Anda di halaman 1dari 12

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
Terdapat tiga lokasi sumber dan empat lokasi tujuan dengan data kapasitas,
permintaan, dan biaya pengiriman perunit disajikan dalam tabel berikut:

Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

10 8 5 4
2 Jakarta 7

7 6 6 8
3 Banten 5

Permintaan 4 3 4 4 15

4.2 PENGOLAHAN DATA


Data yang telah dikumpulkan diolah sebagai berikut:

4.2.1 DRP
1. Demand Konsumen
a. Konsumen 1

Periode
Deskripsi
0 1 2 3 4 5 6
GD 168 168 168 168 168 168
IOO 50
IOH 168 0 -118 -286 -454 -622 -790
NR 0 118 168 168 168 168
POR 118 168 168 168 168 168 168
b. Konsumen 2

Periode
Deskripsi
0 1 2 3 4 5 6
GD 218 218 218 218 218 218
IOO 100
IOH 118 -100 -318 -436 -654 -872 -1090
NR 100 218 118 218 218 218
POR 100 218 118 218 218 218 218

c. Konsumen 3

Periode
Deskripsi
0 1 2 3 4 5 6
GD 168 168 168 168 168 168
IOO 50
IOH 168 0 -118 -286 -454 -622 -790
NR 118 168 168 168 168
POR 118 168 168 168 168 168 168

d. Konsumen 4

Periode
Deskripsi
0 1 2 3 4 5 6
GD 118 118 118 118 118 118
IOO 100
IOH 118 0 -18 -136 -254 -372 -490
NR 18 118 118 118 118
POR 18 118 118 118 118 118 118

e. Konsumen 5

Periode
Deskripsi
0 1 2 3 4 5 6
GD 218 218 218 218 218 218
IOO 50
IOH 118 -100 -268 -486 -704 -922 -1140
NR 100 168 218 218 218 218
POR 100 168 218 218 218 218 218
f. Konsumen 6

Periode
Deskripsi
0 1 2 3 4 5 6
GD 268 268 268 268 268 268
IOO 100
IOH 168 -100 -368 -536 -804 -1072 -1340
NR 100 268 168 268 268 268
POR 268 168 268 268 268 268 268

2. Demand Distribution Center


a. Distribution Center 1

Periode
Deskripsi
0 1 2 3 4 5 6
GD 336 554 454 554 554 554 554
IOO 200
IOH -68 -622 -1076 -1430 -1984 -2538 -3092
NR 68 554 454 354 554 554 554
POR 454 354 554 554 554 554 554

b. Distribution Center 2

Periode
Deskripsi
0 1 2 3 4 5 6
GD 118 286 336 336 336 336 336
IOO 150
IOH 50 -236 -422 -758 -1094 -1430 -1766
NR 236 186 336 336 336 336
POR 236 186 336 336 336 336 336

c. Distribution Center 3

Periode
Deskripsi
0 1 2 3 4 5 6
GD 268 168 268 268 268 268 268
IOO 100
IOH -150 -318 -486 -754 -1022 -1290 -1558
NR 150 168 168 268 268 268 268
POR 168 168 268 268 268 268 268
3. Demand Factory

Periode
Deskripsi
0 1 2 3 4 5 6
GD 858 708 1158 1158 1158 1158 1158
IOO
IOH -690 -1398 -2556 -3714 -4872 -6030 -7188
NR 690 708 1158 1158 1158 1158 1158
POR 1158 1158 1158 1158 1158 1158 1158

4.2.2 Permasalahan Transportasi

Jumlah variabel basis = (Ui+Vi)-1 = (3+4)-1= 6 variabel

1. Metode North West Corner

Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7
1 3 3
7 6 6 8
3 Banten 5
1 4
Permintaan 4 3 4 4 15

Total Cost = (3x2) + (1x10) + (3x8) + (3x5) + (1x6) + (4x8)

= 93

Uji Optimalisasi:

Basic Variable

Non Basic Varable

Cost
Iterasi 1

i\j V1 = 2 V2 = 0 V3 = -3 V4 = -1
2 2 2 1
U1 = 0
3 2 5 2
- 10 8 + 5 4
U2 = 8
1 3 3 -3
=+ 7 6 - 6 8
U3 = 9
-4 -3 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)
X12 = C12 (U1 + V2)
X12 = 2 (0 + 0) = 2

