18
ANALISIS DAN BAHASAN
4.1 Pengumpulan Data
4.1.1 Data Pelanggan PT. Bando Indonesia
Data pelanggan PT Bando indonesia diklasifikasikan berdasarkan mobil yang digunakan. Berikut adalah data pelanggan yang telah dikelompokan berdasarkan jenis mobil:
Tabel 4.1 Data Pengiriman Barang Dengan Mobil B-9185 CCA Mobil Kode Customer Nama Perusahaan Lokasi
B 9185 CCA
CR001ADM PT. Astra Daihatsu Motor Sunter CR002AHM PT. Astra Honda Motor Sunter Sunter
CR003KIA PT. KAI Indonesia Sunter
CR004SIM
PT. Suzuki Indomobil Motor
TB2 Bekasi
CR005HIT PT. Hartono Istana Teknologi-
Polytron Tubun
CR006UTR PT. United Tracktor Cakung
CR007ADP PT. Astra Daihatsu Motor Part cibitung CR008KRI PT. Korindo Indonesia Tangerang CR009DSI PT. Denso Indonesia Cibitung
Sumber: Departemen Logistik
Tabel 4.2 Data Pengiriman Barang Dengan Mobil B-9691 X
Mobil Kode Customer Nama Perusahaan Lokasi
B 9691 X
CR010MII PT. Mesin Isuzu Indonesia Bekasi CR011PMI PT. Panca Motor Indonesia Bekasi CR012HMI PT. Hyundai Motor Indonesia Bekasi CR013HPM PT. Honda Prospect Motor Kerawang
CR014SKI PT. Sanken Indonesia Bekasi
CR015YDI PT. Yanmar Diesel Indonesia Depok CR016PGI PT. Panasonic Gobel Indonesia Cawang CR017MSI PT. Hino Motor Sales Indonesia Jatinegara CR018SII PT. Sanden Intercool Indonesia Cengkareng
Sumber: Departemen Logistik
4.1.2 Data Keterlambatan
Dari hasil pengamatan yang telah dilakukan dilapangan beserta wawancara yang telah dilakukan dengan pihak yang terkait terdapat beberapa keterlambatan dalam pendistribusian barang. Adapun data keterlambatan yang didapatkan dari observasi lapangan selama peroode 1 Maret 2013 hingga 1 Mei 2013 di PT Bando Indonesia adalah sebagai berikut:
4.3 Data Keterlambatan Pengiriman Barang
No Tanggal Rute Jarak
Tempuh (Km) 1 3/03/2013 Depot- CR004SIM- CR001ADM - CR002AHM-
CR005HIT - CR008KRI- CR009DSI- Depot
340.6 2 7/03/2013 Depot- CR004SIM- CR008KRI- CR009DSI-
CR005HIT- CR006UTR-CR003KIA-Depot
371.9 3 18/03/2013 Depot- CR010MII- CR013HPM- CR017MSI-
CR015YDI- CR016PGI- CR018SII-Depot
291.9 4 20/03/2013 Depot- CR004SIM- CR008KRI- CR009DSI-
CR003KIA- CR006UTR- CR007ADP - Depot
407.4 5 29/03/2013 Depot- CR013HPM- CR018SII- CR014SKI-
CR012HMI- CR011PMI- CR010MII- -Depot
430.6 6 4/04/2013 Depot- CR013HPM- CR016PGI- CR014SKI-
CR018SII-CR011PMI-CR012HMI Depot
456.4 7 10/04/2013 Depot- CR009DSI- CR008KRI- CR007ADP-
CR002AHM- CR001ADM- CR004SIM- Depot
413.2 8 12/04/2013 Depot- CR016PSI- CR017HMS- CR013HPM-
CR011PMI- CR010MII- CR014SKI- Depot
366.2 9 19/04/2013 Depot- CR015YDI - CR018SII- CR017MSI -
CR013HPM- CR016PGI- CR010MII- Depot
363.5 10 25/04/2013 Depot- CR001ADM- CR003KIA- CR009DSI-
CR005HIT- CR004SIM- CR008KRI- Depot
273.40
Sumber: Hasil Survey
4.2 Pembahasan Teknik Industri 4.2.1 Pengolahan Data
Berdasarkan data keterlambatan yang diperoleh pada tabel 4.3, penulis melakukan pembahasan yang berkaitan dengan penentuan rute terpendek. Pengolahan data yang akan dibahasa adalah data keterlambatan pada tanggal 25 April 2013. Adapun rute awal dari perusahaan adalah Depot- CR001ADM- CR003KIA- CR009DSI- CR005HIT- CR004SIM- CR008KRI- Depot dengan jarak total 273.40 Km. pembahasan ini berfokus pada tahapan dalam penggunaan algoritma NNH, CS dan HCS dengan menggunakan bahasa pemrograman matlab.
4.2.1.1 Nearest Neighbor Heuristics (NNH)
Nearest Neighbor Heuristics (NNH) adalah metede heuristik yang
digunakan untuk menentukan rute terpendek. Adapun tahapan perhitungan dari NNH adalah sebagai berikut:
1. Penentuan Matriks Jarak
Tabel 4.4 Matriks Jarak Pengiriman
Jarak (KM) Depot CR001ADM CR003KIA CR004SIM CR005HIT CR008KRI CR009DSI
Depot 0 50.900 47.400 33.100 64.700 7.800 71.400 CR001ADM 54.100 0 2.900 24.500 18.600 55.200 45.700 CR003KIA 54.400 2.700 0 25.000 12.300 55.500 43.500 CR004SIM 34.300 24.700 21.000 0 31.100 35.400 39.400 CR005HIT 62.700 16.900 12.900 32.200 0 65.800 28.300 CR008KRI 7.800 52.700 49.200 34.900 64.500 0 72.800 CR009DSI 71.000 43.500 42.500 38.900 28.200 72.600 0
2. Melakukan Pencarian Node Jarak Terpendek
Tabel 4.5 Pencarian Node Pertama Dari Titik Depot Rute Jarak (Km) Depot - CR001ADM 50.90 Depot - CR003KIA 47.40 Depot - CR004SIM 80.30 Depot - CR005HIT 33.10 Depot - CR008HIT 7.80 Depot - CR009DSI 71.40 Jarak Terdekat: Depot - CR008KRI 7.80
Dari tabel diatas dapat dilihat bahwa rute terdekat adalah Depot - CR008KRI dengan total jarak 7.80 Km. Maka CR008KRI menjadi lokasi pertama yang akan dikunjungi.
