Pemodelan Optimasi Sistem Transportasi Bunga Krisan Berbasis Waktu Emirul Bahar
Jurusan Teknik Industri, Universitas Gunadarma Kampus Depok Jl. Margonda Raya No 100 Pondok Cina Depok Kode Pos 16424
Email:
[email protected]
ABSTRAK Kualitas bunga krisan bergantung pada penampilan dan daya tahan kesegarannya. Bunga krisan dengan mutu prima tentu mempunyai nilai jual lebih tinggi dibandingkan dengan mutu bunga krisan berkualitas rendah. Untuk mempertahankan mutu bunga krisan, perlu dilakukan beberapa perlakuan saat bunga siap panen sampai tiba di tangan konsumen. Salah satu tahap yang perlu diperhatikan adalah saat pengangkutan, karena berkaitan dengan waktu pengiriman dan suhu ruang penyimpanan yang berimplikasi kepada penurunan kualitas bunga krisan sehingga dapat menurunkan nilai komersial produk tersebut. Secara umum pemilihan alat transportasi dilakukan agar bunga krisan yang diangkut sampai di tujuan tanpa menimbulkan kerusakan yang berarti pada barang yang diangkut sehingga kegiatan pengangkutan ini dapat menghasilkan total biaya minimum selama proses transportasi berlangsung. Kata kunci: waktu pengiriman, penurunan kualitas bunga krisan, total biaya minimum
PENDAHULUAN Transportasi komoditas merupakan komponen vital pada ranah ekonomi. Transportasi ini mendukung aktivitas produksi, perdagangan, dan konsumsi dengan jaminan ketersediaan waktu dan pergerakan yang efisien pada bahan baku dan produk jadi. Perhitungan transportasi merupakan bagian signifikan pada biaya akhir produk dan representasi komponen penting pada belanja nasional suatu negara (Crainic dan Laporte 1997). Produksi bunga krisan meningkat setiap tahun, hal ini menunjukkan bahwa komoditas ini mempunyai prospek yang baik.
Produksi bunga krisan yang terus meningkat, memungkinkan
peningkatan jumlah ekspor yang diikuti oleh peningkatan kualitas bunga. Perkembangan produksi bunga krisan ditunjukkan pada Tabel 1. 1
Tabel 1 Jumlah produksi dan luas panen bunga krisan (2003-2007) No. Tahun Produksi (tangkai) Luas panen (m2) 1
2003
27,406,464
2,089,780
2
2004
27,683,449
1,542,812
3
2005
47,465,794
2,076,546
4
2006
63,716,256
1,939,039
5 2007 Sumber : Departemen Pertanian (2009)
66,979,260
4,279,390
Tabel 1 menunjukkan bahwa terdapat peningkatan jumlah produksi secara perlahan pada bunga krisan.
Sedangkan pada luas panen perubahan yang terjadi dari tahun ke tahun adalah
penurunan yaitu tahun 2004 dan 2006 dan peningkatan pada tahun 2005 dan 2007. Peningkatan luas panen bunga krisan yang paling signifikan adalah dari tahun 2006 menuju 2007 yaitu sebesar 2,340,351 m2. Secara keseluruhan jumlah produksi dan luas panen bunga krisan meningkat dari tahun 2003- 2007. Secara umum kegiatan-kegiatan yang termasuk dalam industri krisan adalah awal pemesanan oleh konsumen pada produsen, pembuatan kesepakatan antara pemasok dan pembeli, penyediaan pesanan, transportasi, pendistribusian dan barang sampai di tangan konsumen. Masalah yang sering timbul di dalam kegiatan tersebut adalah ketidakefisienan pada waktu dan biaya. Barang yang dipesan sering tiba di tangan konsumen tidak tepat pada waktu yang telah disepakati, atau jumlah yang diterima konsumen tidak tepat sesuai dengan kesepakatan. Masalah-masalah ini sering menimbulkan peningkatan biaya dalam pengiriman ulang barang kepada konsumen dan penurunan kepercayaan produsen kepada produsen. Penggunaan alat transportasi juga dapat menimbulkan kerugian terutama bila terjadi kesalahan pemilihan jenis angkutan untuk pengiriman barang ke konsumen. Apalagi jika pengiriman barang dilakukan dalam jumlah yang tidak sedikit.
Pemilihan jalur transportasi yang tepat juga perlu
diperhatikan. Jika tidak, maka akan terjadi peningkatan biaya transportasi atau biaya kerugian saat pendistribusian. Penelitian di ranah penurunan kualitas produk-produk mudah rusak, telah banyak dilakukan oleh para peneliti, namun masih jarang yang mengaitkan dengan aspek sistem transportasinya, di antaranya adalah: Gite (2009) melakukan penelitian melalui pemodelan ekonomi jumlah pesanan produk mudah rusak ; Sapata, et.al. (2009) mengembangkan pemeliharaan kualitas jamur Pleurotus Ostreatus sebagai
2
tanaman sangat mudah rusak melalui pengemasan metode ―atmosfir yang dimodifikasi‖ yang dikaitkan dengan pengendalian temperatur; Maschietti (2010) melakukan pengembangan indikator waktu dan temperatur untuk produk-produk mudah rusak; Minner dan Transche ( 2010) yang meneliti Pengendalian inventori berkala dengan
kendala pelayanan untuk produk-produk mudah rusak;
Yadavalli, et.al. (2010) yang meneliti sistem inventori 2 komoditi mudah rusak; serta Bottani, et.al. (2011) mengembangkan material dan teknologi kemasan untuk produk-produk makanan komersial. Ghosh, et.al. (2011) meneliti penentuan harga dan ukuran produk mudah rusak berdasarkan kondisi produksi terbatas, pengembalian pesanan, dan kerugian penjualan; sedangkan Jia dan Hu (2011) menitikberatkan penelitiannya pada penetapan pesanan dan harga produk mudah rusak dalam lingkup rantai pasok. Tujuan penelitian ini adalah melakukan pemodelan sederhana optimisasi biaya transportasi pengiriman bunga krisan sebagai salah satu produk mudah rusak (perishable) akibat kendala waktu pengiriman yang berdampak pada penurunan kualitasnya, melalui kendali teknologi khususnya yang berkaitan dengan ruang penyimpanan (cooling storage) produk tersebut.
