1

PENENTUAN JALUR DISTRIBUSI DI PT BANDO INDONESIA MENGGUNAKAN

METODE HYBRID CUCKOO SEARCH WITH LEVY FLIGHT ALGORITHM

Oleh Nuzulul Kurniansyah, Anggara Hayun Anujuprana, J.

Sudirwan Binus University, Jl. K. H. Syahdan, 021- 5345830, nuzulul_k123@hotmail.com

Abstrak

Tujuan dari penelitian di PT Bando Indonesia adalah menemukan jalur pendistribusian terpendek yang berbasiskan sistem informasi, sehingga dapat menjadi acuan dalam pengambilan keputusan dalam menentukan jalur distribusi. Keterlambatan pendistribusian barang adalah permasalahan utama dalam proses logistik di PT Bando Indonesia. Keterlambatan terjadi karena kesalahan dalam penentuan rute pendistribusian. Permasalahan tersebut dikategorikan kedalam Traveling Salesman Problem (TSP). Metode Hybrid Cuckoo Search with Levy Flight Algorithm (HCS) adalah metode yang dipilih untuk penyelesaian permasalahan TSP di PT Bando Indonesia. Metode HCS merupakan gabungan antara metode Nearest Neighbour Heuristics (NNH) dan Cuckoo Search with Levy Flight Algorithm (CS) Berdasarkan pengamatan selama 1 Maret 2013 hingga 1 Mei 2013 terdapat 10 keterlambatan dari 24 pengiriman yang telah dilakukan. Contoh hasil perhitungan dalam menentukan rute berdasarkan data historis ketelambatan pada tanggal 25 april 2013 menggunakan metode HCS adalah Depot-CR008KRI- CR003KIA- CR0001ADM- CR009DSI- CR004SIM- CR005HIT- Depot dengan jarak 201.8 Km dan hasil penentuan rute secara manual adalah Depot- CR001ADM- CR003KIA- CR009DSI- CR005HIT- CR004SIM- CR008KRI- Depot dengan jarak total 273.4 Km. Hasil tersebut menunjukan keungulan metode HCS dalam menentukan rute pendistribusian. Perancangan sistem informasi bertujuan untuk menunjang kinerja metode HCS dalam menentukan rute distribusi dan total jarak tempuh dalam hal ketepatan dan kecepatan dalam perhitungan. Perancangan sistem informasi berbasiskan OOAD (Object Oriented Analysis Design) dengan menggunakan notasi UML (Unified Model Language) untuk perancangan sistem informasi yang tepat sehingga dapat mencapai tujuan yang diharapkan.

Kata Kunci: Traveling Salesman Problem (TSP), Object Oriented Analysis (OOAD), UML (Unified Model Language) and Design OOAD, Nearest Neighbour Heuristics (NNH), Cuckoo Search with Levy Flight Algorithm (CS) dan Hybrid Cuckoo Search with Levy Flight Algorithm (HCS). PENDAHULUAN

Perseroan Terbatas (PT) Bando Indonesia adalah salah satu perusahaan leading automotive and

industrial power transmission belt manufacturers di Indonesia. Perusahaan ini didirikan pada tahun 1987 dan Perusahaan ini merupakan perusahaan gabungan antara PT. Kreasi Utama Investama dan Bando Chemical Industries, Ltd. dari Jepang. Perseroan Terbatas (PT) Bando Indonesia memproduksi rubber belt berkualitas tinggi yang banyak digunakan oleh perusahaan otomotif, pertambangan, industri dan lain-lain. PT Bando Indonesia melakukan pendistribusian di diberbagai wilayah baik di dalam negeri maupun

2

diluar negeri. Permasalahan penentuan rute tercepat dan terpendek menjadi salah satu permasalahan utama yang ada di perusahaan. Kesalahan dalam penentuan rute mengakibatkan terjadinya keterlambatan serta tidak tercapainya target pendistribusian barang ke pelanggan sehingga dapat merugikan perusahaan. Permasalahan tersebut dikategorikan kedalam Travelling Salesman Poblem (TSP), dimana salah satu tujuan yang ingin dicaai oleh PT Bando Indonesia adalah menyelesaikan permasalahan TSP untuk menentukan rute distribusi terpendek dalam mendistribusikan barang.

