Anda di halaman 1dari 8

Modifikasi Metode VOGEL untuk Menemukan Solusi Kelayakan Dasar Awal (IBFS)

Memperkenalkan Metodologi Baru untuk Menemukan IBFS Terbaik

Abstrak
Penelitian ini menyajikan pendekatan pemodelan transportasi untuk mengatasi masalah
transportasi yang mengirimkan barang dari sejumlah pemasok dengan berbagai
kapasitas produksi ke titik tujuan tertentu. Tujuan makalah ini adalah untuk mencapai
biaya transportasi minimum untuk Solusi Kelayakan Dasar Awal (IBFS) yang mendekati
model solusi optimal. Metode transportasi klasik untuk distribusi dibahas secara rinci dan
IBFS nya dihitung dan dibandingkan dengan hasil metodologi yang baru diperkenalkan.
Hasilnya menunjukkan bahwa metode baru ini memiliki kelebihan dibandingkan metode
transportasi klasik melalui pencapaian biaya kompetitif untuk IBFS.

Kata kunci: Transportasi, Model, IBFS, Optimal, Metode Distribusi

1. Pendahuluan
Seiring melambatnya ekonomi, sebagian besar sektor bisnis dan produksi, sehingga
minimisasi biaya menjadi isu yang sangat penting dalam bisnis saat ini dan agar
perusahaan dapat bertahan, rasionalisasi biaya menjadi tugas prioritas mereka (Edu,
Bernard Enya dan Esang, Atim E. dan Otonkue, Agba DO, 2009). Pemodelan transportasi
dengan teknik pemrograman linier adalah salah satu cara yang dapat membantu
menemukan solusi optimal bagi perusahaan dan menghemat biaya dalam aktivitas
transportasi. Filosofi metode ini awalnya didirikan pada tahun 1941 namun dilakukan
oleh ahli matematika Amerika Dantzig pada tahun 1953. Metode yang paling dikenal
untuk mengatasi masalah transportasi seperti North-West-Corner, Least Cost dan Vogel
telah menarik banyak ilmuwan di daerah ini seperti Napeir, Golver, dan Karney (Glover,
F., D. Karney, dan D. Klingman, dan A. Napier 1974) dan kemudian Dantzig, Kantorovich,
Hitchcock, dan Koopmans (Dantzig, 1963). Para ilmuwan ini telah memeriksa metode dan
menerapkannya dalam praktik, dan menggabungkannya dengan proses pengembangan
perangkat lunak untuk mencapai solusi optimal dan cepat yang cepat terhadap berbagai
masalah transportasi.

Model transportasi adalah kelas khusus dari program linier yang menangani pengiriman
komoditas dari sumber (misalnya, pabrik) ke tujuan (misalnya, gudang). Tujuan dari
model ini adalah untuk menentukan jadwal pengiriman yang meminimalkan total biaya
pengiriman sambil memenuhi batas permintaan dan penawaran. Model ini
mengasumsikan bahwa biaya pengiriman sebanding dengan jumlah unit yang dikirim
pada rute yang diberikan. Secara umum, model transportasi dapat diperluas ke area
operasi lainnya, seperti pengendalian persediaan, penjadwalan pekerjaan, dan
penugasan personil (Hamdy A Taha, 2002).

2. Model Permasalahan Transportasi


Masalah transportasi pada dasarnya berkaitan dengan masalah ini, yang bertujuan untuk
menemukan cara terbaik untuk memenuhi permintaan dari titik permintaan dengan
menggunakan m titik pasokan. Saat mencoba menemukan cara terbaik, umumnya biaya
variabel pengiriman produk dari satu titik pasokan ke titik permintaan harus
dipertimbangkan. Gambar (1) menggambarkan contoh pada jaringan masalah
transportasi ketika Cij mewakili biaya yang diperlukan untuk mengangkut satu item dari
daerah pasokan ke daerah permintaan j.
Gambar 1. merupakan jaringan transportasi Secara umum, masalah transportasi dapat
dinyatakan secara matematis sebagai berikut:

Misalkan m adalah satu set sumber pasokan dari mana barang dikirim. Pasokan sumber i
dapat memasok paling banyak si unit.
Misalkan n menjadi seperangkat tujuan permintaan yang barangnya dikapalkan.
Permintaan tujuan j harus menerima setidaknya di unit barang yang dikirim.
Setiap unit yang diproduksi pada titik suplai i dan dikirim ke titik permintaan j
menimbulkan biaya variabel cij.
xij = jumlah unit yang dikirim dari titik suplai i ke titik permintaan j
m n

Min (cos t)   cijX ij


s.t. i1 j1
n

X ij  si(i  1,2,..., m)

j

1

Xij  dj(j1,2,...,n)
i1

Xij  0(i  1,2,..., m; j  1,2,..., n)


m n
JIka  i 
s  j d
, maka total pasokan sama dengan total permintaan, dan
masalahnya dikatakan sebagai transportasi yang seimbang
i1 j1 masalah

Masalah Transportasi adalah masalah pemrograman linier normal dan dapat dipecahkan
dengan penerapan langsung metode simpleks. Namun, karena struktur matematisnya
yang sangat istimewa, dapat dibuat sangat efisien dalam hal bagaimana menghitung
langkah-langkah metode simpleks yang diperlukan dengan memasukkan variabel ke
dalam basis, dan juga membuat variabel meninggalkan dasar untuk mencapai kondisi
optimal ( GBDantzig, 1951). Dantzig telah menyesuaikan metode simpleks dengan
masalah transportasi dengan menggunakan metode MODI (modified Distribution Method)
(Anderson, Sweeney, Williams, Wisniewski. 2009). Kemudian Charnes dan Cooper
(CHARNES A. dan W. W. COOPER (1954)) mengembangkan metode stepping-stone (SSM)
yang memberikan cara alternatif untuk menentukan kondisi optimal metode simpleks.
Kirca dan Satir (Kirca O. dan Satir A, 1990) mendeskripsikan metode heuristik untuk
mendapatkan solusi awal untuk masalah transportasi berdasarkan konsep peluang total
biaya.

3. Mekanisme Algoritma Transportasi


Menurut Jay Heizer dan Barry Render, "Pemodelan transportasi adalah prosedur yang
berulang untuk memecahkan masalah yang melibatkan meminimalkan biaya pengiriman
produk dari serangkaian sumber ke serangkaian tujuan" (Jay Heizer, Barry Render, 2004).
Heizer dalam bukunya menjelaskan langkah-langkah untuk memecahkan masalah
sebagai "Berdasarkan teori, setelah semua data yang dibutuhkan disusun dalam bentuk
tabel, langkah selanjutnya dari teknik ini adalah untuk menetapkan solusi awal yang
layak untuk masalah tersebut". Sesuai dengan masalah transportasi, langkah-langkah
berikut harus diikuti:
Langkah 1: Temukan IBFS dengan menggunakan salah satu metode pemodelan
transportasi seperti metode Northwest corner, metode Low-Cost dan Vogel's
Approximation. Metode ini akan dijelaskan lebih rinci nanti. Jika solusi layak awal merosot
dengan sel yang diduduki (m + n-1), tambahkan satu atau lebih sel atau sel buatan
sehingga sel m + n-1 ada di lokasi yang memungkinkan optimalitas penggunaan metode
pengujian MODI. Pastikan bahwa masalah transportasi seimbang artinya jumlah
persediaan keseluruhan harus sama dengan jumlah permintaan total.
Langkah 2: Gunakan metode MODI untuk menghitung indeks baris, indeks Ui, dan kolom,
Vj.
Langkah 3: Hitung indeks evaluasi bersih eij = Cij-Ui-Vj untuk setiap sel kosong.
Langkah 4: Jika eij> 0 untuk semua sel kosong, berhenti; Anda telah mencapai solusi
biaya minimum. Jika tidak, lanjutkan ke langkah 5.
Langkah 5: Identifikasi sel yang tidak berpenghuni dengan indeks evaluasi bersih terkecil
(paling negatif) dan pilih sebagai sel masuk.
Langkah 6: Temukan jalur yang berhubungan dengan sel masuk. Beri label setiap sel
pada jalur yang alirannya akan meningkat dengan tanda plus dan setiap sel yang
alirannya akan berkurang dengan tanda minus.
Langkah 7: Pilihlah sel keluar sel tanda minus di jalur dengan aliran terkecil. Jika ada dasi,
pilih salah satu sel yang terikat. Sel yang diikat yang tidak dipilih akan secara artifisial
ditempati dengan aliran nol pada iterasi berikutnya.
Langkah 8: Alokasikan ke rute masuk atau sel jumlah aliran yang saat ini diberikan ke sel
keluar; Lakukan penyesuaian yang sesuai untuk semua sel di jalur loncatan-batu, dan
lanjutkan dengan langkah 2.

