1
Pengembangan Model Integrasi antara Penjadwalan Produksi dan Perencanaan Pengiriman pada Produk Makanan Perishable Suci Fujianti dan Ahmad Rusdiansyah Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected];
[email protected] Abstrak— Produk makanan perishable memiliki karakteristik yang khas seperti laju penurunan kualitas, batas temperatur dan umur hidup yang berbeda-beda tiap produk. Manajemen pengelolaan produk ini dapat dimulai pada awal proses produksi sampai pada produk diterima ke tangan konsumen. Penelitian ini mencoba mengintegrasikan bagian penjadwalan produksi dengan perencanaan pengiriman pada produk makanan perishable dengan mempertimbangkan biaya energi, kualitas dan shelf life produk. Pengintegrasian ini bertujuan untuk memaksimalkan perolehan profit perusahaan dan terjaminnya kualitas produk. Pengintegrasian dimulai dengan melakukan perencanaan pengiriman terlebih dahulu. Hasil perencanaan pengiriman ini adalah informasi konsumen yang harus dilayani kendaraan ke-k sehingga mempermudah perusahaan untuk melakukan penjadwalan produksi terutama untuk perusahaan yang hanya memiliki satu lineproduksi. Perencanaan pengiriman pada penelitian ini menggunakan dua metode yaitu vehicle routing problem with time windows (VRPTW) dan vehicle routing problem with quality windows (VRPQW). Hasil yang didapatkan pada penelitian ini bahwa perencanaan pengiriman dengan menggunakan VRPQW membutuhkan jumlah kendaraan lebih banyak namun dengan rata-rata penurunan kualitas lebih sedikit dibandingkan dengan perencanaan pengiriman dengan menggunakan VRPTW. Pada bagian penjadwalan produksi, pertimbangan laju penurunan kualitas dalam menentukan urutan produksi dapat meminimalkan total biaya distribusi. Kata kunci : produk makanan perishable, penjadwalan produksi, perencanaan pengiriman,vehicle routing problem with timewindows, vehicle routing problem with quality windows
I.
PENDAHULUAN
Perubahan permintaan konsumen terhadap produk makanan sehat mengalami peningkatan bila dibandingkan dengan 25 tahun yang lalu (Don, 1997). Sekarang ini, perhatian konsumen cenderung memperhatikan nilai kesehatan makanan yang memiliki kadar pengawet yang rendah. Produk makanan ini memiliki umur yang tidak tahan lama (perishable) sehingga memerlukan pendinginan untuk menjaga kualitas dan kuantitasnya. Masing-masing produk makanan perishable memiliki batas maksimum temperatur yang tidak bisa dilanggar. Pelanggaran batas maksimum
temperatur akan menyebabkan konsekuensi pada penurunan kualitas dan kuantitas.Berbagai macam karakteristik produk perishable yang telah disebutkan di atas menyebabkan pentingnya pengelolaan produk perishable mulai sebelum produksi sampai dengan produk sampai di tangan konsumen untuk menjamin kesegaran produk dan permintaan konsumen. Integrasi proses bisnis dari produsen ke pelanggan produk perishable terangkum dalam cold chain management yang menggabungkan antara penjadwalan produksi dan perencanaan pengiriman (Bogataj dkk., 2005). Namun, penelitian cold chain management masih sangat sedikit kebanyakan hanya membahas per bagian saja yaitu penjadwalan produksi atau perencanaan pengiriman saja seperti yang dilakukan oleh Arbib dkk (1999), Marinelli dkk (2007), Hsu dkk (2007) dan Osvald dan Strin (2008) dan Trihardani (2011). Pada penjadwalan produksi produk makanan perishable, karakteristik produk