OPTIMISASI BIAYA TRANSPORTASI MENGGUNAKAN METODE STEPPING STONE DENGAN SOLUSI AWAL TOCM-SUM APPROACH DAN KSAM
on
E-Jurnal Matematika Vol. 12(1), Januari 2023, pp. 77-86
DOI: https://doi.org/10.24843/MTK.2023.v12.i01.p403
ISSN: 2303-1751
OPTIMISASI BIAYA TRANSPORTASI MENGGUNAKAN METODE STEPPING STONE DENGAN SOLUSI AWAL TOCM-SUM APPROACH DAN KSAM
Mikha Layasisa Tarigan1§, Ni Ketut Tari Tastrawati2, Ida Ayu Putu Ari Utari3
1Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]
2Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]
3Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]
§Corresponding Author
ABSTRACT
Transportation problem is one of the problems that can be solved by using linear programming. Transportation method allow businessmen to minimize distribution costs, increase profits, and also fulfill the consumer needs at the same times. The transportation method has two stages of completion, namely the initial basic solution and the optimum solution. The initial basic solution has many developments, two of which are the Total Opportunity Cost Matrix Sum (TOCM-SUM) Approach and the Karagun Sahin Approximation Method (KSAM). Moreover, the optimal solution has two methods of completion, namely modified distribution and stepping stone. This study will compare two method between TOCM-SUM Approach and KSAM which then optimized by using stepping stone method. On other case, the result of using this two method might produce a different number, where as in this study by using TOCM-SUM Approach method will produce 9 alocation routes, meanwhile using KSAM will produce 10 alocation routes. The results from this study shows that KSAM produced a minimum distribution cost with a difference of Rp114.770,00 from the TOCM-SUM Approach.
Keywords: Transportation Problem, TOCM-SUM Approach, KSAM, Stepping Stone Method
-
1. PENDAHULUAN
Beras merupakan kebutuhan sehari-hari masyarakat Indonesia. Pada tahun 2019 konsumsi beras di Indonesia mencapai 28.692.107 ton (BPS, 2021). Kebutuhan akan beras yang sangat tinggi mengakibatkan proses pemenuhan kebutuhan beras sebaiknya berjalan dengan efektif. Dalam proses pemenuhan kebutuhan diperlukan proses distribusi dengan rute yang tepat guna menghasilkan biaya distribusi yang minimum. Rute distribusi
dengan biaya minimum dapat diperoleh dengan metode transportasi.
Metode transportasi adalah salah satu penerapan program linear yang dapat menghasilkan proses transportasi yang optimal (Hillier & Liberman, 1995). Proses transportasi dari m sumber menuju n tujuan dapat dipresentasikan kedalam bentuk tabel seperti pada Tabel 1.
Tabel 1. Tabel Transportasi
Sumber |
Tujuan |
Kapasitas Sumber | |||
1 |
2 |
n | |||
1 |
I C11 *11 |
I C12 *12 |
I C1n *1n |
a1 | |
2 |
I C21 *21 |
I C22 *22 |
I c2n *2n |
a2 | |
m |
I cm1 *m1 |
I cm2 *m2 |
I__cmn *mn |
am | |
Permintaan |
b |
b2 |
bn |
Sumber: (Siswanto, 2007)
Dengan demikian, model transportasi dapat dituliskan:
Meminimumkan
Z = ∑m=1∑n=1cijXij (1)
dengan batasan
∑f=1Xii ≤ ai i = 1,2, ...,m
∑V1χ..>bj j = 1,2.....n
Xij ≥ 0, untuk semua i dan j
Keterangan:
n : Jumlah sumber masalah transportasi.
m : Jumlah tujuan masalah transportasi.
am : Kuantitas yang ditawarkan sumber.
bn : Kuantitas permintaan pada tujuan.
cmn : Biaya distribusi dari m menuju n.
Xmn :Jumlah barang uang dikirim dari
sumber m ke tujuan n.
Metode transportasi memiliki dua jenis cara penyelesaian jenis, yaitu metode langsung dan tidak langsung. Metode transportasi dengan metode langsung dapat menemukan solusi optimum dengan menggunakan satu proses saja. Sedangkan metode transportasi dengan metode tidak langsung membutuhkan dua proses dalam menemukan solusi optimum. Dua proses tersebut adalah proses mendapatkan solusi awal dan proses penentuan nilai optimum.
Proses penentuan nilai optimum memiliki dua metode, yaitu metode stepping stone dan modified distribution. Metode stepping stone melakukan perbaikan secara bertingkat pada solusi awal dalam proses penyelesaiannya (Ratnasati et al., 2019). Proses mendapatkan solusi awal dapat diperoleh dengan beberapa metode, yaitu North-West Corner (NWC), Least Cost (LC), Vogel’s Approximation (VAM), Total Opportunity Cost Matrix-Sum Approach (TOCM-SUM) dan Karagul-Sahin
Approximation Method (KSAM).