Pengamatan di lapangan yang telah dilakukan dari tanggal 1 Maret 2013 hingga 1 Mei 2013, terdapat 10 keterlambatan dari 24 pengiriman barang yang telah dilakukan oleh PT. Bando Indonesia di wilayah Jabodetabek. Melihat permasalahan yang ada, perkembangan teknologi saat ini sangat membantu penyelesaian permasalahan tersebut. Pemanfaatan teknologi informasi pada pencarian jalur terpendek menghasilkan suatu hasil atau keluaran yang akurat dan tepat (Mutakhiroh, et al. 2007).

Melihat permasalahan tersebut, permasalahan utama yang yang terkait dengan penelitian yang akan dilakukan adalah pencarin rute pendistribusian barang yang terpendek, namun point dari permasalahan yang akan dibahas adalah sebagi berikut: • Bagaimana penyelesaian penentuan rute pendistribusian dengan menggunakan algoritma HCS dan

keunggulannya dibandingkan algoritma NNH dan CS dalam menentukan jalur pendistribusian ? • Bagaimanakah peranan metode dalam menentukan jarak tempuh dalam meminimalisasi biaya

konsumsi bahan bakar. • Bagaimana merancang sistem informasi dengan menggabungkan komponen matlab dan C# dalam

perancangan sistem informasi? • Bagaimana peranan sistem informasi yang akan dirancang dalam mendukung metode tersebut dalam

mencapai tujuan yang diharapkan? Berdasarkan penjabaran diatas permasalahan yang terjadi pada PT Bando Indonesia dikategorikan kedalam permasalahan Traveling Salesman Problem (TSP). Traveling Salesman Problem (TSP) merupakan masalah klasik yang dalam pencarian rute terpendek yang akan ditempuh oleh salesman yang wajib mengunjungi beberapa kota dan setiap kota wajib dikunjungi hanya satu kali serta harus kembali lagi kedepot (Kusrini & Istiyanto, 2007, p. 109). Penyelesaian TSP tersebut akan dirancang solusi untuk menyelesaiakan permasalahan TSP, dengan menggunkan teknik optimasi heuristik yaitu NNH (Nearest Neighbour Heuristics), adapun tahapannya adalah sebagai berikut (Skiena, 2008, p. 6):

NearestNeighbour (P) Pick and visit an initial point po from P p= po i= 0 while there are still unvisited points i= i+1 select pi to be the closest unvisited point to pi-1 visit pi

return to po from pn-1

Pendekatan metaheuristik yaitu CS (Cuckoo Search With Levy Flight Algorithm), metode CS mampu menyelesaikan permasalahan TSP yang ada di PT. Bando Indonesia dimana algoritma ini memiliki keunggulan dalam meghasilakn solusi optimum dibandingkan Genetic system Algorithm (GSA), Partical Swarm Optimization (PSO) dan Ant Colony Sytem (ACS) (Ouaarab, Ahiod, & Yang, 2013, pp. 5-10). Langkah dari pengerjaan cuckoo search algorithm for TSP adalah sebagai berikut (Ouaarab, Ahiod, & Yang, 2013, p. 3):

Algorithm 2 Improved Cuckoo Search 1. Objective function 2. Menentukan inisiasi populasi awal dari n sarang (nest) tuan rumah 3. While (t<Maxgeneration) atau (kriteria pemeberhentian) do 4. Mulai pencarian dengan sebuah fraction (pc) dari smart cuckoo 5. Dapatkan cuckoo secara random oleh levy flight 6. Evaluasi kualitas atau fitness Fi. 7. Pilihlah sarang diantara n (say, j) dengan random 8. if (Fi >Fj) then 9. Gantikan j sebagai solusi terbaru 10. End if 11. Sebuah Fraction (pa) dari sarang terburuk akan ditinggalkan dan membuat yang baru 12. Pertahankan solusi terbaik (sarang dengan kualitas solusi yang terbaik)

