keterlambatan pengiriman barang, yang belum ada pada penelitian sebelumnya.
Tinjauan Pustaka 1 Penelitian AuUsulan Algoritma Penjadwalan Pengiriman Produk di PT Ultra Jaya Milk Industry & Trading Company TbkAy Penelitian AuUsulan Algoritma Penjadwalan Pengiriman Produk di PT Ultra Jaya Milk Industry & Trading Company TbkAy telah dilakukan oleh Javia dkk.
(Javia dkk.
, 2.
Dalam penelitian tersebut, metode penjadwalan yang diusulkan adalah algoritma penjadwalan dengan menerapkan teknik backward scheduling.
Algoritma tersebut telah mempertimbangkan faktor due dateA waktu tempuh pengiriman serta jarak pengiriman.
Algoritma penjadwalan pengiriman yang diusulkan akan memprioritaskan pengiriman ke kota terjauh dengan due date yang tercepat dengan menggunakan moda transportasi yang tersedia untuk kota tersebut.
Manfaat dari penerapan metode penjadwalan usulan terhadap 5 hari pengiriman adalah berkurangnya jumlah keterlambatan.
Manfaat lainnya adalah terjadinya pengurangan jumlah moda transportasi yang dibutuhkan.
Penelitian ini menggunakan Teori Penjadwalan dan Gantt Chart dalam pemecahan masalahnya.
Penelitian ini memberikan manfaat berkurangnya jumlah keterlambatan pengiriman.
Selain itu, jumlah moda transportasi yang dibutuhkan juga berkurang.
JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
2 Teori Distribusi Pendistribusian dapat diartikan sebagai kegiatan pemasaran yang berusaha memperlancar dan mempermudah penyampaian barang dan jasa dari produsen kepada konsumen, sehingga penggunaannya sesuai dengan yang diperlukan .
enis, jumlah, harga, tempat, dan saat dibutuhka.
Menurut Kotler dan Keller (Kotler dan Keller, 2.
, saluran distribusi adalah organisasi-organisasi yang saling tergantung yang tercakup dalam proses yang membuat produk atau jasa menjadi tersedia untuk digunakan atau dikonsumsi.
3 Teori Penjadwalan Penjadwalan dapat diartikan sebagai pengalokasian sejumlah sumber daya .
untuk melakukan sejumlah tugas atau operasi dalam jangka waktu tertentu dan merupakan proses pengambilan keputusan yang peranannya sangat penting dalam industri manufaktur dan jasa yaitu mengalokasikan sumber-sumber daya yang ada agar tujuan dan sasaran perusahaan lebih optimal (Baker dan Trietsch, 2.
Penjadwalan dapat dimulai secara forward ataupun backward.
Penjadwalan secara forward dapat dimulai ketika persyaratan pekerjaan diketahui.
Forward Scheduling biasa digunakan di organisasi seperti rumah sakit, klinik, restoran, dan produsen alat mesin.
Pada metode forward scheduling pekerjaan dilakukan sesuai pesanan customer, dan pengiriman biasanya dijadwalkan pada tanggal yang sedini mungkin.
Backward Scheduling dimulai pada batas waktu pengiriman .
ue dat.
dan dijadwalkan operasi yang terakhir terlebih dahulu.
Langkah tersebut kemudian akan dijadwalkan, satu persatu, dengan urutan yang terbalik.
4 Sistem Transportasi Transportasi adalah perpindahan orang atau barang dengan menggunakan alat atau kendaraan dari dan ke tempat-tempat yang terpisah secara geografis (Steenbrink, 1.
Menurut Miro (Miro, 2.
, transportasi merupakan usaha memindahkan, menggerakkan, mengangkut, atau mengalihkan suatu obyek dari suatu tempat ke tempat lain, dimana di tempat lain ini obyek tersebut lebih bermanfaat atau dapat berguna untuk tujuan-tujuan tertentu.
Sistem transportasi dapat diartikan sebagai suatu kesatuan komponen .
arana dan prasaran.
yang dapat memindahkan barang dan manusia dari tempat asal ke tempat tujuan, dimana jika salah satu komponen tidak ada, maka sistem transportasi tersebut tidak bisa berjalan dengan baik.
Menurut Khisty dan Lall (Khisty dan Lall, 2.
, secara umum sistem transportasi tersusun atas empat elemen dasar, yaitu:
Jalur perhubungan .
: jalan raya atau jalur yang menghubungkan dua titik atau lebih.
Pipa, jalur ban berjalan, jalur laut, dan jalur penerbangan juga dikategorikan sebagai jalur Kendaraan .
: alat yang memindahkan orang atau barang dari satu titik ke titik lainnya di sepanjang jalur perhubungan, misalnya mobil, bus, kapal, pesawat terbang, ban berjalan, dan kabel.
Terminal .
: titik-titik dimana perjalanan orang atau barang dimulai atau berakhir, contohnya: garasi mobil, lapangan parkir, gudang bongkar-muat, terminal bus, dan bandar Manajemen dan tenaga kerja: orang-orang yang membuat, mengoperasikan, mengatur, dan memelihara jalur perhubungan, kendaraan, dan terminal.
Menurut Crainic dan Laporte (Crainic dan Laporte, 1.
, level perencanaan transportasi dapat dibagi menjadi tiga kelompok, yaitu sebagai berikut:
Level strategis Perencanaan ini bersifat jangka panjang, yang melibatkan tingkatan tertinggi dari pihak manajemen dan membutuhkan investasi modal yang besar.
ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Level taktis Perencanaan ini bersifat jangka menengah, yang bertujuan untuk memastikan alokasi dan penggunaan sumber daya yang efisien dan rasional dalam rangka meningkatkan kinerja dari keseluruhan sistem.
Level operasional Perencanaan ini bersifat jangka pendek, yang dilakukan oleh pihak manajemen lokal dalam lingkungan yang sangat dinamis, dimana faktor waktu memegang peranan penting dan perincian dari kendaraan, fasilitas, dan aktivitas sangat diperlukan.
5 Gantt Chart Gantt Chart merupakan diagram perencanaan yang digunakan untuk penjadwalan sumber daya dan alokasi waktu.
Gantt Chart dapat membantu penggunanya untuk memastikan bahwa: (Heizer dan Render, 2.
Semua kegiatan telah direncanakan Urutan kinerja telah diperhitungkan Perkiraan waktu kegiatan telah tercatat, dan Keseluruhan waktu proyek telah dibuat Pembahasan 1 Metode Penelitian Dalam penelitian ini dirancang suatu algoritma yang dapat mengurangi jumlah keterlambatan yang terjadi serta mempertimbangkan besar penalty yang harus ditanggung perusahaan jika terjadi keterlambatan tibanya barang di tangan konsumen.
Perancangan algoritma penjadwalan usulan menggunakan Teknik penjadwalan dan Gantt Chart.
Data-data yang dikumpulkan adalah data permintaan dari konsumen serta target pengiriman setiap periodenya, data due date pengiriman kepada setiap konsumen, data ketersediaan armada pengiriman, data jarak pengiriman, data harga jual barang dan data Gantt Chart algoritma penjadwalan terdahulu.
Tahapan awal dalam membandingkan algoritma penjadwalan usulan dengan algoritma penjadwalan terdahulu adalah dengan membuat Gantt Chart usulan.
Selanjutnya akan dibandingkan jumlah keterlambatan pengiriman antara algoritma awal dan algoritma usulan serta dihitung besar biaya penalty untuk kedua algoritma dengan berdasarkan jumlah barang .
Apabila diperlukan, maka akan dilakukan penyesuaian algoritma.
Hasil penerapan algoritma usulan dihitung dengan menggunakan Microsoft Excel.
2 Rancangan Algoritma Penjadwalan Distribusi Barang Hasil yang telah diperoleh dalam penelitian ini adalah Rancangan Algoritma Penjadwalan Distribusi Barang.
Flowchart algoritma tersebut ditunjukkan pada Gambar 1.
Berikut adalah uraian algoritma yang dirancang:
Kelompokkan data pengiriman barang berdasarkan due date yang sama.
Kelompokkan data pengiriman barang berdasarkan kota yang sama.
Hitung total pengiriman barang untuk masing-masing kota.
Urutkan kota berdasarkan total pengiriman barang terbanyak.
Identifikasi kota ke-i dengan due date tercepat dan total pengiriman barang terbanyak.
Hitung total kebutuhan moda transportasi ke kota ke-i.
Urutkan transporter berdasarkan moda transportasi terbanyak.
Identifikasi transporter ke-j dengan moda transportasi terbanyak.
Periksa apakah total kebutuhan moda transportasi lebih kecil atau sama dengan kapasitas loading shift ke-k? Jika ya, tetapkan jumlah pengiriman barang sama dengan total kebutuhan moda Lanjutkan ke langkah 10.
Jika tidak, lanjutkan ke langkah 13.
Periksa apakah moda transportasi yang tersedia dari transporter ke-j lebih kecil atau sama JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
dengan total kebutuhan moda transportasi ke kota ke-i.
Jika ya, jadwalkan seluruh moda transportasi transporter ke-j untuk pengiriman ke kota ke-i pada shift ke-k dengan teknik backward.
Lanjutkan ke langkah 11.
Jika tidak, lanjutkan ke langkah 17.
Hitung sisa kapasitas loading shift ke-k serta tetapkan j = j 1 dan kembali ke langkah 8.
Periksa apakah seluruh pengiriman sudah terjadwalkan.
Jika ya, perhitungan selesai.
Jika tidak, lanjutkan ke langkah 19.
Periksa apakah moda transportasi yang tersedia dari transporter ke-j lebih kecil atau sama dengan kapasitas loading shift ke-k.
Jika ya, tetapkan jumlah pengiriman barang sama dengan jumlah moda tersedia dari transporter ke-j.
Lanjutkan ke langkah 14.
Jika tidak, lanjutkan ke langkah 20.
Jadwalkan seluruh moda transportasi transporter ke-j untuk pengiriman ke kota ke-i pada shift ke-k dengan teknik backward.
Hitung sisa jumlah pengiriman yang belum terjadwalkan pada shift ke-k.
Periksa apakah seluruh pengiriman sudah terjadwalkan.
Jika ya, perhitungan selesai.
Jika tidak, tetapkan j = j 1 dan kembali ke langkah 8.
Jadwalkan moda transportasi transporter ke-j sesuai total kebutuhan moda transportasi untuk pengiriman barang ke kota ke-i pada shift ke-k dengan teknik backward.
Hitung sisa moda transportasi transporter ke-j.
Tetapkan i = i 1 dan kembali ke langkah 5.
Tetapkan jumlah pengiriman barang sama dengan kapasitas loading shift ke-k.
Jadwalkan pengiriman barang ke kota ke-i sebesar kapasitas loading shift ke-k dengan Hitung sisa jumlah moda transportasi yang tersedia dari transporter ke-j dan hitung sisa jumlah pengiriman barang yang belum terjadwalkan pada shift ke-k.
Periksa apakah seluruh pengiriman sudah terjadwalkan.