METODE PENELITIAN Kerangka Pemikiran 2.1 Kerangka Pemikiran Penelitian Kerangka pemikiran penelitian berbasis pada permasalahan utama yaitu adanya dua sub-sistem utama yang terlibat dalam pegangkutan bunga krisan sebagai salah satu produk mudah rusak (perishable).Kedua sub-sistem tersebut adalah sub-sistem transportasi dan penurunan kualitas. Subsistem transportasi terkait dengan teknis pengiriman, sedangkan penurunan kualitas terkait dengan sifat bunga krisan yang mudah rusak selama proses pengiriman berlangsung. Kedua sub-sistem tersebut beririsan pada aspek waktu pengiriman yang dampaknya justru bersifat diametral, yaitu menguntungkan bagi transportasi karena semakin bertambah waktu pengiriman maka semakin banyak pelanggan yang dikunjungi, namun sebaliknya merugikan terhadap bunga krisan tersebut, karena mengurangi kualitas produknya. Dalam rangka mengatasi sifat diametral tersebut, disusunlah suatu tujuan penelitian yang 3
spesifik dan secara paralel dikembangkan sebuah model integratif yang dapat mengoptimalkan tujuan yang akan dicapai dalam suatu proses optimasi terkait dengan kendala waktu pengiriman tersebut. Selanjutnya gabungan ide antara tujuan penelitian dan model integratif diwujudkan pada suatu bentuk implementasi melalui proses simulasi model integratif. Pada proses tersebut dicari suatu solusi yang didekati melalui solusi eksak dan heuristik agar dapat disandingkan atau dicapai benang merah solusi utamanya. Hasil akhir yang akan dicapai adalah berupa suatu model transportasi bunga krisan yang dapat diimplementasikan secara riel dengan menggunakan proses komputerisasi. Seluruh alur gagasan kerangka pemikiran tersebut dapat dilihat pada Gambar 1.
Waktu Pengiriman
Sub-sistem Transportasi
Sub-sistem Penurunan Kualitas
Bunga Krisan
Model Integratif
Tujuan Penelitian
Implementasi : Simulasi Optimasi Model Integratif
Pendekatan Solusi : Eksak & Heuristik
Model Akhir & Antar Muka Implementasi Model
Gambar 1 Diagram Kerangka Pemikiran Lokasi dan Waktu Penelitian Pengambilan data penelitian dilakukan di PT. SAUNG MIRWAN Ciawi dan di Taman Bunga Cipanas Jawa Barat.
Teknik Pengumpulan Data Pengumpulan data primer dilakukan untuk mendapatkan data yang bersifat temporer dan berubah setiap waktu, seperti jenis dan kualitas komoditas, waktu dan tingkat kemacetan, kondisi khusus lalu lintas serta rute yang dilalui angkutan komoditas. Sedangkan data lainnya lebih banyak
4
menggunakan data sekunder, antara lain panjang ruas jalan, jumlah populasi kendaranan angkut, rute tetap
yang
dilalui
mayoritas
kendaraan
angkut,
lokasi
fasilitas,
jenis
dan
kapasitas
angkutan.Pengumpulan data primer dilakukan melalui beberapa cara, antara lain sebagai berikut : 1. Observasi lapangan, melihat dan mendapatkan secara langsung berbagai kegiatan dalam kerangka rantai pasok berbagai komoditas bunga krisan mulai dari produsen hingga konsumen 2. Wawancara informal dengan para pelaku utama produksi dan pengiriman bunga krisan, dilakukan untuk memperoleh informasi berbagai kendala dan kemudahan pengangkutan dan pengiriman barang selama proses rantai pasok berlangsung.
Disain Model Sistem Transportasi Bunga Krisan Disain model terdiri dari tiga sub-sistem, yaitu: transportasi, penurunan kualitas, dan teknologi (Gambar 2). Karakter yang saling diametral antara sub-sistem transportasi dan penurunan kualitas diimbangi dengan sub-sistem teknologi yang sangat berperan pada optimisasi akibat perbedaan dampak waktu pengangkutan bunga krisan Sub-Sistem Transportasi : Minimasi Rute Biaya Transportasi Minimum Metode VRP
Sub-Sistem Penurunan Kualitas : Waktu Pengangkutan Bunga Krisan Prosentase Penurunan Kualitas
Sub-Sistem Teknologi : Investasi Teknologi Biaya Operasional
Gambar 2 Disain model sistem transportasi bunga krisan Pengembangan Model Di dalam penelitian ini model dibangun melalui permasalahan rute perjalanan kendaraan angkut yang mencari jalur optimum pengangkutan bunga krisan sebagai salah satu komoditas mudah rusak melalui berbagai jenis kendaraan angkut (angkutan).Pada umumnya, jalur optimum yang dimaksud adalah jalur terpendek (berbasis jarak).Dengan menggunakan metode Vehicle Routing Problem With Time Windows (VRPTW)ditunjukkan bahwa pencarian jalur optimum yang dimaksud tidak saja berdasarkan jarak terpendek, namun juga berdasarkan waktu angkut komoditas yang pengaruhnya sangat signifikan pada penurunan kualitasnya (Osvald dan Stirn 2008).
5
Sistem Transportasi Bunga Krisan (STBK), merupakan sistem penunjang keputusan yang dirancang dan dibangun dengan melibatkan beberapa teknik dan metode pemodelan di dalam pengembangannya, diantaranya melalui metode VRPTW dan analisis gradient penurunan kualitas.
