BAB III METODOLOGI PENELITIAN
3.1. Metodologi Penelitian
Penelitian ini bertujuan untuk menentukan rute kapal untuk mendistribusikan spare parts ke anjungan-anjungan lepas pantai milik PHE ONWJ. Untuk mencapai tujuan tersebut, terdapat beberapa tahapan yang harus dilakukan. Gambar 3.1 merupakan diagram alur penelitian yang digunakan.
Gambar 3.1 Diagram Alir Penelitian
Universitas Pertamina - 20
Gambar 3.1 Diagram Alir Penelitian (Lanjutan)
Universitas Pertamina - 21 3.2. Rancangan Penelitian
Rancangan penelitian adalah kerangka yang dibuat untuk menggambarkan rencana penelitian secara keseluruhan guna menjawab rumusan masalah yang sudah ditentukan. Beberapa bagian yang terdapat pada rancangan penelitian adalah pendekatan penelitian, jenis penelitian, sumber data, teknik pengumpulan data, teknik pengolahan data, analisis data, dan penarikan kesimpulan.
3.2.1 Pendekatan Penelitian
Penelitian ini menggunakan pendekatan kuantitatif dimana pendekatan kuantitatif merupakan pendekatan yang sistematis, terencana, dan terstruktur.
Metode kuantitatif dapat diartikan sebagai penelitian yang berlandaskan filsafat positivisme (Sugiyono, 2003). Pengumpulan data dilakukan menggunakan instrumen penelitian dan analisis data bersifat kuantitatif atau statik yang bertujuan untuk menguji hipotesis yang ada.
Penelitian yang akan diakukan adalah untuk menentukan rute kapal yang paling optimal untuk meminimasi biaya transportasi. Beberapa hal yang dipertimbangkan dalam penelitian ini lokasi pengiriman, permintaan konsumen, jenis produk, jarak tempuh kapal dan kapasitas kapal. Dengan beberapa hal yang dipertimbangkan diatas, dapat dinyatakan bahwa penelitian ini baik dilakukan dengan menggunakan pendekatan kuantitatif.
3.2.2 Jenis Penelitian
Penelitian ini termasuk ke dalam jenis penelitian analisis dan applied research. Hal ini dikarenakan penelitian dilakukan berasarkan data fakta yang ada di lapangan dan bertujuan untuk mecari alternatif strategi sehingga dapat diterapkan pada kasus nyata. Sebelum melakukan pengolahan data, terlebih dahulu dilakukan pembuatan model yang sesuai dengan kasus nyata. Kemudian data pengiriman diproses, dan didapatkan informasi mengenai permintaan akan spare parts di setiap bulannyanya. Dari informasi tersebut dapat diolah agar diketahui rute terbaik dengan Algoritma Branch and Cut yang dapat diaplikasikan langsung oleh PHE pada permasalahan VRP untuk meminimasi biaya transportasi.
Universitas Pertamina - 22 3.2.3 Sumber Data
Penelitian ini menggunakan tipe data primer dan sekunder. Data primer didapatkan melalui wawancara dan observasi langsung kepada pihak PHE ONWJ.
Sedangkan data sekunder yang digunakan adalah shipโs manifest yang juga diperoleh dari pihak PHE ONWJ, dalam data shipโs manifest tersebut terdapat beberapa data antara lain waktu pengiriman, jenis material yang dikirim, berat dan satuannya, lokasi pengiriman, dan lokasi tujuan. Selain itu data sekunder lainnya yang digunakan ialah berupa model matematis yang digunakan pada algoritma branch and cut. Model tersebut didapatkan dari hasil studi literatur dari berbagai referensi seperti jurnal, buku dan website terpercaya.
3.2.4 Teknik Pengumpulan Data
Teknik pengunpulan data dalam penelitian ini meliputi:
1. Metode Observasi
Metode observasi dilakukan dengan mengamati proses perpindahan barang di gudang Marunda Shorebase milik PHE agar peneliti dapat mengetaui keadaan aktual di lapangan.
2. Metode Wawancara
Metode wawancara dilakukan untuk mengetahui mengenai proses operasional aktivitas pengiriman barang ke anjungan-anjungan lepas pantai serta melakukan validasi mengenai hasil observasi yang telah dilakukan sebelumnya.