Jika ya, perhitungan selesai.
Jika tidak, tetapkan k = k 1 dan kembali ke langkah 9.
Selanjutnya dilakukan pengujian algoritma tersebut dengan menerapkannya pada kasus distribusi produk di PT Ultra Jaya Milk Industry & Trading Company Tbk yang ada dalam penelitian Javia (Javia dkk.
, 2.
ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Gambar 1.
Rancangan Algoritma Penjadwalan Distribusi Barang JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
3 Penjadwalan Pengiriman Barang dengan Metode Usulan Penjadwalan pengiriman barang yang diusulkan menggunakan algoritma penjadwalan yang menerapkan metode backward scheduling, dimana penjadwalan dimulai dari batas waktu pengiriman produk tiba di kota tujuan .
ue dat.
Dengan demikian jumlah keterlambatan yang terjadi dapat diminimasi.
Berikut adalah contoh penerapan algoritma usulan untuk pengiriman produk tanggal 9 Mei 2018:
1 Iterasi 1 Berikut adalah iterasi 1 dalam penerapan algoritma usulan:
C Langkah 1:
Kelompokkan data pengiriman barang berdasarkan due date yang sama.
Hasilnya ditunjukkan dalam Tabel 1.
Tabel 1.
Hasil Pengelompokkan Berdasarkan Kesamaan Due Date Batas Waktu Penerimaan (Due Date ) 1 210-KP BANDUNG 9 Mei pk: 18.
2 210-KP BANDUNG
9 Mei pk: 18.
3 210-KP BANDUNG
9 Mei pk: 18.
4 210-KP BANDUNG
9 Mei pk: 18.
5 250-KP CIBIRU
9 Mei pk: 18.
6 250-KP CIBIRU
9 Mei pk: 18.
7 SAT DC PARUNG
10 Mei pk: 12.
8 UNILEVER INDONESIA TBK PT 10 Mei pk: 12.
9 INDOGROSIR BOGOR
10 Mei pk: 12.
10 SAT DC PARUNG
10 Mei pk: 12.
11 INDOGROSIR BOGOR
10 Mei pk: 12.
12 INDOMARCO - ANCOL
10 Mei pk: 12.
13 YOGYA DC CENTER
10 Mei pk: 12.
14 MATAHARI BALARAJA
10 Mei pk: 12.
15 GUDANG INDOMARET BOGOR 2 10 Mei pk: 12.
16 SAT DC BOGOR
10 Mei pk: 12.
17 INDOMARET - SENTUL
10 Mei pk: 12.
18 UNILEVER INDONESIA TBK PT 10 Mei pk: 12.
19 MATAHARI BALARAJA
10 Mei pk: 12.
20 240-KP CIREBON
10 Mei pk: 18.
21 360-KP BOGOR
10 Mei pk: 18.
22 240-KP CIREBON
10 Mei pk: 18.
23 INDOMARCO-PURWAKARTA
10 Mei pk: 18.
24 810-UJ JKT MODERN
10 Mei pk: 18.
25 360-KP BOGOR
10 Mei pk: 18.
26 330-KP JKT CIBITUNG
10 Mei pk: 18.
27 330-KP JKT CIBITUNG
10 Mei pk: 18.
28 INDOMARCO - PARUNG
10 Mei pk: 18.
29 INDOMARET ANCOL 2
10 Mei pk: 18.
30 350-KP JKT CIJANTUNG
10 Mei pk: 18.
31 310-KP JKT PULO GADUNG
10 Mei pk: 18.
32 360-KP BOGOR
10 Mei pk: 18.
33 320-KP JKT CIPONDOH
10 Mei pk: 18.
34 350-KP JKT CIJANTUNG
10 Mei pk: 18.
35 330-KP JKT CIBITUNG
10 Mei pk: 18.
36 310-KP JKT PULO GADUNG
10 Mei pk: 18.
37 320-KP JKT CIPONDOH
10 Mei pk: 18.
38 320-KP JKT CIPONDOH
10 Mei pk: 18.
39 350-KP JKT CIJANTUNG
10 Mei pk: 18.
40 310-KP JKT PULO GADUNG
10 Mei pk: 18.
41 310-KP JKT PULO GADUNG
10 Mei pk: 18.
Rencana Pengiriman (Konsume.
Periode 9 Mei 2018 Rencana Pengiriman (Konsume.
Periode 9 Mei 2018
42 GUDANG MM2100 (FG)
43 GUDANG MM2100 (FG)
44 GUDANG MM2100 (FG)
45 GUDANG MM2100 (FG)
46 GUDANG MM2100 (FG)
47 GUDANG MM2100 (FG)
48 GUDANG MM2100 (FG)
49 GUDANG MM2100 (FG)
50 GUDANG MM2100 (FG)
51 SAT DC BOGOR
52 GUDANG MM2100 (FG)
53 340-KP SERANG
54 DC ALFAMIDI BITUNG
55 GUDANG MM2100 (FG)
56 GUDANG MM2100 (FG)
57 SAT-CILEUNGSI 2 (BABAKAN)
58 GUDANG MM2100 (FG)
59 GUDANG MM2100 (FG)
60 GUDANG MM2100 (FG)
61 GUDANG MM2100 (FG)
62 GUDANG MM2100 (FG)
63 GUDANG MM2100 (FG)
64 GUDANG MM2100 (FG)
65 GUDANG MM2100 (FG)
66 GUDANG MM2100 (FG)
67 GUDANG MM2100 (FG)
68 GUDANG MM2100 (FG)
69 GUDANG MM2100 (FG)
70 GUDANG MM2100 (FG)
71 GUDANG MM2100 (FG)
72 GUDANG MM2100 (FG)
73 230-KP TASIKMALAYA
74 440-KP PURWOKERTO
75 410-KP SEMARANG
76 410-KP SEMARANG
77 460-KP PA TI
78 MATAHARI MARGOMULYO
79 XDC20 MATAHARI SURABAYA
80 510-KP SURABAYA
81 510-KP SURABAYA
82 MATAHARI MARGOMULYO
83 530-KP MALANG
84 540-KP JEMBER
85 510-KP SURABAYA
86 510-KP SURABAYA
87 510-KP SURABAYA
Batas Waktu Penerimaan (Due Date ) 10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Langkah 2:
Kelompokkan data pengiriman barang berdasarkan kota yang sama.