harus diperhatikan seperti shelf life, kualitas dan temperatur. Salah satu strategi yang dapat dilakukan perusahaan adalah dengan menentukan waktu awal produksi dimana terdapat keterkaitan erat antara waktu dengan laju penurunan kualitas (Arbib dkk, 1999). Penelitian-penelitian sebelumnya juga lebih menekankan pada jumlah yang akan diproduksi dan waktu awal produksi untuk penjadwalan produksi pada produk perishable yang disesuaikan dengan permasalahan yang ada. Sedangkan penelitian laju penurunan kualitas yang berdampak pada urutan proses produksi pada produk perishable masih belum ada. Oleh karena itu, permasalahan inilah yang akan diterapkan pada penelitian ini dalam penjadwalan produksi. Bagian selanjutnya adalah perencanaan pengiriman, kebanyakan penelitian terdahulu mengkaitkan karakteristik perishability dengan kebutuhan penyelesaian masalah yang cepat dan efisien. Namun, hanya penelitian Osvald dan Stirn (2008) serta Hsu, dkk (2007) yang mempertimbangkan perishability sebagai bagian sistem distribusi produk perishable. Kedua penelitian ini menggunakan vehicle routing problem with time windows (VRPTW) dalam penentuan rute kendaraan. Penelitian Hsu, dkk (2007) juga mempertimbangkan biaya energi sebagai bagian integral biaya distribusi dimana energi berperan untuk mempertahankan perishability produk. Penelitian ini kemudian dikembangkan oleh Trihardani (2011) untuk kasus multi produk dan multi temperatur, hasil
2 penelitian ini menyebutkan biaya energi berkontribusi signifikan pada kendaraan cold storage untuk menstabilkan temperatur ruangan agar tidak mengikuti fluktuasi temperatur lingkungan. Kedua penelitian inilah yang mendasarinya perlunya mempertimbangkan biaya energi dalam penelitian yang akan dijalani ini. Dari hasil pemaparan di atas, terlihat bahwa peran perishability merupakan faktor penting di dalam penjadwalan produksi dan perencanaan pengiriman. Pada penjadwalan produksi, karakteristik perishability membantu perusahaan untuk mendapatkan profit yang maksimal sedangkan pada perencanaan pengiriman membantu perusahaan untuk meminimalkan biaya distribusi serta pada akhirnya dapat memuaskan konsumen dengan produk yang terjamin kualitasnya. Hal ini tentu akan berdampak besar ketika kedua bidang tersebut diintegrasikan, seperti halnya dapat dilihat pada penelitian Chen, dkk (2009). Chen, dkk (2009) membuat model mengenai penjadwalan produksi dan VRPTW untuk produk makanan perishable. Namun, penelitian ini belum memasukkan biaya energi ke dalam integral biaya distribusi. Padahal biaya energi sangat berperan untuk menjaga temperatur sehingga produk dapat terjamin kualitasnya (Trihardhani,2011). Selain itu, urutan produksi pada penelitian Chen, dkk (2009) masih dijadikan asumsi dan belum adanya informasi yang bisa diterima konsumen sebagai bagian integrasi dari cold chain management. Dengan mengacu pada model yang telah dibuat oleh Chen, dkk (2009), penelitian ini berusaha melengkapi beberapa kekurangan pada penelitian tersebut terkait perencanaan pengiriman, pertimbangan urutan produksi dan biaya energi serta informasi perubahan sisa shelf life dari produk. Beberapa kekurangan tersebut yang mendasari penelitian ini untuk mengembangkan model pengintegrasian penjadwalan produksi dan perencanaan pengiriman sehingga informasi yang diterima produsen dan konsumen menjadi maksimal. II.