Tabel 4.6 Pencarian Node Kedua Yang Dimulai Dari CR008KRI
Rute Jarak (Km) CR008KRI-CR001ADM 52.70 CR008KRI- CR002KIA 49.20 CR008KRI-CR004SIM 81.30 CR008KRI-CR005HIT 34.90 CR008KRI-CR009DSI 72.80 Jarak Terdekat: CR008KRI-CR005HIT 34.90
Jarak terdekat kedua adalah CR008KRI-CR005HIT dengan jarak total 34.90 km. sehingga lokasi kedua yang dikunjungi adalah CR005HIT.
Tabel 4.7 Pencarian Node Ketiga yang dimulai dari CR005HIT Rute Jarak (KM) CR005HIT-CR001ADM 24.70 CR005HIT CR003KIA 21.00 CR005HIT-CR004SIM 47.90 CR005HIT-CR008KRI 35.40 Jarak Terdekat: CR005HIT- CR002KIA 21.00
Jarak terdekat ketiga adalah CR005HIT- CR003KIA dengan jarak total 21.00 Km. Sehingga lokasi ketiga yang dikunjungi adalah CR003KIA.
Tabel 4.8 Pencarian Node Keempat Yang Dimulai Dari CR003KIA
Rute Jarak (KM) CR003KIA-CR001ADM 2.70 CR003KIA- CR004SIM 25.00 CR003KIA-CR005HIT 12.30 CR003KIA-CR008KRI 55.50 CR003KIA-CR009DSI 43.50 Jarak Terdekat: CR003KIA-CR001ADM 2.70
Jarak terdekat keempat adalah CR003KIA-CR001ADM dengan jarak total 2.70 Km. Sehingga lokasi keempat yang dikunjungi adalah CR001ADM.
Tabel 4.9 Pencarian Node Kelima Yang Dimulai Dari CR001ADM
Rute Jarak (KM) CR001ADM-CR003KIA* 2.90 CR001ADM CR004SIM 52.50 CR001ADM-CR005HIT* 24.50 CR001ADM-CR008KRI 55.20 CR001ADM-CR009DSI 45.70 Jarak Terdekat 1: CR001ADM-CR003KIA* 2.90 Jarak Terdekat 2: CR001ADM-CR005HIT* 24.50 Jarak Terdekat 3: CR001ADM-CR009DSI 45.70 * = Rute telah digunakan
Jarak terdekat kelima adalah adalah CR001ADM-CR003KIA dengan jarak total 2.9 Km, namun titik tersebut telah dipilih sebelumnya, sehingga dilanjutkan pencarian titik terdekat kedua yang belum digunakan, adapun titik terdekat kedua adalah CR001ADM-CR005HIT dengan total jarak 24.50 Km namun sudah digunakan juga. Maka akan dilakukan perulangan hingga ditemukan titik yang belum terpilih, dan titik yang terpilih berada pada perulangan yang ketiga, dengan rute CR001ADM-CR009DSI dan jarak totalnya adalah 45.70 km sehingga lokasi kelima yang dikunjungi adalah CR009DSI.
Tabel 4.10 Pencarian Node Keenam Yang Dimulai Dari CR009DSI
Rute Jarak (KM) CR009DSI-CR001ADM 43.50 CR009DSI CR003KIA 42.50 CR009DSI-CR004SIM 14.30 CR009DSI-CR005HIT 38.9 CR009DSI- CR008KRI 72.6 Jarak Terdekat 1: CR009DSI-CR004SIM 14.30
Jarak terdekat keenam adalah adalah CR009DSI-CR004SIM dengan total jarak 18.60 Km. sehingga lokasi keenam yang dikunjungi adalah CR004SIM. Dan dari titik terakhir yaitu CR004SIM harus kembali lagi depot dan jarak totalnya adalah 79.50 km.
Jadi rute yang seharusnya dipilih berdasarkan NNH adalah Depot- CR008KRI- CR005HIT- CR003KIA- CR001ADM- CR009DSI-CR004SIM- Depot dengan total jarak 205.90 Km.
Tahapan tersebut dapat di lihat pada pemrograman yang telah dibangun dengan menggunakan matlab, lampiran codingan matlab untuk NNH dapat dilihat pada lampiran C hal 49.
4.2.1.2 Cuckoo Search with Levy Flight Algorithm (CS)
Cuckoo Search with Levy Flight Algorithm (CS) adalah metede
metaheuristik yang akan digunakan untuk menentukan rute terpendek. Berikut adalah contoh dalam langkah perhitungannya:
1. Penentuan Matriks Jarak (Objective Function)
Objective function pada kasus ini adalah matriks jarak dari Asymetric
TSP. Matriks jarak tersebut dapat dilihat pada tabel 4.4. 2. Menentukan Inisiasi Populasi n Nest
Sebelum melakukan inisiasi awal, ada beberapa parameter yang perlu ditetapkan sebagai berikut:
Jumlah iterasi = 10000
Number of Particle (NP) = 20
Pa = 0.25 = 1.5
Untuk mendapatkan inisiasi awal diperlukan bilangan random, adapun contoh hasil dari pembangkitan sebagian bilangan random sebanyak 20 particle cuckoo, namun pada contoh ini hanya menampilkan empat
particle cuckoo, adapun bilangan random yang diperoleh dalam
pemrograman matlab adalah sebagai berikut: Tabel 4.11 Bilangan Random
Tabel diatas mereprsentasikan contoh perhitungan yang sederhana dari kasus yang akan dibahas untuk mendapatkan jarak terpendek bilangan
random diakses pada tanggal 25 Juni 2013 pada jam 14.30.
Langkah selanjutnya adalah menggambarkan solusi awal yaitu sebagai berikut:
Tabel 4.12 Hasil Perhitungan Solusi Awal
Ket:
C= Number of particle Cuckoo D= Jarak (Km)
= Fitness
Tabel 4.12 menjelaskan solusi awal yang telah dilakukan, untuk mendapat rute terbaik maka hal pertama yang dilakukan adalah mengurutkan nilai nest berdasarkan nilai yang paling kecil, nilai jarak didapatkan dari perhitungan rute pada tabel 4.12 Berikut adalah untuk contoh perhitungan dari C1:
C1 = Depot- 6- 4- 5- 3- 1- 2 dengan jarak total 338.5 Km.
Lakukan penghitungan selanjutnya dengan cara yang sama. Selanjutnya lakukan pengurutan berdasarkan nilai yang terbesar. Jadi solusi awal sementara yang didapatkan adalah C2 dengan rute Depot-CR008KRI-CR004SIM-CR008DSI-CR003KIA-CR001ADM-CR005HIT-Depot dengan jarak total 207.9 Km. lanjutkan pencarian nilai f terbesar hingga mencapai particle cuckoo yang ke 20.