Hasilnya ditunjukkan dalam Tabel 2.
Tabel 2.
Hasil Pengelompokkan Berdasarkan Kesamaan Kota Rencana Pengiriman (Konsume.
Periode 9 Mei 2018
1 210-KP BANDUNG
2 210-KP BANDUNG
3 210-KP BANDUNG
4 210-KP BANDUNG
5 250-KP CIBIRU
6 250-KP CIBIRU
7 330-KP JKT CIBITUNG
8 330-KP JKT CIBITUNG
9 330-KP JKT CIBITUNG
10 GUDANG MM2100 (FG)
11 GUDANG MM2100 (FG)
12 GUDANG MM2100 (FG)
13 GUDANG MM2100 (FG)
14 GUDANG MM2100 (FG)
15 GUDANG MM2100 (FG)
16 GUDANG MM2100 (FG)
17 GUDANG MM2100 (FG)
18 GUDANG MM2100 (FG)
19 GUDANG MM2100 (FG)
20 GUDANG MM2100 (FG)
21 GUDANG MM2100 (FG)
22 GUDANG MM2100 (FG)
23 GUDANG MM2100 (FG)
24 GUDANG MM2100 (FG)
25 GUDANG MM2100 (FG)
26 GUDANG MM2100 (FG)
27 GUDANG MM2100 (FG)
28 GUDANG MM2100 (FG)
29 GUDANG MM2100 (FG)
30 GUDANG MM2100 (FG)
31 GUDANG MM2100 (FG)
32 GUDANG MM2100 (FG)
33 GUDANG MM2100 (FG)
34 GUDANG MM2100 (FG)
35 GUDANG MM2100 (FG)
36 GUDANG MM2100 (FG)
37 SAT DC PARUNG
38 INDOGROSIR BOGOR
39 SAT DC PARUNG
40 INDOGROSIR BOGOR
41 GUDANG INDOMARET BOGOR 2
42 SAT DC BOGOR
43 INDOMARET - SENTUL
44 360-KP BOGOR
45 360-KP BOGOR
46 INDOMARCO - PARUNG
47 360-KP BOGOR
48 SAT DC BOGOR
49 SAT-CILEUNGSI 2 (BABAKAN)
Langkah 3:
Kota Tujuan Bandung Bekasi 1 Bekasi 2 Bogor 1 Bogor 2 Bogor 3 Batas Waktu Penerimaan (Due Date ) 9 Mei pk: 18.
9 Mei pk: 18.
9 Mei pk: 18.
9 Mei pk: 18.
9 Mei pk: 18.
9 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
10 Mei pk: 20.
Rencana Pengiriman (Konsume.
Periode 9 Mei 2018
Kota Tujuan 50 240-KP CIREBON
51 240-KP CIREBON
52 INDOMARCO - ANCOL
53 YOGYA DC CENTER
54 810-UJ JKT MODERN
55 INDOMARET ANCOL 2
56 350-KP JKT CIJANTUNG
57 310-KP JKT PULO GADUNG
58 320-KP JKT CIPONDOH
59 350-KP JKT CIJANTUNG
60 310-KP JKT PULO GADUNG
61 350-KP JKT CIJANTUNG
62 310-KP JKT PULO GADUNG
63 310-KP JKT PULO GADUNG
64 DC ALFAMIDI BITUNG
65 540-KP JEMBER
66 530-KP MALANG
67 460-KP PA TI
68 INDOMARCO-PURWAKARTA
69 440-KP PURWOKERTO
70 410-KP SEMARANG
71 410-KP SEMARANG
72 340-KP SERANG
73 MATAHARI MARGOMULYO
74 XDC20 MATAHARI SURABAYA
75 510-KP SURABAYA
76 510-KP SURABAYA
77 MATAHARI MARGOMULYO
78 510-KP SURABAYA
79 510-KP SURABAYA
80 510-KP SURABAYA
81 UNILEVER INDONESIA TBK PT
82 MATAHARI BALARAJA
83 UNILEVER INDONESIA TBK PT
84 MATAHARI BALARAJA
85 320-KP JKT CIPONDOH
86 320-KP JKT CIPONDOH
87 230-KP TASIKMALAYA
Cirebon Jakarta 1 Jakarta 2 Jakarta 3 Jember Malang Pati Purwakarta Purwokerto Semarang Serang Surabaya Tangerang 1 Tangerang 2 Tasikmalaya Batas Waktu Penerimaan (Due Date ) 10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
Hitung total kebutuhan pengiriman barang untuk masing-masing kota.
Hasilnya ditunjukkan dalam Tabel 3.
Tabel 3.
Total Kebutuhan Pengiriman untuk Masing-masing Kota Kota Tujuan Bandung Bekasi 1 Bekasi 2 Bogor 1 Bogor 2 Total Kebutuhan Pengiriman (Pallet ) JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
Tabel 3.