METODOLOGI PENELITIAN
II.1 Tahapan Studi Literatur Pada tahap ini dilakukan studi literatur mengenai penelitian-penelitian pada bidang cold chain management baik penjadwalan produksi maupun perencanaan pengiriman pada produk makanan perishable. Studi literatur dilakukan pada jurnal ilmiah, tugas akhir, thesis yang bertopik cold chain management. Hasil studi literatur menyimpulkan bahwa masih sedikit penelitian yang membahas penggabungan antara penjadwal produksi dan perencanan pengiriman pada produk makanan perishable. II.2 Tahapan Pengembangan dan Formulasi Model Pada tahap ini dilakukan pengembangan dan formulasi model integrasi penjadwalan produksi dan perencanaan pengiriman. Terdapat tiga model yang menjadi acuan pada penelitian tugas akhir ini yaitu model yang dikembangkan oleh Osvald dan Strin (2008), Chen, dkk (2009) dan Trihardani (2011). Model yang dikembangkan oleh Chen, dkk (2009) akan menjadi rujukan utama di dalam penelitian ini. Model ini kemudian dikembangkan dengan menambahkan
biaya energi dari penelitian Trihardani (2011) dan pencarian sisa shelf life produk dari penelitian Osvald dan Strin (2008). Dengan adanya pencarian sisa shelf life produk, model integrasi pada penelitian ini tidak hanya menghasilkan informasi satu arah melainkan dua arah yaitu informasi untuk produsen dan informasi untuk konsumen. Selain itu, penelitian ini diharapkan dapat menghasilkan variabel keputusan urutan proses produksi yang sebelumnya pada penelitian Chen (2009) hanya dijadikan asumsi. Dengan mengetahui urutan proses produksi maka biaya penalti akibat penurunan kualitas akan berkurang yang secara tidak langsung mengurangi biaya distribusi. Pada akhirnya, penelitian ini diharapkan dapat memperhatikan tiga karakteristik utama pada produk perishable yaitu shelf life, kualitas dan temperatur. II.3 Tahap Pembuatan Algoritma Tahapan ini akan dilakukan pembuatan algoritma secara keseluruhan untuk penelitian. Selain itu, algoritma tersendiri untuk bagian perencanaan pengiriman pada penelitian ini terdiri dari vehicle routing problem with time windows (VRPTW) dan vehicle routing problem with quality windows (VRPQW). II.4 Tahapan Percobaan Numerik Pada tahapan ini dilakukan percobaan numerik yang akan dibedakan menjadi beberapa skenario percobaan. Skenario percobaan ini diharapkan dapat mengetahui perilaku model dan pengaruhnya terhadap perolehan total profit. II.5 Tahapan Analisis Percobaan Numerik Pada tahap ini dilakukan analisis terhadap hasil percobaan numerik. Analisis dilakukan untuk masing-masing skenario percobaan yang dilakukan terhadap perilaku model dan perolehan total profit. II.6 Tahapan Penarikan Kesimpulan dan Saran Pada tahap ini dilakukan penarikan kesimpulan dan saran. Kesimpulan akan menjawab tujuan penelitian yang telah dirumuskan di awal berdasarkan hasil penelitian tugas akhir ini. Berdasarkan kesimpulan ini, selanjutnya dapat diberikan saran pengembangan penelitian sejenis pada periode akan datang.Running Komputasi III.
DESKRIPSI MODEL