Pengembangan Model Sub-Sistem Transportasi Pihak produsen menghasilkan sejumlah bunga krisan setiap harinya, kemudian produk tersebut didistribusikan ke sejumlah pelanggan yang berjumlah 6 titik lokasi penyebaran. Pelanggan dinyatakan dengan sebagai n dengan n=1 menyatakan depot atau lokasi produsen. Jumlah permintaan bunga krisan ke setiap titik telah diketahui sebelumnya.Pendistribusian dilakukan dengan menggunakan 3 kendaraan angkut berbeda, dengan kapasitas yang berbeda untuk setiap kendaraan.Setiap memulai aktivitas pendistribusian, setiap kendaraan wajib berangkat dari depot dengan muatan yang tidak melebihi kapasitas angkut, dan wajib kembali ke depot dengan muatan kosong.Biaya tetap kendaraan muncul jika kendaraan tersebut dipakai dalam kegiatan distribusi.Masalah yang dihadapi adalah meminimumkan banyaknya kendaraan yang digunakan dengan mempertimbangkan kendala kapasitas pada kendaraan dan untuk memenuhi setiap permintaan pelanggan. Beberapa asumsi yang yang digunakan, antara lain adalahsemua pesanan pelanggan dapat dipenuhi oleh produsen, kecepatan kendaraan konstan untuk setiap jenis kendaraan sehingga tidak ada satupun yang dapat mempercepat atau memperlambat kecepatan kendaraan. Sedangkan kendaraan yang digunakan ada 3 jenis kendaraan angkut yang berbeda dengan kapasitas dan kecepatan tempuhyang berbeda pula.Biaya tetap dan operasional kendaraan setiap kilometernya telah diketahui.
Pengembangan Model Sub-Sistem Penurunan Kualitas Berdasarkan Gambar 3 model penurunan kualitas, kualitas dalam rentang Q[0,1] pada periode waktu A-B dapat dianggap sebagai sebuah fungsi linier sebagai berikut : (1) Diasumsikan bahwa kualitas Q ekivalen dengan nilai komersial produk. Misalkan kehilangan kualitas 20% dapat dikaitkan dengan kerusakan muatan produk 20% dan hanya 80% produk saja yang bernilai jual. Selanjutnya berdasarkan data lapang bahwa rata-rata kerusakan produk bunga krisan untuk seluruh tipe angkutan berkisar antara 0,16% sampai dengan 0,5%. Berdasarkan data riil tersebut, diasumsikan bahwa jadwal distribusi produk bunga krisan diatur tanpa mempertimbangkan kerusakan kualitas pada fungsi tujuan yang selalu berakhir sebelum titik B tercapai. 6
Gambar 3 Model Penurunan Kualitas (Pawsey, 1995) Realitasnya adalah sulit untuk mendefinisikan tingkat penurunan kualitas produk sepanjang waktu secara aktual, karena hal ini sangat bergantung pada kondisi penyimpanan dan jenis bunga krisan yang diangkut.Menurut Marimin dan Maghfiroh (2010) ciri pengukuran yang baik salah satunya adalah faktor kepraktisan, yaitu jika pengukuran tersebut hemat, mudah dipakai dan dapat dimengerti, sehingga dapat dipilih sebuah metode yang cukup praktis untuk mengatasi realitas tersebut.Salah satu metode penaksiran yang rasional adalah melalui perbandingan 2 jadwal pengiriman yang berbeda untuk 1 jenis muatan yang sama menurut Osvald dan Stirn (2008). Intinya adalah jika diketahui kualitas akhir salah satu jadwal pengiriman, maka dapat ditaksir kualitas akhir salah satu pengiriman relatif terhadap jadwal pengiriman lainnya. Untuk membandingkan penurunan kualitas dari 2 jadwal pengiriman yang berbeda, dapat menggunakan persamaan sebagai berikut : ∑
(2)
∑
dimana Ni
(3)
merupakan jumlah pelanggan untuk kendaraan angkut i, Cji kuantitas muatan yang
diangkut dengan kendaraan i pada jalur diantara pelanggan j dan (j+1). Sedangkan Travel Timej(j+1) merupakan waktu yang dilakukan kendaraan i diantara awal pelayanan pelanggan j dan (j+1), adapun ckmerupakan kuantitas muatan yang dikirim ke pelanggan k. Load x Time menunjukkan kuantitas muatan yang dikirim oleh kendaraan angkut i menuju ke beberapa pelanggan, dikalikan dengan waktu pengiriman yang dibutuhkan. Ketika kebergantungan linier kualitas terhadap waktu bersifat tetap, maka Load x Time tersebut bersifat proporsional terhadap penurunan mutlak kuantitas muatan. Contohnya jika terdapat peningkatan 20% Load x Time, maka 7
akan menyebabkan pengurangan 20% nilai jual/nilai komersial. Jika terdapat 2 jadwal pengiriman berbeda dan dapat diketahui penurunan kualitas salah satunya (jadwal-1), maka dapat ditaksir penurunan efektif pada jadwal lainnya (jadwal-2) dengan menggunakan parameter yang telah disebutkan sebelumnya. Penurunan kualitas mengindikasikan sebuah biaya tambahan bagi pengirim, karena sulit untuk kembali dijual dipasaran akibat jatuhnya nilai komersial produk tersebut.
