LAPORAN ASISTENSI PRATIKUM MANAJEMEN TRANSPORTASI DAN DISTRIBUSI MODUL I DAN II DRP DAN PERMASALAHAN TRANSPORTASI
Nama Instruktur
:
Muchammad Fauzi, S.T.
Nama Asisten
:
Alfi Herdiansyah Dewi Nurholipah
Oleh: Nama
NPM
Satya Rochman Sukmana
0514104006
Poppy Oktavia
0514104030
Zuleha Nur Alifah
0514104032
LABORATORIUM SISTEM PRODUKSI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS WIDYATAMA SK Ketua Badan Akreditasi Nasional PerguruanTinggi (BAN-PT) Nomor: 112/SK/BAN-PT/Akred/S/III/2015 BANDUNG 2017
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 PENGUMPULAN DATA Pada praktikum manajemen transportasi dan distribusi modul 1 dan 2 mengenai DRP dan permasalahan transportasi dikumpulkan data sebagai berikut: 4.1.1
DRP
4.1.2
Permasalahan Transportasi
Lokasi Sumber
Terdapat tiga lokasi sumber dan empat lokasi tujuan dengan data kapasitas, permintaan, dan biaya pengiriman perunit disajikan dalam tabel berikut:
1
Bandung
2
Jakarta
3
Banten
1 Jogja 2
Permintaan
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3
10
8
5
4
7
6
6
8
4
3
4
4
7 5 15
4.2 PENGOLAHAN DATA Data yang telah dikumpulkan diolah sebagai berikut: 4.2.1 DRP 1. Demand Konsumen a. Konsumen 1 Deskripsi GD IOO IOH NR POR
0
1 168
168
0 0 168
118
2 168 50 -118 118 168
Periode 3 168
4 168
5 168
6 168
-286 168 168
-454 168 168
-622 168 168
-790 168 168
b. Konsumen 2 Deskripsi GD IOO IOH NR POR
0
118 100
1 218
2 218
-100 100 218
-318 218 118
Periode 3 218 100 -436 118 218
4 218
5 218
6
-654 218 218
-872 218 218
-1090 218 218
218
c. Konsumen 3 Deskripsi GD IOO IOH NR POR
0
1 168
168
0
118
168
2 168 50 -118 118 168
Periode 3 168
4 168
5 168
6 168
-286 168 168
-454 168 168
-622 168 168
-790 168 168
5
6
d. Konsumen 4 Deskripsi GD IOO IOH NR POR
0
1 118
118
0
18
118
2 118 100 -18 18 118
Periode 3 118
4 118
118
118
-136 118 118
-254 118 118
-372 118 118
-490 118 118
Periode 3 218
4 218
5 218
6
-486 218 218
-704 218 218
-922 218 218
-1140 218 218
e. Konsumen 5 Deskripsi GD IOO IOH NR POR
0
118 100
1 218 -100 100 168
2 218 50 -268 168 218
218
f. Deskripsi GD IOO IOH NR POR
Konsumen 6
0
168 268
1 268
2 268
-100 100 168
-368 268 268
Periode 3 4 268 268 100 -536 -804 168 268 268 268
5
6 268
268
-1072 268 268
-1340 268 268
2. Demand Distribution Center a. Distribution Center 1 Deskripsi GD IOO IOH NR POR
0 336
1 554
-68 68 454
-622 554 354
2 454 -1076 454 554
Periode 3 554 200 -1430 354 554
4
5
6
554
554
554
-1984 554 554
-2538 554 554
-3092 554 554
5
6
b. Distribution Center 2 Deskripsi GD IOO IOH NR POR
Periode 0 118
1 286
50
-236 236 186
236
2 336 150 -422 186 336
3 336
4 336
336
336
-758 336 336
-1094 336 336
-1430 336 336
-1766 336 336
c. Distribution Center 3 Deskripsi GD IOO IOH NR POR
0 268
1 168
-150 150 168
-318 168 168
2 268 100 -486 168 268
Periode 3 268
4 268
268
268
-754 268 268
-1022 268 268