3. Studi Literatur
Metode studi literatur dilakukan untuk mengumpulkan informasi baik teori atau data yang didapatkan dari penelitian yang berkaitan dengan VRP Multi Produk dan Algoritma branch and cut.
3.2.5 Teknik Pengolahan Data dan Analisis
Pengolahan data dilakukan dengan menggunakan data yang diperoleh dari tahap sebelumnya.
Universitas Pertamina - 23
Terdapat beberapa langkah yang dibutuhkan dalam melakukan pengolahan data, yaitu:
1. Menghitung jarak dari depot ke setiap node dan setiap node ke node.
Depot yang dimaksud adalah gudang Marunda Shorebase milik PHE sebagai tempat penyimpanan spare parts. Sedangkan node disini adalah anjungan lepas pantai yang dioperasikan oleh PHE.
2. Menentukan rata-rata kebutuhan anjungan setiap bulan
Data dari shipโs manifest diolah untuk mendapatkan kebutuhan setiap anjungan untuk setiap bulan.
3. Implementasi model matematis
Model matematis dibangun sebagai pendekatan terhadap permasalahan VRP. Model VRP yang diterapkan adalah sebagai berikut (Dantzig,
N = Set titik gudang dan anjungan-anjungan K = Jumlah kapal yang digunakan
๐ถ= Kapasitas kendaraan
Universitas Pertamina - 24
๐ฅ๐๐ : ๐ฅ๐๐ = 1 jika kendaraan k bergerak dari titik i ke titik j ๐ฅ๐๐ = 0 lainnya
๐๐๐ = Biaya perjalanan dari titik i ke titik j
๐๐ = Jumlah kebutuhan spare parts anjungan ke-i
Fungsi tujuan dalam penelitian ini adalah meminimalkan total biaya transportasi dari seluruh kendaraan. Batasan (2) dan (3) menyatakan bahwa anjungan asal dan tujuan harus dilalui kapal 1 kali. Kendaraan yang masuk dan keluar dari setiap node adalah kapal yang sama (4) dan (5). Kendaraaan yang keluar dari depot harus kembali ke depot (6). Merupakan variabel biner yang menunjukan bahwa kendaraan bergerak dari anjungan i ke anjungan j apabila nilainya 1 dan 0 apabila sebaliknya (7). Solusi dari rute yang dipilih harus saling terhubung satu dengan yang lain (8). Kapasitas kapal harus melebihi permintaan anjungan yang dituju (9).
Setelah pengolahan data selesai, dilanjutkan dengan analisis mengenai hasil yang diperoleh. Analisis akan dilakukan dengan membandingkan rute pengiriman yang diperoleh metode branch and cut dengan rute pengiriman aktual. Lalu akan dilakukan analisis biaya transportasi untuk menentukan rute dan jumlah kendaraan paling optimal. Selanjutnya analisis sensitifitas akan dilakukan untuk melihat dampak dari diubahnya parameter kapasitas kendaraan, jumlah permintaan.
3.2.6 Penarikan Kesimpulan
Penarikan kesimpulan didapatkan dari hasil perbandingan rute yang diperoleh berdasarkan penelitian ini dengan rute aktual yang dijalankan oleh perusahaan. Selain itu juga dibuat saran untuk penelitian berikutnya hingga penelitian ini dapat dikembangkan dengan variable atau parameter lainnya.
Universitas Pertamina - 25
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini akan dijelaskan tentang gambaran perusahaan serta permasalahan tersebut. Selanjutnya akan dibahas data-data yang digunakan beserta proses pengolehannya sehingga memperoleh hasil yang optimal untuk kemudian dianalisis.