Pengembangan Model Sistem Integratif Pengembangan model sistem integratif merupakan penyatuan 2 buah sub-sistem, yaitu subsistem transportasi dan sub-sistem penurunan kualitas, yang dibantu dengan peran investasi teknologi sebagai bagian sub-sistem teknologi, dan berperan mengendalikan implikasi waktu perjalanan terhadap biaya transportasi dan pengiriman yang bersifat diametral. Penggabungan ini diwujudkan dalam bentuk model biaya gabungan antara kedua sub-sistem sebagai berikut : (a) ∑
(b)
∑
(c) ∑
∑
∑
(d)
Variabel input: A
: waktu awal area signifikan (fixed) (jam) (jam)
B
: waktu awal area signifikan (fixed) (jam) (jam) : waktu maksimum setiap kendaraan k dalam 1 rute pengiriman (jam) : penurunan kualitas tiap kendaraan k dalam 1 rute pengiriman (% or tanpa satuan dalam desimal) :
kuantitas muatan bunga krisan (kardus) yang dikirim ke pelanggan i (kardus)
: kuantitas muatan bunga krisan (kardus) yang diangkut kendaraan k pada jalur antara pelanggan j dan (j+1)(kardus) :
waktu yang dibutuhkan kendaraan k untuk mulai melayani pelanggan j dan pelanggan (j+1) (jam)
: kuantitas bunga krisan (kardus) yang diangkut kendaraan k dikalikan dengan waktu pengiriman ke sebuah pelanggan (kardus.jam) : investasi teknologi tiap kendaraan k (fixed) (Rp) : parameter waktu (Rp/jam) : parameter Load x Time (Rp/ kardus. jam) JK
: total jumlah kendaraan
8
Min TC
: minimasi total biaya akibat penurunan kualitas bunga krisan selama proses pengiriman berlangsung (Rp)
Variabel Keputusan :
{
{ Konstanta :
Fungsi Tujuan ∑
∑
∑
(1)
Beberapa Kendala : Konsumen ∑
∑
(2)
∑
∑
(3)
Depot 9
∑
(4)
∑
(5)
Kekontinyuan Rute ∑
∑
(6)
Kapasitas ∑
∑
∑
∑
∑
∑
(7) Kendaraan (8) (9) (10) Eliminasi sub-tour ∑
∑
| | | |
∑
∑
(11)
Time Windows (12) ( {
)
(13)
} {
(14)
}
(15)
Keterangan: Fungsi objektif (1)
:
meminimumkan banyaknya kendaraan yang digunakan dan meminimumkan jarak tempuh kendaraan
Kendala (2) dan (3)
:
memberikan kepastian bahwa setiap konsumen yang ada akan dilayanai oleh tepat satu kendaraan angkut
Kendala (4) dan (5)
:
memastikan tersedianya kendaraan untuk melayani rute yang ada dan untuk memastikan kendaraan berangkat dan kembali dari depot
Kendala (6)
:
memastikan kontinuitas rute kendaraan yang berarti bahwa kendaraan yang masuk ke suatu kota/wilayah harus meninggalkan wilayah tersebut
Kendala (7)
:
menggambarkan bahwa jumlah permintaan untuk satu rute untuk setiap kendaraan yang berbeda 10
tidak melebihi kapasitas masing-masing kendaraan tersebut yang tidak aktif Kendala (8)
:
memastikan tidak akan ada pelanggan yang dilayani oleh kendaraan yang tidak aktif
Kendala (9)
:
memperlihatkan hubungan antara jarak, kecepatan, dan waktu tempuh kendaraan angkut, di mana jarak dan waktu tempuh berbanding lurus
Kendala (10)
:
menunjukkan bahwa jarak dari i ke j sama dengan jarak dari j ke i
Kendala (11)
:
memastikan tidak ada sub-tour pada model yang ada
Kendala (12) dan (13)
:
berkaitan dengan waktu pelayanan. Pada kendala (12) dipastikan waktu kedatangan kendaraan di lokasi pelanggan berada diantara waktu buka dan tutup gudang. Kendala (13) memastikan kendaraan akan berada di j pada saat kendaraan berangkat dari i ditambah dengan waktu pelayanan pada i dan waktu tempuh dari i ke j. Sedangkan M merupakan bilangan yang relatif besar jika bernilai lebih besar, maka rute pelanggan i ke j tidak akan ditempuh dan sebaliknya
kendala (14) dan (15)
:
menunjukkan bahwa merupakan variabel keputusan yang bernilai 1 dan 0
Implementasi Model Sistem Integratif Impelementasi model sistem integratif diwujudkan melalui
simulasi komputer yang
menggunakan perangkat lunak LINGO ver. 11. Dibutuhkan beberapa data untuk menghasilkan output akhir efisiensi biaya yang dihasilkan, jika ada campur tangan faktor teknologi pada proses pengiriman bunga krisan. Data-data tersebut antara lainsebagai berikut: Waktu perjalanan sebuah rute (t)
:
waktu yang dibutuhkan oleh sebuah untuk mengangkut bunga krisan pelanggan yang tepat dikunjungi melalui lokasi keberangkatan depot kembali ke depot tersebut
Waktu awal rentang signifkan (A)
:
merupakan waktu awal dari sebuah rentang waktu A-B pada daerah signifikan yang merupakan bagian dari seluruh waktu perjalanan
Waktu akhir rentang
:
merupakan waktu akhir dari sebuah rentang waktu A-B pada daerah signifikan yang 11
kendaraan ke setiap satu kali, dan harus
signifkan (B)
merupakan bagian dari seluruh waktu perjalanan
Ketiga data waktu tersebut memakai satuan jam.Penentuan ketiga waktu tersebut berdasarkan data empirik di lapang yang sesuai teori Kader et al. (1985) bahwa hampir semua produk mudah rusak mempunyai rentang optimum suhu penyimpanannya. Muatan bunga krisan
:
jumlah total bunga krisan yang diangkut satu kendaran untuk melintasi satu rute, dalam satuan kardus
Biaya teknologi
:
merupakan biaya yang dikeluarkan per satu rute perjalanan, besarnya berbeda antar jenis kendaraan, satuannya dalam rupiah
Biaya transportasi
:
merupakan biaya yang dihasilkan berdasrkan implementasi pemodelan sub-sistem transportasi, satuannya dalam rupiah
Parameter muatan
:
pengali dari rupiah/kardus
Parameter waktu
:
bobot pengali dari faktor waktu perjalanan, satuannya rupiah/jam
faktor
muatan,
satuannya
Struktur analisis terbagi atas 2 bagian, sebagai berikut: 1.