3. Pencarian Smart Cuckoo dan Movement
Selanjutnya adalah melakukan itersi (max generation) sebanyak yang telah diperintahkan, pada kasus ini jumlah iterasi yang dilakukan adalah 10000 kali iterasi untuk mendapatkan smart cuckoo (solusi yang lebih baik). Dalam ruang pencarian solusi (the solution space) membutuhkan tahap perpindahan langkah yang stabil dan pasti. The 2-Opt Move adalah cara yang dipilih sebagai perpindahan didalam ruang solusi. The
2-Opt Move harus dapat diintegrasikan dengan Levy Flight didalam discrete space. Pengaplikasiannya dapat dilihat pada lampiran coding
matlab lampiran D hal 50-51. 4. Evaluasi Fitness
Setelah melakukan movement akan dilakukan perengkingan fitness.
Fitness dengan nilai terbesar lah yang akan dipilih range yang dipilih
adalah 0< < Pa, bila nilai >Pa maka nest akan ditinggalkan. Dan
cuckoo dengan nilai terbaik akan menggantikan nilai cuckoo sebelumnya. Berikut adalah hasil dari penghitung jarak menggunakan pemrograman matlab:
Gambar 4.1 Hasil Running Cuckoo Search di Matlab
Program matlab dijalankan pada tanggal 25 Juni 2013 pada jam 14.15. Rute pendistribusian barang dengan menggunkan metode CS adalah
Depot-CR005HIT-CR004SIM-CR009DSI-CR003KIA-CR001ADM-CR008KRI-Depot dengan total jarak 204.00 Km. 4.2.1.3 Hybrid Cuckoo Search with Levy Flight Algorithm
Algoritma ini merupakan gabungan antara metode heuristik dan metaheuristik. Pada laporan tugas akhir ini pendekatan heuristik yang
digunakan adalah Nearest Neighbor Heuristic (NNH) dan metaheuristik adalah (Cuckoo Search with Levy Flight Algorithm). Fungsi NNH pada permasalahan ini adalah sebagai pembatas ruang pencarian, agar solusi yang dihasilkan oleh CS lebih baik dan lebih optimal serta hasil pencarian solusi oleh CS tidak terjebak dalam local optimum dimana jarak total yang akan dihasilkan oleh HCS akan selalu berada dibawah jarak total yang dihasilkan oleh NNH. Berikut adalah hasil pencarian rute terpendek dengan algoritma hybrid cuckoo search with levy flight algorithm menggunakan matlab:
Sumber: Pengolahan Data
Gambar 4.2 Hasil Pengitungan Rute Untuk Metode HCS dengan Pemrograman Matlab
Pemrograman dijalankan pada tanggal 25 Juli 2013 jam 14.45. Adapun lampiran utuk pemrograman untuk metode HCS dapat dilihat pada Lampiran E hal 52-55. Hasil penetuan rute terpendek berdasarkan metode HCS adalah Depot-CR008KRI- CR003KIA- CR0001ADM- CR009DSI- CR004SIM- CR005HIT- Depot dan total jaraknya adalah 201.8 Km.
4.2.2 Anilis Perbandingan Metode
Penentuan metode terbaik dalam penyelesaian TSP untuk mendapatkan jarak terpendek menggunakan 3 jenis algoritma seperti yang sudah dijelaskan pada sub-bab sebelumnya. Pengujian hasil dalam menentukan metode terbaik dilakukan dengan penghitungan menggunakan pemrograman matlab. Program tersebut dijalankan pada processor Inter Core 2 Duo CPU P8600 2.40 GHz. Pemrograman dijalankan pada tanggal 30 Juni 2013 jam 20.25 WIB. Program untuk masing-masing algoritma akan dijalankan sebanyak 10 kali secara berturut-tutrut. Metode NNH selalu bersifat statis, karena pada algoritma NNH tidak menggunakan bilangan random sehingga hasil yang dihasilkan akan selalu sama. Begitupun dengan waktu komputasi juga bersifat statis dan waktu komputasi saat menjalankan program sangat cepat yaitu 0.0156 detik dengan jarak total yang dihasilkan adalah 205.9 Km.
Pengujian algoritma CS dan HCS menggunakan beberapa beberapa iterasi yaitu 50, 100, 500, 1000, 10000 dan dapat dilihat pada
Lampiran F hal 56. Dari lampiran tersebut dapat dilihat total jarak yang didapatkan selalu berubah-ubah setiap kali program dijalankan, hal ini dikarenakan ke dua algoritma tersebut menggunakan bilangan random dalam penentuan rute dan jarak total. Untuk mendapatkan solusi yang optimal, jumlah iterasi memberi pengaruh dalam mendapatkan solusi optimal. Hasil pengujian yang dilakukan pada metode CS dengan Iterasi 50 menghasilkan rata-rata jarak 232.22 Km, 100 menghasilkan 232.17 Km, 500 menghasilakan 221.89 Km, iterasi 1000 mengahasilkan 220.02 Km dan iterasi yang 10000 menghasilkan 214.74 Km. Sementara hasil untuk hasil rata-rata jarak yang dihasilkan oleh algoritma HCS adalah 50 iterasi menghasilkan 203.86 Km, iterasi 100 menghasilkan 203.32 Km, iterasi 500 menghasilkan 202.07 Km, iterasi 1000 menghasilkan 202.28 Km dan iterasi 10000 menghasilkan 200.15 Km. Perbandingan jumlah iterasi dengan waktu komputasi adalah sebanding, dimana semakin banyak iterasi yang dilakukan, maka semakin lama pula waktu komputasinya, atau sebaliknya namun iterasi yang semakin banyak dilakukan akan memberikan kesempatan dalam pencarian solusi yang lebih optimal pada algoritma CS maupun HCS. Algoritma HCS menghasilkan hasil yang lebih optimum dibandingkan algoritma NNH dan CS. HCS memiliki kelebihan dalam menghasilakan solusi optimal, karena algoritma ini menggabungkan antara metode heuristik (NNH) dan metaheuristik (CS). Algoritma NNH digunakan sebagai pembatas dalam ruang pencarian CS, dimana CS akan berhenti melakukan iterasi jika menemukan solusi yang lebih baik dari pada NNH, dan CS tidak akan berhenti melakukan iterasi hingga menemukan solusi yang lebih baik dari NNH. Hal ini bertujuan untuk menghindari hasil pencarian yang dilakukan oleh CS tidak terjebak dalam local optimum. Berikut adalah grafik yang menunjukan perbandingan antara algoritma CS dan HCS berdasarkan jumlah iterasi yang dilakukan:
4.2.3 Analisis Perbandingan Biaya konsumsi Bahan Bakar berdasarkan
Rute Awal, NNH, CS dan HCS
Melihat jarak tempuh yang dihasilkan dari perhitungan menggunakan algoritma NNH, CS dan HCS, tentunya hal tersebut berdampak pada konsumsi bahan bakar. Konsusmsi bahan bakar berkaitan erat dengan jarak, dan jenis mobil. Adapun jenis mobil yang digunakan untuk melakukan distribusi adalah Isuzu Giga FTR 90 S, dimana mobil ini menggunakan bahan bakar solar. Perbandingan konsumsi bahan bakar terhadap jarak adalah 1: 10 yang artinya setiap 1 liter solar mampu menempuh jarak 10 KM. Harga solar di bulan Juli 2013 adalah Rp. 5.500,00.