Metode TOCM-SUM Approach pertama kali diperkenalkan oleh Khan, et al. (2015), metode ini melakukan perhitungan TOCM yang diperkenalkan oleh Kirca & Satir (1990) kemudian memberikan alokasi sesuai dengan nilai TOCM-SUM terbesar. Metode TOCM-SUM Approach kemudian diteliti kembali oleh Astuti, et al. (2016) dan Armawan (2020) yang mendapatkan kesimpulan yang sama yaitu metode TOCM-SUM Approach mendapat hasil yang optimal setelah dilakukan pengecekan menggunakan metode stepping stone.
KSAM pertama kali diperkenalkan oleh Karagul & Sahin (2020) dengan memberikan
perbedaan perhitungan, yaitu menghitung rasio dari supply dan demand. KSAM kemudian diteliti kembali oleh Nusantoro (2020) dengan hasil penelitian menyatakan bahwa KSAM dapat menemukan biaya distribusi yang lebih kecil dari biaya distribusi sebelumnya milik perusahaan.
Berdasarkan uraian diatas, penelitian ini akan membandingkan biaya distribusi minimum menggunakan metode TOCM-SUM Approach dan KSAM dalam menemukan solusi awal, kemudian menemukan solusi optimum dengan metode stepping stone. Penelitian ini menggunakan data yang diperoleh pada penelitian Istiqomah (2021).
-
2. METODE PENELITIAN
-
2.1 Jenis dan Sumber Data
-
Data yang digunakan dalam penelitian ini merupakan data sekunder, yang berupa data persediaan, data permintaan, dan biaya transportasi. Data diperoleh dari penelitian Istiqomah (2021).
-
2.2 Variabel Penelitian
Variabel dalam penelitian ini adalah
-
1. Jumlah persediaan pada masing-masing gudang (βl), i = 1,2,3.
-
2. Jumlah permintaan pada masing-masing tempat tujuan (d j), j = 1,2,3, ...,8.
-
3. Biaya distribusi yang dikeluarkan dari gudang i ke tujuan j (Cij).
-
2.3 Metode Analisis Data
Langkah-langkah dalam menganalisis data pada penelitian ini yaitu sebagai berikut:
-
1. Mengumpulkan data persediaan, data permintaan, biaya transportasi, dan jumlah Beras Putri Sejati 25 Kg yang didistribusikan dari 3 gudang ke 8 lokasi tujuan.
-
2. Membentuk fungsi tujuan menggunakan persamaan (1) serta membentuk fungsi batasannya.
-
3. Membentuk tabel transportasi sesuai dengan tabel 1.
-
4. Mencari solusi awal menggunakan metode TOCM-SUM Approach. Langkah-langkah dalam menentukan solusi awal menggunakan metode TOCM-SUM Approach adalah sebagai berikut:
-
a. Menentukan biaya distribusi minimum pada masing-masing baris dan biaya
distribusi minimum pada masing-masing kolom,
-
b. Melakukan reduksi baris (ROCM) dan reduksi kolom (COCM),
-
c. Membentuk tabel Total Opportunity Cost Matrix (TOCM) dengan
menjumlahkan nilai ROCM dan nilai COCM,
-
d. Menjumlahkan nilai TOCM pada masing-masing baris dan tuliskan jumlah nilai TOCM setiap baris di bagian kanan tabel (row pointer). Lakukan hal yang sama pada masing-masing kolom dan tuliskan hasilnya pada bagian bawah tabel (column pointer),
-
e. Pilih nilai row pointer atau column pointer dengan yang tertinggi, kemudian alokasikan secara
maksimum pada sel yang memiliki nilai TOCM terkecil dari baris atau kolom tersebut,
-
f. Lakukan langkah e dan f dengan mengabaikan baris atau kolom yang sudah terisi. Lakukan langkah ini hingga seluruh permintaan terpenuhi,
-
g. Hitung biaya minimum dengan menjumlahkan hasil alokasi produk dengan biaya transportasi yang
dialokasikan.
-
5. Melakukan penghitungan solusi akhir
menggunakan metode Stepping Stone pada kedua solusi awal permasalahan transportasi. Langkah-langkah metode Stepping Stone sebagai berikut:
-
a. Memastikan bahwa solusi awal memiliki jumlah alokasi sebanyak m + n— 1, dimana m adalah jumlah baris tabel transportasi solusi awal dan n adalah jumlah kolom tabel transportasi solusi awal. Jika kondisi ini tidak terpenuhi, maka tambahkan nilai epsilon (ε) pada salah satu entri kosong,
-
b. Memilih entri alokasi yang belum terpakai,
-
c. Membuat sebuah jalur tertutup pada entri alokasi yang telah dipilih dengan cara melewati entri rute transportasi yang telah teralokasi,
-
d. Memberikan tanda (+) pada entri kosong yang telah dipilih, dilanjutkan dengan tanda (-) dan (+) secara bergantian pada setiap entri dalam jalur tertutup,
-
e. Menghitung nilai indeks perbaikan dengan tanda (+) dan mengurangkan biaya transportasi dengan tanda (-) yang ada pada setiap entri dalam jalur tertutup,
-
f. Mengulang langkah a) sampai d) sampai semua entri kosong dihitung. Jika jumlah nilai jalur tertutup entri kosong lebih besar atau sama dengan nol maka solusi optimum telah diperoleh. Jika ada nilai negatif, maka proses dilanjutkan,
-
g. Pilih nilai indeks perbaikan jalur tertutup yang paling negatif untuk dievaluasi. Evaluasi dilakukan dengan cara memilih alokasi dengan nilai negatif terkecil dalam jalur tertutup. Kemudian seluruh alokasi pada jalur tertutup dijumlahkan dengan nilai alokasi negatif terkecil sesuai dengan tanda (+) dan (-) yang telah diberikan sebelumnya,
-
h. Melakukan langkah b), c), d), e), dan f) sampai tidak ada nilai indeks perbaikan yang bernilai negative,
-
6. Mencari solusi awal menggunakan KSAM. Langkah-langkah dalam menentukan solusi awal menggunakan KSAM sebagai berikut:
-
a. Menghitung rasio antara demand terhadap supply (PDM) dan rasio antara supply terhadap demand (PSM) pada setiap sel dalam tabel transportasi,
-
b. Membentuk matriks A menggunakan hasil perkalian antara PDM dengan biaya distribusi (WCD) dan membentuk matriks B menggunakan hasil perkalian antara PSM dengan biaya distribusi (WCS),
-
c. Mengalokasikan distribusi secara maksimal pada nilai WCD terkecil dalam matriks A dan nilai WCS terkecil dalam matriks B,
-
d. Menghitung nilai distribusi (zmin) matriks A dan matriks B,
-
e. Membandingan nilai distribusi kedua matriks dan memilih biaya distribusi terkecil sebagai solusi awal KSAM.
