Pengembangan Simple Iterative Mutation Algorithm (SIM-A) untuk Menyelesaikan Permasalahan Ship Scheduling and Assignment

Pengembangan Simple Iterative Mutation Algorithm

(SIM-A) untuk Menyelesaikan Permasalahan

Ship Scheduling and Assignment

(Studi Kasus: Distribusi Semen Curah Pada PT. X)

DOSEN PEMBIMBING :

PROF. IR. I NYOMAN PUJAWAN, M.ENG., PH.D., CSCP.

PROF. BUDI SANTOSA, MS., PH.D.

KETUT HENDRA HARIANTO

2510 100 090

Jurusan Teknik Industri Fakultas Teknologi Industri

Latar Belakang

UNCTAD (2007) dalam Andersson et al (2011), bahwa antara 65% - 85% dari nilai barang dikirimkan melalui laut

Al Khayyal & Hwang (2005) menyatakan bahwa 90% dari total volume dan 70% dari nilai barang dikirimkan melalui laut

Biaya Murah

Kapasitas Besar

Biaya merupakan hal yang

kritis untuk diperhatikan

dalam menjalankan bisnis

usaha. Oleh karena itu, perlu

dilakukan pengelolaan biaya

terutama Biaya operasional

untuk pengiriman barang

+

Transportasi maritim merupakan media transportasi yang paling sering digunakan untuk pengiriman barang dalam perdagangan internasional

Tran sportasi Laut (C hop ra & Mei ndl , 2 00 7)

Latar Belakang

PT. X merupakan pabrik

penghasil semen dengan

pangsa pasar terbesar di

Indonesia

Biaya angkut muat dan

bongkar sebesar 923M atau

39,8% dari total beban

usaha

PT X, 43.30

Market Share 2010

(Madasari, 2012)

Saat ini, PT. X mengirimkan semen 80% melalui darat dan 20%

melalui laut.

Untuk jalur laut, PT. X mengirimkan semen curah ke beberapa

packing plant

. Saat ini, pengiriman semen ke

packing plant

didasarkan pada ketersediaan kapal. Oleh karena itu dapat dikatakan

bahwa PT. X belum memiliki mekanisme penjadwalan yang pasti.

Latar Belakang

Hal tersebut mengakibatkan pengeluaran biaya distribusi

dalam jumlah yang besar. Biaya distribusi yang besar juga

diakibatkan oleh adanya

unnecessary activities

seperti

waiting

for stock, waiting for weather, waiting for port

untuk

loading/unloading



bertambahnya waktu siklus pengiriman

Perlu adanya penelitian mengenai penjadwalan dan

penugasan kapal (

Ship Scheduling & Assignment

) untuk

proses distribusi dengan tujuan meminimumkan total

biaya distribusi

Latar Belakang

Ship Scheduling and Assignment

(SSA)



kapan kapal

ditugaskan dan ditugaskan kemana

SSA tergolong ke dalam

NP-Hard

Problem

METAHEURISTIK

PT. X merupakan perusahaan

yang menggunakan banyak

kapal untuk mengirimkan

semen ke banyak pelabuhan

(

port

) tujuan, sehingga bisa

dikatakan tingkat kompleksitas

penjadwalan dan penugasan

kapal pada PT. X sangat tinggi

Simple Iterative

Mutation Algorithm

(SIM-A)

Latar Belakang

Simple Iterative Mutation Algorithm (SIM-A) untuk

menyelesaikan permasalahan

Ship Scheduling and Assignment

pada distribusi laut semen curah PT. X mempertimbangkan

batasan

minimum requirement draft

Biaya Sewa Biaya Loading

Biaya Unloading

Biaya Perjalanan

Penalty cost

Bagaimana mengembangkan

Simple Iterative Mutation

Algorithm

dalam menyelesaikan permasalahan

Ship

Scheduling and Assignment

yang mempertimbangkan

minimum requirement draft constraint

supaya kapal bisa

singgah di

port

.

Bagaimana menyelesaikan permasalahan

Ship Scheduling

and Assignment

pada permasalahan distribusi semen

curah PT. X dengan menggunakan

Simple Iterative

Mutation Algorithm

yang dikembangkan.

