Halaman 4.12. Halaman Edit Posko
5.1. Pengujian Metode Transportasi pada DMS-INDSR
5.1.3. Pengujian dengan simulasi jumlah supply-demand berbeda
5.1.3.3. Pengujian dengan nilai supply dan demand yang berbanding jauh
Pada bab ini akan dilakukan dua jenis pengujian terhadap nilai supply ekstrim yang berbeda. Pengujian pertama dilakukan dengan menggunakan nilai supply yang berjumlah 50% lebih banyak dari nilai demand, dan pengujian kedua dilakukan dengan menggunakan nilai supply yang berjumlah 100% lebih banyak dari nilai demand atau 200% nilai demand. Data supply dan demand yang dipergunakan adalah sebagai berikut ini :
Perbedaan 50% dari jumlah demand :
Tabel 5.35. Posko Pusat Kabupaten Sleman
ID Posko Pusat Supply
S1 Bogem 40
S2 Stadion Maguwoharjo 60
S3 Balai Desa Caturharjo 20
S4 Balai Desa Tirtomartani 50
S5 Desa Banyurejo 40
ID Posko Masyarakat Demand
D1 Taman Kuliner 20
D2 STIE YKPN 20
D3 Balai Desa Sariharjo 10
D4 Bumi Perkemahan
Babarsari 50
D5 Balai Desa Kalitirto 20
D6 Bale Desa Sumberadi 30
D7 Balai Desa Sidoluhur 10
D8 Balai Desa Sinduarjo 10
Output yang dihasilkan dengan menggunakan data demand dan supply diatas adalah sebagai berikut :
Hasil yang diperoleh dari pengujian sudah merupakan hasil paling minimum dari permasalahan transportasi pada kasus diatas. Perhitungan yang dilakukan oleh sistempun sama hasilnya dengan hasil perhitungan manual, dengan hasil yang diperoleh adalah sebagai berikut :
Tabel 5.37. Hasil pengujian manual nilai ekstrim 50%
S1 20 20 10 S2 15 S3 20 S4 10 30 S5 35 10 S6 D1 D2 D3 D4 D5 D6 D7 D8
Perbedaan 100% dari jumlah demand :
Tabel 5.38. Posko Pusat Kabupaten Sleman
ID Posko Pusat Supply
S1 Bogem 50
S2 Stadion Maguwoharjo 100
S3 Balai Desa Caturharjo 20
S4 Balai Desa Tirtomartani 50
S5 Desa Banyurejo 50
D1 Taman Kuliner 20
D2 STIE YKPN 20
D3 Balai Desa Sariharjo 10
D4 Bumi Perkemahan Babarsari 50
D5 Balai Desa Kalitirto 20
D6 Bale Desa Sumberadi 30
D7 Balai Desa Sidoluhur 10
D8 Balai Desa Sinduarjo 10
Output yang dihasilkan dengan menggunakan data demand dan supply diatas adalah sebagai berikut :
penyimpangan pada jalur distribusi. Pengiriman seharusnya dilakukan dari posko Stadion Maguwoharjo ke posko Bumi Perkemahan Babarsari, sehingga menghasilkan cost yang lebih minimal. Akan tetapi pada kenyataannya pengiriman dilakukan dari posko Balai Desa Sidokarto ke posko Bumi Perkemahan Babarsari. Jalur yang seharusnya terbentuk dan merupakan hasil paling minimum adalah sebagai berikut ini :
Tabel 5.40. Hasil Minimum dengan nilai ekstrim 100%
S1 20 20 50 10 S2 S3 20 S4 10 30 S5 10 S6 D1 D2 D3 D4 D5 D6 D7 D8
Pada pengujian dengan nilai ekstrim berjarak 50% dan 100% dari nilai demand diatas, dapat disimpulkan bahwa kemampuan algoritma Vogel’s Approximation Method tidak dapat memperoleh nilai paling minimal apabila nilai perbedaan mencapai lebih dari atau sama dengan 100%. Sehingga algoritma ini tidak dapat dipergunakan untuk kasus distribusi posko bencana alam, apabila terdapat perbedaan dari nilai supply dan demand yang sangat ekstrim.
posko yang tersebar pada bencana erupsi merapi setelah 5 November 2010, yakni sebesar 73 titik posko. Pembagian titik posko yang akan dijadikan sebagai variabel source dan destination dilakukan dengan metode yang sama seperti pengujian sebelumnya, yakni dengan mengambil posko yang memiliki jumlah penduduk lebih dari atau sama dengan 1000 untuk menjadi posko pusat dan posko yang memiliki jumlah penduduk dibawah 1000 untuk dijadikan sebagai posko masyarakat. Setelah dilakukan pengolahan data dengan sistem, didapatkan hasil seperti pada gambar.
