ANALISIS PERENCANAAN RUTE PENGIRIMAN PRODUK MENGGUNAKAN METODE DYNAMIC PROGRAMMING: STUDI KASUS DI PRATESTHI BATIK, ECOPRINT &
CRAFT
Uffa
Abdul Karim1, Gunawan Mohammad2
Universitas Islam
Nahdlatul Ulama, Indonesia
Email: uffajurnal@gmail.com1, gunawan@unisnu.ac.id2
|
ABSTRAK Pada pengiriman
produk pencarian rute optimum menjadi masalah yang semakin penting bagi sebagian pengendara kendaraan dikarenakan adanya kenaikan harga bahan bakar.
Sehingga dengan adanya jarak tempuh tercepat yang sejalan dengan waktu tempuh yang singkat dapat lebih sedikit menghemat biaya perjalanan.. Tujuan dari
penelitian ini yaitu untuk mencari
dan menentukan rute pengiriman produk pratesthi dengan metode dynamic
programming yang di diterapkan dan
diharapkan bisa menyelesaikan berbagai masalah seperti alokasi, muatan (knapsack),
capital budgeting, pengawasan persediaan,
penentuan jalur terpendek, dan lain-lain. Melalui metode dynamic programing kita
dapat menghitung jarak tempuh dan waktu lamanya pengiriman jadi dapat
menentukan jalur pengeriman selanjutnya dengan waktu tercepat. Dengan menghitung jarak dan waktu dari beberapa
pengiriman terdahulu kita dapat menemukan waktu pengiriman terlama dan dapat
membuat ulang rute jalur pengiriman produk. dari 16 jalur pengiriman produk
pratesthi kita dapat menghitung dan menemukan waktu tercepat dengan waktu 458
menit atau 7 jam 38 menit dengan rute
SEMARANG – PEMALANG – CIREBON – BOGOR – JAKARTA Kata kunci: dynamic
programming, stagecoach problem, pom qm, produk pratesthi ABSTRACT In
product delivery, finding the optimum route is becoming an increasingly
important problem for some drivers due to rising fuel prices. So that with
the fastest mileage in line with a short travel time can save less travel
costs... The purpose of this study is to find and determine the delivery
route of preview products with the dynamic programming method applied and is
expected to solve various problems such as allocation, knapsack, capital
budgeting, inventory control, shortest path determination, and others.
Through the dynamic programming method we can calculate the distance and time
of delivery so that we can determine the next shipping route with the fastest
time. By calculating the distance and time of some of the previous shipments
we can find the longest delivery time and can re-route the product delivery
path. of the 16 delivery paths of the pretesthi product we can calculate and find the fastest
time with a time of 458 minutes or 7 hours 38 minutes with the route SEMARANG
- PEMALANG - CIREBON - BOGOR - JAKARTA.
Keywords: dynamic programming, stagecoach problem, pom qm, produk pratesthi |
|
|
|
This work is
licensed under a Creative Commons Attribution-ShareAlike 4.0 International |
PENDAHULUAN
Pratesthi batik, craft, ecoprint adalah
sebuah home industri di bidang feshion dan craft (Hikmah & Retnasari, 2021; Prados-Peña
et al., 2024; Zahro et al., 2023), didirikan pada bulan Desember 2015 & lahir kembali pada
bulan Februari 2018, Pratesthi Batik, Craft, Ecoprint sebuah home industri di semarang-Indonesia yang masuk ke dalam industri
bisnis yang berfukus pada fashion dan kerajinan tangan. Pratesthi mempunyai
masalah
dalam pengiriman produk ke custemer terjadinya keterlambatan pengiriman dikarenakan
jarak yang terlalu jauh yang memakan waktu lama (Charles Marsello
Hersanto et al., 2023; Imran et al., 2022; Musyafah et al., 2018). Penelitian terdahulu telah
menunjukkan berbagai penerapan metode dynamic
programming untuk optimasi jalur perjalanan. Hayati et al.