Adapun perhitungan konsumsi bahan bakar untuk rute awal, NNH, CS dan HCS berdasarkan data historis keterlambatan pada tanggal 25 april 2013 adalah sebagai berikut:
1. Rute awal.
Total jarak perhitungan awal dari perusahaan adalah 273,4 KM dan perbandingan konsumsi bahan bakar adalah 1:10 .
•
•
2. Nearest Neighbor Heuristic (NNH)
Total jarak perhitungan dengan menggunakan metode NNH adalah 205.9 KM dan perbandingan konsumsi bahan bakar adalah 1:10 .
•
•
3. Cuckoo Search with Levi Flight Algorithm (CS)
Total jarak perhitungan dengan menggunakan metode NNH adalah 204 KM dan perbandingan konsumsi bahan bakar adalah 1:10 .
•
•
4. Hybrid Cuckoo Search with Levi Flight Algorithm (HCS)
Total jarak perhitungan dengan menggunakan metode NNH adalah 201.8 KM dan perbandingan konsumsi bahan bakar adalah 1:10 .
•
•
Berikut adalah grafik yang menunjukan hubungan antara jarak dengan biaya konsumsi bahan bakar:
Gambar 4.4 Perbandingan Biaya Konsumsi Bahan Bakar Berdasarkan Rute Awal, NNH, CS dan HCS
Dari grafik diatas dapat dilihat bahwa semakin jarak dan biaya konsumsi bahan bakar adalah sebanding artinya semakin jauh jalur yang ditempuh maka biaya konsumsi bahan bakar akan lebih banyak. Dari garfik diatas menunjukan biaya transportasi menggunakan HCS lebih baik dibandingkan dengan rute awal, NNH, dan CS.
4.3 Pengembangan Sistem Informasi Penentuan Jalur Distribusi Di PT Bando Indonesia
4.3.1 Requirement Analysis
Sebelum mengembangkan sistem informasi di PT. Bando Indonesia perlu dilakukan analisa kebutuhan sistem. Hal ini bertujuan agar sistem yang dibangun dapat memenuhi harapan atau mampu mencapai tujuan dari pembangunan sistem tersebut. Untuk mengetahui kebutuhan akan sistem yang akan dibangun, dilakukan pengamatan dilapangan selama periode 1 Maret hingga 1 Mei 2013. Adapun beberapa tahapan dalam analisa kebutuhan yang dimodelkan dalam notasi UML yang dilakukan oleh sistem analis dalam merancang sistem informasi di PT. Bando Indonesia adalah sebagai berikut:
1. Proses Bisnis
Berdasarkan pengamatan yang telah dilakukan di departemen logistik PT Bando Indonesia, dapat diketahui proses bisnis dalam penentuan jalur distribusi di PT Bando Indonesia. Proses bisnis yang akan dikembangkan melibatkan beberapa aktor yaitu bagian sistem marketing & sales, bagian gudang, bagian admin, bagian logistik dan supir. Adapun proses bisnisnya dimulai dari menerima pemesanan dari pelanggan oleh bagian marketing
& sales, selanjutnya bagian marketing & sales langsung melakukan
pengecekan barang apakah barang tersebut tersedia atau tidak sebelum pada akhirnya bagian marketing membuat form pemesanan. Namun aktivitas tersebut dilakukan oleh sistem diluar sistem yang akan dibangun, atau yang dikenal dengan nama author sistem. Setelah membuat form pemesanan maka bagian admin akan mengambil data pemesanan tersebut untuk kemudian akan diproses dalam membuat surat perintah kerja untuk bagian gudang. Setelah itu bagian gudang akan menyiapkan barang, dan membuat surat pengiriman barang untuk masing masing pelanggan. Sebelum akhirnya bagaian logistik akan menerima surat itu dan mengatur pendistribusiannya, menentukan rute dan menyiapkan surat jalan, dimana surat jalan tersebut akan dicetak dan diberikan kepada supir dalam menentukan jalur distibusi, dan supir akan membawa surat jalan tersebut, ketika barang tersebut telah sampai di lokasi tujuan, maka supir akan menunjukan surat tersebut ke pelanggan dan pelanggan menanda tangani surat tersebut sebagai tanda bukti. Setalah melakukan pengiriman, supir akan mengembalikan surat jalan ke bagian logistik untuk di proses dalam pembuatan form realisasi pengiriman harian. Pendistribusian barang dimulai dari jam 08.00-17.00, jika supir kembali ke depot setalah jam 17.00 maka pengiriman tersebut dinyatakan terlambat, dan bagain logistik akan mendata keterlambatan tersebut setiap harinya. Selanjutnya manajemen logistik dapat melihat laporan pengiriman bulanan dimana data dari laporan tersebut berasal dari realisasi pengiriman harian yang menunjukan keterlambatan, dengan adanya lopran pengiriman bulanan manajemen logistik dapat terus mengevaluasi setiap saat proses penentuan jalur pendistribusian barang. Kegiatan proses bisnis pada proses penentuan jalur distribusi barang yang telah dijelaskan diatas akan dimodelkan kedalam notasi UML yang dikenal dengan nama activity diagram, adapun
G ambar 4.5 Activity Diagram PT. Bando Indonesia
2. Event Table
Setelah memodelkan proses bisnis ke dalam activity diagram, langkah selanjutnya adalah mengetahui event yang ada pada activity diagram PT Bando Indonesia. Event tersebut dimodelkan ke dalam event table, dimana
event table tersebut akan memberikan list detail tentang activity diagram di
PT Bando Indonesia, event table menjadi salah satu acuan dalam mengetahui kebutuhan dari sistem yang akan dibangun pada di PT Bando Indonesia. Model event table ini kedepannya juga akan menjadi acuan dalam membuat
use case diagram. Adapun event table dari sistem yang akan dibangun pada
Tabel 4.13 Event Table PT Bando Indonesia
3. Usecase Diagram