Tujuan Penelitian

Memperoleh

Simple Iterative Mutation Algorithm

untuk

menyelesaikan permasalahan

Ship Scheduling and Assignment

dengan mempertimbangkan

minimum requirement draft

kedalaman dermaga supaya kapal dapat singgah di

port

.

Menyelesaikan permasalahan

Ship Scheduling and

Assignment

pada distribusi semen curah PT. X dengan

menggunakan

Simple Iterative Mutation Algorithm

yang

dikembangkan.

Manfaat Penelitian

Sebagai acuan dalam

Ship Scheduling and

Assignment

yang memperhatikan

minimum

requirement draft constraint.

Memberikan kontribusi dalam bidang keilmuan

optimasi

, yaitu dengan adanya

Simple Iterative

Mutation Algorithm

dalam menyelesaikan

permasalahan

Ship Scheduling and Assignment

.

Ruang Lingkup Penelitian

Batasan

Algoritma yang dikembangkan hanya mempertimbangkan

faktor ketidakpastian pada proses

loading

dan

unloading

,

sedangkan faktor cuaca selama proses pengiriman

diabaikan.

Dalam menentukan kapal yang bisa singgah di pelabuhan,

hanya diperhatikan

minimum requirement draft constraint

Asumsi

Semen selalu tersedia di

production port

selama

planning

horizon

yang telah ditentukan.

Consumption rate

di setiap port tujuan

tetap selama

planning horizon

yang ditentukan.

Ruang Lingkup Penelitian

On – Hand

pada akhir periode 1 diasumsikan sama dengan

nilai inisial

On - Hand

Waktu perjalanan dari depot menuju

port

tujuan dan

sebaliknya bersifat deterministik

Distribusi waktu tunggu sebelum

unloading

diasumsikan

sama untuk semua

port

tujuan

Sistematika Penulisan

BAB 1 PENDAHULUAN BAB 2 TINJAUAN PUSTAKA

BAB 3 METODOLOGI PENELITIAN BAB 4 PENGEMBANGAN ALGORITMA

BAB 5 APLIKASI ALGORITMA UNTUK SISTEM RIIL BAB 6 ANALISIS HASIL DAN REKOMENDASI

Tinjauan Pustaka

TRANSPORTASI LAUT

KARAKTERISTIK

TRANSPORTASI LAUT

SHIP SCHEDULING AND

ASSIGNMENT

SIMPLE ITERATIVE MUTATION

ALGORITHM

(SIM –A)

2.4.1 CROSS ENTROPY 2.4.2 GENETIC ALG.

STUDI LITERATUR

PENGEMBANGAN ALGORITMA

VERIFIKASI DAN VALIDASI

APLIKASI ALGORITMA

ANALISIS DAN REKOMENDASI

Metodologi Penelitian

Metodologi Penelitian

Studi Literatur

Pencarian Literature yang berkaitan dengan

pengembangan SIM-A

Pengem. Alg. Cross

Entropy Algorithm Genetic Hybrid CEGA

CROSSOVER

SIM-A

Skenario 1 (Kondisi Eksisting) : SIM-A dengan waktu mulai Proses Loading

dan Unloading Dapat Dilakukan Hanya dalam Rentang Waktu 08:00 – 18:00

Skenario 2 : SIM-A dengan waktu mulai Proses Loading Dapat

Dilakukan dalam Rentang Waktu 24 Jam Penuh, waktu mulai

unloading 08:00 – 18:00

Metodologi Penelitian

Verifikasi dan Validasi

Tahap Validasi

ENUMERASI HASIL RUNNING SKENARIO 1

Tahap Verifikasi

Mengecek kesesuaian antara logika operasional kode yang dibuat

pada Software MATLAB R2010a dengan

flowchart

pengembangan

algoritma SIM-A.