4.1 Deskripsi Permasalahan
Permasalahan yang diangkat dalam penelitian ini adalah penentuan rute distribusi material untuk keperluan produksi minyak di anjungan lepas pantai milik PHE ONWJ. Anjungan lepas pantai adalah bangunan di lepas pantai untuk mendukung proses eksplorasi dan pengambilan cadangan minyak bumi dari reservoir yang berada dibawahnya. Pada Januari 2019 produksi rata-rata PHE ONWJ adalah 28,700 barel oil per day (BOPD). Untuk mendukung kegiatan tersebut, salah satu aspek yang harus diperhatikan adalah menjaga ketersedian spare parts untuk anjungan lepas pantai. Ketersediaan spare parts sangat diperlukan guna memelihara kualitas dan performa dari anjungan tersebut sehingga dapat memproduksi minyak mentah secara optimal. Dengan jumlah spare parts yang terbatas yang dapat disimpan di lokasi anjungan itu sendiri. Transportasi spare parts menjadi kegiatan rutin yang dilakukan perusahaan setiap bulannya.
Permasalahan yang sedang dihadapi oleh perusahaan saat ini adalah tidak adanya proses penentuan rute distribusi spare parts. Hal ini menyebabkan rute yang dilalui oleh kapal tidak optimal sehingga biaya transportasi yang dikeluarkan menjadi lebih besar. Dengan menentuan rute kapal menggunakan branch and cut harapannya rute yang diambil adalah yang paling optimal dengan mempertimbangkan faktor permintaan anjungan, kapasitas kapal, lokasi, jenis spare parts dan jarak tempuh.
Universitas Pertamina - 26
Gambar 4.1 Ilustrasi Model Permasalahan
Gambar 4.1 merupakan ilustrasi permasalahan yang dihadapi oleh perusahaan. Bentuk kotak menggambarkan depot atau gudang di Marunda yang merupakan tempat penyimpanan spare parts yang perlu didistribusikan ke anjungan-anjungan yang digambarkan dengan bentuk bulat. Sedangkan arah panah menandakan rute yang diambil oleh kapal milik perusahaan.
4.2 Pengumpulan Data
Penelitian ini bertujuan untuk menentukan rute kapal untuk pendistribusian spare parts di PHE dengan menggunakan Algoritma Branch and Cut yang guna memperoleh rute terbaik dan meminimasi biaya transportasi. Untuk mendukung penentuan rute pengiriman yang efektif dan efisien maka diperlukan data-data yang berkaitan.
4.2.1 Lokasi Anjungan
PHE ONWJ memiliki 11 anjungan lepas pantai terletak di Barat Laut Laut Jawa. Kesebelas anjungan tersebut terbagi akan 2 wilayah yaitu Barat dan Timur seperti terlihat pada Gambar 4.2 di bawah.
Universitas Pertamina - 27
Gambar 4.2 Peta Gudang dan Anjungan PHE ONWJ
Tabel 4.1 memperlihatkan kordinat anjungan-anjungan milik PHE ONWJ di Laut Jawa yang harus dipenuhi kebutuhannya beserta kode anjungannya untuk memudahkan proses pengolahan data.
Tabel 4.1 Daftar Lokasi Anjungan
No. Kode Nama Platform Lokasi Platform
Kordinat x Kordinat y 1 B Bravo Flow Station, Java Sea -5.99353 107.74353 2 C Central Plant Flow Station, Java Sea -5.90958 107.7365 3 E Echo Flow Station, Java Sea -5.96657 107.94651 4 F Foxtrot Flow Station, Java Sea -6.09588 108.13946 5 K Kilo Flow Station, Java Sea -6.08906 107.74063 6 KL Kl Flow Station, Java Sea -6.03036 107.53359 7 L Lima Flow Station, Java Sea -5.93261 107.55229 8 M Mike Mike Flow Station, Java Sea -5.89416 107.30712 9 P Papa Flow Station, Java Sea -5.89553 107.1843 10 U Uniform Flow Station, Java Sea -6.11393 107.84744 11 Z Zulu Flow Station, Java Sea -5.79853 107.03462
Selain kode anjungan, nomor pada kolom pertama Tabel 4.1 akan digunakan untuk mewakili masing-masing anjungan.
Universitas Pertamina - 28 4.2.2 Jenis Spare Parts
Terdapat lebih dari 500 jenis spare parts yang dibutuhkan oleh seluruh anjungan setiap bulannya. Tabel 4.2 memperlihatkan beberapa jenis spare parts beserta berat dan jenisnya yang diperlukan oleh anjungan.