Total Kebutuhan Pengiriman untuk Masing-masing Kota (Lanjuta.
C Langkah 4:
Kota Tujuan Bogor 3 Cirebon Jakarta 1 Jakarta 2 Jakarta 3 Jember Malang Pati Purwakarta Purwokerto Semarang Serang Surabaya Tangerang 1 Tangerang 2 Tasikmalaya Total Kebutuhan Pengiriman (Pallet ) Urutkan kota berdasarkan total kebutuhan pengiriman barang terbanyak.
Hasilnya ditunjukkan dalam Tabel 4.
Tabel 4.
Hasil Pengurutan Berdasarkan Total Kebutuhan Pengiriman Terbanyak C Prioritas Kota Tujuan Bekasi 2 Jakarta 2 Surabaya Bogor 1 Bandung Tangerang 1 Bogor 2 Bekasi 1 Bogor 3 Semarang Tangerang 2 Jakarta 1 Cirebon Jember Tasikmalaya Malang Pati Purwokerto Jakarta 3 Purwakarta Serang Total Kebutuhan Pengiriman (Pallet ) Langkah 5: Identifikasi shift pengiriman untuk masing-masing kota dengan teknik Untuk mempermudah pengidentifikasian shift, terlebih dahulu dibuat Gantt Chart yang ditunjukkan dalam Gambar 2, sedangkan hasil penentuan shift pengiriman ditunjukkan dalam Tabel 5.
ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Prioritas No Kota Tujuan Batas Akhir Waktu Pengiriman Tanggal 9 Mei Due Date Bekasi 2 9 Mei pk: 17.
00 10 Mei pk: 20.
Jakarta 2 9 Mei pk: 15.
00 10 Mei pk: 18.
Bogor 1 9 Mei pk: 09.
00 10 Mei pk: 12.
Bandung 9 Mei pk: 12.
00 9 Mei pk: 18.
Bogor 2 9 Mei pk: 15.
00 10 Mei pk: 18.
Bekasi 1 9 Mei pk: 15.
00 10 Mei pk: 18.
Bogor 3 9 Mei pk: 17.
00 10 Mei pk: 20.
Semarang 9 Mei pk: 15.
00 11 Mei pk: 18.
Tangerang 2 10 Mei pk: 15.
00 10 Mei pk: 18.
Jakarta 1 9 Mei pk: 09.
00 10 Mei pk: 12.
Cirebon 9 Mei pk: 15.
00 10 Mei pk: 18.
Pati 9 Mei pk: 15.
00 11 Mei pk: 18.
Purwokerto 9 Mei pk: 15.
00 11 Mei pk: 18.
Jakarta 3 9 Mei pk: 15.
00 10 Mei pk: 20.
Purwakarta 9 Mei pk: 17.
00 10 Mei pk: 18.
Serang 9 Mei pk: 17.
00 10 Mei pk: 20.
Surabaya 9 Mei pk: 06.
00 11 Mei pk: 18.
Jember 9 Mei pk: 06.
00 11 Mei pk: 18.
Malang 9 Mei pk: 06.
00 11 Mei pk: 18.
3 4 5 6
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2
Tanggal 10 Mei
3 4 5 6
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3
Tanggal 11 Mei
4 5 6
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3
Tanggal 12 Mei
4 5 6
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tangerang 1 9 Mei pk: 09.
00 10 Mei pk: 12.
Tasikmalaya 9 Mei pk: 17.
00 10 Mei pk: 20.
Gambar 2.
Gantt Chart untuk Penentuan Shift Pengiriman ke Masing-masing Kota JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
Tabel 5.
Penentuan Shift Pengiriman untuk Masing-Masing Kota Prioritas Kota Tujuan Due Date Bekasi 2 Jakarta 2 Bogor 1 Bandung Tangerang 1 Bogor 2 Bekasi 1 Bogor 3 Semarang Tangerang 2 Jakarta 1 Cirebon Tasikmalaya Pati Purwokerto Jakarta 3 Purwakarta Serang Surabaya Jember Malang 10 Mei pk: 20.
10 Mei pk: 18.
10 Mei pk: 12.
9 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 20.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
Langkah 6:
Durasi Waktu Kedatangan dan Loading Barang (Ja.
Durasi Waktu Perjalanan (Ja.
Durasi Waktu Unloading Barang (Ja.
Batas Akhir Waktu Pengiriman 9 Mei pk: 17.
9 Mei pk: 15.
9 Mei pk: 09.
9 Mei pk: 12.
9 Mei pk: 09.
9 Mei pk: 15.
9 Mei pk: 15.
9 Mei pk: 17.
9 Mei pk: 15.
10 Mei pk: 15.
9 Mei pk: 09.
9 Mei pk: 15.
9 Mei pk: 17.
9 Mei pk: 15.
9 Mei pk: 15.
9 Mei pk: 15.
9 Mei pk: 17.
9 Mei pk: 17.
9 Mei pk: 06.
9 Mei pk: 06.
9 Mei pk: 06.
Identifikasi kota ke-i yang memiliki total kebutuhan pengiriman barang terbanyak dengan due date tercepat pada shift ke-k.
Hasil pengurutan kota berdasarkan total kebutuhan pengiriman barang terbanyak dengan due date tercepat pada shift ke-k ditunjukkan dalam Tabel 6.
Tabel 6.