Model matematis yang dikembangkan penelitian ini merujuk pada model matematis penjadwalan produksi dan perencanaan pengiriman oleh Chen, dkk (2009). Pengembangan formulasi model dalam penelitian ini lebih banyak pada bagian perencanaan pengiriman dimana berpengaruh langsung pada biaya distribusi produk (lower level). Pada penelitian ini penjadwalan produksi dan perencanaan pengeriman dilakukan untuk produksi dengan satu line produksi, multi produk, dan biaya energi menggunakan single temperature. Laju penurunan kualitas dimulai saat proses produksi dan terus akan menurun sampai produk di tangan konsumen. Produk perishable ini akan dikirimkan ke konsumen yang memiliki time windows yang berbeda-beda. Dimana pada penelitian ini mempertimbangkan soft time windows,
3 apabila kendaran melebihi waktu akhir pelayanan akan dikenakan penalty. Selain itu pertimbangan adanya batas kualitas produk yang masih diterima konsumen memberikan kemungkinan untuk penyelesaian perencanaan pengiriman menggunakan metode vehicle routing problem with quality windows (VRPQW). Pada metode VRPTW, penentuan rute dibatasi oleh waktu awal dan akhir pelayanan konsumen sedangkan metode VRPQW, konsumen menetapkan batas kualitas yang diharapkan misalnya 90% yang kemudian diterjemahkan menjadi satuan waktu sebagai pertimbangan perusahaan. Untuk mempermudah refensi, notasi yang digunakan dalam penelitian ini adalah sebagai berikut : Variabel keputusan : tk,1 Waktu mulai produksi produk pertama pada kendaraan ke-k; k ϵK (menit) xijk Variabel keputusan biner; bernilai 1 jika rute (i, j) dilewati kendaraan ke-k dan sebaliknya Un Urutan waktu memproduksi produk ke-n; n ϵN Variabel bukan keputusan dan parameter : cn Biaya produksi untuk satu unit komoditas n (Rp/unit) p Biaya transportasi kendaraan K per unit waktu; n ϵN (Rp/menit) e Biaya energi per unit kalori (Rp/kkal) g1 Biaya penalti keterlambatan per unit waktu (Rp/menit) q Biaya penalti penurunan kualitas (Rp/persentase penurunan kualitas) pin Harga jual dari produk ke-n pada konsumen ke-i xi Koordinat-x posisi konsumen i; i ϵ R yi Koordinat-y posisi konsumen i; i ϵ R xijk Jarak antara konsumen i ke konsumen j ; i, j ϵ R. cij Lamanya waktu perjalanan antara konsumen i ke konsumen j yang diperoleh dengan membagi jarak dengan kecepatan; i, j ϵR (menit) v Kecepatan kendaraan (km/jam) Tk Temperatur settingan untuk setiap kendaraan kek (homogen; didapat dari batas minimal dari masing-masing temperatur produk (mn)); k ϵ K A Luasan permukaan cold storage (m2) s Ketebalan permukaan cold storage (m) k koefisien insulating material; k = 0.002 C Spesifikasi panas muatan; C = 0.77 Cl Panas laten; Cl = 60 Te Temperatur eksternal cold storage; umumnya diasumsikan temperatur eksternal daerah tropis adalah 32°C T0 Temperatur netral (0°C) G Muatan berat produk yang diangkat oleh kendaraan ke-k (satuan unit kilogram ei Waktu awal pelayanan pada time windows konsumen i; i ϵ R (menit) li Waktu akhir pelayanan pada time windows konsumen i; i ϵ R (menit) l’i Modifikasi waktu batas kualitas pada quality windows konsumen i; i ϵ R (menit)