Tabel 4.2 Daftar Spare Parts
No Nama Spare Parts Berat
(kg) Kategori 1 Corrosion Coupon, 2 Inch-600 Psi, Rf Flanges 5 Small 2 Coupling Water Make Up Pump, See Do
Attached 15 Small
3 Critical Parts for Air Compressor at Ngl F/S 8 Small
4 Deck Brush 10 Small
5 Drivw Shaft (1 Ea), Coupling Shaft (1 Ea) 7 Small
6 Dryer Machine,7cu,100-240vac 150 Small
7 Acetylene Gas Refill (Ar-05) 4 Bottle 600 Medium 8 Edditional Tools, Equipment & Accs Scaffolding
Sb-31 700 Medium
9 Empty Basket (Sb-02) C/W Lifting Gear Sets 500 Medium
10 2 Set Scaffolding (Gp-Sr-56) 2150 Large
11 Boost Compressor Type/Model: C1608gv0-2585 2700 Large
12 Centrifugal Pump 24k Bpd 3800 Large
Jenis spare parts terbagi ke dalam 3 jenis kategori.
1. Small
Barang atau material yang memiliki berat di bawah 500 kg. Barang-barang dengan kategori small didistribusikan dengan box-box yang kemudian dimasukkan ke dalam container.
2. Medium
Barang atau material yang memiliki berat antara 500 kg sampai dengan 2000 kg. Barang-barang dengan kategori medium didistribusikan dengan box besar untuk menghindari kerusakan selama perjalanan.
3. Large
Barang atau material yang memiliki berat di atas 2000 kg. Barang-barang dengan kategori large didistribusikan dengan cara break bulk menggunakan crane ke atas kapal.
Universitas Pertamina - 29 4.2.3 Permintaan Spare Parts
Jumlah demand atau permintaan yang berupa spare parts diasumsikan deterministik, artinya jumlah permintaan tetap dari waktu ke waktu. Jumlah permintaan spare parts untuk setiap anjungan dapat dilihat pada Lampiran 1.
Sumber data diperoleh berdasarkan shipโs manifest yang berupakan dokumen milik PHE ONWJ dari April 2019 sampai dengan Maret 2020 yang berisikan kode pengiriman, kode barang, asal pengiriman, tujuan pengiriman, nama barang, berat barang, kategori barang, jumlah barang. Data pada Tabel 4.2 dapat digunakan sebagai representasi permintaan spare parts oleh kesebelas anjungan milik PHE ONWJ selama rentan waktu 1 tahun. Hasil penelitian menggunakan data permintaan ini dapat digunakan sebagai acuan untuk menyelesaikan permasalahan penentuan rute untuk periode berikutnya.
4.2.4 Armada Pengiriman
Jenis kapal yang digunakan oleh PHE ONWJ dalam mendistribusikan spare parts adalah Anchor Handling Tug Supply (AHTS). AHTS adalah salah satu jenis kapal yang termasuk dalam kategori Offshore Support Vessel (OSV) yang merupakan kapal yang dirancang khusus sebagai layanan logistik anjungan lepas pantai dan instalasi bangunan bawah laut. Terdapat beberapa jenis kapal yang temasuk ke dalam OSV, seperti:
1. Platform Supply Vessels (PSV)
Kapal yang khusus mendistribusikan pasokan ke anjungan lepas pantai 2. Crane Vessels (C/V)
Kapal dengan derek khusus mengangkat beban berat.
3. Well Stimulation Vessels (Wsvs)
Kapal yang digunakan di sumur minyak atau gas untuk meningkatkan produksi
4. Offshore Construction Vessels (Ocvs).
Kapal yang khusus mendirikan bangunan.
5. Anchor Handling Tug Supply (AHTS)
Kapal yang menangani jangkar untuk kilang minyak, menariknya ke lokasi, dan menggunakannya untuk mengamankan kilang di tempatnya.\
Universitas Pertamina - 30
Gambar 4.3 Kapal Anchor Handling Tug Supply (AHTS)
Selain untuk menarik jangkar ke lokasi yang diinginkan, Kapal AHTS yang digunakan PHE ONWJ memiliki fungsi lain yakni mendistribusikan spare parts ke anjungan lepas pantai. Spesifikasi dari kapal AHTS yang dimiliki PHE ONWJ antara lain:
1. Jumlah armada : 2 2. Kapasitas kapal : 200 ton 3. Biaya Sewa : $5000 per hari
4.2.5 Matrix Jarak Gudang dan Anjungan-Anjungan
Tabel 4.3 menunjukan distance matrix dari gudang milik PHE ONWJ di Marunda ke sebelas anjungan yang berada di Laut Jawa dalam kilometer (km).