4. Tujuan penelitian
Sasaran utama makalah ini adalah tidak menemukan solusi optimal untuk masalah
transportasi. Sebagai gantinya, makalah ini menyajikan perbandingan komputasi yang
mendalam dari algoritma solusi kelayakan dasar untuk memecahkan masalah
transportasi dengan menggunakan metode klasik dan metode yang diusulkan.
Metodologi yang diperkenalkan mengembangkan prosedur solusi yang dapat menangkap
IBFS terbaik pada masalah yang akibatnya dapat mencapai solusi optimal lebih cepat
daripada solusi lainnya. Oleh karena itu, metodologi dalam penulisan ini adalah untuk
menghasilkan solusi kelayakan dasar dengan menggunakan metode pemodelan
transportasi klasik yang diikuti dengan metodologi baru yang diperkenalkan. Berdasarkan
perhitungan dan hasil metode dan pendekatan yang berbeda terhadap masalah
transportasi yang sama, dengan menggunakan kasus yang berbeda, dapat dibuktikan
bahwa metodologi baru ini dapat menangkap IBFS yang lebih baik dibandingkan metode
klasik lainnya. Itulah perbandingan metode ini akan menunjukkan bahwa metodologi
baru ini dapat memiliki kelebihan dibandingkan tiga metode klasik (yaitu North West
Corner Method (NWCM), Metode Biaya Sedikit (Least Cost Method / LCM), dan Vogel
Approximation Method (VAM). Makalah ini menginvestigasi cara yang mungkin untuk
meminimalkan biaya transportasi dengan menggunakan perhitungan manual dan
tambahan Sistem Optimasi TORA Perangkat lunak berbasis Windows (Hamdy A Taha.
2003). Kedua alat ini akan membantu untuk memahami rincian algoritma transportasi
dengan menjelaskan semua langkah yang terlibat.