Secara umum dalam mengetahui kebutuhan pengguna dari sistem yang akan dibangun di PT Bando Indonesia menggunakan model berbasis use case dengan pendekatan berorientasi objek untuk mengetahui kebutuhan dari pengguna sistem. Pembuatan use case diagram didasarkan pada event table PT Bando Indonesia yang telah digambarkan sebelumnya. Setiap use case menggambarkan aktivitas yang dilakukan oleh aktor dalam mengakses sistem. Dalam use case yang telah dirancang terdapat aktivitas include yang artinya
use case include akan selalu dilakukan oleh use case utama atau use case include adalah bagian dari use case utama, pada kasus ini kegiatan
menampilkan pemesanan merupakan bagian dari use case membuat surat perintah kerja yang dilakukan oleh admin, setiap kali bagian admin membuat surat perintah kerja, maka akan selalu ditampilkan pemesanan barang yang telah dipesan dan sama halnya dengan kegiatan menentukan rute yang merupakan bagian dari membuat surat jalan. Usecase diagram ini kedepannya akan dijadikan acuan dalam perancangan sequence diagram. Adapun use case diagram dalam perancangan sistem informasi penentuan jalur distribusi di PT Bando Indonesia adalah sebagai berikut:
Gambar 4.6 Use Case Diagram PT. Bando Indonesia 4. Use Case Description
Pemodelan use case description secara umum berisikan dokumentasi rinci dari use case diagram yang telah dibuat sebelumnya . Use case description sekaligus menjelaskan flow event. Setiap use case yang ada dalam use case
diagaram di PT Bando Indonesia akan dijelaskan secara detail dalam use case description. Adapun use case description dari sistem informasi
penentuan rute di PT Bando Inonesia dapat dilihat pada lampiran G hal 57-61 5. Domain Class Diagram
Problem Domain secara umum berisikan hal-hal yang dihadapi pengguna
ketika mereka melakukan pekerjaannya yang dibutuhkan sebagai bagian dari sistem, pada sistem yang akan dibangun di PT Bando Indonesia ini ada beberapa problem domain yaitu: barang, pelanggan, pemesanan, detail surat jalan, surat perintah kerja, surat pengiriman barang, form realisasi pengiriman harian, surat jalan dan detail surat jalan. Class pemesanan, pelanggan, dan barang bukan bagian dari sistem yang akan dibangun, class tersebut merupakan author system, namun sistem yang akan dibangun dapat melihat (get data) untuk kemudian digunakan pada sistem yang akan dibangun.
Problem domain di PT Bando Indonesia akan dimodelkan dalam bentuk Domain class diagram dimana model ini akan menunjuknan keterkaitan atau
asosiasi antar kelas. Berikut adalah model domain class diagram pada sistem yang akan dibangun:
Gambar 4.7 Domain Model Class Diagram PT. Bando Indonesia 6. Activity Data Matrix
Pemodelan Activity data matrix dapat digunakan untuk mengetahaui kesesuain, ketepatan dan korelasi antara use case dan class diagram. Activty
data matrix biasa menunjukan aktivitas craeate, read, update, dan delete atau
yang dikenal dengan akronim CRUD. Pada activity data matrix untuk PT Bando Indonesia terdapat beberapa activity yang hanya membaca data
entities yaitu activity menampilkan pemesanan dimana data entities yang
dibaca adalah pemesanan, barang, pelanggan dan menentukan rute hanya membaca data entities detail surat jalan, namun data entities tersebut perlu dimunculkan di class diagram karena data yang dibaca terebut dibutuhkan untuk menunjang kinerja sistem yang akan dibangun. Selain itu setiap activity CRUD untuk data entities adalah activity yang dianggap penting dalam class
diagram. Berikut adalah activity data matrix untuk sistem informasi yang
akan dibangun:
7. State Machine Diagram
Model state machine diagram di PT Bando Indonesia akan menunjukan proses transisi yang terjadi pada sistem penentuan rute distribusi, serta untuk membangun dan mengidentifikasi states yang tepat untuk objek yang ada. Berikut adalah state machine diagram di PT Bando Indonesia:
1. Class: Surat Perintah Kerja
G ambar 4.8 State chart Surat Perintah Kerja
2. Class: Surat Pengiriman Barang
Gambar 4.9 State chart Surat Pengiriman Barang 3.Class: Surat Jalan
Open for add items /createSuratJalan()
Delivered /completeSuratJalan()
/addSuratPengirimanBarang()
/addSuratPengirimanBarangUrut()
Gambar 4.10 State chart Surat Jalan 4. Class: FRPH
Gambar 4.11 State Chart FRPH 8. System Sequence Design (SSD)
Penggambaran aktivitas dari aktor ke windows form aplikasi perlu untuk diketahui agar sistem analis mengetahui kebutuhan pengguna saat mengakses sistem. Interaksi tersebut disesuaikan dengan use case diagram PT Bando Indonesia. Aktivitas tersebut akan dimodelkan kedalam bentuk system
sequence design (SSD) PT Bando Indonesia dimana model tersebut dirancang
untuk menunjukan aliran aktivitas dari aktor dengan sistem dalam menjalankan aplikasi yang akan dibangun. Adapun SSD untuk perancangan sistem penentuan jalur distribusi di PT Bando Indonesia yang akan dibangun dapat dilihat pada lampiran H hal 62-64.
4.3.2 Design System
Setelah melakukan analisa kebutuhan, langkah selanjutnya dalam mengembangkan sistem informasi adalah mendesain sistem tersebut. desain sistem yang akan dibangun di PT Bando diharapkan dapat memudahkan pengguna dalam menacapai tujuan dari perancangan sistem tersebut yaitu menemukan jalur distribusi terpendek, dengan menggunakan metode HCS, dimana sistem informasi ini mampu berperanan dalam menunjang kinerja dari metode tersebut, sehingga dapat menjadi acuan dalam mengambil keputusan.