Tabel 4.3 Distance Matrix Gudang dan Anjungan-Anjungan
Marunda B C E F K KL L M P U Z
Marunda 0 108 107 132 154 112 91.2 88.1 59.4 44.5 124 36.6 B 108 0 9.4 22.7 45.3 10.6 23.6 22.2 49.6 62.9 17.7 81.4 C 107 9.4 0 24.1 49.2 20 26.2 20.6 47.6 61.2 25.9 78.7 E 132 22.7 24.1 0 25.8 26.6 46.3 44.6 72.1 85.3 19.7 103 F 154 45.3 49.2 25.8 0 44.2 67.5 67.8 95.2 109 32.4 127 K 112 10.6 20 26.6 44.2 0 23.8 27.2 53.5 66.9 12.1 85.9 KL 91.2 23.6 26.2 46.3 67.5 23.8 0 11.1 30.7 43.3 36 62.2 L 88.1 22.2 20.6 44.6 67.8 27.2 11.1 0 27.5 41 38.4 59.2
Universitas Pertamina - 31
Tabel 4.3 Distance Matrix Gudang dan Anjungan-Anjungan (Lanjutan)
M 59.4 49.6 47.6 72.1 95.2 53.5 30.7 27.5 0 13.6 65.5 32 P 44.5 62.9 61.2 85.3 109 66.9 43.3 41 13.6 0 78.8 19.8 U 124 17.7 25.9 19.7 32.4 12.1 36 38.4 65.5 78.8 0 97.6 Z 36.6 81.4 78.7 103 127 85.9 62.2 59.2 32 19.8 97.6 0
4.3 Pengolahan Data
Data yang diperoleh dari perusahaan berupa shipsโs manifest diolah menggunakan Microsoft Office Excel 2016. Data tersebut kemudian diolah Kembali dengan algoritma Branch and Cut menggunakan software AMPL untuk memperoleh rute dan jarak terendah untuk memenuhi seluruh kebutuhan spare parts.
4.3.1 Implementasi Algoritma Branch and Cut
Implementasi metode eksak dilakukan menggunakan algoritma Branch and Cut dengan software AMPL 3.5 versi pelajar. Dijalankan dengan komputer Alienware, processor Intelยฎ Coreโข i7-4710HQ @ 2.50GHz, Memory (RAM) 16GB.
Model dasar VRP yang digunakan pada peneliatian ini adalah formulasi yang dikembangkan oleh Dantzig, Fulkerson and Johnson.
Gambar 4.4 File Model (.mod)
Universitas Pertamina - 32
Jenis file yang digunakan untuk memasukkan data di atas adalah jenis model (.mod). Set adalah nilai-nilai yang dapat dikumpulkan menjadi satu. Set N merupakan kumpulan nodes yang akan dikunjungi mulai dari Gudang di Marunda dan 11 anjungan lepas pantai milik PHE ONWJ. Set A merupakan kumpulan i dan j yang termasuk ke dalam bagian dari set N dan node ke-i dan ke-j tidak boleh memiliki nilai yang sama.
Param atau parameter adalah variabel khusus yang akan digunakan dalam membuat persamaan. K merupakan parameter jumlah kendaraan yang akan digunakan. C merupakan parameter yang menunjukan kapasitas kendaraan. c{A}
merupakan parameter biaya yang akan digunakan dalam fungsi tujuan. d{1..n}
merupakan parameter permintaan anjungan-anjungan. n adalah jumlah nodes yang akan dikunjungi.