atw aqw
l’’i
emin si eo l0 din fin Qveh ai tk,n t’k,n tn hn hin On
Oin
Konstanta acceptable time untuk waktu akhir pelayanan time windows Konstanta acceptable time untuk waaktu toleransi penurunan kualitas pada quality windows Waktu akhir pelayan baik time windows maupun quality windows yang masih dapat diterimanya kendaraan pada konsumen ke i; i ϵ R (menit) Batasan kualitas yang diharapkan konsumen kei; ; i ϵ R (persentase) Waktu pelayanan pada konsumen i; i ϵ R (menit) Waktu mulai operasi perusahaan (menit) Waktu akhir operasi perusahaan (menit) Permintaan konsumen i untuk produk n; i ϵ R, n ϵ N (satuan unit kilogram) Probabilitas fungsi kerapatan dari permintaan produk n pada konsumen i; i ϵ R, n ϵ N Kapasitas untuk masing-masing kendaraan ke-k (homogen); k ϵ K (satuan unit kilogram) Waktu tiba di konsumen ke-i; i ϵ R (menit) Waktu mulai memproduksi produk ke-n untuk kendaraan ke-k; n ϵ N, k ϵ K (menit) Waktu selesai memproduksi produk ke-n untuk kendaraan ke-k; n ϵ N, k ϵ K (menit) Lamanya waktu memproduksi produk ke-n; n ϵ N (menit) Nilai shelf life awal produk ke-n (hari) Sisa shelf life produk ke-n pada konsumen ke-i (hari) Kecepatan atau laju penurunan kualitas produk ke-n per menit; n ϵ N (persentase penurunan/menit) Total penurunan kualitas produk ke-n pada konsumen ke-i ; i ϵ R, n ϵ N (persentase penurunan kualitas)
Model matematis fungsi tujuan : Upper level : Max Z 𝑄𝑖𝑛
𝑧=
𝑝𝑖𝑛 𝜔𝑓𝑖𝑛 𝜔 𝑑𝜔 𝑖𝑛
0
𝐾−1
−
𝑐𝑛 𝑄𝑖𝑛 − 𝑀 𝑖𝑛
𝑚𝑎𝑥 𝑡𝑘,1 − 𝑡𝑘+1,1 , 0 − 𝑍𝑉𝑅𝑃 𝑘=1
4 Lower level : Min Zvrp 𝑄𝑖𝑛
𝑍𝑉𝑅𝑃 = 𝑖𝑛
0
𝑌𝑘 = 𝑃𝑡 + 𝑃𝑓 𝑙 ′′ 𝑖 = 𝑙𝑖 + 𝑎𝑡𝑤 𝑙′′′𝑖 = 𝑙′𝑖 + 𝑎𝑞𝑤
∞
𝜃𝑖𝑛 𝜔𝑓𝑖𝑛 𝜔 𝑑𝜔 + +𝜌
𝑄𝑖𝑛
𝜃𝑖𝑛 𝑄𝑖𝑛 𝑓𝑖𝑛 𝜔 𝑑𝜔
𝑐𝑖𝑗 𝑥𝑖𝑗𝑘
Kendala non negatif
𝑖𝑗𝑘
+ 𝑔2
𝑚𝑎𝑥 𝑎𝑖 − 𝑙𝑖 , 0 + 𝑒 𝑖 𝐾−1
+𝑀
𝑐𝑖𝑗 𝑌𝑘 𝑖𝑗𝑘
𝑚𝑎𝑥 𝑡′𝑘,𝑁 − 𝑡𝑘+1,1 , 0 𝑘=1
+ 𝑚𝑎𝑥 𝑡′𝐾,𝑁 − 𝑙0
Kendala dalam penelitian ini adalah : Kendala perencanaan pengiriman 𝑥𝑖𝑗𝑘 = 1 𝑖ϵ1, … , 𝑅 𝑗
𝑘
𝑖
𝑘
𝑥𝑖𝑗𝑘 = 1 𝑗ϵ1, … , 𝑅 𝑥𝑖𝑘 − 𝑖
𝑥𝑗𝑘 = 0 ; = 1, … , 𝑅 𝑗
𝑥𝑜𝑗𝑘 ≤ 1 𝑘 = 1, … , 𝐾 𝑗
𝑥𝑖𝑗𝑘 ∈ 0,1 𝑖, 𝑗 = 0, … , 𝑅,
𝑖 ≠ 𝑗; 𝑘 = 1, … , 𝐾
Kendala penjadwalan produksi 𝑡 ′ 𝑘,𝑁 ≤ 𝑡𝑘+1,1 𝑘 = 1, … , 𝐾 − 1 𝑡′𝐾,𝑁 ≤ 𝑙0 𝑄𝑗𝑛 𝑥𝑖𝑗𝑘 ≤ 𝑄𝑣𝑒 𝑘 = 1, … , 𝐾 𝑖𝑗𝑛
𝑎𝑗 = 𝑡 ′ 𝑘, 𝑁 + 𝑐𝑜𝑗 𝑡′𝑘,𝑛 = 𝑡𝑘,𝑛 + 𝑡𝑛
𝑄𝑗𝑛 𝑥𝑖𝑗𝑘 𝑖𝑗
𝑡𝑘,𝑛+1 = 𝑡′𝑘,𝑛
Kendala kapasitas kendaraan 𝑄𝑗𝑛 𝑥𝑖𝑗𝑘 ≤ 𝑄𝑣𝑒 𝑘 = 1, … , 𝐾 𝑖𝑗𝑛
Kendala defisional
𝜃𝑖𝑛 = 𝑚𝑎𝑥 𝑎𝑖 , 𝑒𝑖 − 1 2 𝑡𝑘,𝑛 + 𝑡 ′ 𝑘,𝑛 𝜃𝑛 𝑎𝑗 = max 𝑎𝑖 , 𝑒𝑖 + 𝑠𝑖 + 𝑐𝑖𝑗 𝑗𝑖𝑘𝑎𝑥𝑖𝑗𝑘 = 1 𝑎𝑗 = 𝑡′𝑘,𝑁 + 𝑐0𝑗 𝑗𝑖𝑘𝑎 𝑥0𝑗𝑘 = 1, 𝑗 = 1, … , 𝑅; 𝑘 = 1, … , 𝐾 𝑡 ′ 𝑘,𝑛 = 𝑡𝑘,𝑛 + 𝑡𝑛
𝑄𝑗𝑛 𝑥𝑖𝑗𝑘 𝑛 = 1, … , 𝑁; 𝑘 = 1, . . , 𝐾 𝑖𝑗
𝑡𝑘,𝑛 +1 = 𝑡′𝑘,𝑛 𝑛 = 1, … , 𝑁 − 1; 𝑘 = 1, … , 𝐾 𝑇𝑘 = min 𝑚𝑛 𝑛 = 1, … , 𝑁 − 1; 𝑘 = 1, … , 𝐾 100% − 𝑂𝑖𝑛 𝑖𝑛 = 𝑛 − × 𝑛 100% 1 𝑃𝑡 = ×𝐼×𝐴 𝑠 𝑘
𝑃𝑓1 = 𝑘
1 𝐺 × 𝐶 × (Te − T0 ) + 𝐺 × 𝐶𝑙 24
𝑃𝑓2 = 𝑘
+ 𝐺 × 𝐶 × (𝑇𝑘 1 𝐺 × 𝐶 × (Te − T0 ) 24
𝑄𝑖𝑛 ≥ 0 𝑡1,1 ≥ 0