Hasil Urutan Kota dengan Total Kebutuhan Pengiriman Terbanyak dan Due Date Tercepat pada Shift ke-k Priorita No Kota Tujuan Bekasi 2 Jakarta 2 Bogor 1 Bandung Tangerang 1 Bogor 2 Bekasi 1 Bogor 3 Semarang Tangerang 2 Jakarta 1 Cirebon Tasikmalaya Pati Purwokerto Purwakarta Jakarta 3 Serang Surabaya Jember Malang Total Kebutuhan Pengiriman Batas Waktu Penerimaan (Due Date ) 10 Mei pk: 20.
10 Mei pk: 18.
10 Mei pk: 12.
9 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
Shift ke- Shift ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Dari Tabel 7 nampak bahwa kota yang memiliki total pengiriman barang terbanyak dengan due date tercepat adalah Bekasi 2.
Langkah 7:
Hitung total kebutuhan moda transportasi ke kota ke-i.
Berdasarkan hasil perhitungan, diperoleh total kebutuhan moda transportasi ke Bekasi 2 sebanyak 26 unit.
Langkah 8: Urutkan transporter berdasarkan moda transportasi terbanyak.
Hasil pengurutan disajikan dalam Tabel 7.
Tabel 7.
Jumlah Moda Transportasi Berdasarkan Transporter Nama Transporter PT MAJUMAKMUR SEMPURNA
PT ARK LOGISTIC & TRANSPORT
PT TOLL INDONESIA
BOROBUDUR INDAH.
CV.
SENTOSA ABADI
PA.
SARI BUMI RAYA LESTARI
PT KARGO LOGISTIK INDONESIA
CV.
TIGA TELAGA BHUANA
CV.
TRANS LOGISTIK
PT NAGA KENCANA JAYA
PA.
K WT
USAHA DJAJA.
CV.
CIPTA PRATAMA MANDIRI
SURYA.
WIBAWASARI.
CV.
JAYA TRANS
Jumlah Moda Langkah 9:
Identifikasi transporter ke-j dengan moda transportasi terbanyak.
Transporter yang memiliki moda transportasi terbanyak adalah PT MAJUMAKMUR SEMPURNA.
Langkah 10: Periksa, apakah total kebutuhan moda transportasi lebih kecil atau sama dengan kapasitas loading shift ke-k? Total kebutuhan moda transportasi untuk Kota Bekasi 2 adalah sebanyak 26 truk, sedangkan kapasitas loading untuk shift ke-4 sebanyak 15 truk.
Jadi, total kebutuhan moda transportasi lebih besar dibandingkan dengan kapasitas loading shift keempat dan selanjutnya ke langkah Langkah 15: Pilih shift sebelum shift ke-k yang kapasitasnya mencukupi kebutuhan moda transportasi .
hift ke-k*).
Shift yang kapasitasnya mencukupi kebutuhan moda untuk pengiriman barang ke Kota Bekasi 2 .
hift k*) adalah shift ke-1, dengan kapasitas sebanyak 35 truk.
Langkah 16: Periksa, apakah jumlah moda transportasi yang tersedia dari transporter ke-j lebih kecil atau sama dengan kapasitas shift ke-k*? Jumlah moda tersedia dari transporter PT MAJUMAKMUR SEMPURNA sebanyak 30 truk, sedangkan kapasitas shift ke-1 sebanyak 35 truk.
Jadi, jumlah moda tersedia dari transporter lebih kecil dibandingkan dengan kapasitas shift ke-1 dan selanjutnya ke langkah 17.
Langkah 17: Periksa, apakah jumlah moda transportasi yang tersedia dari transporter ke-j lebih kecil atau sama dengan total kebutuhan moda transportasi? Jumlah moda tersedia dari transporter PT MAJUMAKMUR SEMPURNA sebanyak 30 truk, sedangkan kebutuhan moda ke Kota Bekasi 2 sebanyak 26 truk.
Jadi, jumlah moda tersedia JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
dari transporter lebih besar dibandingkan dengan kebutuhan moda dan selanjutnya ke C Langkah 24: Tetapkan jumlah pengiriman sama dengan total kebutuhan moda Jumlah pengiriman ke Kota Bekasi 2 sama dengan kebutuhan moda, yaitu 26 truk.
Langkah 25: Jadwalkan pengiriman ke kota ke-i sesuai dengan kebutuhan moda transportasi pada shift ke-k dengan teknik backward.
Hasilnya disajikan dalam Gambar 3.
Gambar 3.
Gantt Chart Kota Bekasi 2 Langkah 26:
Langkah 27: Periksa, apakah seluruh pengiriman sudah terjadwalkan? Belum seluruh pengiriman terjadwalkan dan lanjut ke langkah 27b.
Hitung sisa jumlah moda transportasi yang tersedia dari transporter ke-j dan hitung sisa kapasitas shift ke-k*.
Sisa jumlah moda yang tersedia dari transporter MAJUMAKMUR SEMPURNA adalah sebesar 4 truk dan sisa kapasitas shift ke-1 sebesar 9 truk.
2 Iterasi 2 Berikut adalah iterasi ke 2 dalam penerapan algoritma usulan:
C Langkah 27b: Tetapkan i = i 1 Menetapkan kota selanjutnya yang akan dijadwalkan, yaitu kota Jakarta 2.
Selanjutnya, kembali ke langkah 10.
Langkah 10:
Langkah 10a: Jika ya, tetapkan jumlah pengiriman barang sama dengan total kebutuhan moda transportasi.
Lanjutkan ke langkah 11.
Jumlah pengiriman barang ke Kota Jakarta 2 adalah sebanyak 10 truk.
Langkah 11: Periksa apakah moda transportasi yang tersedia dari transporter ke-j lebih kecil atau sama dengan total kebutuhan moda transportasi ke kota ke-i.