5. Mendapatkan Solusi Kelayakan Dasar Awal dalam Algoritma Transportasi:


Mendapatkan dasar primal awal untuk masalah transportasi yang dibatasi mudah
ditangani dengan memperluas algoritma awal yang murni yang ada untuk masalah
transportasi.
Berbagai algoritma awal ada untuk mendapatkan awal yang layak untuk masalah
transportasi murni.
Metode dasar Primal mencakup peraturan Sudut Northwest (NWCM), Metode Biaya
Terendah (LCM), dan metode perkiraan VOGEL (VAM). Penjelasan singkat dari ketiga
metode tersebut disajikan di bawah ini.
Metode Northwest Corner: Dengan metode ini, sebuah alokasi awal dibuat ke sel di sudut
kiri atas tablo (yaitu, "Sudut Northwest"). Jumlah yang dialokasikan adalah yang paling
mungkin, sesuai dengan batasan penawaran dan permintaan untuk sel tersebut.
Kemudian alokasi ke sel layak yang berdekatan dibuat sebagai berikut:
1) Pilih matrik transportasi kiri atas (utara-barat) dan alokasikan nilai maksimum
yang mungkin ke X11 yang sama dengan min (a1, b1).
2) Jika alokasi yang dilakukan sama dengan persediaan yang tersedia pada sumber
pertama (a1 pada baris pertama), maka bergeraklah secara vertikal ke sel (2, 1). Jika
alokasi yang dibuat sama dengan permintaan tujuan pertama (b1 di kolom pertama),
maka bergeraklah secara horisontal ke sel (1, 2).
Jika a1 = b1, maka alokasikan X11 = a1 atau b1 dan pindah ke sel (2, 2).
3) Lanjutkan proses sampai alokasi dibuat di sudut selatan meja transportasi.
Metode Biaya Minimum: Dengan metode biaya sel minimum, logika dasarnya
adalah mengalokasikan ke sel dengan biaya terendah. Alokasi awal dibuat ke sel
dalam tablo yang memiliki biaya terendah. Langkah berikut bisa menggambarkan
metode:
1) Pilih sel yang memiliki biaya satuan terendah di keseluruhan tabel dan berikan
nilai penawaran atau permintaan minimal di sel itu.
2) Kemudian hilangkan baris atau kolom di mana penawaran atau permintaan
habis. Jika kedua nilai penawaran dan permintaan sama, maka kedua baris atau
kolom tersebut dapat dihilangkan.
Dalam kasus, biaya satuan terkecil tidak unik, maka pilihlah sel dimana alokasi
maksimum bisa dilakukan.
3) Ulangi proses dengan biaya unit terendah berikutnya dan lanjutkan sampai
seluruh pasokan yang tersedia di berbagai sumber dan permintaan di berbagai
tujuan dipuaskan.

Metode VOGEL Approximation (VAM): Metode Vogel untuk masalah transportasi yang
seimbang dimulai dengan perhitungan denda (selisih antara minimum kedua dan biaya
minimum pertama) untuk semua baris dan kolom. Kemudian ia mengalokasikan
sebanyak mungkin unit ke sel paling murah di baris atau kolom yang memiliki hukuman
maksimal.
Langkah-langkah berikut menjelaskan metodologi metode ini (Ramakrishna C.S.
1988):
1) Hitung penalti untuk setiap baris dan kolom dengan mengambil selisih antara
dua biaya unit terkecil. Hukuman atau biaya tambahan ini harus dibayar jika
seseorang gagal mengalokasikan biaya transportasi unit minimum.
2) Pilih baris atau kolom dengan hukuman tertinggi dan pilih biaya unit minimum
dari baris atau kolom itu. Kemudian, alokasikan minimum nilai penawaran atau
permintaan di sel itu. Jika ada dasi, maka pilih sel dimana alokasi maksimal bisa
dilakukan.
3) Sesuaikan penawaran dan permintaan dan hilangkan baris atau kolom yang
puas. Jika sebuah baris dan kolom terpenuhi secara bersamaan, hanya satu di
antaranya yang dieliminasi dan yang lainnya diberi nilai nol. Setiap baris atau
kolom yang memiliki penawaran atau permintaan nol tidak dapat digunakan
untuk menghitung denda di masa mendatang.
4) Ulangi proses sampai semua sumber pasokan dan tujuan permintaan
terpuaskan.
Kemudian kolom / kolom yang dialokasikan akan dihapus, denda akan direvisi dan
prosedur diulangi berturut-turut sampai semua unit dipasok.

