Jurnal Ilmiah Maksitek Vol. 2 No. 2 Mei 2017 ISSN-2548 – 429x OPTIMISASI SISTEM TRANSPORTASI UBI KAYU BERBASIS ASSIGNMENT MODEL SEBAGAI BAHAN BAKU INDUSTRI TAPIOKA HADI SUTANTO SARAGI LECTURER OF ENGINEERING MANAGEMENT; FACULTY OF INDUSTRIAL ENGINEERING INSTITUT TEKNOLOGI DEL, LAGUBOTI, TOBASA, SUMATERA UTARA Email :
[email protected] ABSTRACT. Optimization of raw material transportation system is very important in the field of industry because, one of the highest operational costs in the industry lies in the raw material transportation system. In the transportation system of raw materials required an inventory as a storage area of raw materials that have not been processed into finished materials. The location of different materials materials as well as limitations in the supply of raw materials becomes a challenge in the transportation of raw baha. The optimal transportation system becomes very important for the sustainability of an industry. The modelbased transport modeling model using linear program will produce an optimal transportation system with the lowest operational cost from the transportation equipment selection and the intended location. Operational costs are generated from the fuel spent by means of transportation used to transport raw materials. The choice of transportation used must be in accordance with the capacity of the available raw materials. From this research will be optimized the transportation system of tapioca flour raw materials in PT. Hutahaean. Keywords: Linear Program, Optimization, Transportation Model, Raw Materials, Assignment PENDAHULUAN Sistem transportasi bahan baku dalam bidang industri saat ini merupakan suatu permasalahan yang besar dikarenakan biaya transportasi yang cukup mahal dan bahan baku yang sulit didapatkan. Model transportasi yang optimal akan menghasilkan penghematan yang sangat signifikan di bidang industri. PT Hutahean merupakan salah satu industri yang bergerak dibidang produksi tepung tapioka. Bahan baku utama yang digunakan pada industri ini adalah ubi kayu. Ubi kayu pada industri tapioka diperoleh dari berbagai lokasi lahan pertanian ubi. Letak lokasi pertanian yang berbeda-beda dan jauh dari pusat pabrik pembuatan tepung menjadi suatu kendala tersendiri dalam bidang transportasi bahan baku. jika bahan baku tidak terpenuhi maka target hasil produksi juga akan berkurang dan demand tidak akan terpenuhi. selain itu, jumlah bahan baku yang tersedia pada setiap lokasi berbeda-beda sehingga dibutuhkan alat transportasi yang memiliki kapasitas yang sesuai dengan bahan baku yang tersedia. Data Analisis studi kasus yang akan diolah pada peneitian ini adalah data dari industri tapioka PT. Hutahaean yang terletak di Desa Pintubosi Kabupaten Toba Samosir. Kapasitas mesin pengolahan tepung tapioka adalah 12 ton/jam dan mesin yang berfungsi ada dua buah. Waktu kerja tiap mesin mencapai 7 jam/hari sehingga total ubi yang dapat diolah tiap harinya adalah 168 ton dan menghabiskan biaya transportasi sebesar Rp 1.511.750,00-. Sumber tepung tapioka didapatkan dari pertanian ubi yang terletak di 5 lokasi yang berbeda yaitu Porsea, Silaen, Balige, Siborong-borong dan Habinsaran. Setiap sumber memiliki kapasitas produksi yang berbedabeda untuk menyuplai bahan baku ubi. Data produksi ubi tiap lokasi dapat dilihat pada tabel 1 [4]. Semetara alat transportasi pengangkutan yang tersedia ada 4 truck kecil dengan kapasitas 2.5 ton dan 7 truck besar dengan kapasitas 7.5 ton. Biaya operasional truck kecil Rp.650/km dan truck besar Rp.1900/km. Jarak antara tiap lokasi menuju pabrik akan diperlihatkan pada tabel 2.