Kondisi eksisting, yang merupakan kondisi pengiriman bunga krisan tanpa rekayasa faktor teknologi
2.
Skenario perubahan, dengan menekankan pada 2 faktor perubahan, yaitu perubahan kapasitas dan perubahan titik waktu akhir sesuai model sub-sistem penurunan kualitas yang merupakan implementasi teknis dari sebuah upaya investasi teknologi
HASIL dan PEMBAHASAN Rekapitulasi Data Lapang Rekapitualsi data lapang merupakan hasil dari sebuah pencarian data di lapang pada waktu riset, malalui berbagai metode, antara lain wawancara terstruktur, wawancara informal, salinan dokumen, maupun pengamatan langsung yang salah satunya adalah mengikuti proses pengiriman bunga krisan dengan ikut menumpang salah satu mobil pengangkut bunga krisan tersebut. Berikut pada Tabel 2 dan 3
merupakan rekapitulasi data lapang yang menyangkut sisi
pelanggan dan produsen yang diwakili melalui data kendaraan angkut.
Tabel 2 Data Karakteristik Pelanggan 12
NODE 1 2 3 4 5 6 7
LOKASI Depot Bandara Cikarang Cipanas Pulo Gadung Serpong Tangerang
WAKTU (am) BUKA TUTUP 0 0 4 10 8 10 10 13 8 11 12 18 10 12
LAYANAN (jam) 0 4 1 2 2 1 1
KOORDINAT LINTANG BUJUR -6.623686 106.833801 -6.107101 106.66008 -6.240903 107.166481 -6.532281 106.435547 -6.178956 106.907272 -6.198411 106.805949 -6.16991 106.631927
DEMAND 0 120 80 90 100 80 75
Tabel 3 Data Karakteristik Kendaraan Angkut
KENDARAAN NAMA 1 2 3
L-300 Engkle Double
KAPASITAS FIXED COST KEC.RATA2 INVESTASI TEK. BIAYA OPERASIONAL ( kardus ) ( Rp. ) ( km/jam ) ( Rp./jam ) 124 255000 60 125000 100 226 311000 70 151000 200 385 364000 80 182000 300
Kondisi Eksisting (Pemrograman LINGO) Kondisi eksisiting yang dimaksud merupakan kondisi optimum tanpa adanya faktor teknologi yang merupakan kendali utama untuk menyeimbangkan implikasi waktu pengiriman terhadap aspek transportasi maupun penurunan kualitas. Pemrograman kondisi eksisting memakai software LINGO dan sebagian output yang tampak pada kondisi eksisting dapat dilihat pada Gambar 4.
13
Gambar 4 Output Kondisi Eksisting
Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations:
Variable JUMLAH_KENDARAAN JUMLAH_NODE Q_A Q_B
676733.7 676733.7 0.1776357E-14 0 639
Value 3.000000 7.000000
3.000000 23.00000
Reduced Cost 0.000000 0.000000
0.000000 0.000000
KAPASITAS( 1) 124.0000 0.000000 KAPASITAS( 2) 226.0000 0.000000 KAPASITAS( 3) 385.0000 0.000000 FIXED_COST( 1) 255000.0 0.000000 FIXED_COST( 2) 311000.0 0.000000 FIXED_COST( 3) 364000.0 0.000000 V( 1) 60.00000 0.000000 V( 2) 70.00000 0.000000 V( 3) 80.00000 0.000000 Q( 1) 1.150000 0.000000 Q( 2) 0.4942857 0.000000 Q( 3) 0.4337500 0.000000 IT( 1) 0.000000 0.000000 IT( 2) 0.000000 0.000000 IT( 3) 0.000000 0.000000 X( 1, 2, 3) 1.000000 0.1200000E+10 X( 1, 3, 2) 1.000000 0.8000003E+09 X( 2, 5, 3) 1.000000 0.2580000E+10 X( 3, 4, 2) 1.000000 0.9300003E+09 X( 4, 1, 2) 1.000000 0.3000010E+08 X( 5, 7, 3) 1.000000 0.1580000E+10 X( 6, 1, 3) 1.000000 0.3000028E+08 X( 7, 6, 3) 1.000000 0.8300001E+09 Pada kondisi eksisting, tampak bahwa terdapat beberapa data yang menjadibasis analisis selama proses rekayasa, dalam rangka upaya optimalisasi biaya total perjalanan pengiriman bunga krisan ke beberapa titik lokasi pelanggan. Data-data tersebut adalah sebagai berikut : Q_A
: menunjukkan titik A pada sumbu waktu pengiriman bunga 14
krisan, sesuai grafik model penurunan kualitas Q_B
: menunjukkan titik B pada sumbu waktu pengiriman bunga krisan, sesuai grafik model penurunan kualitas
KAPASITAS(1)
menunjukkan kapasitas kendaraan-1 (L-300) yang kapasitas angkutnya sebanyak 124 kardus bunga krisan
KAPASITAS(2)
: menunjukkan kapasitas kendaraan-2 (Engkle) yang kapasitas angkutnya sebanyak 226 kardus bunga krisan
KAPASITAS(3)
: menunjukkan kapasitas kendaraan-3 (Double) yang kapasitas angkutnya sebanyak 385 kardus bunga krisan
IT(1)
menunjukkan nilai investasi teknologi untuk kendaraan-1 ; yang belum dipakai, sehingga nilainya masih Rp. 0,-.
IT(2)
: menunjukkan nilai investasi teknologi untuk kendaraan-2 yang belum dipakai, sehingga nilainya masih Rp. 0,-.
IT(3)
: menunjukkan nilai investasi teknologi untuk kendaraan-3 yang belum dipakai, sehingga nilainya masih Rp. 0,-.
