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 kapal3. 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 DATADISTRIBUSI WTSL
𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝐿 = 79 108 = 0.728 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝐿 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑒𝑟𝑗𝑎𝑑𝑖𝑛𝑦𝑎 𝑊𝑇𝑆𝐿 𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛Aplikasi Algoritma
PENGOLAHAN DATADISTRIBUSI WTSU
𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝑈 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑒𝑟𝑗𝑎𝑑𝑖𝑛𝑦𝑎 𝑊𝑇𝑆𝑈 𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛 𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑊𝑇𝑆𝑈 = 97 108 = 0.9RUNNING 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 Port1
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. 8Aplikasi 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 1072Percobaan
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.