3

13. Lakukan perengkingan dan temukan solusi terbaik 14. End while 15. Hasil dari pemrosesan dan visualisasi.

Dalam pencarian solusi di ruang solusi cuckoo melakukan pergerakan yang dinamakan randam walk (Ouaarab, Ahiod, & Yang, 2013, p. 3). Berbagai penelitian telah menunjukkan bahwa prilaku saat terbang dari banyak hewan dan serangga telah menunjukkan ciri khas dari levy flight. Levy flight dapat diterapkan untuk permasalahan optimasi dan pencarian yang optimal, dan hasil awal menunjukkan kemampuan menjanjikan. Berdasarkan pseudocode CS diatas, menghasilkan solusi baru yaitu untuk menyatakan Cuckoo pada Levy flight adalah sebagai berikut (Ouaarab, Ahiod, & Yang, 2013, p. 3):

(1) dimana

= posisi cuckoo = banyaknya iterasi = kooefisien bilangan random = konstaanta bilangan lamda

dimana adalah step size yang berhubungan dengan skala dari masalah yang penting. Dalam kebanyakan kasus, dapat menggunakan Levy flight pada dasarnya memberikan random walk, yang diambil dari distribusi Levy yang lebih besar yaitu sebagai berikut (Ouaarab, Ahiod, & Yang, 2013, p. 3):

(2) Dan untuk menghasilkan hasil pencarian terbaik maka dilakukan modifikasi dari algoritma CS

dimana akan digabungkan metode heuristik (NNH) dan metaheuristik (CS) yang dinamakan HCS (Hybrid Cuckoo Search with Levy Flight Algorithm). Metode tersebut akan ditunjang oleh sistem informasi dimana metode tersebut akan menggabungkan 2 komponen sistem yang menggunakan 2 bahasa pemrograman berbeda yaitu C# dan matlab. Kedua komponen tersebut akan disatukan untuk menujang kinerja dari penerapan metode untuk menghasilkan keluaran yang diharapkan perusahaan berbasiskan teknologi informasi. Perancangan sistem informasi untuk selanjutnya dapat membantu dalam pengambilan keputusan strategis dalam penentuan rute dan jarak tempuh.

METODE PENELITIAN

Dalam melakukan penelitian ini perlu dijelaskan mengenai alur dan urutan dari

pengerjaannya. Dan berikut adalah alur pengerjaannya: 1. Observasi Lapangan

Observasi lapangan langsung dilakukan pada PT. Bando Indonesia dan pengamatan dilakukan departemen logistik. Observasi lapangan bertujuan untuk mengetahui kondisi lapangan (perusahaan) yang akan diteliti. Hal ini tentunya akan membantu untuk mengetahui permasalahan yang ada secara langsung.

2. Studi Pustaka Pada tahapan ini perlu dilakukan pengumpulan landasan teori yang menunjang penelitian yang akan dilakukan. Sumber landasan teori tersebut dapat diperoleh dari berbagai sumber seperti perpustakaan hingga internet baik dalam bentuk buku, e-books maupun jurnal internasional.

3. Perumusan Masalah Permasalahan yang didapatkan dari observasi lapangan adalah permasalahan transportasi yang mencangkup permasalahan pendistribusian yang terjadi selama aktivitas logistik. Setelah mengidentifikasi permasalahan yang ada pada perusahaan. Permasalahan tersebut dikategorikan kedalam permasalahan Travelling Salesman Problem (TSP).

4. Ruang Lingkup Setelah menentukan perumusan masalah, selanjutnya akan dilakukan penentuan ruang lingkup dari penelitian yang dilakukan, agar penelitian yang dilakukan lebih spesifik. Adapun ruang lingkup dari penelitian ini adalah sebagai berikut: 1. Daerah pendistribusian hanya mencangkup wilayah Jabodetabek dan dengan menggunakan

kendaraan truck. 2. TSP yang akan dibahas berbasiskan jarak tempuh 3. Kemacetan dan muatan truck pada penentuan jalur distribusi diabaikan. 4. Pelanggan di kategorikan berdasarkan jenis mobil. 5. Setiap kali pengiriman hanya 6 untuk pelanggan dari 9 pelanggan yang ada.