-
7. Mengulang langkah 4 menggunakan solusi awal KSAM untuk menghitung solusi optimum dengan metode Stepping Stone.
-
8. Membandingkan solusi optimum metode Stepping Stone dengan solusi awal metode TOCM-SUM Approach dan metode KSAM.
-
3. HASIL DAN PEMBAHASAN
-
3.1 Membentuk Model Transportasi
-
Penelitian ini menggunakan data penelitian sebelumnya yang dilakukan oleh Istiqomah (2021). Data-data yang diperlukan dalam penelitian ini adalah data total permintaan
masing-masing tujuan, data kapasitas masing-masing sumber, dan data biaya transportasi setiap karung beras dari masing-masing sumber menuju masing-masing tujuan. Dari data-data tersebut, dapat dibentuk tabel awal transportasi sebagai berikut
Tabel 2. Tabel Awal Transportasi
Sumber |
Tujuan |
Kapasitas Sumber | |||||||||||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | ||||||||||
S1 |
530 |
398 |
300 |
260 |
634 |
200 |
150 |
333 |
4500 | ||||||||
S2 |
800 |
214 |
267 |
225 |
338 |
225 |
192 |
300 |
3250 | ||||||||
S3 |
600 |
176 |
240 |
322 |
405 |
500 |
128 |
64 |
3750 | ||||||||
Permintaan |
600 |
1250 |
500 |
1200 |
755 |
980 |
1115 |
850 |
Sumber: (Istiqomah, 2021)
Sehingga dapat dibentuk fungsi tujuan sebagai berikut,
Minimumkan:
Z = 530x11 + 398%12 + 300%13 + 260x14
+ 634x15 + 200x16 + 150x17 + 333x18 + 800x21 + 214x22 + 267x23 + 225x24 + 338x25 + 225x26 + 192x27 + 300x28 + 600x31+ 176x32 + 240x33 + 322x34 + 405x35 + 500x36 + 128x37 + 64x38
dengan kendala
xi1 + xi2 + xi3 + xi4 + xi5 + xi6 + xi7 + x18 ≤ 4500
x21 + x22 + x23 + x24 + x25 + x26 + x27 + x28 ≤ 3250
x31 + x32 + x33 + x34 + x35 + x36 + x37
+ x38 ≤ 3750
x11 + x21 + x31 = 600 x12 + x22 + x32 = 1250 x13 +x23 + x33 = 500 x14 + x24 + x34 = 1200 x15 + x25 + x35 = 755 xi6 + x26 + x36 = 980 x17 + x27 + x37 = 1115 x18 + x28 + x38 = 850 xij ≥ 0,i = 1,2,3 dan j = 1,2, „.,8.
-
3.2 Solusi Awal TOCM-SUM Approach
Masalah transportasi dengan solusi awal menggunakan metode TOCM-SUM Approach memiliki 6 langkah penyelesaian, yaitu:
-
1. Menentukan biaya distribusi minimum pada setiap baris dan setiap kolom
Tabel 3. Tabel Biaya Distribusi
Sumber |
Tujuan |
‰ | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | ||
S1 |
530 |
398 |
300 |
260 |
634 |
200 |
150 |
333 |
150 |
S2 |
800 |
214 |
267 |
225 |
338 |
225 |
192 |
300 |
192 |
S3 |
600 |
176 |
240 |
322 |
405 |
500 |
128 |
64 |
64 |
Ck j |
530 |
176 |
240 |
225 |
338 |
200 |
128 |
64 |
Sumber: Data diolah (2022), dianalisis
-
2. Melakukan perhitungan Row Opportunity Cost Matrix (ROCM) dengan melakukan reduksi pada masing-masing sel dalam setiap baris.