Adapun beberapa tahapan dalam perancangan sistem penentuan jalur distribusi di PT Bando Indonesia yang dimodelkan ke dalam notasi UML adalah sebagai berikut:
1. First Cut Design Class Diagram
Pada design class diagram, first-cut design class diagram PT bando merupakan lanjutan dari domain model class diagram yang dikembangkan selama proses object orinted. Pada first cut class diagram menunjukan hubungan asosiasi serta atribut yang terdapat dalam class yang dinyatakan sebagai public atau private dan setiap atribut harus ditentukan jenisnya, seperti karakter atau numerik (integer, string date dll). Berikut adalah gambaran dari firts cut design class diagram untuk sistem yang akan dibangun:
Gambar 4.12 First Cut Class Diagram PT. Bando Indonesia 2. Deployment Environment (DE)
Dalam perancangan sistem informasi pada PT. Bando Indonesia perlu melakukan perancangan deployment environment, agar sistem yang dibangun dapat berjalan sebagaimana mestinya. Sistem yang dibangun menggunakan bahasa pemrograman C# dan matlab. Pemrograman matlab pada sistem ini adalah komponen luar yang akan dikombinasikan dengan sistem utama yang dirancang dengan C# yang menggunakan
local database C# (NET Framework) untuk menjalankannya. Berikut
adalah detail dari spesifikasi yang dibutuhkan agar sistem dapat berjalan sebagaimana mestinya:
Tabel 4.15 Deployment Environment PT. Bando Indonesia
Komponen Sistem Spesifikasi Minimal
Requierement Perangkat Lunak
(Software)
Database NET Framework 4 Compiler Runtime Matlab dan C#
Perangkat Keras (Hardware) Processor Core i3 2.4 Ghz RAM 1 GB DDR3 GPU 512 MB HDD 50 GB Server 1 input Client 2 output
System Type 32-bit Operating System Jaringan (Network) Rate of Transfer Data 100 Mbps 3. Software and Deployment Architecture
Software architecture dan Deployment architecture yang akan dibangun
pada sistem informasi di PT. Bando Indonesia perlu diperkirakan dengan baik, agar sistem tersebut mampu berjalan didalam DE dari suatu organisasi. Pada sistem yang dibangun menggunakan prinsis distributed
architecture pada deployment architecture karena terdapat 2 database
yang terpisah dalam sistem yang dibangun, namun saling terhubung. Sistem software aplikasi yang dibangun menggunakan prisisip three tier
architecture dimana layer aplikasi dan data berada pada server data base
yang berbeda dan terpisah, database yang pertama adalah application
server database (komponen matlab) dimana komponen ini menggunakan database yang berbeda dari sistem yang telah dibangun, matlab
menggunakan local database yang telah tersedia didalam bahasa pemrograman tersebut untuk menampung sementara data matriks jarak sebelum dipindahkan ke dalam database server. Sistem informasi yang dibangun menggunakan database NET Framework 4 untuk menyimpan semua data pada sistem yang telah dibangun. Berikut adalah penggambaran dari software architecture:
Adapun keunggulan penggunaan three tier architecture terhadap sistem yang telah dibangun adalah sebagai berikut:
1. Keluwesan teknologi dalam hal untuk mengubah database server data
2. Keunggulan kompetitif dimana mampu bereaksi dengan cepat jika terjadi perubahan dalam penambahan data, terutama dalam database aplikasi matlab, jika terjadi penambahan customer, jarak maka perubahan dapat dilakukan pada database matlab.
3. Meningkatakan customer service
4. Mampu mengurangi resiko kesalahan dalam penghitungan rute jarak, karena aplikasi matlab tersebut mampu memecahkan TSP dalam penentuan rute distribusi yang ada pada PT Bando Indonesia secara tepat, cepat dan akurat.
5. Sebagai competitive advantage. 3. Component Diagram
Sistem informasi penentuan jalur distribusi di PT Bando Indonesia dibangun dengan menggabungkan dua komponen sistem yang berbeda yaitu komponen tools penentuan rute, dimana komponen tersebut dibuat dengan menggunakan bahasa pemrograman matlab dan komponen selanjutnya dibangun menggunakan C# dimana komponen ini adalah komponen utama dalam sistem yang akan dibangun. Penggabungan ini bertujuan untuk meningkatkan kinerja dari sistem yang akan dibangun, dimana komponen
tools matlab mampu menghasilkan perhitungan yang akurat, tepat dan cepat
dibandingkan C#, sehingga komponen tersebut digabungkan dengan sistem yang dibuat dengan menggunakan C#. Penggabungan komponen tersebut dimodelkan dalam bentuk Component diagram dimana model ini menunjukan komponen-komponen yang ada pada sistem yang telah dibangun dan bagaimana komponen tersebut saling terkait dalam satu sistem yang terpadu. Berikut adalah gambaran interaksi dan keterkaitan antar komponen tersebut yang digambarkan dalam component diagram:
Ga mbar 4.14 Componet Diagram PT Bando Indonesia
4. Three Layer System Sequence Design
Model Three layer SSD merupakan penggambaran secara detail dari SSD PT Bando Indonesia, dimana seluruh aliran aktivitas aktor dengan sistem akan dijabarkan secara detail mulai mulai dari view layer, domain
layer hingga data acces. Adapun three layer SSD PT bando Indonesia
untuk sistem penentuan jalur distribusi yang akan dibangun dilampirkan pada lampiran H hal 66-69.
5. Partial Design Class Diagram
Sebelum merancang update class diagram, semua method yang ada pada
controller masing-masing layer di three layer SSD PT Bando Indonesia
akan di pindahkan ke dalam pengembangan design class diagram, yang dikenal dengan pemodelan partial DCD. Hal ini bertujuan untuk memudahkan perancangan update class diagram, dan memudahkan dalam memahami setiap method didalam class diagram. Adapun partial design class diagram dapat dilihat pada lampiran J hal 70-71.
6. Update Design Class Diagram
Update design class diagram merupakan lanjutan dari first cut class diagram. Update design class diagram memiliki hubungan dengan three layer system sequence diagram dimana seluruh method yang ada pada controller di three layer SSD akan dipindahkan ke dalam class namum method tersebut telah ditampung di partial DCD sehingga update class diagram yang akan dibangun cukup menampilkan asosiasi dari class
detail dengan class utama dimana class utama mengambil data dari class detail seperti class pemesana mengambil data dari detail pemesanan dan surat jalan mengambil data dari detail surat jalan. Berikut adalah update
Gambar 4.15 Update Class Diagram PT. Bando Indonesia 7. Package Diagram
Model Package diagram ini menjelaskan asosiasi class- class yang dikelompokan dan saling berkaitan, package diagram ini meliputi tiga desain layer yang ada pada three layer SSD yaitu:
- view layer ini berisi object boundary yang ada pada sequence diagram. Pada package diagram yang telah dibangun, UI dari
applikasi yang akan dibangun, sehingga memudakan user dalam berinteraksi dengan sistem.