Biaya optimum untuk kondisi eksisting adalah sebesar Rp. 676.734,- dan rute optimumnya adalah sebagai berikut : -
Kendaraan-2 (Engkle) : 1 3 4 1, yaitu melintasi suatu rute dengan urutan lokasi: Depot Cikarang Cipanas Depot
-
Kendaraan-3 (Double) : 1 2 5 7 6 1, yaitu melintasi suatu rute dengan urutan lokasi : Depot Bandara Pulo Gadung Tangerang Serpong Depot Selanjutnya dilakukan beberapa skenario simulasi untuk menganalisis perubahan kondisi
optimum pengiriman bunga krisan, terkait aspek transportasi, penurunan kualitas, dan teknologi sebagai berikut : Skenario I a) Menaikkan kapasitas 1,5kali dari semula b) Menaikkan kapasitas 2 kali dari semula Skenario II a) Pengubahan Titik B (dinaikkan 0,5 jam) b) Pengubahan Titik B (dinaikkan 1 jam) Skenario III a) Titik B Dinaikkan 0,5 Jam dan Kapasitas 1,5 Kali Dari Semula b) Titik B Dinaikan 1 Jam dan Kapasitas 1,5 Kali Dari Semula Rekapitulasi hasil analisis merupakan gambaran kesimpulan yang didapat dari seluruh skenario simulasi, melalui berbagai komparasi antar parameternya.Rekapitulasi tersebut dapat dilihat pada Tabel 4. 15
Tabel 4 Rekapitulasi Hasil Analisis SKENARIO
REKAYASA
0
Tidak ada (eksisting)
TOTAL BIAYA (Rp.) KENDARAAN
Engkle
URUTAN RUTE Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot Depot Cikarang Tangerang Serpong Depot.
Double
Depot Bandara Pulo Gadung Cipanas Depot.
Engkle
Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot
Engkle
676.734 Double L-300
Menaikkan kapasitas 1,5 kali 620.453 I
dari semula
Double
Menaikkan kapasitas 2 kali 567.189 dari semula
Pengubahan Titik B 375.485 II
(dinaikkan 0,5 jam)
Pengubahan Titik B
Double Engkle
371.753
(dinaikkan 1 jam)
Double
Titik B Dinaikkan 0,5 Jam dan
L-300
304.721 III
Kapasitas 1,5 Kali Dari Semula
Double
Titik B Dinaikkan 1 Jam dan
L-300
301.333 Kapasitas 1,5 Kali Dari Semula
Double
Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot Depot Cikarang Cipanas Depot Depot Bandara Pulo Gadung Tangerang Serpong Depot
Analisis Hasil Berdasarkan Tabel 4 didapat analisis sebagai berikut : Skenario I a) Menaikkan kapasitas 1,5kali dari semula Hasil analisis menunjukkan bahwa dengan menaikkan kapasitas angkut menjadi1,5 kali kapasitas semula, terdapat perubahan signifikan pada biaya total perjalanan dan penggunaan jenis kendaraan yang berbeda, yaitu kendaraan-1 (L-300) dan kendaraan-3 (Double) dengan biaya perjalanan minimum sebesar Rp. 620.453,-.Sedangkan kondisi eksisting sebesar Rp.676.734,-sehingga terjadi penghematan biaya total perjalanan sebesar Rp. 56.281,- yaitu sekitar 8,3 %. Selanjutnya pada penentuan rute optimum, terjadi perubahan pemakaian kendaraan, dari kondisi eksisting yang memakai kendaraan 2 dan 3, menjadi kendaraan 1 dan 3 pada kondisi kenaikan kapasitas tersebut. Hal ini dimungkinkan karena penambahan kapasitas kendaraan-1 (L-300) menjadi 186 kardus menyebabkan kemampuannya bertambah untuk melayani 2 lokasi pelanggan, yaitu di Cikarang dan Cipanas yang total demandnya 170 kardus. Kendaraan-1 (L-300) dianggap cukup 16
optimal mengirim bunga krisan dengan kendala demand dan kenaikan kapasitas tersebut, dan kendaraan-2 (Engkle) justru tidak perlu berangkat mengirimbunga krisan karena kapasitasnya secara signifikan terlalu besar untuk menangani demand yang ada dibandingkan dengan kapasitas pada kendaraan-1. Posisinya untuk menjalani rute yang sama, sesudah kenaikkan kapasitas, telah digantikan oleh kendaraan-1. Pada urutan jalur rute tidak mengalami perubahan dibanding kondisi eksisting.Hal dimungkinkan karena adannya perbedaan tipis dalam hal nilai permintaan antara tiap pelanggan, serta nilai time windowsnya yang juga hampir seragam yaitu kisaran 1 sampai 3 jam, kecuali pada pelanggan Bandara dan Serpong, lamanya sekitar 6 jam.
b) Menaikkan kapasitas 2 kali dari semula Berdasarkan rute optimum
perjalanan masing-masing kendaraan yang terjadi, terdapat 2
kendaraan yang terpakai, yaitu kendaraan-1 (L-300) dan kendaraan-2 (Engkle) dengan biaya perjalanan minimum sebesar Rp. 567.189,-. Terdapat selisih biaya dengan kondisi eksisting senilai Rp. 109.544,7, - atau sekitar 16,2%. Rute optimum yang didapat mengalami perubahan signifikan dibandingkan kondisi eksisting. Pemakaian jenis kendaraan maupun rute mengalami perubahan sama sekali.Perubahan kendaran pada kondisi eksisting yang memakai jenis kendaraan dan melalui rute berikut : Kendaraan-2 (Engkle) : 1 3 4 1, yaitu melintasi suatu rute dengan urutan lokasi: Depot
-
Cikarang Cipanas Depot Kendaraan-3 (Double) : 1 2 5 7 6 1, yaitu melintasi suatu rute dengan urutan lokasi
-
: Depot Bandara Pulo Gadung Tangerang Serpong Depot, berubahmenjadi rute : -
Kendaraan-1 (L-300) : 1 3 76 1, yaitu melintasi suatu rute dengan urutan lokasi: Depot Cikarang Tangerang Serpong Depot.