Tabel 4. Tabel ROCM
Sumber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
380 |
248 |
150 |
110 |
484 |
50 |
0 |
183 |
S2 |
608 |
22 |
75 |
33 |
146 |
33 |
0 |
108 |
S3 |
536 |
112 |
176 |
258 |
341 |
436 |
64 |
0 |
Sumber: Data diolah (2022), dianalisis
Kemudian melakukan reduksi baris, dilakukan juga reduksi terhadap kolom atau Column Opportunity Cost Matrix (COCM).
Tabel 5. Tabel COCM
Sumber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
0 |
222 |
60 |
35 |
296 |
0 |
22 |
269 |
S2 |
270 |
38 |
27 |
0 |
0 |
25 |
64 |
236 |
S3 |
70 |
0 |
0 |
97 |
67 |
300 |
0 |
0 |
Sumber: Data diolah (2022), dianalisis
-
3. Membentuk tabel TOCM dengan menjumlahkan nilai ROCM dan COCM.
Tabel 6. Tabel TOCM
Sumber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
380 |
470 |
210 |
145 |
780 |
50 |
22 |
452 |
S2 |
878 |
60 |
102 |
33 |
146 |
58 |
64 |
344 |
S3 |
606 |
112 |
176 |
355 |
408 |
736 |
64 |
0 |
Sumber: Data diolah (2022), dianalisis
-
4. Menjumlahkan nilai TOCM pada setiap baris dan kolom, tuliskan jumlahnya dibagian kanan tabel (row pointer) dan bawah tabel (column pointer)
-
5. Memilih nilai row pointer atau column pointer dengan yang tertinggi, kemudian
alokasikan secara maksimum pada sel yang memiliki nilai TOCM terkecil dari baris atau kolom tersebut
Tabel 7. Tabel TOCM-SUM
Sumber |
Tujuan |
Row Pointer | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | ||
S1 |
380 |
470 |
210 |
145 |
780 |
50 |
22 |
452 |
2509 |
S2 |
878 |
60 |
102 |
33 |
146 |
58 |
64 |
344 |
1685 |
S3 |
606 |
112 |
176 |
355 |
408 |
736 |
64 |
0 |
2457 |
Column Pointer |
1864 |
642 |
488 |
533 |
1334 |
844 |
150 |
796 |
Sumber: Data diolah (2022), dianalisis
Tabel 8. Solusi Awal TOCM-SUM Approach
Sumber |
Tujuan |
Kapasitas |
Row Pointer (Iterasi) | ||||||||||||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 |
I |
II |
III |
IV |
V |
VI |
VII |
VIII |
IX | |||
S1 |
380 |
470 |
210 |
145 |
780 |
50 |
22 |
452 |
4500 |
4 | |||||||||
600 |
500 |
1200 |
980 |
1115 |
105 | ||||||||||||||
S2 |
878 |
60 |
102 |
33 |
146 |
58 |
64 |
344 |
3250 |
° |
∞ |
3 | |||||||
1250 |
755 | ||||||||||||||||||
S3 |
606 |
112 |
176 |
355 |
408 |
736 |
64 |
0 |
3750 |
3 |
CN |
CN |
2 | ||||||
600 |
745 | ||||||||||||||||||
Permintaa n |
600 |
1250 |
500 |
1200 |
755 |
980 |
1115 |
850 | |||||||||||
•S ≡ ≡ O U |
I |
1864 |
642 |
488 |
533 |
1334 |
844 |
150 |
796 | ||||||||||
II |
1864 |
642 |
488 |
533 |
1334 |
844 |
- |
796 | |||||||||||
III |
1864 |
642 |
488 |
533 |
1334 |
- |
- |
796 | |||||||||||
IV |
1864 |
642 |
488 |
- |
1334 |
- |
- |
796 | |||||||||||
V |
1864 |
642 |
- |
- |
1334 |
- |
- |
796 | |||||||||||
VI |
- |
642 |
- |
- |
1334 |
- |
- |
796 | |||||||||||
VII |
- |
172 |
- |
- |
554 |
- |
- |
344 | |||||||||||
VIII |
- |
172 |
- |
- |
- |
- |
- |
344 | |||||||||||
IX |
- |
- |
- |
- |
- |
- |
- |
344 |
Sumber: Data diolah (2022), dianalisis
Iterasi I: Pada tahap ini pointer yang terbesar adalah 2509 dan nilai TOCM terkecil adalah 22 pada entri (1,7). Sehingga dialokasikan 1115 unit (minimum dari 1115 dan 4500) di entri (1,7). Kemudian menghitung ulang dengan mengabaikan kolom ke-7.
Iterasi II: Selanjutnya, pointer yang terbesar adalah 2487 dan nilai TOCM terkecil adalah 50 pada entri (1,6). Sehingga dialokasikan 980 unit (minimum dari 980 dan 3385) di entri (1,6). Kemudian menghitung ulang dengan mengabaikan kolom ke-6.
Iterasi III: Pada iterasi ini, pointer yang terbesar adalah 2437 dan nilai TOCM terkecil adalah 145 pada entri (1,4). Sehingga dialokasikan 1200 unit (minimum dari 1200 dan 2405) di entri (1,4). Kemudian menghitung ulang dengan mengabaikan kolom ke-4.