Mengecek apakah koding MATLAB yang dibuat masih ada

Metodologi Penelitian

Aplikasi Algoritma

Aplikasi dari algoritma SIM-A untuk sistem riil pada permasalahan

penjadwalan dan penugasan kapal untuk distribusi semen curah pada

PT.X

Pengumpulan Data



Data Kapal : Jumlah kapal, kecepatan

loading

dan

unloading

,

kapasitas, MRD



Data Pelabuhan : Jumlah

port

, kedalaman dermaga,

consumption

rate

, inisial

on-hand,

kapasitas maksimum.



Data

packing plant

: kapasitas silo,

consumption rate

, dan

persediaan awal



Data historis pengiriman semen curah : waktu tunggu sebelum

loading

dan

unloading,

serta waktu perjalanan

Pengolahan Data

Metodologi Penelitian

Analisis Hasil dan Rekomendasi

Analisis dan interpretasi hasil mengenai hasil yang

didapatkan dari dua skenario yang dikembangkan

Perbandingan total biaya dari 10 kali percobaan

dua skenario yang dikembangkan

Pengambilan rekomendasi berdasarkan analisis

hasil dan perbandingan dari dua skenario SIM-A

yang dikembangkan

Pengembangan Algoritma

Gambaran umum permasalahan

Pengembangan Algoritma

Input : 1. Horison perencanaan 2. Parameter biaya 3. Parameter kapal 4. Parameter pelabuhan 5. Parameter pelayaran Output : 1. Total biaya 2. Penjadwalan kapal

3. Informasi silo port tujuan meliputi : OH, IT, IP, SR, CR, RSP, SO, dan SC

1. N

2. Rasio sampel elit

3. Lama horison perencanaan 4. Fraksi safety stock

5. Jumlah iterasi maksimum

Pengembangan Algoritma

Langkah 1 : Hitung SC dan IP awal port tujuan, penentuan port kritis Langkah 2 : Pengecekan ketersediaan dan pemilihan kapal

Langkah 3 : Pengecekan TW depot Langkah 4 : Pengecekan kondisi depot Langkah 5 : Lakukan loading produk Langkah 6 : Melakukan pengiriman

Langkah 7 : Pengecekan TW port tujuan Langkah 8 : Pengecekan kondisi depot Langkah 9 : Pengecekan ESR

Langkah 10 : Perhitungan WTS

Langkah 11 : Lakukan unloading produk Langkah 12 : Pengecekan keterlambatan Langkah 13 : Update OH (pengecekan PCI) Langkah 14 : Perjalanan ke depot

Langkah 15 : Pengecekan port kritis dan jumlah kapal

PENGHITUNGAN NILAI FUNGSI OBJEKTIF PEMILIHAN SAMPEL ELIT

ELITISME MUTASI

PEMBENTUKAN POPULASI BARU

PEMBAHARUAN KRITERIA PEMBERHENTIAN

Pengembangan Algoritma

Verifikasi

Validasi

- Tidak ada error

- Logika operasional telah dipenuhi (Gambar 4.7 – 4.9)

- Algoritma verified

- Penyelesaian dengan enumerasi

- Enumerasi dan running kode pemrograman pada

kasus sederhana memiliki hasil yang sama

- Algoritma valid

Aplikasi Algoritma

PENGUMPULAN DATA

Data pelabuhan : Jumlah packing plant, CR, kapasitas silo, kedalaman dermaga.

Data kapal : kapasitas kapal, kecepatan loading, kecepatan unloading, MRD

Parameter biaya : biaya loading, biaya unloading, rate WTSL dan WTSU serta rate WTS didapatkan dengan cara melakukan penyesuaian dengan menggunakan data biaya pengiriman yang didapatkan dari anak perusahaan yang sama.

Sailing time merupakan waktu perjalanan yang dibutuhkan dari depot ke port tujuan, begitu sebaliknya.

Aplikasi Algoritma

PENGOLAHAN DATA

DISTRIBUSI WTSL

𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝐿 = 79 108 = 0.728 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝐿 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑒𝑟𝑗𝑎𝑑𝑖𝑛𝑦𝑎 𝑊𝑇𝑆𝐿 𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛

Aplikasi Algoritma

PENGOLAHAN DATA

DISTRIBUSI WTSU

𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝑈 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑒𝑟𝑗𝑎𝑑𝑖𝑛𝑦𝑎 𝑊𝑇𝑆𝑈 𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝑈 = 97 108 = 0.9

RUNNING ALGORITMA SIM - A

Aplikasi Algoritma

Parameter yang digunakan : Jumlah port = 7, N = 1000

Jumlah kapal = 13, Rasio sample elit = 0.1,

Fraksi safety stock = 0.05, Iterasi maksimum = 100

SKENARIO 1

proses loading di depot dan proses unloading di port hanya boleh dimulai dari jam 08:00 – 18:00.