84
Jurnal Ilmiah Maksitek Vol. 2 No. 2 Mei 2017 ISSN-2548 – 429x Tabel 1. Data Produksi Ubi Tiap Lokasi Lokasi Porsea Silaen Balige Siborong-borong Habinsaran
Produksi Ubi (ton/hari) 38 45 34 65 57
Model transportasi merupakan hal yang khusus dalam bidang program linear yang terdiri dari sumber (source) dan tujuan (destination)[1]. Model transportasi digunakan untuk meminimumkan biaya transportasi. Untuk memodelkan sistem transportasi dibutuhkan fungsi objektif, fungsi batasan dan variable yang menentukan fungsi objektif itu sendiri. Asignment model merupakan suatu optimisasi dalam bentuk penugasan terhadap pekerjaan[7][8]. Dengan menggabungkan kedua metode ini maka kita akan mengahasilkan sistem transportasi yang lebih optimal[5][9]. Proses optimisasi merupakan suatu proses untuk memaksimalkan keuntungan (profit) atau meminimumkan biaya operasional (cost)[2].Model transportasi yang dibangun membentuk suatu program linear yang dapat dipecahkan mengunakan metode simplex[6]. Metode simplex memiliki proses yang rumit sehingga dibutuhkan suatu program komputasi untuk memecahkan program linear. Tabel 2. Jarak Antar Lokasi Ubi dan Pabrik Km Factory Porsea Habisaran Silaen Balige Siborongborong
Factory X 22 44 34 14 37
Porsea 22 X 37 30 23 46
Habisaran 44 37 X 15 47 70
Silaen 34 30 15 X 38 60
Balige 14 23 47 38 X 25
Siborongborong 37 46 70 60 25 X
Kapasitas inventory yang dimiliki oleh pabrik tepung tapioka adalah 10 ton. Dengan kapsitas inventory yang terbatas tersebut diharapakan kendaraan yang beroperasi pada saat pengambilan bahan baku tidak melebihi jumlah kebutuhan baku yang diproses setiap hari dan jumlah kapasitas inventory. METODE PENELITIAN Pada penelitian ini akan digunakan metode program linear dalam bentuk model transportasi untuk menentukan kondisi optimal suatu sistem transportasi. m
n
min C C ij X ij fungsi objektif, i 1 j 1
n
j 1
Cij Xij
m
n
i 1
j 1
X ij
m
i 1
S i j fungsi pembatas,
= biaya per unit dari sumber i ke tujuan j = jumlah unit dari sumber i ke tujuan j
85
Jurnal Ilmiah Maksitek Vol. 2 No. 2 Mei 2017 ISSN-2548 – 429x Si = Kapasitas suplai sumber i sumber, i = 1,2,3..,m tujuan, j = 1,2,3..,n Dengan menerapkan konsep program linear menggunakan method simplex makan kita akan mendapatkan solusi yang optimal dari permasalahan transportasi tepung tapioka[3]. Sistem transportasi ini berkaitan dengan proses network model yang membentuk jaringan sistem transportasi[10]. Jaringan sistem transportasi akan diperlihatkan oleh gambar 1.
Gambar 1.Jarigan sistem transportasi Gambar 1. memeperlihatkan bahwa sistem transportasi bahan baku membentuk suatu model jaringan. Model jaringan sistem transportasi ini akan dimodelkan secara matematis yang sesuai dengan variable keputusan, fungsi tujuan dan batasan yang dimiliki oleh sistem transportasi. Lokasi inventory berada pada kawasan pabrik tapioka sehingga biaya transportasi antara pabrik dan inventory diabaikan. HASIL PEMBAHASAN Pembentukan assignment model berdasarkan data-data yang telah terkumpul akan mempermudah dalam analisis optimisasi sistem transportasi. Model terbentuk dari variable keputusan yang terdiri dari jenis kendaraaan yang beroperasi dan perjalanan yang dilalui. Fungsi objective yang merupakan sum product antara biaya transportasi, kapasitas kendaraaan dan kendaraan yang beroperasi. Sementara fungsi batasannya adalah jumlah ketersediaan ubi pada sumber. Penggunaan aplikasi solver sangat dibutuhkan dalam membantu perhitungan dan pembentukan assignment model. Assignment model yang terbentuk akan diperlihatkan pada gambar 2 dimana symbol K1,K2,K3 dan K4 merupakan simbol untuk kendaraan kecil yang berjumlah 4 buah, dan B1,B2,B3,B4,B5,B6, dan B7 simbol untuk kendaraan kapasitas besar sebayak 7 buah. Kendaraan kecil akan memiliki biaya transportasi yang lebih murah namun kapasitas yang dimiliki lebih kecil dibandingkan dengan kendaraan besar.Lokasi terjauh terletak di Siborong-borong dengan biaya transportasi untuk kendaraan kecil sebesar Rp. 24.050 dan kendaraan besar sebesar Rp 70.300,00-. biaya tersebut merupakan biaya untuk sekali perjalanan, sehingga dalam kondisi pergi dan kembali biaya transportasi akan diasumsikan menjadi dua kali lebih besar. Namun, pada penelitian ini untuk mempermudah perhitungan biaya transportasi masih dihitung dalam sekali perjalanan yaitu pada proses pengantaran ubi dari kawasan perkebunan menuju pabrik.