- domain layer berisi object handler dan object class diagram
(update class diagram). Pada sistem yang dibangun domain layer
package diagram merupakan tempat terjadinya pemrosesan data,
dimana data akan diolah sebelum disimpan dalam database.
- Acces layer ini berisi object data acces yang ada pada sequence diagram. Pada acces layer ini data yang diolah pada domain layer
akan disimpan dalam database.
Berikut adalah package diagram yang menunjukan interaksi antar 3 layer tersebut pada sistem informasi penentuan jalur dsitribusi di PT Bando Indonesia:
Gambar 4.16 Package Diagram PT. Bando Indonesia 8. Interface Design Standard
Design GUI (Graphic User Interface) dirancang sedemikian rupa untuk
memudahkan pengguna dalam melakukan proses bisnis. Berikut adalah rancangan UI untuk sistem informasi penentuan jalur pendistribusian di PT Bando Indonesia:
4.17 Form Log In
Form log in, form ini adalah form pertama kali muncul jika user ingin
menggunkan sistem. Sistem hanya bisa diakses oleh 3 aktor yaitu, bagian admin, bagian gudang dan bagian logistik. Bagian admin menggunakan
user name peg001 dengan password peg001 dan admin hanya bisa
mengakses surat perintah kerja. Kedua bagian gudang menggunakan user
name peg002 dan password peg002 hanya bisa mengakses surat
pengiriman barang. Dan bagian logistik menggunakan user name peg003 dan password peg003 bisa mengakses semua form yang ada di sistem
mulai dari surat perintah kerja, surat pengiriman barang, surat jalan, FRPH dan laporan pengiriman bulanan.
Setelah user melakukan log in maka akan muncul tmenu utama dari sistem, adapun tampilan utama saat bagian logistik log in pada sistem adalah sebagi berikut:
Gambar 4.18 User Interface Menampilkan Menu Awal
Pada menu utama terdapat menu bar yang merupakan pilihan menu dalam menjalankan aplikasi. Pada UI yang dirancang terdapat beberapa
shortcut yang memudahkan pengguna dalam menjalankan aplikasi,
seperti buttom submit bisa digantikan dengan shortcut CTRL-S, copy dengan CTRL-C, exit dengan CTRL-Q, delete dengan CTRL-Shift-Del dan print dengan CTRL-P serta CTRL- L untuk Log in.
Gambar 4.19 User Interface Membuat Surat Perintah Kerja
User interface diatas adalah UI untuk surat perinah kerja, jika pengguna
meng-klik pengiriman pada menu bar dan memilih surat perintah kerja pada pop-up menu bar, maka akan muncul UI tersebut. Ketika buttom
insert diklik maka ID surat perintah kerja dan tanggal akan muncul
secara otomatis karena ID surat perintah kerja dan tanggal adalah auto
generate selanjutnya pengguna dapat meng-input ID pemesanan dan data
barang yang dipesan akan muncul di dalam tabel data pemesanan karena ID pemesanan terhubung dengan surat perintah kerja, dimana ID
pemesanan menyimpan data barang yang telah dipesan, sehingga data tersebut dimunculkan pada surat perintah kerja. Untuk melakukan perubahan dalam penginputan data pemesanan pengguna dapat meng-klik buttom update dan untuk menghapus data surat perintah kerja mengklik buttom delete. Buttom submit berfungsi menyimpan data,
buttom reset untuk menghapus semua data yang telah di-input dan buttom cancel adalah membatalkan penyeimpanan data. Buttom surat
perintah kerja dirancang invisible pada UI yang artinya buttom submit dan cancel akan muncul jika insert data dan update data selesai dilakukan
Gambar 4.20 User Interface Membuat Surat Pengiriman Barang Jika pengguna mengklik menu bar pengiriman dan memilih surat pengiriman barang pada menu pop-up menu bar, maka surat pengiriman barang akan muncul seperti yang ditunjukan pada gambar diatas. ketika pengguna meng-klik buttom insert , ID surat pengiriman barang dan tanggal akan muncul secara otomatis dan ketikan ID surat perintah kerja dimasukan maka nama perusahaan dan alamat akan muncul secara otomatis hal ini dikarenakan surat pengiriman barang terhubung dengan surat perintah kerja, dimana dalam surat perintah kerja yang sebelumnya terhubung dengan class pelanggan sehingga data pelanggan dapat dimunculkan ketika ID surat perintah kerja di-input. Selanjutnya pengguna dapat mengklik buttom submit untuk menyimpan data, buttom
reset menghapus data input-an dan buttom cancel membatalkan
penyimpanan data. Buttom update digunakan untuk mengubah data sebelumnya jika terjadi kesalahan penginputan data dan buttom delete untuk menghapus surat pengiriman barang. Buttom surat pengiriman barang dirancang invisible pada UI yang artinya buttom submit dan
Gambar 4.21 User Interface Membuat Surat Jalan
Jika pengguna mengklik menu bar pengiriman dan memilih surat jalan pada menu pop-up bar, maka surat jalan akan muncul seperti yang ditunjukan pada gambar diatas. ketika buttom insert di klik makan ID surat jalan dan tanggal akan muncul secara otomatis, selanjutnya pengguna wajib memilih ID surat 6 surat pengiriman barang dan data tersebut dapat dilihat di detail SPB, selanjutnya user meng-klik buttom
tools dimana tools tersebut merupakan komponen matlab yang berfungsi
sebagai penghitung rute atau jalur distribusi menggunakan metode HCS, adapun tampilan dari tools tersebut adalah sebagai berikut:
Gambar 4.23 User Interface Tools Matlab 2
User dapat mengisi checkbox yang terdiri dari 6 pelanggan, dimana user tersebut wajib memilih depot, dan selanjutnya klik buttom
hitung, dan sistem akan mengkalkulasi perhitungan sehingga menghasilkan rute yang harus dipilih dan jarak totalnya dan jika user mengklik buttom keluar maka user akan keluar dari tools tersebut. Selanjutnya user harus memilih ID surat pengiriman barang kembali pada UI surat jalan sesuai dengan gambar 4.21 berdasarkan urutan rute yang diperoleh dari perhitungan tersebut, dan menginput nama supir dan jarak total selanjutnya selanjutnya
user dapat mengklik buttom submit untuk menyimpan data, buttom reset untuk menghapus data yang akan diisi, buttom cancel untuk
membatalkan penyimpanan. Jika ada kesalahan dalam penginputan data maka user dapat meng-klik buttom update dan jika ingin menghapus surat jalan user dapat mengklik buttom delete.