(2012) membahas penerapan
program dinamis untuk menentukan jalur perjalanan optimum dengan bantuan software Winqsb, yang berhasil meningkatkan efisiensi waktu perjalanan.
Dalam pengengiriman pasti tidak akan berjalan
dengan lancar pasti ada kendala yang mungkin terjadi sebagai contoh penutupan
jalan atau perbaikan jalan yang membuat terhambatnya perjalanan dan untuk
mengantisipasi terjadinya hal tersebut pencarian
rute optimum menjadi hal yang perlu di pikirkan hal tersebut penting
bagi sebagian pengendara kendaraan dikarenakan harga
bahan bakar yang tiap tahun terjadi kenaikan (Ebrahim et al., 2014; Hutapea et al.,
2023; Jaller et al., 2020; Widya Aulia Rahmawati & Ani Lestari, 2023).
Untuk menyelesaikan persoalan masalah yang
terjadi pada pengiriman, menghitung dan menentukan rute perjalanan harus
dilakukan (Agra et al., 2015; Demir et al., 2016;
Zis et al., 2020). Karna dengan hanya melakukan pengiriman tanpa
menghitung jarak dan waktu pengiriman bisa terjadi keterlambatan pengiriman
karna terjadi kendala dalam pengiriman (Benamar et al., 2014; Mahmoudi &
Zhou, 2016; Rostami et al., 2015). Dengan itu menghitung jarak rute tempuh tercepat
yang sejalan dengan waktu tempuh yang singkat dapat lebih
sedikit menghemat biaya perjalanan mempercepat waktu pengiriman. Setelah menerepkan
perhitungan dan rute perjalanan pengiriman dapat mempercepat pengiriman dan
menghemat pengiriman sehingga memenuhi target ketepatan pengiriman.
Penelitian terdahulu,
Jumadi (2014) menggunakan algoritma dynamic programming untuk
menentukan rute terpendek menuju kampus, menghasilkan pengurangan jarak tempuh yang signifikan. Penelitian Elsa et al. (2023) menerapkan metode backward
recursive equation dalam skenario
logistik, menyoroti fleksibilitas dynamic programming dalam
berbagai situasi. Zein et al.
(2022) mengaplikasikan metode
ini untuk menentukan jalur pengiriman benih ikan, yang terbukti mampu meminimalkan waktu perjalanan. Selain itu, Sari et al. (2021) menggunakan algoritma yang sama dalam
pendistribusian produk kue, yang menunjukkan efisiensi biaya dan waktu sebagai
hasil optimasi jalur.
Penelitian ini
memiliki kebaruan yang unik dibandingkan studi sebelumnya. Fokusnya pada
UMKM Pratesthi Batik, Craft, dan
Ecoprint memberikan kontribusi baru dengan aplikasi dynamic
programming pada usaha kecil di sektor fashion dan kerajinan. Selain itu, penelitian
ini menerapkan perhitungan matematis menggunakan data pengiriman nyata yang mencakup kendala logistik, seperti penutupan jalan dan perubahan
rute, yang jarang dibahas dalam penelitian
lain. Dengan menggunakan software POM-QM untuk pengolahan data, penelitian ini menawarkan pendekatan inovatif untuk optimasi jalur. Hasilnya menunjukkan pengurangan waktu pengiriman hingga 5 jam 8 menit dibandingkan rute awal, yang membuktikan efektivitas metode ini dalam
meningkatkan efisiensi logistik. Kontribusi utama penelitian
ini adalah solusi praktis yang tidak hanya relevan
bagi UMKM Pratesthi, tetapi juga dapat
diterapkan pada usaha kecil lainnya
untuk mengoptimalkan pengiriman produk dan menekan biaya
operasional, menjadikannya signifikan dalam konteks logistik skala kecil di Indonesia.