4

5. Penentuan Tujuan dan Manfaat Penelitian ini memiliki tujuan dan manfaat baik bagi mahasiswa, perusahaan dan keilmuan teknik industri dan sistem informasi. Secara umum tujuan dari penelitian ini adalah menemukan jalur distribusi terpendek dalam mengirimkan barang di PT Bando Indonesia

6. Pengumpulan Data. Dalam pengumpulan data harus dilakukan secara cermat, teliti, dan harus sesuai dengan apa yang dibutuhkan, agar data yang telah dikumpulkan dapat bermanfaat sebagaimana mestinya. Pengumpulan data dilakukan sampai benar-benar memenuhi kebutuhan untuk penelitian dan apabila data cukup untuk pemecahan masalah, maka tahapan selanjutnya dapat dilaksanakan. Namun sebaliknya, apabila data tidak memenuhi dan tidak cukup maka pengumpulan data harus diulang kembali sampai pengumpulan data tercukupi. Pada pengumpulan data dikategorikan menjadi 2 yaitu data primer seperti sejearah perusahaan, nama pelanggan serta alamat pelanggan dan data sekunder terdiri dari jarak antar depot, jumlah keterlambatan, jarak antar retailer.

7. Pengolahan Data Setelah data yang dibutuhkan lengkap, dilakukan pengolahan data sesuai dengan permasalahan yang ada. Dalam hal ini, dilakukan pembahasan dan analisa terhadap hasil pengolahan data, adapun metode yang digunakan untuk menentukan jarak atau rute terpendek yaitu:

a. Naerest Neighbour b. Cuckoo Search With Levy Flight Algorithm c. Hybrid Cuckoo Search with Levy Flight Algorithm

8. Analisis dan Pembahasan Metode Penentuan Rute Setelah pengolahan data, maka perlu dilakukan analisis terkait dengan penelitian yang telah dilakukan. Adapun analisis yang perlu dilakukan adalah analisis usulan rute oleh perusahaan dan analisis rute alternatif yang telah dihitung menggunakan algoritma NNH, Cuckoo Search With Levy Flight Algorithm dan Hybrid Cucckoo Search with Levy Flight. Serta analisis perbandingan ketiga algoritma tersebut.

7. Perancangan Sistem Informasi Perancangan sistem informasi diperlukan untuk membantu memudahkan melakukan proses bisnis yang ada, serta membantu pengambilan keputusan. Dalam perancangan sistem informasi didasarkan pada UML (Unified Model Language) Dalam Sistem yang akan dibangun diperlukan penggabungan beberapa komponen yang saling terintegrasi seperti MATLAB dan C# yang terhubung dengan database perusahaan yang menggunakan Microsoft SQL atau Net Framework. Dan juga desaign interface dari sistem informasi tersebut user friendly sehingga memudahkan pemakainya.

8. Pembangunan Sistem Setelah pengembangan sistem informasi dirancang selanjutnya adalah pembangunan sistem, yang terdiri dari pembangunan aplikasi dan database

9. Pengujian Sistem Langkah selanjutnya yang dilakukan dalam pemabangunan sistem, yaitu pengujian sistem, dimana kegiatanpengujian yang dilakukan adalah unit dan usability testing.

10. Kesimpulan dan Saran Langkah terakhir penelitian yakni pemberian kesimpulan dan saran atas hasil penelitian. Kesimpulan merupakan pernyataan singkat mengenai hasil dari penelitian. Sedangkan saran diberikan apabila ada masukan yang dianggap berguna atau bermanfaat bagi perusahaan dari hasil penelitian yang telah dilakukan. Berikut adalah gambar diagram alir penelitian:

5

Gambar 1. Diagram Alir Penelitian

HASIL DAN PEMBAHASAN

Hasil perhitungan yang telah dilakukan berdasarkan salah satu keterlambatan pendistribusian barang pada tanggal 25 April 2013 dengan rute awal adalah Depot- CR001ADM- CR003KIA- CR009DSI- CR005HIT- CR004SIM- CR008KRI- Depot dengan jarak total 273.40 Km. Perhitungan untuk mendapatkan rute berdasarkan rute keterlambatan tersebut adalah dengan menggunakan algoritma NNH, CS dan HCS. Penyelesaian algoritma ini menggunkan bahasa pemrograman Matlab. Adapun hasil dan tampilan dari hasil perhitungan menggunakan matlab untuk ketiga algoritma tersebut adalah sebagai berikut: • Nearest Neighbour Heuristics (NNH)

NNH menerapakan prinsip kerjanya selalu mengunjungi kota terdekat dalam menetukan rute. Hasil perhitungan menggunakan pemrograman matlab adalah sebagai berikut:

Gambar 2. Hasil Perhitungan NNH

Adapun hasil dari perhitungan tersebut adalaha Depot- CR008KRI- CR005HIT- CR003KIA- CR001ADM- CR009DSI-CR004SIM- Depot dengan total jarak 205.90 Km

6

• Cuckoo Search with Levy Flight Algorithm (CS)

Dalam penggunaan algoritma ini, menetapkan beberapa parameter adapun parameter yang digunakan adalah Pa= 0.25, α = 3/2 dan Number of Particle (NP)= 15 serta Jumlah Iterasi= 10000. Hasil Perhitungan dengan program matlab:

Gambar 3. Hasil Perhitungan CS

Adapun hasil perhitungan dari algoritma tersebut adalah Depot-CR005HIT-CR004SIM-CR009DSI-CR003KIA-CR001ADM-CR008KRI-Depot dengan total jarak 204.00

• Hybrid Cuckoo Search with Levy Flight Algorithm (HCS) Merupakan penggabungan metode heuristik (NNH) dengan Metaheuristik ( CS) dimana NNH sebagai pembatas ruang pencarian CS. Hasil Perhitungan dengan pemrograman matlab beserta tampilan UI dari HCS adalah sebagai berikut:

Gambar 4. Hasil Perhitungan HCS

Jadi hasil perhitungan menggunakan algoritma HCS adalahDepot-CR008KRI- CR003KIA- CR0001ADM- CR009DSI- CR004SIM- CR005HIT- Depot dan total jaraknya adalah 201.8 Km. Dari hasil perhitungan tersebut diketahui bahwa hasil perhitungan dengan menggunakan algoritma HCS menghasilkan solusi yang lebih baik. Dimana hasil perhitungan HCS selalu berada dibawah perhitungan NNH, sehingga hasil dari perhitungan algoritma tersebut menjadi lebih baik. Dibandingakn rute awal, NNH dan CS. Jarak tempuh yang dihasilkan berpengaruh terhadap biaya bahan bakar yang dikeluarkan. Dari perhtungan yang telah dilakukan dapat dinyatakan bahwa jarak dan biaya konsumsi bahan bakar adalah sebanding artinya semakin jauh jalur yang ditempuh maka biaya konsumsi bahan bakar akan lebih banyak. Jumlah bahan bakar yang digunakan dari jarak tempuh yang dihasilkan adapun biaya yang dikeluarkan adalah .

Dalam penentuan metode terbaik dalam penyelesaian TSP untuk mendapatkan jarak terpendek menggunakan 3 jenis algoritma seperti yang sudah dijelaskan pada sub bab sebelumnya. Pengujian hasil

7

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 algoritma akan dijalankan sebanyak 10 kali secara berturut-turut. 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. Namun berbeda dengan CS dan HCS algoritma ini akan selalu berubah saat program saat dijalankan. Untuk pengujian algoritma CS dan HCS menggunakan beberapa beberapa iterasi yaitu 50, 100, 500, 1000, 10000 adapun hasil pengujiannya adalah sebagai berikut:

Tabel 1. Tabel perbandingan HCS dan CS berdasarkan iterasi (KM)

Berdasarkan hasil pengujian dengan rata jarak tempuh berdasarkan tabel diatas dapat dikatakan

bahwa 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:

Gambar 5. Perbandingan Algoritma CS dan HCS

Perancangan Sistem Informasi Penentuan Jalur Distribusi Di PT Bando Indonesia Dalam menunjang kinerja dari metode HCS, akan dirancang sistem informasi yang berbasiskan OOAD (Object Oriented Analysis Design) dengan menggunaknakan notasi UML (Unified Model Language). Dalam perancangan sistem ini terdapat 4 tahapan yaitu sebagai berikut:

Gambar 6. Tahapan Pengembangan Sistem Informasi Penentuan Jalur Distribusi Di PT Bando Indonesia