Gambar 5.5. Hasil Pengujian Kehandalan Sistem
Data yang diolah dengan menggunakan implementasi algoritma metode dalam transportasi tersebut, berjalan dengan total waktu proses (running time) adalah 0.768592834473 detik. Hal ini masih menunjukan kehandalan sistem yang sangat baik, dimana dalam w aktu kurang dari satu detik sistem sudah dapat
method dan multiplier pada sistem ini sudah berhasil diterapkan dengan baik.
6.1. Kesimpulan
Setelah menyelesaikan pembuatan tugas akhir berjudul Penerapan Algoritma Vogel’s Approximation Method dan Multiplier. Studi Kasus : Distribusi Bantuan Bencana Alam di Indonesia ini, penulis dapat menyimpulkan :
Integrasi yang dilakukan pada Metode transportasi dengan teknologi navigasi gps sangat dapat membantu untuk penemuan variabel cost, tanpa terlebih dahulu melakukan pengukuran.
Penerapan algoritma Vogel's approximation method pada kasus distribusi bantuan bencana alam, terkadang menghasilkan solusi awal yang tidak dapat dilanjutkan oleh algoritma multiplier sehingga solusi yang dihasilkan belum optimum. Kesalahan atau error tersebut dapat terjadi ketika selisih nilai supply dan demand mencapai 100%, sedangkan untuk pengujian 50% masih memberikan hasil yang baik. Sehingga dapat disimpulkan bahwa algoritma ini kurang cocok apabila langsung diterapkan pada masalah distribusi bencana alam. Perlu dilakukan penelitian lanjutan terhadap algoritma ini secara heuristik untuk kasus distribusi bencana alam, karena melihat nilai supply dan demand pada posko yang bervariasi dengan selisih yang terkadang ekstrim.
Alam di Indonesia pada tahap selanjutnya, penulis menyarankan :
Diperlukan penelitian lanjutan terhadap pengembangan algoritma Vogel’s Approximation Method, agar dapat diterapkan pada kasus distribusi bencana alam dengan selisih nilai supply dan demand yang ekstrim.
Membuat pengembangan dibagian sistem informasi pada sistem ini dengan melengkapi fasilitas-fasilitas yang belum ada, dengan melihat kebutuhan pengguna secara melalui studi secara langsung. Sehingga pengguna sistem ini juga dapat sekaligus memantau kondisi posko yang ada, seperti data penduduk yang sakit, jumlah korban meninggal, kategori umur penduduk, dsb.
Pembuatan aplikasi android bukan hanya untuk konfirmasi lokasi posko, melainkan juga terdapat fasilitas lengkap seperti pada aplikasi website. Sehingga selain menggunakan website pengguna juga dapat menggunakan sistem ini dengan menggunakan smartphone android, agar penggunaan aplikasi dapat lebih fleksibel dan memiliki mobilitas tinggi.
Williams, Laurie, 2006, A (Partial) Introduction to Software Engineering Practices and Methods.
Johnson, Dana J., Ph.D., 2006, Overcoming Challenges to Transformational Space Programs: The Global Positioning System (GPS).
Taha, Hamdy A.,1976, 2nd Edition of An Introduction-Operation Research, Department of Industrial Engineering, University of Arkansas.
Taha, Hamdy A.,2011, 9nd Edition of An Introduction-Operation Research, Department of Industrial Engineering, University of Arkansas.
Winston, Wayne L., 4th Edition of Application and Algorithms–Operations Research, Indiana University.
Simarmata, Dj.A, 1982, Sebuah Pengantar-Operations Research: Teknik-teknik Optimasi Kuantitatif dari Sistem-sistem Operasional.