-1290 268 268
-1558 268 268
5
6
3. Demand Factory
0 858
1 708
2 1158
Periode 3 1158
-690 690 1158
-1398 708 1158
-2556 1158 1158
-3714 1158 1158
Deskripsi GD IOO IOH NR POR
4.2.2
4 1158
5 1158
6 1158
-4872 1158 1158
-6030 1158 1158
-7188 1158 1158
Permasalahan Transportasi
Jumlah variabel basis = (Ui+Vi)-1 = (3+4)-1= 6 variabel
Lokasi Sumber
1. Metode North West Corner
1
Bandung
2
Jakarta
3
Banten
1 Jogja 2 3 10 1 7
Permintaan
4
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 8 3
4
6
8
3 6
3
5
1 4
Total Cost = (3x2) + (1x10) + (3x8) + (3x5) + (1x6) + (4x8) = 93
Uji Optimalisasi: Basic Variable Non Basic Varable Cost
4 4
7 5 15
Iterasi 1
i\j
V1 = 2 2
U1 = 0 U2 = 8 U3 = 9
V2 = 0
3 -
2
1
2 5
+
3
-4
1
5 8
7
V4 = -1 2
2 10
=+
V3 = -3
4
3 6
-3
-3 6
-
8
1
4
Contoh perhitungan: Nilai variabel basis U1 = 0 C = Ui + Vj C11 = U1 + V1 2 = 0 + V1 V1= 2
Nilai variabel non basis X’ = C – (Ui+Vj) X’12 = C12 – (U1 + V2) X’12 = 2 – (0 + 0) = 2
Iterasi 2 i\j
V1 = 2 2
U1 = 0 U2 = 8 U3 = 5
V2 = 0
3
2 2
10 0
1
5
3
-2 5
4 6
1
V4 = 3 2
8
7 1
V3 = -3
-7 6
4
4
8 4
Iterasi 3 i\j
V1 = 2
V2 = 7 2
U1 = 0
2
3
5 4
1
-2
8 3
7
U3 = 5
1
-2
7
V4 = 3 2
-5 10
U2 = 1
V3 = 4
0
6
6
-6
4
-3
8 4
Iterasi 4 i\j
V1 = 2
U1 = 0 U2 = 1 U3 = 5
V2 = 1 2
V3 = 4 2
3
2
1
1
-2
10
8
7
V4 = 3
6
-2
5 4
7
6
1
3
V1 = 2
V2 = 1
4 3
6 -3
8 1
Iterasi 5 i\j U1 = 0 U2 = 4 U3 = 5
2
V3 = 1 2
3
2
1 8
1 5
3
4
3
7
6
1
1
1
10 4
V4 = 0
4 6
3
8
1
3
Lokasi Sumber
Solusi Optimal
1
Bandung
2
Jakarta
3
Banten
Permintaan
1 Jogja 2 3 10
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 8
5 3
7 1 4
6 3 3
4 4
6 1 4
8 4
7 5 15
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68
Lokasi Sumber
2. Metode Least Cost
1
Bandung
2
Jakarta
3
Banten
1 Jogja 2 10 2 7 2 4
Permintaan
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 3 8 5 4 7 4 1 6 6 8 5 3 3 4 4 15
Total Cost = (10x2) + (2x7) + (3x6) + (4x5) + (3x1) + (1x4) = 73
Uji Optimalisasi Iterasi 1 i\j U1 = 7
V1 = 0
V2 = -1 2
-5
U2 = 10
2
10
4 6
1 3
5
-1
2
0 8
7
V4 = -6 2
-4
2
U3 = 7
V3 = -5
4 1
6
3
8
4
7
Iterasi 2 i\j U1 = 0
V1 = 2
V2 = 1 2
2
U3 = 5
2
5 2
4
5
1 1
4 6
3
0 8
7
V4 = 1 2
1 10
U2 = 3
V3 = 2
4 3
6 -1
8 2
Iterasi 3 i\j
V1 = 2
U1 = 0 U2 = 4 U3 = 5
V2 = 1 2
V3 = 1 2
3
2
1
1
8
5
3
4
3
7
4
6
1
1
1
10 4
V4 = 0
6
3
8
1
3
Lokasi Sumber
Solusi Optimal
1
Bandung
2
Jakarta
3
Banten
1 Jogja 2 3 10
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 8
5
4
3 7
6
1 4
Permintaan
4 6
3 3
8
1 4
4
7 5 15
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68
Lokasi Sumber
3. Motode Vogel Approximation
1 Bandung 2
Jakarta
3
Banten
Permintaan Pinalti
1 Jogja 2 3 10
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 8
5 3
7 1 4 5, 3, 3, 7
6 3 3 4, 2, 2, 6
4 4
6 1 4 3, 1, 1, 6
8 4 3, 4
Pinalti
1
7
1, 1, 3
5
0, 0, 0, 0
15