Variabel yang digunakan di dalam model ini adalah yaitu variabel x yang akan menghasilkan nilai biner 1 atau 0. 1 yang berarti node dari i ke j dilalui oleh kendaraan, dan 0 apabila node dari i ke j tidak dilalui. Varibel u merupakan variabel yang mencegah adanya perpotongan rute selama proses pengiriman. Objective atau fungsi tujuan persamaan ini adalah minimasi biaya perjalanan kapal yang diperoleh dari biaya perjalan c dan rute x yang dipilih.
Constrain merupakan batasan-batasan selama program dijalankan. Batasan 1 dan 2 memastikan setiap pelabuhan dikunjungi oleh 1 kapal. Batasan 3 dibuat untuk memastikan kendaraan yang keluar dari i adalah kendaraan yang sama dengan kendaraan yang masuk ke j. Batasan 4 dan 5 adalah memastikan bahwa konektivitas dari setiap node yang dikunjungi tidak terputus dan permintaan dari setiap node terpenuhi.
Universitas Pertamina - 33
Setelah jenis file model (.mod) selesai dibangun, selanjut pembuatan jenis file data (.dat). File data berisikan data-data yang akan dijalankan ke dalam file model. Data dibuat berdasarkan dua skenario. Skenario 1 adalah ketika pengiriman barang dilakukan dengan menggabungkan barang dengan kategori small, medium dan large ke dalam kapal AHTS yang sama. Sedangkan Skenario 2 adalah ketika pengiriman barang dilakukan dengan memisahkan barang kategori large dengan barang kategori small dan medium. Gambar 4.5 adalah contoh file data untuk bulan Mei 2019 dengan skenario 1
Gambar 4.5 File Data Skenario 1(.dat)
Gambar 4.6 File Data Skenario 2A (.dat)
Universitas Pertamina - 34
Gambar 4.7 File Data Skenario 2B (.dat)
Perbedaan dari kedua skenario di atas selain kategori barang yang diantar oleh armada kapal adalah jumlah nodes yang dikunjungi. Pada skenario 2 terkhusus untuk periode Mei 2019 kapal yang mengirimkan spare parts untuk kategori large tidak perlu mengirimkan barangnya ke Kilo Flow Station karena permintaannya 0.
Tahapan selanjutnya adalah dengan membuat file running data yang berguna sebagai perintah untuk mengaktifkan file model dan data.
Gambar 4.8 File Running (.run)
Reset berguna untuk menghilangkan adanya kemungkinan model atau data yang tidak berkaitan mempengaruhi hasil dari tujuan sebenarnya. Model dan data diisi sesuai dengan nama file yang akan dijalankan. Jenis solver yang digunakan adalah gurobi yang merupakan alat yang digunakan untuk menyelesaikan permasalahan linear programming. Terakhir x merupakan minimasi jarak yang ditempuh oleh kapal dalam memenuhi seluruh permintaan spare parts di anjungan
Universitas Pertamina - 35 4.3.2 Hasil Algoritma Branch and Cut
Setelah file running (.run) dijalankan,
Gambar 4.9 Hasil running program
Berdasarkan hasil running didapatkan bahwa jarak terdekat yang ditempuh oleh kapal adalah sejauh 515 km. Dilakukan 1,615,770 kali iterasi untuk menemukan solusi terbaik dari permasalahan dengan jumlah node branch-and-cut sebanyak 236,091. Angka 1 pada matriks hasil menunjukkan node yang akan dikunjungi, sehingga titik yang dikunjungi adalah:
0 โ 1 โ 5 โ 10 โ 4 โ 3 โ 2 โ 0 โ 11 โ 8 โ 7 โ 6 โ 9 โ 0 Rute yang sebenarna dikunjungi adalah:
Kapal 1: Marunda โ Bravo โ Kilo โ Uniform โ Foxtrot โ Echo โ Central โ Marunda Kapal 2: Marunda โ Zulu โ Mike Mike โ Lima โ KL โ Papa โ Marunda
Berdasarkan hasil yang diperoleh dengan algoritma Branch and Cut, diperoleh kedua rute optimal yang dapat ditempuh oleh kapal untuk memenuhi seluruh kebutuhan anjungan pada periode Mei 2019.
Universitas Pertamina - 36 4.3.3 Biaya Transportasi
Biaya transportasi merupakan biaya yang timbul akibat dilakukannya proses distribusi. Pada kasus ini biaya transportasi terbagi ke dalam 2 jenis, yang pertama adalah biaya bahan bakar dan biaya sewa kapal.