Fungsi tujuan penelitian ini adalah memaksimalkan profit atau upper level dengan cara meminimumkan biaya distribusi atau lower level. Kendala perencanaan pengiriman merupakan routing dimana satu konsumen dikunjungi satu kali, satu rute dikunjungi satu kali, satu kendaraan mengunjungi konsumen satu kali. Kendala penjadwalan produksi menjaga waktu mulai produksikendaraan kedua lebih kecil dibandinkan waktu selesai produksi kendaraan pertama, waktu selesai produksi semua kendaran tidak melebih waktu tutup perusahaan , jumlah yang diproduksi tidak melebihi kapasitas kendaraan, waktu tiba kendaraan adalah waktu selesai produksi ditambah waktu perjalanan, waktu selesai produksi adalah waktu mulai produksi ditambah lamanya produksi, waktu mulai produksi kendaraan selanjutnya sama dengan waktu selesai produksi kendaran sebelumnya. Kendala kapasitas kendaraan menjaga agar barang yang diproduksi perusahaan tidak melebihi kapasitas kendaraan yang ada. Kendala defisional adalah kendala yang mencari nilai parameter tertentu yang didapat dari perhitungan beberapa parameter lainnya. Kendala defisonal yang dipakai dalam penelitian ini adalah rata-rata penurunan kualitas, waktu tiba kendaraan, waktu awal produksi, temperatur kendaraan, sisa umur hidup, biaya energi yang diperlukan, waktu batas kualitas, acceptable time pada VRPTW dan VRPQW. Sedangkan kendala terakhir adalah kendala nonnegatif. Kendala non negatif antara lain jumlah yang diproduksi lebih dari atau sama dengannol, waktu mulai produksi lebih dari atau sama dengan nol. IV.
PERCOBAAN NUMERIK
Data yang diperlukan dalam penelitian ini terbagi menjadi dua yaitu data perencanaan pengiriman dan data penjadwalan produksi. Data perencanaan pengiriman dalam penelitian ini menggunakan data vehicle routing problem library (VRPLIB) berupa koordinat lokasi konsumen dan depot serta besarnya permintaan konsumen. Lama pelayanan pada data VRPLIB akan dilakukan sedikit perubahan dimana lama pelayanan sebanding dengan besarnya permintaan konsumen. Data penjadwalan produksi dalam penelitian ini menggunakan modifikasi data perencanaan pengiriman seperti rentangan permintaan masing-masing produk pada setiap konsumen ke-i , laju penurunan kualitas setiap produk ke-n dan lamanya waktu produksi produk ke-n berdasarkan penelitian Chen, dkk (2009). Data penjadwalan produksi lainnya seperti temperatur, shelf life ditambahkan secara random. Penelitian ini menggunakan tiga jenis produk dengan karakteristik yang berbeda-beda. Penentuan besaran nilai parameter inisial turut memberikan kontribusi secara tidak langsung pada elemen biaya, pendapatan dan perolehan total profit. Deskripsi nilai parameter inisial dapat dilihat pada Tabel 1.1 berikut ini :
5
Tabel 4.1 Nilai Parameter Inisial
Definisi Produksi Transportasi Energi cold storage Penalti time windows Penalti penurunan kualitas Harga jual produk Kecepatan penurunan kualitas Shelf life
Pada Gambar 4.1 dan Gambar 4.2 , kondisi 1 adalah kondisi ketika tidak ada integrasi, kondisi kedua adalah integrasi dengan VRPTW dan kondisi ketiga adalah integrasi dengan VRPQW. Hasil perhitungan didapatkan kondisi kedua menghasilkan total profit lebih tinggi dibandingkan kondisi lainnya. Namun, kondisi kedua menghasilkan rata-rata penurunan kualitas lebih sedikit dibanding lainnya. Sedangkan kondisi pertama menghasilkan total profit paling kecil dikarenakan waktu tiba kendaraan melebihi waktu akhir pelayanan konsumen.