SKENARIO 2

penjadwalan dan penugasan kapal dimana proses loading bisa dimulai kapanpun dalam rentang 24 jam penuh yaitu jam 0:00 –

Aplikasi Algoritma

HASIL SKENARIO 1

Periode Kapal Port Periode Kapal Port

1

Rimba Lima Medan

16 Rimba

Empat DKI (priok) Rimba

Empat Dumai

2 Perkasa Batam 17 Jenifer DKI (priok) Paus 1 DKI

3 Pelita

Andalas

Lhoksumaw

e 18 - -

4 Jenifer DKI (priok) 19 Perkasa Batam

5 Medeline First DKI(priok) 20 - - 6 - - 21 - - 7 - - 22 Swadaya Lestari Banten (Ciwandan)

8 - - 23 Rimba Lima DKI (priok)

9 Cemcon Dumai 24 Rimba

Empat DKI (priok)

10 Pase Jaya Malahayati 25 Senang DKI (priok)

11 26 - -

12 Divine

Succes Medan 27

Pelita

Andalas Lhoksumawe

13 Paus I Medan 28 Pase Jaya Lhoksumawe

Aplikasi Algoritma

Lhoksumawe Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 OH 1000 760 520 280 40 0 0 0 0 4760 4520 4280 4040 3800 3560 IT 0 0 0 5000 5000 5000 5000 5000 5000 0 0 0 0 0 0 IP 1000 760 520 5280 5040 5000 5000 5000 5000 4760 4520 4280 4040 3800 3560 SR 0 0 0 0 0 0 0 0 0 5000 0 0 0 0 0 CR 240 240 240 240 240 240 240 240 240 240 240 240 240 240 240 RSP 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071. 8 SO 0 0 0 0 0 200 240 240 240 0 0 0 0 0 0 SC 1.26 0.95 0.65 6.63 6.33 6.28 6.28 6.28 6.28 5.97 5.67 5.37 5.07 4.77 4.47 Lhoksumawe Periode 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 OH 3320 3080 2840 2600 2360 2120 1880 1640 1400 1160 920 680 440 200 0 IT 0 0 0 0 0 0 0 0 0 0 0 0 5000 9500 9500 IP 3320 3080 2840 2600 2360 2120 1880 1640 1400 1160 920 680 5440 9700 9500 SR 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 CR 240 240 240 240 240 240 240 240 240 240 240 240 240 240 240 RSP 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071.8 1071. 8

Aplikasi Algoritma

Percobaan

Ke- Total Biaya

1 Rp 187,052,760,319.40 2 Rp 131,702,107,311.74 3 Rp 117,900,837,244.83 4 Rp 186,976,146,061.50 5 Rp 117,427,659,184.94 6 Rp 119,003,204,405.41 7 Rp 123,607,341,019.04 8 Rp 167,038,364,100.95 9 Rp 243,353,174,391.27 10 Rp 112,691,637,824.77

Aplikasi Algoritma

HASIL SKENARIO 2

Periode Kapal Port Periode Kapal Port 1 Pelita Andalas Medan 16 -

-Jenifer Dumai

2 Perkasa` Batam 17 - -Medeline First DKI (priok)

3 Pase Jaya Lhoksumawe 18 Swadaya

Lestari DKI (Port) Swadaya Lestari Ciwandan

4 Divine Succes Medan (Belawan) 19 Perkasa DKI (Priok) Martha Golden DKI (Priok)

5 - - 20 -

-6 - - 21 -

-7 Senang DKI (Priok) 22 Pase Jaya Batam

8 - - 23 Pelita Andalas Lhoksumaw e Jenifer Banten (Ciwandan) 9 - - 24 -

-10 Pase Jaya Malahayati 25 - -Pelita Andalas DKI (Priok)