Iterasi IV: Pada tahap ini, pointer yang terbesar adalah 2292 dan nilai TOCM terkecil adalah 210 pada entri (1,3). Sehingga dialokasikan 500 unit (minimum dari 500 dan 1205) di entri (1,3). Kemudian menghitung ulang
dengan mengabaikan kolom ke-3.
Iterasi V: Selanjutnya, pointer yang terbesar adalah 2082 dan nilai TOCM terkecil adalah 380 pada entri (1,1). Sehingga dialokasikan 600 unit (minimum dari 600 dan 705) di entri (1,1). Kemudian menghitung ulang dengan mengabaikan kolom pertama.
Iterasi VI: Pada iterasi ini, pointer yang terbesar adalah 1702 dan nilai TOCM terkecil adalah 452 pada entri (1,8). Sehingga dialokasikan 105 unit (minimum dari 850 dan 105) di entri (1,8). Kemudian menghitung ulang dengan mengabaikan baris pertama.
Iterasi VII: Pada tahap ini, pointer yang terbesar adalah 554 dan nilai TOCM terkecil adalah 146 pada entri (2,5). Sehingga dialokasikan 755 unit (minimum dari 755 dan 3250) di entri (2,5). Kemudian menghitung ulang dengan mengabaikan kolom ke-5.
Iterasi VIII: Selanjutnya, pointer yang terbesar adalah 404 dan nilai TOCM terkecil adalah 60 pada entri (2,2). Sehingga dialokasikan 1250 unit (minimum dari 1250 dan 2495) di entri
(2,2). Kemudian menghitung ulang dengan mengabaikan kolom ke-2.
Iterasi IX: Pada tahap ini, pointer yang terbesar adalah 344 dan nilai TOCM terkecil adalah 0 pada entri (3,8). Sehingga dialokasikan 745 unit (minimum dari 745 dan 3150) di entri (3,8). Kemudian iterasi dihentikan karena seluruh permintaan terpenuhi.
-
6. Menghitung biaya distribusi solusi awal
TOCM-SUM Approach, perhitungan dilakukan seerti berikut
Z = 530x11 + 398%12 + 300%13 + 260x14
+ 634x15 + 200x16 + 150x17 + 333x18 + 800x21 + 214x22 + 267x23 + 225x24 + 338x25 + 225x26 + 192x27 + 300x28 + 600x31+ 176x32 + 240x33 + 322x34 + 405x35 + 500x36 + 128x37 + 64x38
⇔ z = 530(600) + 398(0) + 300(500)
+ 260(1200)+ 634(0)
+ 200(980)+ 150(1115)
+ 333(105) + 800(0)
+ 214(1250) + 267(0)
+ 225(0) + 338(775)
+ 225(0) + 192(0) + 300(0) + 600(0) + 176(0) + 240(0) + 322(0) + 405(0) + 500(0) + 128(0) + 64(745)
= Kp1.748.585,00
-
3.3 Solusi Optimal Metode Stepping Stone dengan Solusi Awal TOCM-SUM Approach
Langkah pertama yang dilakukan dalam menemukan solusi optimal metode stepping stone dengan solusi awal TOCM-SUM Approach adalah memastikan bahwa solusi awal memenuhi syarat dimana jumlah alokasi harus sama dengan m + n — 1 dimana m adalah jumlah baris dan n adalah jumlah kolom. Pada solusi awal metode TOCM-SUM Approach jumlah alokasi tidak memenuhi syarat sebelumnya, sehingga perlu diberikan nilai epsilon pada salah satu entri kosong. Pada studi kasus ini, nilai epsilon diletakkan pada x12.
Langkah selanjutnya yaitu membentuk jalur tertutup pada entri-entri kosong yang terdapat dalam tabel transportasi solusi awal TOCM-SUM Approach dan menghitung nilai indeks perbaikannya.
Tabel 9. Metode Stepping Stone dengan solusi awal TOCM-SUM Approach
Entri Kosong |
Jalur Tertutup |
Nilai indeks perbaikan |
x15 |
xi5 → *25 → *22 → x12 → *15 |
112 |
x21 |
x21 → x11 → x12 → x22 → x21 |
454 |
x23 |
x23 → x13 → x12 → x22 → x23 |
151 |
x24 |
x24 → x14 → x12 → x22 → x24 |
149 |
x26 |
x26 → x16 → x12 → ^22 → x26 |
209 |
x27 |
x27 → x17 → x12 → x22 → ^27 |
226 |
x28 |
x28 → x18 → x12 → ^22 → x28 |
151 |
x31 |
x31 → x11 → x18 → x38 → x31 |
339 |
x32 |
x32 → x12 → x18 → x38 → x32 |
47 |
x33 |
x33 → x13 → x18 → x38 → x33 |
9 |
x34 |
x34 → x14 → x18 → x38 → x34 |
331 |
x35 |
x35 → x25 → x22 → x12 → x18 → x38 → x35 |
152 |
x36 |
x36 → x16 → x18 → x38 → x36 |
569 |
x37 |
x37 → x17 → x18 → x64 → x37 |
247 |
Sumber: Data diolah (2022), dianalisis
Terlihat bahwa seluruh nilai indeks perbaikan bersifat positif, sehingga solusi awal sudah mencapai nilai optimal
-
3.4 Solusi Awal KSAM
Masalah transportasi dengan solusi awal menggunakan KSAM memiliki 5 langkah penyelesaian, yaitu:
-
1. Menghitung rasio antara demand terhadap supply (PDM) dan rasio antara supply terhadap demand (PSM) pada setiap sel dalam tabel transportasi
Tabel 10. Tabel PDM
distribusi (WCD) dan membentuk matriks B menggunakan hasil perkalian antara PSM dengan biaya distribusi (WCS).