-
Kendaraan-2 (Engkle) : 1 2 5 4 1, yaitu melintasi suatu rute dengan urutan lokasi : Depot Bandara Pulo Gadung Cipanas Depot. Berdasarkan perubahan output rute optimum di atas, dapat dianalisis bahwa telah terjadi
kecenderungan keseimbangan pelayanan antara jenis kendaraan 1 dan 2 dalam konteks jumlah lokasi pelanggan yang dilayani, yaitu masing-masing mampu melayani 3 pelanggan. Kendaraan-1 melayani urutan rute Cikarang, Tangerang, Serpong, dengan total demand 235 kardus.Sedangkan kendaraan-2 melayani urutan rute Bandara, Pulo Gadung, Cipanas, dengan total demand 310 kardus.
17
Skenario II a) Pengubahan Titik B (dinaikkan 0,5 jam) Setelah titik B digeser ke kanan sejauh 0,5 jam (dari 23 menjadi 23,5 jam), perubahannya ternyata cukup signifikan, khususnya biaya total perjalanan menjadi turun sekitar 45% dari semula, yaitu dari Rp. 676.734,- menjadi Rp. 375.485,-. Sedangkan urutan rute perjalanan tetap sama, hal ini dimungkinkan karena adannya perbedaan tipis dalam hal nilai permintaan antara tiap pelanggan, serta nilai time windowsnya yang juga hampir seragam yaitu kisaran 1 sampai 3 jam, kecuali pada pelanggan Bandara dan Serpong, lamanya sekitar 6 jam.
b) Pengubahan Titik B (dinaikkan 1 jam) Berdasarkan output, setelah titik B digeser ke kanan sejauh 1 jam (dari 23 menjadi 24 jam), menjadikan biaya total perjalanan menjadi turun, yaitu dari Rp. 676.734,- menjadi Rp. 371.753,.yaitusebesar Rp. 304.981,- atau sekitar 45,1%. Penurunan prosentase tersebut tidak terlalu signifikan dibandingkan penurunan biaya sebelumnya yaitu sebesar 45%. Ini artinya bahwa dengan kenaikan waktu 1 jam dari 0,5 jam sebelumnya, tidaklah membawa pengaruh terlalu besar pada upaya meminimumkan biaya.
Skenario III a) Titik B Dinaikkan 0,5 Jam dan Kapasitas 1,5 Kali Dari Semula Setelah titik B digeser ke kanan sejauh 0,5 jam (dari 23 menjadi 23,5 jam) dan kapasitas dinaikan 1,5 kali dari semula, perubahannya ternyata cukup signifikan, khususnya biaya total perjalanan menjadi turun sekitar 55% dari semula, yaitu dari Rp. 676.734,- menjadi Rp. 304.721,-. Urutan rute perjalanan tidak mengalami perubahan, tapi hanya mengalami perubahan pada pemakain jenis kendaraan, yaitu kendaraan-2 pada kondisi eksisting sekarang digantikan oleh kendaraan-1 untuk melayani urutan rute pelanggan Cikarang dan Cipanas.
b) Titik B Dinaikan 1 Jam dan Kapasitas 1,5 Kali Dari Semula Setelah titik B digeser ke kanan sejauh 1 jam (dari 23 menjadi 23,5 jam) dan kapasitas dinaikan 1,5 kali dari semula, perubahannya ternyata cukup signifikan, khususnya biaya total perjalanan menjadi turun sekitar 55,5% dari semula, yaitu dari Rp. 676.734,- menjadi Rp. 301.333,-. Urutan rute perjalanan tidak mengalami perubahan, tapi hanya mengalami perubahan pada pemakain jenis kendaraan, yaitu kendaraan-2 pada kondisi eksisting sekarang digantikan oleh kendaraan-1 untuk melayani urutan rute pelanggan Cikarang dan Cipanas.
18
Implikasi Manajerial Penentuan rute optimum Implikasi manajerial bagi perusahaan adalah bahwa perusahaan selayaknya berusaha meningkatkan kapasitas pemuatan bunga krisan atau menambah jumlah kendaraan angkut berukuran lebih besar sampai batas maksimum kapasitas. Persusahaan juga perlu mengambil kebijakan untuk menjaga kelaikan dan kondisi kendaraan, khususnya kendaraan angkut yang mendekati batas maksimum kapasitas. Nilai-nilai output di atas dapat dijadikan sebagai landasan pengembangan penentuan rute optimum transportasi bunga krisan secara khusus. Selain itu juga dapat dijadikan salah satu bahan pengambilan keputusan bagi para perencana transportasi produk mudah rusak, khususnya dalam mengantisipasi perencanaan rute sehingga diperoleh minimasi biaya yang berbanding lurus dengan rekayasa teknologi untuk mengantisipasi laju penurunan kualitas.Hal ini dapat berimplikasi dengan pengurangan resiko kerusakan yang diangkut selama perjalanan.
Minimasi Biaya Transportasi Implikasi manjerial dari hasil penelitian adalah bahwa optimasi minimasi biaya dapat dilakukan melalui kendali teknologi agar dapat menekan pengaruh waktu perjalanan yang sebelumnya diharapkan dapat menekan biaya penggunaan jumlah kendaraan dengan
implikasi diametralnya
adalah dapat menurunkan kualitas bunga krisan sebagai produk mudah rusak. Kendali teknologi berimplikasi langsung pada pengaturan waktu kirim, khususnya selang waktu perjalanan pada area signifikan yang merupakan perwujudan dari suatu nilai komersial komoditas bunga krisan yang diindikasikan dengan adanya penurunan biaya akibat penurunan kualitas bunga selama perjalanan. Rekayasa selang waktu secara konseptual dapat dilakukan melalui 2 cara, yaitu menggeser titik B sebagai titik maksimum area signifikan atau titik A dan B pada area tersebut. Namun secara riil di lapang, kemungkinan terbesar adalah hanya
menggeser titik B melalui peningkatan kualitas
pengawetan komoditas melalui pembaruan atau peremajaan media penyimpan (cooling storage) yang tentunya membutuhkan investasi teknologi yang digunakan pada ranah pembelian maupun perawatannya, juga investasi tersebut dapat digunakan pada awal pasca panen bunga krisan melalui proses pengawetan yang menggunakan rekayasa berbagai bahan pengawet yang diperlukan. Selanjutnya pada aspek pilihan penggunaan kendaraan, tampak bahwa pemilihan kendaraan angkut tidak hanya bergantung kepada kapasitas, namun juga terkait dengan demand tiap lokasi pelanggan, kecepatan rata-rata per kendaraan, jarak antar pelanggan dan beberapa komponen biaya
19
yang harus ditanggung per-kendaraan selama proses pengiriman.