8

Dari gambar diatas dapat dilihat tahapan dalam pengembangan sistem informasi dalam penentuan jalur distribusi di PT Bando Indonesia. Adapun tahapan pertama adalah menentukan requirement analysis (analisa kebutuhan), untuk mengetahui segala bentuk kebutuhan dari pengguna sistem maka dilakukan observasi dilapangan sehingga akan diketahui apa yang menjadi kebutuhan pengguna agar sistem yang dibangun dapat berfungsi sefektif mungkin. setelah mengetahui hal tersebut, maka analisa kebutuhan tersebut akan dimodelkan kedalam bentuk notasi UML seperti yang dapat dilihat pada gambar diatas. selanjutnya akan dirancang sistem sistem dari kebutuhan user tersebut. seperti yang terlihat pada gamab 6. Langkah selanjutnya akan dirancang sistem yang dibangun berdasarkan kebutuhan user, adapun dalam perancangan sistem yang dilakukan mengikuti tahapan yang ada pada gambar 6. Dalam sistem yang akan dibangun menggunakan 2 komponen yang berbeda yaitu : 1. Komponen C# adalah komponen utama dari sistem yang akan dibangun, dimana komponen ini akan

menampung informasi dari komponen matlab, sehingga memudahkan pemrosesan data serta meminimalisasi human error.

2. Komponen Matlab, dimana komponen ini berfungsi sebagai penentu jalur distribusi dan jarak total dari pengiriman barang yang dilakukan di PT. Bando Indonesia. Komponen ini memiliki keunggulan dalam menghasilkan solusi perhitungan, dimana hasil perhitungan yang didapatkan lebih cepat, tepat dan akurat dibandingkan menggunakan bahasa pemrograman lainnya maupun secara manual.

kedua komponen tersebut akan digabungkan menjadi suatu kesatuan sistem yang saling melangkapi. Selain itu akan dibangun database sistem, komponen matlab akan menggunakan database lokal yang sudah ada di bahasa pemrograman matlab, database tersebut hanya berfungsi sebagai penampung data sementara dimana hasil perhitungan dari dari komponen matlab akan dipindahkan ke database utama C#. komponen C# akan menggunakan database lokal yaitu NET.Framework, database ini berfungsi menampung semua informasi yang ada mulai dari surat perintah kerja, surat pengiriman barang, surat jalan, realisasi pengiriman harian dan laporan pengiriman bulanan. Semuanya informasi tersebut akan ditampung dalam database C#. Perancangan database tersebut didasarkan pada distributed architecture dimana pada sistem yang dibangun terdapat 2 database yang terpisah dalam sistem yang dibangun, namun saling terhubung serta didasarkan pada prinsip three tier architecture dimana layer aplikasi dan data berada pada server data base yang berbeda dan terpisah. Sistem yang akan dirancang tersebut dapat memudahkan dalam menjalankan aplikasi, adapun perancangan sistem tersebut adalah user friendly. Sistem yang akan dibangun akan dilengkapi dengan user interface dimana user interface tersebut mengadopsi “ 8 golden rules”. Adapun bentuk perancangan UI dari sistem yang telah diabngun adalah sebagai berikut:

Gambar 7. Form Login

Form ini adalah form yang wajip diisi oleh user, dimana user harus mengisi User ID dan Password agar user dapat mengakse sistem tersebut.

Gambar 8. Tampilan Menu Awal dan Surat Perintah Kerja

9

Menu awal merupakan menu dimana user dapat memilih menu yang diinginkan berdasarkan pop up menu yang ada seperti pengiriman (Surat Perintah Kerja, Surat Pengiriman Barang dan Surat Jalan ) dan laporan (Form Realisasi Pengiriman Harian dan Laporan Pengiriman Bulanan). Surat perintah kerja adalah surat yang dibuat admin untuk bagian gudang, dimana surat ini menjelaskan tentang barang apa saja yang akan dipesan agar bagian gudang menyiapkan segalanya.

Gambar 9. Surat Pengiriman Barang dan Surat Jalan

Setelah bagian gudang menerima surat perintah kerja dari bagian admin, dan bagian gudang akan mengecek kondisi barang yang akan dikirim, selanjutnya bagian gudang akan membuat surat pengiriman barang untuk bagian logistik, dan bagian logistik menjadikan surat pengiriman barang tersebut sebagai acuan dalam menentukan rute pengiriman, dimana bagian logistik akan menggunakan tools matlab untuk menentukan rute dan menyalinnya kedalam surat jalan, ada pun tampilan dari tools matlab tersebut adalah sebagai berikut:

Gambar 10. Tools Matlab 1 dan 2

Setelah mendapatkan hasil penentuan rute, maka hasilnya tersebut akan disalin ke dalam surat jalan yang ada pada Gambar 9, dan surat tersebut akan diprint untuk diberikan pada supir sebagai acuan dalam menentukan rute pengiriman.