Tabel 12. Matriks A
Sum ber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
706 ,67 |
1105 ,56 |
333 ,33 |
693 ,33 |
1063 ,71 |
735 ,56 |
371 ,67 |
62 9 |
S2 |
147 ,69 |
82,3 1 |
41, 08 |
83, 08 |
78,5 2 |
67, 85 |
65, 87 |
78, 46 |
S3 |
96 |
58,6 7 |
32 |
103 ,04 |
81,5 4 |
130 ,67 |
38, 06 |
14, 51 |
Sumber: Data diolah (2022), dianalisis
Tabel 13. Matriks B
Sumber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
1,33 |
2,78 |
1,11 |
2,67 |
1,68 |
2,18 |
2,48 |
1,89 |
S2 |
0,18 |
0,38 |
0,15 |
0,37 |
0,23 |
0,3 |
0,34 |
0,26 |
S3 |
0,16 |
0,33 |
0,13 |
0,32 |
0,20 |
0,26 |
0,3 |
0,23 |
Sumber: Data diolah (2022), dianalisis |
Tabel 11. Tabel PSM
Su mbe r |
Tuj |
uan | ||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
397, 5 |
143 ,28 |
270 |
97,5 |
377, 88 |
91,8 4 |
60, 54 |
176, 29 |
S2 |
433 3,33 |
556 ,4 |
173 5,5 |
609, 38 |
145 4,97 |
746, 17 |
559 ,64 |
114 7,06 |
S3 |
375 0 |
528 |
180 0 |
100 6,25 |
201 1,59 |
191 3,27 |
430 ,49 |
282, 35 |
Sumber |
Tujuan | |||||||
T1 |
T2 |
T3 |
T4 |
T5 |
T6 |
T7 |
T8 | |
S1 |
0,75 |
0,36 |
0,9 |
0,38 |
0,60 |
0,46 |
0,4 |
0,53 |
S2 |
5,42 |
2,6 |
6,5 |
2,71 |
4,3 |
3,32 |
2,91 |
3,82 |
S3 |
6,25 |
3 |
7,5 |
3,13 |
4,97 |
3,83 |
3,36 |
4,41 |
Sumber: Data diolah (2022), dianalisis
-
2. Membentuk matriks A menggunakan hasil perkalian antara PDM dengan biaya
Sumber: Data diolah (2022), dianalisis
-
3. Mengalokasikan distribusi secara maksimal pada nilai WCD terkecil dalam matriks A dan nilai WCS terkecil dalam matriks B.
Tabel 14. Alokasi Matriks A
Sumber
Tujuan
Kapasitas Sumber
T1
T2
T3
T4
T5
T6
T7
T8
S1
I 706,7 250
I 1105,6
I 333,3
I 693,3
I 1063,7
I 735,6
I 371,7
I 629
4500
S2
I 147,7 315
I 8231
I 41,1
I 83
1200
I 78,5
755
I 67,8
980
I 65,9
I 78,5
3250
S3
I 96
35
I 58,7
1250
I 32
500
I 103,
I 81,5
I 130,7
I 38,1
1115
I 14,5
850
3750
Total
Permintaan
600
1250
500
1200
755
980
1115
850
Sumber: Data diolah (2022), dianalisis
Tabel 15. Alokasi Matriks B
Sumber
Tujuan
Kapasitas
T1
T2
T3
T4
T5
T6
T7
T8
Sumber
S1
397,5
143,3
1205
270
97,5
1200
377,9
91,8
980
60,5
1115
176,3
4500
S2
I 4333,3
600
I 556,4
735,5
500
1
609,4
1
1455
755
1
746,2
559,6
1
1147,1
3250
S3
3750
528
45
1800
006,2
011,6
1913,3
430,5
282,4
850
3750
Total
Permintaan
600
1250
500
1200
755
980
1115
850
Sumber: Data diolah (2022), dianalisis
-
4. Menghitung nilai distribusi (zmin ) matriks A dan matriks B. Biaya transportasi pada alokasi matriks A
z = 530x11 + 398x12 + 300x13 + 260x14 + 634x15 + 200x16 + 150x17 + 333x18 + 800x21 + 214x22 + 267x23 + 225x24 + 338x25 + 225x26 + 192x27 + 300x28 + 600x31+ 176x32 + 240x33 + 322x34 + 405x35 + 500x36 + 128x37 + 64x38
⇔ z = 530(250) + 398(0) + 300(0)
+ 260(0) + 634(0)
+ 200(980)+ 150(0)
+ 333(0) + 800(315)
+ 214(0)+ 267(0)
+ 225(1200) + 338(755)
+ 225(0) + 192(0) + 300(0) + 600(35) + 176(1250) + 240(500) + 322(0) + 405(0) + 500(0) + 128(1115) + 64(850)
= Λp1.688.310,00