6. Usulan Metodologi untuk mendapatkan IBFS


Seperti yang telah disebutkan sebelumnya, tujuan utama makalah ini adalah untuk
menemukan BFS yang dapat bersaing dengan metode klasik lain yang ada dalam
memproduksi BFS dan nilai biaya yang sesuai. Metodologi prototipe dapat memberikan
hasil yang lebih baik daripada metode klasik terkini yang ada dalam literatur Operasinal
Penelitian (lihat contoh metodologi dan perhitungan hasil IBFS yang baru).
Salah satu alasan utama untuk mengembangkan metode ini adalah untuk memperbaiki
metode VOGEL yang dianggap sebagai salah satu metode terbaik untuk mendapatkan
biaya IBFS terendah. Tetapi ketika perhitungan penalti metode VOGEL dipertimbangkan,
dapat diketahui bahwa setiap perhitungan nilai penalti untuk setiap kolom atau baris
dalam tabel masalah transportasi hanya bergantung pada selisih antara biaya
transportasi terendah dua di kolom atau deretan biaya transportasi tersebut meja
terlepas dari biaya lainnya. Ini bisa menutupi variasi sebenarnya yang mungkin ada di
antara biaya di baris atau kolom mana pun dan mungkin akan memberikan penalti yang
menyesatkan. Metode VAM sesuai perhitungan hukumannya tidak dapat membedakan
ketinggian perbedaan dalam semua kolom dan baris karena hanya bergantung pada dua
biaya terkecil di setiap baris dan kolom. Oleh karena itu, hukuman tidak dapat
mencerminkan ukuran angka dalam setiap baris atau kolom. Gagasan penelitian ini
adalah mengerjakan perhitungan penalti apapun tergantung dari semua nilai di seluruh
baris atau kolom.
Dari titik pivot ini saya memutuskan untuk menghitung penalti metode VAM dengan
menghitung "Biaya Median" pada setiap kolom dan baris karena Median dapat dianggap
sebagai estimator yang sangat baik dari biaya pada baris atau kolom tertentu. Secara
statistik, "Median" dianggap sebagai indikator terbaik bila kita memiliki nilai ekstrim
dalam data, dan inilah yang kita harapkan akan dihadapi di sebagian besar data masalah
transportasi.
Untuk menemukan hukuman meja transportasi melalui perhitungan Median, sejumlah
langkah harus diikuti untuk mencapai sasaran IBFS. Langkah-langkah ini dapat diringkas
sebagai berikut:

1 - Pastikan bahwa masalahnya seimbang, yaitu total pasokan sama dengan jumlah
permintaan total. Jika masalahnya tidak seimbang kita bisa membuatnya seimbang
dengan menambahkan kolom dummy row atau dummy. Dengan demikian,
Persyaratannya adalah: si  dj
i1 j1
2 - Buat kolom tambahan (n + m-3) yang berdekatan dengan kolom tabel masalah
transportasi. Kolom ini diperlukan untuk menghitung biaya transportasi rata-rata untuk
setiap baris (Asal).
3 - Buat baris tambahan (n + m-3) di bawah tabel masalah transportasi. Baris ini
diperlukan untuk menghitung biaya transportasi Median untuk setiap kolom (Tujuan).
4- Pilih biaya Median tertinggi di antara semua nilai rata-rata kolom dan baris.
5 - Apakah biaya median tertinggi adalah milik kolom atau baris, temukan, berapakah sel
dengan biaya terendah (ij) (terbaik) di dalam kolom atau baris yang sesuai.
6 - Memuaskan sel terbaik termurah (ij) dengan jumlah sesuai dengan pasokan yang
tersedia dari baris (i) dan jumlah permintaan di kolom (j).
7 - Buang kolom (j) atau baris (i) (atau keduanya) dari perhitungan di masa depan, jika
jumlah kiri di kolom (j) atau baris (i) (atau keduanya) setelah sel memuaskan (ij) akan
menjadi nol.
8 - Kembali ke langkah 2 sampai 7 sampai semua jumlah persediaan dan permintaan
habis.
9- Hitung biaya transportasi dari solusi dasar awal.
10- Biasanya, kita melakukan uji optimalitas setelah langkah terakhir. Jika solusi layak
dasar memenuhi kondisi optimal, kita berhenti dan solusi optimal tercapai. Kalau tidak
kita lanjutkan sampai kita mencapai solusi optimal.
Langkah terakhir (10) di atas bukanlah bagian dari tujuan penelitian, karena kami tertarik
untuk hanya menemukan solusi dasar yang layak