Kesimpulan dan Saran Kesimpulan 1.
Sistem transportasi bunga krisan sangat dipengaruhi oleh beberapa perubahan parameter yang terlingkup didalamnya. Perubahan kapasitas kendaraan angkut dan pergeseran titik akhir area signifikan berpengaruh sangat nyataterhadap perubahan total biaya pengiriman bunga krisan. Pergeseran titik akhir dapat dilakukan melalui investasi teknologi, yaitu melalui pengadaan dan perawatan media penyimpan (cooling storage) selama proses pengiriman berlangsung.
2.
Model yang dikembangkan telah berhasil meningkatkan penghematan biaya
dan efektifitas
sistem transportasi pada agroindustri hortikultura. Hasil simulasi model menunjukkan bahwa biaya total pengiriman bunga krisan dapat diminimumkanmelalui kenaikan kapasitas kendaraan angkut dan investasi teknologi, khususnya yang terkait dengan proses pengiriman bunga krisan.
Saran 1.
Perusahaan atau pengambil kebijakan transportasi produk yang mudah rusak dapat mengoptimalkan biaya selama proses transportasi berlangsung, dengan lebih mempertimbangkan aspek penambahan kapasitas melalui serangkaian simulasi integratif yang lebih detail sehingga dapat menemukan batas maksimum penambahan kapasitas tersebut.
2.
Untuk menganalisis jumlah titik pelanggan yang jauh lebih banyak, dibutuhkan metode heuristik karena tingkat kompleksitasnya yang semakin besar serta kebutuhan kecepatan dan keakuratan dalam proses iterasi pencarian solusi optimumnya.
3.
Perlu diteliti lebih lanjut dugaaan hubungan antara ukuran kendaraan dengan efisiensi biaya kirim yang dihasilkan. Hipotesis menunjukkan bahwa ukuran kendaraan berbanding terbalik dengan efisiensi biaya yang dihasilkan. Diperlukan pemodelan non-linier untuk mengantisipasi kompleksitas permasalahan riil di lapang.
DAFTAR PUSTAKA
Bottani, Montanari, Roberto, Vignali, Guerra. 2011. Survey on Packaging Materials and Technologies for Commercial Food Products. International Journal of Food Engineering: Vol. 7 : Iss. 1, Article 12. Crainic TG. and Laporte G 1997. Planning Models for Freight Transportation. European Journal of Operational Research97(3):409—438. 20
Direktorat Jenderal Hortikultura. 2009. Produksi Tanaman Hortikultura Indonesia. Jakarta: Departemen Pertanian. Ghosh SK, Khanra S, Chaudhuri S. 2011. Optimal Price and Lot Size Determination for a Perishable Product UnderConditions of Fnite Production, Partial Back Ordering and Lost Sale. Applied Mathematicsand Computation(217): 6047–6053. Gite PS. 2009.An Economic Order Quantity Model for Perishable Item under Permissible Delay in Payment and Variable Rate of Deterioration.International Journal of Statistics and Sistems 4(1):1–12. Jia, Hu. 2011. Dynamic Ordering and Pricing for a Perishable Goods Supply Chain. Computers & Industrial Engineering (60): 302–309, Elsevier. Kader, Kasmire, Mitchell, Reid, Sommer, Thompson. 1985. Postharvest Technology of Horticultural Crops. Division of Agriculture and Natural Resources Publications, University of California. Marimin dan Maghfiroh N. 2010.Aplikasi Teknik Pengambilan Keputusan dalam Manajemen Rantai Pasok. Bogor: IPB Press. Maschietti M. 2010. Time-Temperature Indicators for Perishable Products.Recent Patents on Engineering (4): 129-144. Minner, Transche. 2010. Periodic Review Inventory-Control for Perishable Products Under ServiceLevel Constraints. OR Spectrum(32):979–996. Osvald, Stirn. 2008. A Vehicle Routing Algorithm for The Distribution of Fresh Vegetables and Similar Perishable Food. Journal of Food Engineering(85): 285–295. Pawsey RK. 1995 .Preventing losses and preserving quality in food cargoes.In J. L. Albert (Ed.). Food, nutrition and agriculture –15– food safety and trade, Italy: Food and Agriculture Organization (FAO) of the United Nations. Sapata, Ramos, Ferreira, Andrada, Candeias. 2009. Quality Maintenance Improvement of Pleurotus Ostreatus Mushrooms by Modified Atmosphere Packaging. Acta Sci. Pol., Technol. Aliment. 8 (2): 53-60.
Vorst JGAJ van der. 2004. Supply Chain Management: Theory and Practice. Didalam: T.Camps, P. Diederen, G.J Hofstede, B.Vos, Editor. The Emerging World of Chains & Networks. Hoofdstuk: Elsevier Yadavalli, V.S.S., Adetunji, O., Sivakumar, B., Arivarignan, 2010. G. Two-Commodity Perishable Inventory Sistem With Bulk Demand for One Commodity. South African Journal of Industrial Engineering 21(1): 137-155.
21
