digilib@itb.ac.id +62 812 2508 8800

Dokumen Asli
PUBLIC Open In Flip Book Dessy Rondang Monaomi

Penelitian mengenai transportation problem (TP) memainkan peran penting dalam bidang optimasi logistik dan distribusi, khususnya di era globalisasi di mana rantai pasok semakin kompleks dan berperan besar dalam efisiensi biaya perusahaan. TP adalah jenis permasalahan alokasi sumber daya yang berfokus pada meminimalkan total biaya pengiriman barang dari sejumlah titik asal (seperti pabrik atau gudang) ke beberapa titik tujuan (seperti pasar atau pusat distribusi) dengan mempertimbangkan keterbatasan kapasitas di titik asal dan kebutuhan di titik tujuan. Terdapat dua tahapan untuk mendapatkan solusi optimal pada TP yaitu menggunakan metode Initial Basic Feasible Solution (IBFS) dan selanjutnya metode optimasi. Hasil dari IBFS sangat mempengaruhi tercapainya solusi optimal dan pada kasus tertentu, IBFS dapat langsung mendapatkan solusi optimal tanpa harus menggunakan metode optimasi. Salah satu metode IBFS yang dapat langsung mencapai solusi optimal dalam banyak kasus adalah Supply Selection Method (SSM). Namun dalam penerapannya, SSM masih belum dapat menyelesaikan beberapa kasus TP dan masih mengandung beberapa ambiguitas pada saat menyelesaikan (satisfy) baris yang berstatus Excess Row (ER). Penelitian ini menggunakan SSM sebagai dasar untuk membangun metode IBFS yang lebih baik yang disebut Improved Supply Selection Method (ISSM). ISSM memperbaiki gap yang ditemukan pada SSM serta mampu menyelesaikan TP yang tidak dapat diselesaikan oleh SSM. ISSM kemudian dibandingkan dengan metode IBFS yang telah ada yaitu Vogel’s approximation method (VAM), SSM serta varian dari SSM yaitu Juman Hoque Method (JHM) dan Bilqis Chastine Erma Method (BCE). Data pengujian sebanyak 45 data, 30 data berasal dari penelitian SSM (data sama), dan 15 data lainnya berasal dari penelitian lain yang membahas TP (data baru). Proses pengujian dilakukan pada laptop dengan spesifikasi: Processor – 11th Gen Intel Core i5-11400H, 2.70GHz; RAM - 8 GB; Storage - 447GB SSD; dan OS - Windows 11 Home Single Language. Hasil penelitian menunjukkan bahwa ISSM memberikan solusi yang lebih baik jika dibandingkan dengan 4 metode lainnya, dengan 39 dari 45 kasus mencapai solusi optimal. Evaluasi menunjukkan ISSM memiliki akurasi 100% pada "data sama", sedangkan SSM hanya mencapai 86,76%. Untuk pengujian "data baru", ISSM memiliki akurasi 60%, lebih baik dari SSM yang hanya mencapai 20%. ISSM meningkatkan kinerja SSM pada 45 data sebesar 26,7%, dengan perbedaan rata-rata waktu eksekusi yang tidak terlalu jauh, yaitu 6,93E-07 detik.