Moda transportasi yang tersedia dari PT MAJUMAKMUR SEMPURNA adalah sebanyak 4 truk, sedangkan total kebutuhan moda transportasi untuk Kota Bekasi 2 adalah sebanyak 10 Jadi, moda transportasi yang tersedia lebih kecil dibandingkan dengan total kebutuhan moda transportasi dan selanjutnya ke langkah 11a.
Langkah 11a: Jadwalkan seluruh moda transporter ke-j untuk pengiriman ke kota ke-i pada shift ke-k dengan teknik backward.
Hasilnya disajikan dalam Gambar 4.
Periksa, apakah total kebutuhan moda transportasi lebih kecil atau sama dengan kapasitas loading shift ke-k? Total kebutuhan moda transportasi untuk Kota Jakarta 2 adalah sebanyak 10 truk, sedangkan kapasitas loading untuk shift keempat sebanyak 15 truk.
Jadi, total kebutuhan moda transportasi lebih kecil dibandingkan dengan kapasitas loading shift ke-4 dan selanjutnya ke langkah 10a.
Gambar 4.
Gantt Chart Kota Jakarta 2 ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Langkah 12:
Langkah 20b: Tetapkan j = j 1 Menetapkan transporter selanjutnya yang akan digunakan, kembali ke langkah 9.
Langkah 9: Identifikasi transporter ke-j dengan moda transportasi terbanyak.
Transporter yang memiliki moda transportasi terbanyak selanjutnya adalah PT ARK LOGISTIC & TRANSPORT.
Langkah 13: Hitung sisa kapasitas shift ke-k.
Sisa kapasitas pada shift ke-4 sebanyak 5 truk.
Langkah 14: Periksa, apakah seluruh pengiriman sudah terjadwalkan? Seluruh pengiriman belum terjadwalkan dan lanjut ke langkah 14b.
Langkah 14b: Jika tidak, lanjutkan ke langkah 23.
Langkah 23: Tetapkan i = i 1 Menetapkan kota selanjutnya yang akan dijadwalkan, yaitu kota Bogor 1.
Selanjutnya, kembali ke langkah 6.
Iterasi dilanjutkan hingga seluruh pengiriman sudah terjadwalkan.
Hitung sisa jumlah pengiriman yang belum terjadwalkan pada shift ke-k dan hitung sisa kapasitas shift ke-k.
Sisa jumlah pengiriman yang belum terjadwalkan pada shift ke-4 sebanyak 6 truk dan sisa kapasitas shift ke-k adalah 11 truk.
Lanjutkan ke langkah 20b.
Hasil penjadwalan pengiriman untuk semua kota disajikan dalam Tabel 8, sedangkan dalam bentuk Gantt Chart diperlihatkan dalam Gambar 5.
JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
Prioritas Tanggal 9 Mei Kota Tujuan Bekasi 2 .
Uni.
Bekasi 2 .
Bekasi 2 .
Jakarta 2
Bogor 1
Bandung
Tangerang 1
Bogor 2
Bekasi 1
Bogor 3
Semarang
Tangerang 2
Jakarta 1
Cirebon
Tasikmalaya
Pati
Purwokerto
Jakarta 3
Purwakarta
Serang
Surabaya
Jember
Malang
Tanggal 10 Mei
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1
Tanggal 11 Mei
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1
Tanggal 12 Mei
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Gambar 5.
Gantt Chart Pengiriman Barang Tanggal 9 Mei 2018 ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Tabel 8.
Usulan Penjadwalan Pengiriman Barang Tanggal 9 Mei 2018 Prioritas Kota Tujuan Due Date Bekasi 2 .
Uni.
Bekasi 2 .
Bekasi 2 .
Jakarta 2 Bogor 1 Bandung Tangerang 1 Bogor 2 Bekasi 1 Bogor 3 Semarang Tangerang 2 Jakarta 1 Cirebon Tasikmalaya Pati Purwokerto Jakarta 3 Purwakarta Serang Surabaya Jember Malang 10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 20.
10 Mei pk: 18.
10 Mei pk: 12.
9 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
10 Mei pk: 18.
10 Mei pk: 12.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
10 Mei pk: 20.
10 Mei pk: 18.
10 Mei pk: 20.
11 Mei pk: 18.
11 Mei pk: 18.
11 Mei pk: 18.
Durasi Waktu Kedatangan Loading Barang Durasi Durasi Waktu Waktu Unloading Perjalanan Barang (Ja.
(Ja.
Batas Akhir Waktu Pengiriman Shift 9 Mei pk: 06.
9 Mei pk: 11.
9 Mei pk: 13.
9 Mei pk: 15.
9 Mei pk: 06.
9 Mei pk: 11.
9 Mei pk: 11.
9 Mei pk: 15.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 06.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 15.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 13.
9 Mei pk: 11.
9 Mei pk: 11.
9 Mei pk: 11.
4 Perbandingan Kebutuhan Moda Perbandingan kebutuhan moda transportasi antara algoritma Javia dan algoritma usulan disajikan dalam Tabel 9.
Tabel 9.
Perbandingan Kebutuhan Moda Kota Tujuan Bandung Serang Cirebon Bogor 1 Bogor 2 Bogor 3 Tangerang 1 Tangerang 2 Jakarta 1 Jakarta 2 Jakarta 3 Bekasi 1 Bekasi 2 Tasikmalaya Purwakarta Jember Malang Surabaya Pati Semarang Purwokerto Total Kebutuhan Moda .
Algoritma Javia .
Algoritma Usulan .
Selisih Tabel 9 memperlihatkan bahwa terjadi penurunan kebutuhan moda sebanyak 6 unit yang diperoleh dari pengiriman ke kota Bogor 1.