Biaya transportasi pada alokasi mastriks B z = 530x11 + 398x12 + 300x13 + 260x14 + 634x15 + 200x16 + 150x17 + 333x18 + 800x21 + 214x22 + 267x23 + 225x24 + 338x25 + 225x26 + 192x27 + 300x28 + 600x31+ 176x32 + 240x33 + 322x34 + 405x35 + 500x36 + 128x37 + 64x38
⇔ z = 530(0) + 398(1205) + 300(0) + 260(1200) + 634(0) + 200(0) + 150(1115) + 333(0) + 800(600) + 214(0) + 267(500) + 225(0) + 338(755) + 225(0) + 192(0)+ 300(0) + 600(0) + 176(45)
+ 240(0)+ 322(0)+ 405(0) + 500(0) + 128(0)
+ 64(850) = Rp2.085.850,00
-
5. Membandingan nilai distribusi kedua matriks dan memilih biaya distribusi terkecil sebagai solusi awal KSAM, sehingga solusi awal dari KSAM adalah alokasi matriks A dengan biaya distribusi Rp1.688.310,00
-
3.5 Solusi Optimal Metode Stepping Stone dengan Solusi Awal KSAM
Solusi awal KSAM memiliki 10 alokasi, sehingga solusi awal ini telah memenuhi syarat untuk
melakukan perhitungan solusi optimal metode stepping stone. Selanjutnya dibentuk jalur tertutup pada setiap entri kosong pada tabel solusi awal metode KSAM dan melakukan perhitungan nilai indeks perbaikannya.
Tabel 16. Iterasi I Metode Stepping Stone
Entri Kosong |
Jalur Tertutup |
Nilai Indeks Perbaikan |
x12 |
*12 → *32 → %31 → %11 → %12 |
292 |
x13 |
%13 → %33 → %31 → %11 → %13 |
130 |
x14 |
%14 → %24 → ^21 → ^11 → ^14 |
305 |
xi5 |
%15→x75→%21 →x11 →x15 |
566 |
x16 |
x16→x26→x21 →x11 →x16 |
245 |
xi7 |
^17 → ^3 7 → %31 → %11 → %17 |
92 |
xi8 |
x18 → x38 → x31 → x11 → x18 |
339 |
%22 |
x22 → x32 → x31 → x21 → x22 |
-162 |
%23 |
%23 → ‰3 → ^31 → %21 → ‰3 |
-173 |
x27 |
x27 → x37 → x31 → x21 → x2 7 |
-136 |
x28 |
x28 → x38 → x31 → x21 → x28 |
36 |
x34 |
%34 → ^31 → ^21 → ^24 → ^34 |
297 |
x35 |
x35 → x31 → x21 → x25 → x3 5 |
267 |
x36 |
x36 → x31 → x21 → x26 → x36 |
475 |
Sumber: Data diolah (2022), dianalisis.
Nilai indeks perbaikan memiliki 3 nilai yang negatif, sehingga dipilih nilai yang paling negatif, yaitu (-173) yang terdapat pada jalur tertutup x23. Alokasi dengan nilai negatif terbesar terdapat pada x21, yaitu 315. Kemudian seluruh alokasi pada jalur tertutup x23 dijumlahkan dengan nilai 315 sesuai dengan tanda (+) dan (-) yang telah diberikan sebelumnya.
Selanjutnya dibentuk kembali jalur tertutup pada setiap entri kosong dan menghitung nilai indeks perbaikan pada setiap jalur tertutup sebelumnya.
Tabel 17. Iterasi II Metode Stepping Stone
Entri Kosong |
Jalur Tertutup |
Nilai Indeks Perbaikan |
x12 |
x12 → x32 → x31 → x11 → x12 |
292 |
x13 |
x13 →x33→x31 →x11 →x13 |
130 |
x14 |
^14 → x24 → x23 → x33 →x31→x11 → ^14 |
132 |
x15 |
x15 →x25 →x23 → x33 → x11 →x15 |
393 |
x16 |
⅛ → ^26 → ^23 → ⅞3 → x31 → ^11 → ⅛6 |
72 |
x17 |
x17 →x37→x31 →x11 →x17 |
92 |
x18 |
x18 →x38→x31 →x11 →x18 |
339 |
x21 |
x21 →x21 →x33 →x23 →x21 |
173 |
x22 |
x22 → x32 → x33 → x23 → x22 |
2 |
x27 |
x27→x23 → x33 →x37 →x27 |
37 |
⅛ |
⅛ → ⅛ → x33 → x23 → x28 |
209 |
%34 |
%34→x24→x23 →x33 →x34 |
124 |
x35 |
x35 →x25 → x23 →x33 → x35 |
94 |
x36 |
x36 → x26 → x23 → x33 → x36 |
302 |
Sumber: Data diolah (2022), dianalisis
Terlihat bahwa seluruh nilai indeks perbaikan tidak bernilai negatif, sehingga solusi sudah menjadi solusi optimal.