Simbol c1 c2
Nilai Rp 1,000 Rp 3,500
Satuan per unit per unit
c3 p
Rp 2,000 Rp 563
e
Rp
30
per unit per km per kkal/jam
g1
Rp
100
per menit
q
Rp
100
per 1%/menit
p1
Rp 6,000
per unit
Rp800,000
p2
Rp 18,000
per unit
Rp600,000
p3
Rp 8,000
per unit
Rp400,000
O1 O2 O3 h1 h2 h3
4% 2% 3% 14 21 28
jam jam jam hari hari hari
Penelitian ini menggunakan dua metode perencanaan pengiriman untuk menyelesaikan model yang ada. Kedua metode perencanaan pengiriman tersebut akan dibandingkan perilakunya terhadap perolehan total profit dan kualitas produk dengan melakukan percobaan numeric. Percobaan numerik ini dilakukan dengan empat skenario percobaan (1) skenario percobaan terhadap integrasi antara penjadwalan produksi dan perencanaan pengiriman (2) skenario percobaan terhadap perencanaan pengiriman dengan VRPQW (3) skenario percobaan terhadap penjadwalan produksi. Hasil percobaan numerik ini dapat dilihat pada Gambar 4.1sampai dengan Gambar 4.6 berikut ini : Rp800,000 Rp700,000 B.penurunan kualitas
Rp600,000 Rp500,000
B.energi
Rp400,000 B.penalti keterlambatan
Rp300,000 Rp200,000
B.transportasi Rp100,000
Rp1,200,000 Rp1,000,000 B.penurunan kualitas B.energi B.transportasi
Rp200,000 Rp0
Kondisi 3
Kondisi 4
Gambar 4.3 Skenario percobaan 2 pada lower level Rp3,500,000
Rp3,000,000 Rp2,500,000 Rp2,000,000
Lower Level B.produksi
Rp1,500,000
Pendapatan
Rp1,000,000 Rp500,000 RpKondisi 3
Kondisi 4
Gambar 4.4 Skenario percobaan 2 pada upper level
Pada Gambar 4.3 dan Gambar 4.4, kondisi 2 adalah perencanaan pengiriman dengan VRPQW, kondisi keempat adalah perencanaan pengiriman dengan VRPQW per kluster (mengelompokkan permintaan kualitas konsumen dalam satu kluster). Hasil perhitungan didapatkan bahwa kondisi kedua menghasilkan perolehan total profit lebih besar. Hal ini dikarenakan perusahaan membutuhkan banyak kendaraan untuk memenuhi permintaan kualitas konsumen. Tingginya biaya transportasi pada kondisi keempat berbanding terbalik dengan biaya energi, biaya penurunan kualitas dan rata-rata penurunan kualitas yang terjadi. Rp800,000
Rp-
Kondisi 1
Kondisi 2
Kondisi 3
Rp700,000
Gambar 4.1 Skenario percobaan 1 pada lower level Rp3,500,000
Rp600,000 Rp500,000 Rp400,000
B.penurunan kualitas
Rp300,000
B.energi
Rp200,000
Rp3,000,000
B.penalti keterlambatan
Rp100,000
Rp2,500,000
Rp0 Rp2,000,000
Lower Level B.produksi
Rp1,500,000
Ada urutan produksi
Tidak ada urutan produksi
Ada urutan produksi
Tidak ada urutan produksi
B.transportasi
Pendapatan
Rp1,000,000
Kondisi 2
Rp500,000
Kondisi 3
Gambar 4.5 Skenario percobaan 3 pada lower level
RpKondisi 1
Kondisi 2
Kondisi 3
Gambar 4.2 Skenario percobaan 1 pada upper level
6 UCAPAN TERIMAKASIH
Rp3,500,000 Rp3,000,000 Rp2,500,000 Rp2,000,000 Rp1,500,000 Lower Level
Rp1,000,000
B.produksi
Rp500,000
Pendapatan
Rp0 Ada urutan Tidak ada produksi urutan produksi
Ada urutan Tidak ada produksi urutan produksi
Kondisi 2
Kondisi 3
Gambar 4.6Skenario percobaan 3 pada upper level
Pada Gambar 4.5 dan Gambar 4.6, kondisi kedua adalah integrasi dengan VRPTW dan kondisi ketiga adalah integrasi dengan VRPQW. Hasil perhitungan menunjukkan adanya pertimbangan urutan produksi menghasilkan total profit yang lebih besar. Produk yang memiliki kecepatan laju penurunan terlambat akan diproduksi lebih awal dan sebaliknya. Hasil tersebut juga menunjukkan bahwa kondisi kedua menghasilkan total biaya distribusi lebih rendah dibandingkan kondisi kedua. Hal ini dikarenakan kondisi ketiga memerlukan kendaraan lebih banyak untuk memenuhi permintaan kualitas konsumen. V.