Kemudian surat jalan tersebut akan di-print untuk diberikan pada supir sebagai acuan, dimana user dapat mengklik buttom print, dimana sistem ini telah terhubung dengan printer, namu hasil print-an tersebut di konversi terlebih dahulu kedalam bentuk .pdf dprint-an disimpan, untuk selanjutnya di-print. Adapun output dari surat jalan yang akan diprint adalah sebagai berikut:
Gambar 4.24 Output Surat Jalan Ketika Di-print
Surat jalan yang diprint tersebut berisikan data seperti diatas, dimana ID Surat Pengiriman Barang diurutkan berdasarkan rute pertama yang harus ditempuh, dan yang menerima surat tersebut wajib menanda tanagni surat jalan tersebut, yang mana nantinya
akan menjadi acuan dalam pengisian form ralisasi pengiriman harian. Buttom surat jalan juga dirancang invisible pada UI yang artinya buttom submit, cancel, tool matlab 1 dan tools matlab 2 akan muncul jika insert data dan update data selesai dilakukan.
Gambar 4.25 User Interface Membuat Form Realisasi Pengiriman Harian
Jika pengguna mengklik menu bar Laporan dan memilih form realisasi pengiriman harian pada menu pop-up bar, maka akan muncul form realisasi pengiriman harian seeprti gambar diatas. ketika buttom insert di klik maka IDFRPH dan tanggal akan muncul secara otomatis, selanjutnya pengguna wajib memilih status yaitu terlambat, setiap pengiriman barang dimulai dari pukul 08.00 WIB hingga pukul 17.00 WIB, mobil yang samopai di depot setelah jam 17.00 WIB dinyatakan terlambat. Jika terlambat pengguna wajib memilih radio buttom alasan keterlambatan yang telah dikategorikan dalam tiga kelompok seperti yang dilihat pada gambar diatas. selanjutnya pengguna wajib mengisi lama keterlambatan yang terjadi kedalam text box lama keterlambatan. Dalam pengisian data ini berpedoman kepada surat jalan, kemudian
buttom submit untuk menyimpan data, buttom reset menghapus
data input-an dan buttom cancel membatalkan penyimpanan data.
Buttom update digunakan untuk mengubah data sebelumnya jika
terjadi kesalahan dan buttom delete untuk menghapus FRPH.
Buttom pada FRPH juga dirancang invisible pada UI yang artinya buttom submit dan cancel akan muncul jika insert data dan update
Gambar 4.26 User Interface Menampilkan Laporan Pengiriman Bulanan
Jika pengguna mengklik menu bar Laporan dan memilih laporan pengiriman bulanan pada menu pop-up bar, maka akan muncul laporan pengiriman bulanan seperti diatas. Jika pengguna ingin melihat total keterlambatan maka pengguna diharuskan mengisi periode pengiriman barang berdasarkan FRPH, maka secara otomatis jumlah keterlambatan akan muncul dan tak hanya itu grafik dapat dimunculkan melihat keterlambatan yang terjadi sehingga dapat menjadi acuan dalam mengambil keputusan. Bila pengguna ingin melihat detailnya dapat mengklik buttom tampilkan dan bila ingin mencetaknya dapat mengklik buttom print (CTRL-P). Adapun output dari laporan pengiriman bulanan yang akan diprint adalah sebagai berikut:
Gambar 4.27 Output Laporan Pengiriman Bulanan Ketika Di-print 4.4 Hasil Uji Coba Sistem
Setelah sistem dibangun akan dilakukan uji coba sistem apakah sistem tersebut memenuhi ekspetasi. Uji coba sistem ini bertujuan menunjukan bagaimana sistem tersebut dapat menunjang proses bisnis perusahaan. Pengujian sistem yang dibangundilakukan secara unit testing. Pengujian sistem dalam penentuan jalur distribusi menggunakan metode HCS berbasiskan sistem infomasi terhadap data historis keterlambatan yang ada pada PT Bando Indonesia menghasilakan hasil sebagai berikut:
Tabel 4.16 Perihitungan Rute Bedasarkan Data Historis Kerterlambatan
No Jarak Total 1 Depot- CR002AHM CR001ADM CR004SIM CR009DSI CR005HIT CR008KRI Depot 201,3 2 Depot CR008KRI CR003KIA CR006UTR CR004SIM CR009DSI CR005HIT Depot 194.1 3 Depot CR018SII CR017MSI CR016PGI CR015YDI CR010MII CR013HPM Depot 288,8 4 Depot CR008KRI CR003KIA CR006UTR CR009DSI CR007ADP CR004SIM Depot 194.5 5 Depot CR018SII CR014SKI CR013HPM CR011PMI CR012HMI CR010MII Depot 241,9 6 Depot CR014SKI CR011PMI CR013HPM CR017MSI CR016PGI CR018SII Depot 235,4 7 Depot CR001AHM CR02AHM CR009DSI CR007ADP CR004SIm CR005HIT Depot 204.1 8 Depot CR011PMI CR013HPM CR014SKI CR010MII CR017MSI CR016PGI Depot 194,9 9 Depot CR016PGI CR017MSI CR010MII CR013HPM CR015YDI CR018SII Depot 292,4
Rute
Dari hasi perhitungan dengan menggunakan sistem yang telah dibangun menunjukan bahwa metode HCS berbasiskan sistem informasi tersebut mampu menghasilkan jalur distribusi yang lebih baik dibandingakan secara manual. Keunggulan metode HCS pada penelitian ini adalah metode tersebut mampu yang menghasilkan perhitungan yang lebih baik dibandingkan NNH dan CS dalam menentukan jalur distribusi dan jarak total. Tak hanya itu saja sistem informasi menunjang kinerja sistem dalam melakukan penentuan jalur distribusi dari ketepatan hasil perhitungan, keakuratan hasil dan kecepatan kalkulasi dalam penentuan jalur distribusi.
Selain itu, sistem yang dibangun dapat meminimalisasi kegiatan manual, dimana pada sistem yang dibangun data pengiriman disimpan dalam database, yang setiap saat data tersebut dapat dilihat dan dievaluasi kinerja dari departemen logistik tersebut dalam menentuka jalur distribusi. Dan juga hasil dari realisasi pengiriman harian akan disimpan dalam database sistem, dimana sebelumnya data pengiriman harian seperti (rute yang dipilih, jarak total, data keterlambatan beserta alasan keterlambatan) tidak dibukukan atau tidak dicatat.