11 Cemcon Batam 26 Swadaya Lestari Medan (Belawan) Jenifer Dumai Senang DKI (Priok)

12 Rimba Lima Dumai 27 Perkasa DKI (Priok)

13 Perkasa DKI (Priok) 28 Cemcon Batam Pelita

Aplikasi Algoritma

Lhoksumawe Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 OH 1000 760 520 280 40 0 0 4260 4020 3780 3540 3300 3060 2820 2580 IT 0 0 4500 4500 4500 4500 4500 0 0 0 0 0 0 0 0 IP 1000 760 5020 4780 4540 4500 4500 4260 4020 3780 3540 3300 3060 2820 2580 SR 0 0 0 0 0 0 0 4500 0 0 0 0 0 0 0 CR 240 240 240 240 240 240 240 240 240 240 240 240 240 240 240 RSP 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 SO 0 0 0 0 0 200 240 0 0 0 0 0 0 0 0 SC 1.26 0.95 0.65 6.00 5.70 5.65 5.65 5.35 5.05 4.74 4.44 4.14 3.84 3.54 3.24 Lhoksumawe Periode 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 OH 2340 2100 1860 1620 1380 1140 900 660 420 180 0 0 4760 4520 4280 IT 0 0 0 0 0 0 0 0 5000 5000 5000 5000 0 0 0 IP 2340 2100 1860 1620 1380 1140 900 660 5420 5180 5000 5000 4760 4520 4280 SR 0 0 0 0 0 0 0 0 0 0 0 0 5000 0 0 CR 240 240 240 240 240 240 240 240 240 240 240 240 240 240 240 RSP 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072 1072

Percobaan

Ke- Total Biaya

1 Rp 120,427,728,193.31 2 Rp 115,931,112,099.19 3 Rp 118,524,976,760.31 4 Rp 170,839,982,659.79 5 Rp 170,227,641,297.53 6 Rp 189,046,490,212.13 7 Rp 115,250,791,946.00 8 Rp 116,105,803,243.09 9 Rp 190,992,063,964.89 10 Rp 190,489,519,839.10

Aplikasi Algoritma

Aplikasi Algoritma

GRAFIK PERBANDINGAN TC SKENARIO 1 DAN 2 DARI 10 KALI PERCOBAAN

Total biaya yang dikeluarkan oleh solusi dari skenario 1 dan skenario 2 tidak berbeda jauh akan tetapi ada kecendrungan total biaya yang dihasilkan oleh skenario 2 lebih baik dibanding skenario 1

Analisis Hasil dan Rekomendasi

ANALISIS ALGORITMA SIM - A

SIM – A merupakan metode yang mampu menyelesaikan permasalahan NP – Hard dalam waktu yang relatif singkat.

Berdasarkan hasil dari aplikasi algoritma untuk sistem riil serta diperkuat dengan uji verifikasi dan validasi, maka algoritma SIM - A telah berhasil dikembangkan sesuai dengan batasan – batasan yang dipertimbangkan di dalamnya.

Verifikasi memastikan bahwa algoritma SIM – A yang dikembangkan telah sesuai dengan logika operasional sehingga bisa dikatakan bahwa algoritma SIM – A verified.

Uji validasi semakin memperkuat alasan bahwa model tidak hanya verified dari sisi ketiadaan error dalam kode pemrograman dan telah sesuai dengan logika operasional tetapi juga memastikan bahwa hasil dari running algoritma telah valid dengan cara membandingkan

Analisis Hasil dan Rekomendasi

ANALISIS ALGORITMA SIM

–

A SKENARIO 1

Hasil dari 10 kali percobaan didapatkan total biaya optimum yang dikeluarkan sebesar Rp. 112,691,637,824.77

Berdasarkan Rekap Total Biaya Selama 10 Kali Percobaan untuk skenario 1 diketahui bahwa perubahan total biaya yang dikeluarkan untuk pengiriman semen curah tidak mengalami perubahan yang terlalu signifikan dan relatif stabil dari percobaan 1 ke 10 kecuali percobaan 9.