Gambar 11. FRPH dan Laporan Pengiriman Bulanan

10

Setelah pengiriman dilakukan, maka data pengiriman tersebut akan disimpan kedalam FRPH (Form Realisasi Pengiriman Harian) dimana setiap data keterlambatan akan dicatat beserta alasannya, seperti yang dapat dilihat pada gambar diatas, setelah data tersebut disimpan dan akan dijadikan acuan dalam pembuatan laporan pengiriman bulanan, dimana bagian manajemen logistik dapat melihat jumlah keterlambatan yang terjadi dalam periode tertentu yang kemudian dapat ditampilkan dalam bentuk grafik dan diprint. Laporan bulanan ini bertujuan untuk mengevaluasi pengiriman yang telah dilakukan oleh perusahaan. Tahapan terakhir dalam pengembangan sistem informasi penentuan jalur distribusi di PT. Bando Indonesia adalah melakukan testing, dimana tahapan ini perlu dilakukan apakah sistem tersebut dapat berjalan sebagaimana mestinya dan diterima oleh pihak perusahaan sebelum sistem yang akan dibangun benar-benar akan diterapkan dalam dalam sistem perusahaan.

Dari hasil 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.

KESIMPULAN DAN SARAN

Berdasarkan pembahasan dan analisis yang telah dilakukan untuk penyelesaian TSP dalam menentukan rute dan jarak total di PT. Bando Indonesia dapat ditarik kesimpulan sebagai berikut:

1. Rute pendistribusian yang diusulkan untuk penyelesaian permasalahan keterlambatan pada tanggal 25 april 2013 menggunakan algoritma NNH, CS dan HCS adalah Depot- CR008KRI- CR005HIT- CR003KIA- CR001ADM- CR009DSI-CR004SIM- Depot dengan total jarak 205.90 Km, Depot- CR005HIT- CR004SIM- CR009DSI- CR003KIA -CR001ADM- CR008KRI-D epot dengan total jarak 204.00 Km dan Depot- CR008KRI- CR003KIA- CR0001ADM- CR009DSI- CR004SIM- CR005HIT- Depot dan total jaraknya adalah 201.8 Km.

2. Algoritma HCS adalah algoritma terbaik dalam menghasilkan solusi optimum. Berdasarkan pengujian yang telah dilakukan pada algoritma ini menghasilkan solusi yang cenderung stabil dan hasilnya selalu dibawah algoritma NNH.

3. Perbandingan konsumsi bahan bakar dengan jarak adaah berbandingan lurus. Berdasarkan perhitungan yang telah dilakukan berdasarkan data historis 25 April 2013 membutuhkan biaya bahan bakar berdasarkan metode HCS adalah Rp. 110.990,00.

4. Penggabungan komponen tools matlab dengan sistem utama C# menggunakan 2 database berdasarkan distributed centralized deployment dan three tier software architecture. Dimana tools matlab menggunakan local database sementara, dan kemudian hasil perhitungan tersebut dipindahkan kedalam komponen utama sistem C#.

5. Sistem informasi yang dibangun terbukti mampu menunjang kinerja metode HCS dalam menenetukan rute pengiriman secara cepat, tepat dan akurat, dan mampu membantu mengurangi aktivitas manual dalam proses bisnis penentuan rute pendistribusian tersebut.

Saran yang diberikan dalam penyelesaian TSP pada PT Bando Indonesia adalah sebagai berikut:

1. Untuk penelitian lanjutan dapat melakukan pengujian serta mengubah beberapa parameter tunning Pa, , jumlah partikel menyesuaikan dengan kasus yang lebih besar yang ada pada perusahaan.

2. Bila aplikasi yang dibangun untuk PT Bando Indonesia di implimentasikan, maka perlu diadakan training singkat penggunaan program, pemberian modul atau petunjuk penggunaan sistem dan perlu ada share knowledge antar pekerja dalam menggunakan system agar pekerja dengan mudah memahami kinerja sistem.

3. Untuk menunjang kinerja sistem sebaiknya diatas spesifikasi dalam deployment environment. 4. Untuk penelitian lanjutan terhadap biasa menggunakan algoritma heuristik yang lain.