Jakarta 2.
Bekasi 2 dan Surabaya.
Hal tersebut dikarenakan pada algoritma usulan, pengiriman ke kota yang sama dilakukan secara bersamaan .
JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
5 Perbandingan Jumlah Kota Yang Terlambat Penentuan jumlah kota yang terlambat berdasarkan penerapan algoritma Javia ditunjukkan dalam Tabel 10, sedangkan untuk algoritma usulan disajikan dalam Tabel 11.
Tabel 10.
Jumlah Kota yang Terlambat Berdasarkan Algoritma Javia .
Tabel 11.
Jumlah Kota yang Terlambat Berdasarkan Algoritma Usulan .
ALGORITMA PENJADWALAN DISTRIBUSI BARANG (Kartika S.
, dkk.
Berdasarkan perbandingan Tabel 10 dan Tabel 11 terlihat bahwa terjadi penurunan jumlah kota yang mengalami keterlambatan pengiriman barang, yaitu sebanyak 2 kota.
6 Perbandingan Jumlah Moda dan Jumlah Muatan Yang Terlambat Perbandingan jumlah moda dan jumlah muatan yang mengalami keterlambatan sampai di kota tujuan antara algoritma Javia dan algoritma usulan diperlihatkan dalam Tabel 12.
Tabel 12.
Perbandingan Jumlah Moda dan Jumlah Muatan yang Terlambat Dari Tabel 12 terlihat bahwa perbedaan jumlah moda yang terlambat antara algoritma Javia dan algoritma usulan adalah sebesar 3 moda transportasi, dimana perbedaan tersebut diperoleh dari 2 moda ke Surabaya dan 1 moda ke Purwokerto.
Dari sisi jumlah muatan yang terlambat terdapat perbedaan sebesar 18 pallet untuk tujuan Purwokerto, dimana pada algoritma usulan pengiriman ke kota tersebut tidak mengalami keterlambatan.
7 Perbandingan Durasi Keterlambatan Perbandingan durasi keterlambatan antara penerapan algoritma Javia dan algoritma Usulan ditunjukkan dalam Tabel 13.
Tabel 13.
Perbandingan Durasi Keterlambatan Dari Tabel 13 terlihat bahwa durasi keterlambatan untuk Jember.
Malang dan 8 unit moda ke Surabaya untuk kedua algoritma usulan adalah sama, yaitu 20 jam.
Kedatangan moda ke Surabaya .
ebanyak 2 uni.
dan ke Purwokerto untuk algoritma Javia mengalami keterlambatan masing-masing 22 jam dan 6 jam, sedangkan pada algoritma usulan tidak mengalami keterlambatan.
8 Perbandingan Biaya Penalty Perbandingan biaya penalty antara algoritma Javia dan algoritma usulan diperlihatkan dalam Tabel Tabel 14.
Perbandingan Biaya Penalty Dari Tabel 14 terlihat bahwa biaya penalty yang timbul dari penerapan algoritma usulan lebih kecil dibandingkan dengan hasil algoritma Javia, dengan selisih sebesar Rp 7,104,000,- atau JOURNAL OF INTEGRATED SYSTEM VOL.
3 NO.
DESEMBER 2020: 116-135
Kesimpulan dan Saran Berdasarkan hasil penelitian, dapat disimpulkan bahwa dalam penelitian Javia dkk.
(Javia dkk.
telah dikembangkan algoritma yang dapat mengurangi jumlah keterlambatan yang cukup signifikan, dimana untuk 5 hari pengiriman yang diteliti masih terjadi keterlambatan sebesar 25.
Namun perlu dirancang suatu algoritma lain yang dapat mengurangi lagi keterlambatan yang terjadi serta perlu dipertimbangkan pula besar penalty yang harus ditanggung perusahaan jika terjadi keterlambatan tibanya barang di tangan konsumen.
Algoritma penjadwalan yang diusulkan memiliki kelebihan yaitu kebutuhan moda transportasi dengan menggunakan algoritma usulan berkurang sebanyak 6 unit yang diperoleh dari pengiriman ke kota Bogor 1.
Jakarta 2.
Bekasi 2 dan Surabaya.
Hal tersebut dikarenakan pada algoritma usulan, pengiriman ke kota yang sama dilakukan secara bersamaan .
Selain itu, jumlah kota yang mengalami keterlambatan pengiriman barang berkurang sebanyak 2 kota.
Perbedaan jumlah moda yang terlambat antara algoritma Javia dan algoritma usulan adalah sebesar 3 moda transportasi, dimana perbedaan tersebut diperoleh dari 2 moda ke Surabaya dan 1 moda ke Purwokerto.
Dari sisi jumlah muatan yang terlambat terdapat perbedaan sebesar 18 pallet untuk tujuan Purwokerto, dimana pada algoritma usulan pengiriman ke kota tersebut tidak mengalami keterlambatan.
Durasi keterlambatan untuk Jember.
Malang dan 8 unit moda ke Surabaya untuk kedua algoritma usulan adalah sama, yaitu 20 jam.
Kedatangan moda ke Surabaya .
ebanyak 2 uni.
dan ke Purwokerto untuk algoritma Javia mengalami keterlambatan masing-masing 22 jam dan 6 jam, sedangkan pada algoritma usulan tidak mengalami keterlambatan.
Biaya penalty yang timbul dari penerapan algoritma usulan lebih kecil dibandingkan dengan hasil algoritma Javia, dengan selisih sebesar Rp 7,104,000,- atau 3.
Daftar Pustaka