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68 Uji Optimalisasi Iterasi 1 i\j V1 = 2 2 U1 = 0 3 10 U2 = 4 4 7 U3 = 5 1
V2 = 1
V3 = 1 2
V4 = 0 2
1
1
1 8
1 5
3
4
3 6
4 6
3
8
1
3
Lokasi Sumber
Solusi Optimal
1
Bandung
2
Jakarta
3
Banten
1 Jogja 2 3 10
Lokasi Permintaan 2 3 4 Kapasitas Semarang Surabaya Malang 2 2 1 3 8
5 3
7
6
4 4
6
1 3 1 Permintaan 4 3 4 4 Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68
8
7 5 15
BAB V ANALISIS DATA Tabel 5.1 DRP Demand Factory 0 858
1 708
2 1158
Periode 3 1158
-690 690 1158
-1398 708 1158
-2556 1158 1158
-3714 1158 1158
Deskripsi GD IOO IOH NR POR
4 1158
5 1158
6 1158
-4872 1158 1158
-6030 1158 1158
-7188 1158 1158
Pada tabel diatas terlihat jika ada kenaikan nilai NR dari bulan ke 1 menuju bulan ke 2 lalu terjadi kenaikan lagi dari bulan ke 3 menuju bulan ke 3 untuk selanjutnya nilai NR bernilai konstan hingga bulan ke 12. Pada nilai POR setiap bulan memiliki nilai POR yang konstan yaitu 1158 unit, hal ini dipengaruhi oleh kebutuhan yang sama antara setiap bulannya, hanya pada bulan ke 0 dan ke 2 nilai NR hanya bernilai sebesar 690 unit dan 708 unit akan tetapi nilai POR pada bulan tersebut sama seperti bulan yang lainnya yaitu 1158, hal ini dikarenakan selisih antara POR dan NR nya akan menjadi stok aman jika ada kebutuhan yang mendesak pada bulan selanjutnya.
5.2 Tabel Perbandingan total cost dengan algoritma Metode Total Cost
North West Corner 93 $
Least Cost 73 $
Vogel Approximation 68 $
Pada perhitungan total cost dengan algoritma terlihat jika metode North west corner memiliki total cost yang paling besar yaitu 93 $, Hal ini dikarenakan pada metode ini harga bukanlah acuan utamanya dan hanya menjadikan keseimbangan antara kebutuhan dengan kapasitas saja yang menjadi acuan. Metode yang memiliki total cost paling kecil adalah metode vogel Approximation yaitu sebesar 68 $, hal ini dikarenakan pada metode ini selain keseimbangan kebutuhan dengan kapasitas yang diperhatikan, harga pun adalah sesuatu yang
diprioritaskan, sehingga memang metode ini adalah metode yang sangat cocok untuk mendapatkan total cost yang kecil.
5.3 Tabel Perbandingan total cost pada solusi optimal Metode Total Cost
North West Corner 68 $
Least Cost 68 $
Vogel Approximation 68 $
Pada tabel perbandingan terlihat jika keseluruhan cost untuk semua metode memiliki besaran yang sama yaitu 68 $, hal ini menjadi parameter acuan jika perhitungan telah dilakukan dengan benar, karena jika pada perhitungan total cost di solusi optimalnya berbeda akan setiap metode maka bisa dikatakan jika perhitungan salah. Perlu ketelitian untuk menghitung setiap iterasi karena itu sangat mempengaruhi hasil akhirnya, Jika iterasi awal salah maka akan mengakibatkan iterasi selanjutnya pun salah yang akan berdampak pada akhir iterasi yang salah, Sehingga menyebabkan perhitungan untuk solusi optimal yang salah.