Perbandingan total biaya distribusi optimal dapat dilihat pada tabel 18.
Tabel 18. Perbandinga Metode TOCM-SUM Approach dan KSAM
Metode Solusi Awal |
TOCM-SUM Approach |
KSAM |
Jumlah Alokasi |
9 |
10 |
biaya distribusi awal |
Rp1.748.858,00 |
Rp1.688.310,00 |
Metode Solusi Optimal |
Stepping Stone | |
Jumlah Iterasi |
- |
1 |
Biaya Distribusi Optimal |
Rp1.748.585,00 |
Rp1.633.815,00 |
Sumber: Data diolah (2022), dianalisis
-
4. KESIMPULAN DAN SARAN
-
4.1 Kesimpulan
-
Berdasarkan hasil dan pembahasan, dapat ditarik kesimpulan bahwa:
-
1. Metode TOCM-SUM Approach
menghasilkan 9 rute alokasi dengan biaya distribusi fip1.748.585,00, sedangkan
KSAM menghasilkan 10 rute alokasi dengan biaya distribusi Rp1.688.310,00.
-
2. Solusi awal metode TOCM-SUM Approach tidak memenuhi syarat metode stepping stone sehingga perlu dilakukan penambahan nilai epsilon (ε) pada salah satu rute yang kosong, kemudian metode ini sudah mendapatkan nilai optimum sebesar Rpl.748.585,00 setelah dilakukan
pemeriksaan dengan metode stepping stone. Sedangkan solusi awal KSAM belum mencapai nilai optimum setelah diperiksa dengan metode stepping stone, sehingga solusi awal metode KSAM perlu dioptimasi dengan metode stepping stone dan menghasilkan nilai optimum fip1.633.815.
-
3. Metode KSAM mendapatkan nilai yang lebih optimum dengan selisih Rp114.770,00 dari metode TOCM-SUM Approach, sehingga metode KSAM merupakan metode yang lebih efisien dalam menentukan rute distribusi.
-
4.2 Saran
Penelitian ini tidak memperhatikan ketidakpastian pada biaya transportasi, jumlah permintaan, dan jumlah penawaran. Penelitian selanjutnya disarankan untuk memperhatikan ketidakpastian biaya transportasi, jumlah penawaran, dan jumlah permintaan (fuzzy transportation methods).
DAFTAR PUSTAKA
Armawan, L. V. A. 2020. Optimasi Masalah Biaya Transportasi Beras Menggunakan Metode TOCM-SUM Approach (Studi Kasus: Perum Bulog Wilayah Sumatera Barat). Skripsi. Pekanbaru: Universitas Islam Negeri Sultan Syarif Kasim Riau.
Astuti, N. D., Heri, R. S. U., dan Suryanto. 2016. Solusi Masalah Transportasi
Menggunakan TOCM-SUM Approach dengan Indikator Distribusi. Jurnal Matematika, 19, 121–126.
Badan Pusat Statistik. 2021. Konsumsi Bahan Pokok 2019. BPS.
https://www.bps.go.id/publication/2021/1/ /25/68b1b04ce68c7d6a1c564165/konsmsi -bahan-pokok-2019.html. Diakses 8 Agustus 2022.
Hillier, F. S., dan Liberman, G. J. 1995. Introduction to Operations Research (6th ed.).New York: The McGraw Companies.
Istiqomah. 2021. Improved Exponential Approach Method dan Zero Suffix Method dalam Menentukan Solusi Optimal pada Masalah Transportasi. Skripsi. Bukit Jimbaran: Universitas Udayana.
Karagul, K., dan Sahin, Y. 2020. A Novel Approximation Method to Obtain Initial Basic Feasible Solution of Transportation problem. Journal of King Saud University, 32(3),211–218. https://doi.org/10.1016/j.
jksues.2019.03.003
Khan, A. R., Vilcu, A., Sultana, N., dan Ahmed, S. S. 2015. Determination of Initial Basic Feasible Solution of A Transportation Problem: A TOCM-SUM Approach.
Buletinul Institutului Politehnic Din Lasi, LXI(LXV), 41–49
Kirca, O., dan Satir, A. 1990. A Heuristic for Obtaining an Initial Solution for the Transportation Problem. Journal of the Operation Research Society, 41(9), 865– 871.
Nusantoro, D. K. 2020. Implementasi Karagul-Sahin Approximation Method untuk Meminimalisasi Biaya Pendistribusian Air Pada Masalah Transportasi (Studi Kasus: Air Minum Mata Air Sikumbang Kampar). Skripsi. Pekanbaru: Universitas Islam
Negeri Sultan Syarif Kasim Riau.
Ratnasati, Y., Yuniarti, D., dan Purnamasari, I. (019. Optimasi Pendistribusian Barang Dengan Menggunakan Vogel ’ s Approximation Method dan Stepping Stone Method ( Studi Kasus: Pendistribusian Tabung Gas LPG 3 Kg Pada PT . Tri Pribumi Sejati ). Jurnal EKSPONENSIAL, 10, 165–174.
Siswanto. 2007. Operation Research Jilid I. Jakarta: Penerbit Erlangga.
86
Discussion and feedback