Iterasi 2

i\j V1 = 2 V2 = 0 V3 = -3 V4 = 3
2 2 2 1
U1 = 0
3 2 5 -2
10 8 5 4
U2 = 8
0 3 4 -7
7 6 6 8
U3 = 5
1 1 4 4
Iterasi 3

i\j V1 = 2 V2 = 7 V3 = 4 V4 = 3
2 2 2 1
U1 = 0
3 -5 -2 -2
10 8 5 4
U2 = 1
7 3 4 0
7 6 6 8
U3 = 5
1 -6 -3 4

Iterasi 4

i\j V1 = 2 V2 = 1 V3 = 4 V4 = 3
2 2 2 1
U1 = 0
3 1 -2 -2
10 8 5 4
U2 = 1
7 6 4 3
7 6 6 8
U3 = 5
1 3 -3 1

Iterasi 5

i\j V1 = 2 V2 = 1 V3 = 1 V4 = 0
2 2 2 1
U1 = 0
3 1 1 1
10 8 5 4
U2 = 4
4 3 3 4
7 6 6 8
U3 = 5
1 3 1 3

Solusi Optimal

Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7
3 4
7 6 6 8
3 Banten 5
1 3 1
Permintaan 4 3 4 4 15
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68

2. Metode Least Cost

Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7
2 4 1
7 6 6 8
3 Banten 5
2 3
Permintaan 4 3 4 4 15

Total Cost = (10x2) + (2x7) + (3x6) + (4x5) + (3x1) + (1x4) = 73

Uji Optimalisasi
Iterasi 1
i\j V1 = 0 V2 = -1 V3 = -5 V4 = -6
2 2 2 1
U1 = 7
-5 -4 0 3
10 8 5 4
U2 = 10
2 -1 4 1
7 6 6 8
U3 = 7
2 3 4 7

Iterasi 2
i\j V1 = 2 V2 = 1 V3 = 2 V4 = 1
2 2 2 1
U1 = 0
2 1 0 1
10 8 5 4
U2 = 3
5 4 4 3
7 6 6 8
U3 = 5
2 3 -1 2
Iterasi 3
i\j V1 = 2 V2 = 1 V3 = 1 V4 = 0
2 2 2 1
U1 = 0
3 1 1 1
10 8 5 4
U2 = 4
4 3 3 4
7 6 6 8
U3 = 5
1 3 1 3

Solusi Optimal
Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7
3 4
7 6 6 8
3 Banten 5
1 3 1
Permintaan 4 3 4 4 15

Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68

3. Motode Vogel Approximation

Lokasi Permintaan
1 2 3 4 Kapasitas Pinalti
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3 1
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7 1, 1, 3
3 4
7 6 6 8
3 Banten 5 0, 0, 0, 0
1 3 1
Permintaan 4 3 4 4 15
Pinalti 5, 3, 3, 7 4, 2, 2, 6 3, 1, 1, 6 3, 4
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68

Uji Optimalisasi
Iterasi 1
i\j V1 = 2 V2 = 1 V3 = 1 V4 = 0
2 2 2 1
U1 = 0
3 1 1 1
10 8 5 4
U2 = 4
4 3 3 4
7 6 6 8
U3 = 5
1 3 1 3

Solusi Optimal
Lokasi Permintaan
1 2 3 4 Kapasitas
Jogja Semarang Surabaya Malang
2 2 2 1
1 Bandung 3
Lokasi Sumber

3
10 8 5 4
2 Jakarta 7
3 4
7 6 6 8
3 Banten 5
1 3 1
Permintaan 4 3 4 4 15
Total Cost = (3x2) + (1x7) + (3x6) + (3x5) + (1x6) + (4x4) = 68
BAB V

ANALISIS DATA

Tabel 5.1 DRP Demand Factory


Periode
Deskripsi
0 1 2 3 4 5 6
GD 858 708 1158 1158 1158 1158 1158
IOO
IOH -690 -1398 -2556 -3714 -4872 -6030 -7188
NR 690 708 1158 1158 1158 1158 1158
POR 1158 1158 1158 1158 1158 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


Least
Metode North West Corner Cost Vogel Approximation
Total Cost 93 $ 73 $ 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


Least
Metode North West Corner Cost Vogel Approximation
Total Cost 68 $ 68 $ 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.