KESIMPULAN DAN PENELITIAN LEBIH LANJUT
Kesimpulan yang didapatkan pada penelitian ini adalah : 1. Perolehan total profit perusahaan akan semakin lebih besar jika terdapat integrasi antara penjadwalan produksi dengan perencanaan pengiriman. 2. Perencanaan pengiriman dengan VRPQW memerlukan jumlah kendaraan lebih banyak dibandingkan perencanaan pengiriman dengan VRPTW. 3. Rata-rata penurunan kualitas pada perencanaan pengiriman dengan VRPQW lebih sedikit dibandingkan perencanaan pengiriman dengan VRPTW. 4. Semakin tinggi batas kualitas produk yang diharapkan konsumen maka jumlah kendaraan yang diperlukan akan semakin banyak. 5. Penjadwalan produksi dengan mempertimbangkan laju penurunan kualitas produk akan menurunkan biaya penurunan kualitas. 6. Besar kecilnya kontribusi biaya energi tergantung pada jumlah muatan barang dan durasi loss kendaraan tersebut (single temperature). Penelitian ini memiliki batasan dan asumsi yang dapat direlaksasi, penelitian lebih lanjut dapat dilakukan : 1. Penelitian selanjutnya dapat memperhatikan lokasi penyebaran konsumen baik random maupun kluster untuk melihat perbedaan perilaku model. 2. Selain algoritma Nelder Mead, penelitian selanjutnya dapat menggunakan algoritma lain untuk mencari jumlah produksi optimal.
Pada penelitian ini, penulis mengucapkan terima kasih kepada kepada dosen pembimbing telah banyak membantu dalam proses penyelesaian penelitian ini.Selain itu kepada seluruh dosen Jurusan Teknik Industri yang telah memberikan banyak ilmu dan pengalaman bagi penulis. DAFTAR PUSTAKA [1] Adler, W.A., 2010. Refrigerator, Transfair Engineering: Survey about CFC-free. Dusseldorf: Transfair GmbH. [2]Adler, W.A., 2010. Transfair Engineering: Survey about CFC-free Refrigerator Production Part 4: Designing and Prototyping of Refrigerator and Freezer. Transfair GmbH. Dusseldorf. [3] Amorim, P., H.-O.Gunthe, H.-O. & B.Almada-Lobo, n.d. Multiobjective Integrated Production and Distribution Planning. [4] Amorim, P., Meyr, H. & Almeder, C., 2011. Managing Perishability in Production Distribution : a discusion and review. Food Engineer, II(1), pp.132-41. [5] Arbib, C., Pacciarellib, D. & Smriglio, S., 1999. A three dimensional matching model. Discrete Applied Mathematics, 92(1999), pp. 1- 15. [6] Ballou, R.H., 2003. Business Logistic / Supply Chain Management. Ohio: Prentice hall. [7] Bogataj, M., Bogataj, L. & Vodopivec, R., 2005. Stability of perishable goods in cold logistic chains. Production Economics, 93-94(2005), pp.345-56. [8] Broekmeulen, R.A.C.M. & Donselaar, K., 2009. A Heuristic to ManA Heuristic to Manage Perishable Inventory with Batch Ordering, Positive Lead-Times, and Time-Varying Demand. Computers & Operations Research, 36, pp.3013-18. [9] Chen, H.K., FuHsueh, C. & ShiangChang, M., 2009. Production scheduling and vehicle routing with time windows for perishable. Food engineering, 36, pp.2311-19. [10]Don, Z.L., 1997. The Impact of Consumer Demands and Trends on Food Processing. Emerging Infectious Diseases, 3(4), pp.467-69. [11]Garcia, J.M. & Lozano, L., 2005. Production and delivery scheduling problem with time windows. Computers and Industrial Engineering, 2005(48), p.733–742.