7. Contoh Numerik
Untuk mengukur keefektifan metodologi baru, beberapa contoh dengan jumlah baris dan
kolom yang berbeda diberikan sebagai berikut:
Contoh 1: Masalah transportasi 4x4:
Sel pada tabel di bawah ini dengan warna abu-abu mewakili dari area pasokan ke daerah
permintaan; sedangkan sel dengan warna hitam mewakili nilai penalti yang dihitung
dengan menggunakan metodologi baru. Setiap contoh telah dipecahkan dengan
menggunakan empat metode transportasi (yaitu Northwest Corner Method-NWC, Metode
Biaya Terkecil-LCM, Vogel Meshed, dan metode pengenalan yang baru), seperti yang
ditunjukkan di bawah ini:

NWC Method IBFS Cost =3465


4x4
40 65 75 120
14 9 15 10
90
40 50
10 16 13 20
80
15 65
9 5 11 12
70
10 60
18 8 6 9
60
60

Least Cost Method IBFS Cost =2775


4x4
40 65 75 120
14 9 15 10
90 9
0
10 16 13 20
80
35 15 30
9 5 11 12

70
5 65
18 8 6 9
60
60

VOGEL Method IBFS Cost =2740


4x4
40 65 75 120
14 9 15 10
90
90
10 16 13 20
80
40 15 25

9 5 11 12

70
65 5
18 8 6 9

60
60

Metode baru
New Method IBFS Cost =2650
4x4 1st 2nd 3rd 4th 5th
40 65 75 120
14 9 15 10
90 12 10 10 12.5 -
90

10 16 13 20
80 14.5 16 - - -

40 40

9 5 11 12
70 10 11 11 11.5 11.5
5
65
18 8 6 9

60 8.5 8 8 7.5 7.5


30 30
1st 12 8.5 12 11
2nd - 8 11 10

3rd - - 11 10

4th - - 11 10

5th - - 8.5 10.5

Kesimpulan pada (4x4) Masalah:


1- Northwest Corner Metode Biaya = 3465 (Menggunakan Perangkat Lunak TORA)
2- Metode Biaya Terkecil Biaya = 2775 (Menggunakan Perangkat Lunak TORA)
3- Metode VOGEL Biaya = 2740 (Menggunakan Perangkat Lunak TORA)
4- Metodologi Baru Biaya = 2650 (IFBS Terbaik)

8. Kesimpulan:
Penelitian dilakukan untuk menganalisis kemungkinan peningkatan metode pemodelan
transportasi yang berbeda yang digunakan pada sebagian besar buku penelitian operasi
dan restrukturisasi, dalam hal fungsi biaya dengan menemukan IBFS terbaik untuk rute
transportasi dari berbagai sumber produksi ke berbagai titik tujuan. Perangkat lunak
aplikasi TORA (Hamdi Taha's Software) digunakan untuk menunjukkan hasil IBFS metode
pemodelan klasik (NWCM, LCM, dan VAM) untuk rute transportasi sebuah organisasi.
Padahal, perhitungan solusi metodologi baru dibuat secara manual dengan
menggunakan perangkat lunak Excel untuk membantu menghitung biaya rata-rata untuk
setiap kolom dan kolom masalah transportasi. Semua langkah dan rincian perhitungan,
dengan menggunakan perhitungan manual dan perangkat lunak TORA disajikan dalam
analisis. Studi ini penting, karena minimisasi biaya transportasi dan optimalisasi proses
transportasi dapat membantu memperbaiki posisi organisasi di pasar dan meningkatkan
profitabilitasnya dengan mengurangi biaya transportasi. Analisis metodologi baru ini
menunjukkan keunggulan dalam menemukan IBFS dibandingkan metode klasik.
Sangat disarankan untuk menindaklanjuti metodologi ini dengan mengubah logika
perhitungan manual menjadi paket terkomputerisasi yang dapat digunakan untuk
mengatasi masalah transportasi di setiap organisasi dan juga dapat digunakan di semua
buku yang berkaitan dengan penelitian operasi dan metode kuantitatif