1. Biaya Bahan Bakar
Kapal AHTS mengkonsumsi 9.9 m3 atau 9,900 L MGO (Marine gasoil) per hari. Dengan biaya bahan bakar solar Rp.6,800 per liter maka konsumsi bahan bakar kapal dapat diperoleh perhitungan:
= 9900 x 6800 = Rp 67,320,000/hari
Untuk waktu perjalanan kapal, total waktu yang dibutuhkan untuk memenuhi semua kebutuhan dapat dihitung dengan:
= Total jarak
๐๐๐ก๐โ๐๐๐ก๐ ๐๐๐๐๐๐๐ก๐๐= 278.078
9.5 = 29.27 jam atau 1.22 hari Sehingga diperoleh total biaya bahan bakar
= Rp 67,320,000 per hari x 1,22 hari = Rp 82,102,350/hari
2. Biaya Sewa Kapal
Jumlah kapal yang digunakan untuk memenuhi seluruh kebutuhan anjungan adalah 2-unit kapal. Biaya sewa kapal AHTS per hari adalah $5000/hari.
Maka biaya sewa kapal yang harus dikeluarkan:
= 5000 x 2 = $10,000 dengan kurs USD $1 = Rp. 14,500.
= 10,000 x 14,500 = Rp. 145,000,000/hari
Sehingga total biaya transportasi yang harus dikeluarkan adalah
= Rp 82,102,350 per hari + Rp. 145,000,000 per hari
= Rp 227,102,350 per hari
4.3.4 Validasi dan Verifikasi
Sebelum data dianalisis lebih lanjut, perlu dilakukan verifikasi dan validasi untuk memastikan bahwa model yang dibuat adalah benar dan telah berjalan sebagaimana seharusnya. Verifikasi pada model ini dilakukan dengan cara
Universitas Pertamina - 37
menjalankan model yang sama dengan data yang berbeda untuk memastikan bahwa model yang dijalankan sudah feasible.
Dengan model sama seperti pada Gambar 4.9 dan dengan data periode Juni 2019 skenario 1 seperti terlihat pada gambar di bawah ini.
Gambar 4.10 File Data Periode Juni 2019 (.dat)
Diperoleh hasil seperti berikut.
Gambar 4.11 Hasil Running Program
Berdasarkan hasil pada running program yang telah dilakukan, dapat dikatakan Model ini telah terverifikasi karena program dapat berjalan seperti seharusnya dan menghasilkan output yang feasible.
Langkah selanjutnya adalah melakukan validasi, hal ini dapat dilakukan dengan membandingkan total demand yang diangkut dengan kapasitas angkut armada, serta memastikan bahwa seluruh permintaan anjungan terpenuhi dan dikunjungi. Apabila total demand lebih kecil atau sama dengan total kapasitas
Universitas Pertamina - 38
armada, serta seluruh kebutuhan anjungan akan spare parts terpenuhi, maka model Eksak ini dinyatakan valid.
Pada Tabel 4.4 dapat dilihat bahwa kebutuhan seluruh anjungan lebih kecil dibandingkan dengan kapasitas armada kapal. Seluruh node atau anjungan juga sudah dilalui dan dapat dipastikan seluruh constraint yang ada telah terpenuhi.
Sehingga model eksak ini dapat dikatakan feasible.
4.4 Analisis
Selanjutnya akan dilakukan analisis dari hasil yang didapatkan pada pengolahan data, yaitu analisis hasil metode eksak dengan Algoritma Branch and Bound dan analisis sensitifitas.
4.4.1 Analisis Jumlah Permintaan
Jumlah demand atau permintaan berupa spare parts diasumsikan bersifat deterministik, artinya jumlah permintaan diasumsikan tetap dari waktu ke waktu.
Pada Tabel 4.5 dapat dilihat rata-rata permintaan spare parts untuk periode April 2019 hingga Maret 2020. Permintaan terbanyak adalah spare parts kategori large sebesar 50% dari seluruh permintaan. Hal ini disebabkan karakteristik dari anjungan yang membutuhkan barang atau spare parts besar seperti pipa, kompresor, pompa sentrifugal.