Percobaan 2,3,5,6,7 dan 10 menghasilkan total biaya dengan selisih yang kecil. Hal tersebut diakibatkan oleh pembangkitan solusi dengan jumlah yang sangat besar yaitu sebesar 1000 solusi sehingga kemungkinan menemukan solusi optimum di setiap kali percobaan bernilai cukup tinggi.

Berdasarkan hasil running, beberapa port tujuan di periode tertentu mengalami

stock out akibat jumlah inventory yang tersedia tidak mampu memenuhi kebutuhan. Dengan adanya stock out maka akan berdampak pada dikenakan penalty cost dengan jumlah yang sangat besar per satuan ton yaitu sebesar 1.000.000 per ton kekurangan.

Packing plant DKI merupakan packing plant yang paling sering mengalami stock out dibandingkan dengan packing plant lainnya karena consumption rate hariannya lebih tinggi dibandingkan yang lainnya.

Hasil running algoritma SIM – A untuk skenario 1 telah memenuhi konstrain – konstrain yang telah dipertimbangkan. Oleh karena itu dapat dikatakan bahwa SIM – A mampu menyelesaikan permasalahan Ship Scheduling and Assignment untuk distribusi semen curah di PT. X.

Analisis Hasil dan Rekomendasi

Analisis Hasil dan Rekomendasi

ANALISIS ALGORITMA SIM

–

A SKENARIO 2

Dari 10 kali percobaan didapatkan total biaya minimum sebesar Rp. 115,250,791,946.00

Total biaya yang dikeluarkan dari percobaan 1 sampai ke 10 memiliki tingkat fluktuasi yang tidak terlalu tinggi dikarenakan solusi yang didapatkan dari percobaan 1 sampai ke 10 merupakan solusi yang tidak berbeda jauh dan merupakan solusi optimum.

Dalam running algoritma N = 1000 populasi, artinya pada tahap inisialisasi dibangkitkan 1000 solusi yang kemudian diurutkan dari solusi yang memberikan total biaya terendah sampai terbesar. Sebanyak 100 solusi dari 1000 solusi akan dielitisme pada iterasi berikutnya sedangkan 900 solusi yang lainnya dibangkitkan secara random sesuai dengan urutan proses yang ada.

Oleh karena itu, maka kemungkinan mendapatkan solusi optimum sangat tinggi di setiap kali percobaan. Hal itulah yang mengakibatkan total biaya selama 10 kali percobaan tidak terlalu berbeda signifikan.

Analisis Hasil dan Rekomendasi

ANALISIS PERBANDINGAN HASIL SKENARIO 1 & 2

Berdasarkan 10 kali percobaan untuk skenario 1 dan skenario 2, keduanya menghasilkan total biaya yang tidak berbeda signifikan akan tetapi total biaya yang dikeluarkan oleh skenario 2 relatif lebih sedikit dibandingkan skenario 1 hal itu terjadi karena fleksibilitas waktu mulai untuk melakukan loading di depot pada skenario 2 [0:00 – 24:00] lebih lebar dibandingkan skenario 1 [08:00 – 18:00] sehingga hal itu berdampak pada waktu mulai loading yang bisa kapanpun dan berakibat pada kecepatan pelayanan kapal sampai ke port tujuan yang mengakibatkan kemungkinan adanya stock out lebih sedikit dibandingkan skenario 1 (kondisi eksisting).

REKOMENDASI

Penyelesaian masalah penjadwalan dan penugasan kapal yang mempertimbangkan minimum requirement draft dapat diselesaikan dengan menggunakan algoritma SIM – A yang telah dikembangkan.

Berdasarkan kondisi operasional penjadwalan dan penugasan kapal yang ada di PT. X, skenario 1 mampu meniru untuk digunakan menyelesaikan permasalahan tersebut

Jika ingin memperkecil total biaya pengiriman semen curah dari PT. X menuju masing – masing packing plant maka skenario 2 bisa dijadikan alternatif mekanisme penjadwalan dan penugasan kapal di PT. X.