11

5. Untuk penelitian lanjutan untuk TSP dengan menggunakan metode HCS dengan mempertimbangkan permasalahan kemacetan dan waktu dalam menentukan rute pendistribusian.

Daftar Pustaka

Yang, X.-S., & Deb, S. (2010). Engineering Optimisation by Cuckoo Search. Int. J. Mathematical Modelling and Numerical Optimisation , 1 (4), 330-343.

Yeun, L. C., Ismail, W. R., Omar, K., & Zirour, M. (2008). Vehicle Routing Problem: Models and Solution. Journal of Quality Measurement and Analysis , 1 (4), 205-218.

Ahamed, D. (2009). Studying feasibility and Importance of Software Testing: an Analysis. International Journal of Engineering Science and Technology , I (3), 119-128.

Berlianty, I., & Arifin, M. (2010). Teknik-Teknik Optimasi Heuristik. Yogyakarta: Graha Ilmu.

Berlianty, I., & Arifin, M. (2010). Teknik-Teknik Optimasi Heuristik. Yogyakarta: Graha Ilmu.

christopher, M. (2011). LOGISTICS & SUPPLY CHAIN MANAGEMENT (Fourth Edition ed.). London, UK: Pearson.

Davendra, D. (2010). Travelling Salesman Problem, Theory and Application. Rijeka,, Croatia: InTech.

Jaziri, W. (2008). Local Search Techniques: Focus on Tabu Search. Croatia: I-Tech.

Kusumadewi, S., & Purnomo, H. (2005). Penyelesaian Masalah Optimasi Dengan Teknik-Teknik Heuristik. Yogyakarta: Graha Ilmu.

Kusrini, & Istiyanto, J. E. (2007). Penyelesaian Travelling Salesman Problem Dengan Algoritma Cheapest Insertion Heuristics dan Basis Data. JURNAL INFORMATIKA , 8 (2), 109 - 114.

Nylund, S. (2012). Reverse logistics and green logistics. VAMK University of Applied Sciences, International Business. Vaasa: VAMK University of Applied Sciences.

Mutakhiroh, I., Saptono, F., Hasanah, N., & Wiryadinata, R. (2007). Pemanfaatan Metode Heuristik Dalam Pencarian Jalur Terpendek Dengan Algoritma Semut Dan Algoritma Genetika. Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007). Yogyakarta: Laboratorium Pemrograman dan Informatika Teori, Universitas Islam Indonesia.

Ouaarab, A., Ahiod, B. d., & Yang, X.-S. (2013, March 28). Discrete cuckoo search algorithm for the travelling salesman problem. Neural Comput & Applic .

Overman, E. (2012). A Matlab Tutorial. Ohio, USA: Ohio State Univerity.

Pizlo, Z., Stefanov, E., Saalweachter, J., Li, Z., Haxhimusa, Y., & Kropatsch, W. G. (2006). Traveling Salesman Problem: A Foveating Pyramid Model. The Journal of Problem Solving , 1 (1), 83-101.

Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2010). System Analysis & Design in a Changing World Fith Edition. (A. v. Rosenberg, Ed.) Boston, USA: Course Technology.

Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2010). System Analysis And Design I n A Changing World Fift Edition. Boston, USA: Cengage Learning.

Skiena, S. S. (2008). The Algorithm Design Manual. New York, USA: Springer.

R.Nallusamy, K.Duraiswamy, R.Dhanalaksmi, & Parthiban, P. (2009). Optimization of Non-Linear Multiple Traveling Salesman Problem Using K-Means Clustering, Shrink Wrap Algorithm and Meta-Heuristics. International Journal of Nonlinear Science , 8 (4), 480-487.

12

Tseng, Y.-y., Taylor, M. A., & Yue, W. L. (2005). The Role of Transportation In Logistics Chain. Proceedings of the Eastern Asia Society for Transportation Studies. 5, pp. 1657 - 1672. Adeleide: University of South Australia.

RIWAYAT HIDUP

Nuzulul Kurniansya lahir di Payakumbuh (Padang), Indonesia pada tanggal 23 bulan Maret tahun 1992. Penulis menamatkan pendidikan SMA pada tahun 2008 di SMA Muhammadiya 1 Yogyakarta dan meraih gelar ST. dan S.Kom pada tahun 2013 di Binus University.