Universitas Pertamina - 39
Tabel 4.5 Rata-Rata Permintaan Spare Parts
Kategori Rata-Rata Permintaan (kg) Persentase (%)
Small 88.659,81 21,28
Medium 119.695,58 28,72
Large 208.355,39 50,00
4.4.2 Analisis Hasil Optimasi Rute Distribusi
Berikut adalah hasil dari rute terpendek yang dapat ditempuh kapal setiap bulannya menggunakan metode eksak dengan Algoritma Branch and Cut. Analisis rute distribusi kapal dilakukan berdasarkan 2 skenario yang berbeda.
1. Skenario 1 - Ketika pengiriman barang dilakukan dengan menggabungkan barang dengan kategori small, medium dan large ke dalam kapal AHTS yang sama.
2. Skenario 2 - Ketika pengiriman barang dilakukan dengan memisahkan barang kategori large (berat) dengan barang kategori small dan medium (ringan)
Universitas Pertamina - 39 Berikut merupakan hasil skenario 1 optimasi rute distribusi.
Tabel 4.6 Rekapitulasi Skenario 1 Skenario 1
No Bulan
Jarak Tempuh (km) Rute Kapal
Sebelum Optimasi
Setelah
Optimasi Sebelum Optimasi Setelah Optimasi
1 April 518 423.2 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 6 - 1- 9 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 9 โ 11 โ 0 2 Mei 730 515 0 - 11 - 9 - 8 - 7 - 6 - 0 - 2 - 3 - 4 - 10 - 5 - 0 - 1 - 0 0 โ 1 โ 5 โ 10 โ 4 โ 3 โ 2 โ 0 โ 11 โ 8 โ 7 โ 6 โ 9 โ 0 3 Juni 518 502.1 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 1 โ 10 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 11 โ 6 โ 9 โ 0 4 Juli 730 503.7 0 - 11 - 9 - 8 - 7 - 6 - 0 - 2 - 3 - 4 - 10 - 5 - 0 - 1 - 0 0 โ 2 โ 1 โ 3 โ 4 โ 10 โ 5 โ 6 โ 9 โ 0 โ 8 โ 7 โ 11 - 0 5 Agustus 518 392.1 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 9 โ 6 โ 1 โ 10 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 11 - 0 6 September 730 542.8 0 - 11 - 9 - 8 - 7 - 6 - 0 - 2 - 3 - 4 - 10 - 5 - 0 - 1 - 0 0 โ 8 โ 2 โ 3 โ 4 โ 10 โ 5 โ 0 โ 9 โ 6 โ 1 โ 7 โ 11 โ 0 7 Oktober 518 423.2 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 6 โ 1 โ 10 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 11 โ 9 โ 0 8 November 518 423.2 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 6 โ 1 โ 10 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 11 โ 9 โ 0 9 Desember 518 501.1 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 8 โ 7 โ 11 โ 0 โ 9 โ 6 โ 1 โ 10 โ 4 โ 3 โ 2 โ 0 10 Januari 518 392.1 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 9 โ 6 โ 1 โ 10 โ 4 โ 3 โ 2 โ 7 โ 8 โ 0 โ 11 โ 0 11 Februari 518 392.1 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 8 โ 7 โ 2 โ 3 - 4 โ 10 โ 1 โ 6 โ 9 โ 0 โ 11 โ 0 12 Maret 518 411.3 0 - 2 - 3 - 4 - 10 - 1 - 0 - 11 - 9 - 8 - 7 - 6 - 0 0 โ 8 โ 7 โ 2 โ 3 โ 4 โ 10 โ 1 โ 6 โ 0 โ 9 โ 0
Tabel 4.6 menunjukkan hasil rekapitulasi metode branch and cut pada software AMPL untuk permasalahan VRP di PHE ONWJ.
Rute dan jarak yang ditempuh sebelum optimasi merupakan rute dan jarak sebenarnya yang dilakukan oleh perusahaan untuk
Rute dan jarak yang ditempuh sebelum optimasi merupakan rute dan jarak sebenarnya yang dilakukan oleh perusahaan untuk