86
Jurnal Ilmiah Maksitek Vol. 2 No. 2 Mei 2017 ISSN-2548 – 429x Pada Gambar 2 loading to car setiap kendaraan diisi penuh untuk memaksimalkan kapasitas kendaraan sehingga mngoptimalkan biaya pengangkutan jika masih memungkinkan untuk disimpan di inventory. Jika jumlah bahan baku yang dibawa oleh sistem transportasi melebihi kapasitas penggunaan bahan baku harian dan inventory maka bahan baku akan terbuang secara cuma-cuma. Namun, pada penelitian ini telah ditentukan pada fungsi batasan mengenai kapasitas inventory yang tersedia.
Gambar 2. Pembentukan Matriks Optimisasi Sistem Transportasi berbasis Assignment Model Setelah terbentuknya matriks Optimisasi Sistem Transportasi berbasis assignment model maka akan dilakukan proses iterasi metode simplex yang akan dibantu oleh aplikasi komputer solver. Setelah menlalui jutaan iterasi maka hasil optimisasi akan diperlihatkan pada gambar 3.
Gambar 3. Hasil Optimisasi Sistem Transportasi Berbasi Assignment Model Pada gambar 3. Indikator transportasi aktif dan kawasan yang dituju oleh transportasi tersebut ditandai dengan simbol “1” dan yang tidak aktif dtandai dengan simbol “0”. Pada hasil optimisasi K2 dan K3 harus melalui seluruh kawasan untuk mengangkut bahan baku, K2 tidak melalui kawasan habinsaran, K4 tidak melalui kawasan porsea dan habinsaran, B1 tidak melalui kawasan Porsea dan Habinsaran, B2 hanya melalui Balige dan Siborong-borong, B3 hanya melalui Porsea dan Siborong-borong, B4 tidak melalui kawasan Balige dan Habinsaran, B5 tidak melalui kawasan Balige dan Habinsaran, B6 hanya melalui kawasan Silaen dan B7 tidak melalui kawasan Silaen dan Habinsaran. Total biaya operasional untuk pengangkutan optimal bahan baku adalah Rp 7.756.750,00-. KESIMPULAN 1. Optimisasi Sistem Transportasi berbasis Assignment model dapat diterapkan di bidang industri pengangkutan bahan baku. 2. Penghematan yang didapatkan dari proses optimisasi sistem transportasi berbasis assignment problem adalah Rp 263.450,00-, hasil ini akan terlihat berdampak signifikan ketika biaya penghematan dihitung perbulan sebesar Rp 7.903.500,00-.
87
Jurnal Ilmiah Maksitek Vol. 2 No. 2 Mei 2017 ISSN-2548 – 429x 3. Operasional sistem transportasi yang optimal akan mendukung kinerja industri dengan peyediaan bahan baku yang sustainable dan dapat mereduksi penggunaan bahan bakar fosil sehingga dapat juga memberikan dampak postif pada lingkungan. DAFTAR PUSTAKA [1] Winston, L Wayne. Operation Research Application and Algorithm. Duxbury Press. 2003 [2] Taha Hamdy A. Operation Research: An Introduction. Prentice Hall PTR, Pearson. 2007 [3] Heizer Jay. Operation Management. Prentice Hall. 2011 [4] Dinas Kehutanan dan Perkebunan. Statistik Hasil Perkebunan. 2016 [5] Zak Jacek, R Adam, S Piotr. Multiple objective optimization of fleet sizing problem for road freight transportation. 2011. J. Adv. Transp. 45:321-347 [6]Zak Jacek, R Adam, S Piotr. Modeling and optimization of transportation systems. 2011. J. Adv. Transp, 45:231-232 [7] Yin Yafeng. Multiobjective bilevel optimization for transportation planning and management problems. 2002. Journal of Advanced Transportation. Vol. 36. No. 1, pp.93-105 [8] Zak Jacek. Multiple criteria evaluation and optimization of transportation systems. 2009. Journal of Advanced Transpotation, vol 43. No.2, pp 91-94. [9] Caplice Chris and Sheffi Yossi. Optimization based procurement for transportation service. 2003. Journal of business logistics vol.24, No.2 [10] Ahuja K R and Liebchen Cristian. Special Issue of Networks on Optimization in Schduled transportation Networks. 2011. Wiley Blackwell Networks. Vol:57
88