Kesimpulan dan Saran

KESIMPULAN

Telah didapatkan algoritma SIM – A untuk menyelesaikan permasalahan SSA yang mempertimbangkan minimum requirement draft kapal untuk bisa singgah di port.

Algoritma SIM – A yang dikembangkan mampu menyelesaikan permasalahan SSA pada distribusi semen curah di PT. X

Dengan menggunakan parameter (N) 1000 solusi, ρ = 0.1fss = 0.05, dan iterasi maksimum = 100 iterasi dengan 10 kali percobaan didapatkan total biaya optimum pada skenario 1 (kondisi eksisting) yang dikeluarkan sebesar Rp. 112,691,637,824.77

Skenario 2 cenderung menghasilkan nilai yang lebih baik disbanding skenario 1 karena skenario 2 memiliki fleksibilitas yang lebih lebar untuk memulai waktu loading di depot

SARAN

Kesimpulan dan Saran

Algoritma SIM – A dapat dikembangkan dengan memberikan batasan

stock out tidak boleh terjadi pada silo packing plant.

Algoritma SIM – A bisa dikembangkan dengan membuat besarnya

consumption rate per hari bersifat stokastik dengan distribusi permintaan tertentu.

Penjadwalan di setiap periode tidak dibatasi berdasarkan jumlah maksimum kapal yang diijinkan untuk melakukan loading di port

Al-Khayyal, F., & Hwang, S. (2005). Inventory Constraints Maritime Routing and Scheduling for Multi-Commodity Liquid Bulk. Ph.D. Thesis. School of Industrial and Systems Engineering, Georgia Institut of Technology.

Almeida, R., (2013). Chinese Shipyard Win Order for Dozen Deltamarin-Designed Bulk Carriers. http://

Almeida, R., (2013). Pioneer Marine Launches With A Newbuild Order for 4 Bulk Carriers. http://gcaptain.com/pioneer-marine-launches-pankaj-khanna/.

Andersson, H., Duesund, J. M., Fagerholt, K. (2011). Ship Routing and Scheduling With Cargo Coupling and Synchronization Constraints. Computers & Industrial Engineering (2011), 1107-1116.

Bronmo, G., Christiansen, M., Nygreen, B. (2006). Ship Routing and Scheduling With Flexible Cargo Sizes. Journal of the operational research society (2007) 58, 1167-1177.

Budiman, M. A., (2012). Simple Iterative Mutation Algorithm for The Truck Scheduling Problem in A Cross Docking Environment. Master Thesis. Surabaya : Institut Teknologi Sepuluh Nopember.

Chopra, S. & Meindl, P., (2007). Supply Chain Management : Strategy, Planning, and Operation (3th ed.). Springer.

Christiansen, M., Fagerholt, K., Ronen, D., (2003). Ship Routing and Scheduling : Status and Perspectives. Transportation Science (2004), 38 pp.1-18.

Christiansen, M., Fagerholt, K., Nygreen, B., Ronen, D., (2007). Chapter 4 : Maritime Transportation. In: C. Barhat & G. Laporte (Eds.),

Handbook in OR & MS (Vol. 14, pp.189-284). Elsevier B. V. Damayanti, R., (2013). Pengembangan Algoritma Hybrid Cross Entropy

– Genetic Algorithm dalam Penyelesaian Multi-Product Inventory Ship Routing Problem dengan Heterogeneous Fleet. Tugas Akhir. Surabaya : Institut Teknologi Sepuluh Nopember.

Madasari, W. R., 2012. Analisis Biaya Distribusi dan Transportasi Untuk Jaringan Distribusi Semen Dengan Adanya Packing Plant (Studi Kasus: PT. Semen Gresik (Persero), Tbk.). Tugas Akhir. Surabaya : Institut Teknologi Sepuluh Nopember.

Renspandy, R. P., (2013). Penjadwalan Dispatching Truck Dari Packer Di Pabrik Semen Indonesia Tuban. Tugas Akhir. Surabaya : Institut Teknologi Sepuluh Nopember.

Santosa, B., & Willy, P. (2011). Metoda Metaheuristik : Konsep dan Implementasi. Surabaya : Guna Widya.