Tujuan dari penelitian ini adalah untuk mengoptimalkan
rute pengiriman produk pada UMKM Pratesthi Batik, Craft, dan Ecoprint menggunakan metode dynamic programming. Penelitian ini
bertujuan untuk mengidentifikasi jalur pengiriman yang paling efisien berdasarkan perhitungan waktu dan jarak
tempuh, dengan mempertimbangkan kendala logistik seperti penutupan jalan atau hambatan perjalanan
lainnya. Selain itu, penelitian
ini juga bertujuan untuk mengevaluasi keefektifan penerapan metode dynamic
programming dalam pengelolaan
logistik UMKM, sekaligus memberikan solusi konkret untuk mengurangi
waktu pengiriman, menekan biaya operasional,
dan meningkatkan ketepatan pengiriman. Dengan pendekatan berbasis data ini, penelitian diharapkan dapat memberikan kontribusi praktis dalam mendukung
efisiensi operasional logistik UMKM di Indonesia.
Penelitian ini
memiliki manfaat yang luas, baik secara
akademis, praktis, maupun sosial-ekonomi. Secara akademis,
penelitian ini memberikan kontribusi pada pengembangan metode dynamic programming, khususnya
dalam aplikasi di sektor UMKM. Studi ini dapat menjadi referensi bagi penelitian serupa yang fokus pada optimalisasi logistik skala kecil. Secara praktis, penelitian ini menawarkan solusi konkret untuk meningkatkan efisiensi logistik UMKM, khususnya melalui pengurangan waktu pengiriman hingga 5 jam lebih cepat dibandingkan
rute awal. Dengan solusi ini, UMKM dapat menekan biaya
operasional dan meningkatkan kepuasan pelanggan melalui ketepatan pengiriman.
METODE PENELITIAN
Tahap-tahap penelitian adalah :
Studi
pendahuluan
Untuk
mengetahui dan mempelajari penentuan rute yang akan ditempuh dengan maksud
untuk mendapatkan informasi awal yang lengkap serta menentukan masalah yang
diangkat dalam penelitian. Penelitian ini dilakukan dengan mengambil rute
perjalanan dari Semarang ke Jakarta.
a. Studi Literatur dan Studi Lapangan
Pada
tahapan ini juga dilakukan kajian pustaka, yaitu kegiatan pengumpulan data
memlali referensi terkait dari internet, jurnal, dan dokumen-dokumen lainnya.
Studi literatur bertujuan untuk mendapatkan gambaran mengenai teori dan konsep
yang berhubungan dengan permasalahan yang dihadapi serta menunjukkan tahapan
pemecahanya. studi ini dilakukan dengan mengeksplorasi jurnal, penelitian, dan
sumber lainnya yang terkait.
b. Pengambilan Data
Dalam
penelitian ini, variabel yang akan diteliti adalah jarak. Data-data yang diambil
meliputi data jarak dari kota-kota yang akan dilewati dari kota Semarang ke
kota Jakarta, penelitian ini dilakukan di Pratesthi Batik, Craft, dan Ecoprint
Semarang. Kemudian data-data tersebut dihitung nilai rata-ratanya.
c. Pengolahan data
Pada
tahap ini terdiri dari enam tahap, diantaranya penentuan rute, penentuan letak
titik berkumpul (assembly point), penentuan node,
pemilahan titik berkumpul (assembly point) untuk masing-masing ruang, penentuan
jarak masing-masing ruang ke titik berkumpul (assembly point), dan penentuan
alternatif rute.
d. Pembentukan Model
Pembentukan
persamaan matematika yang diperlukan. Pembentukan persamaan fungsi jarak.
e. Pengolahan Data
Pengolahan
data menggunakan software POM QM.
f.
Analisis Hasil
g.
Diperoleh dari hasil pengolahan data yang dilakukan kemudian membaca hasil
pengolahan dari POM QM tersebut.
h. Kesimpulan
Simpulan
diperoleh dari hasil pengolahan data yang dilakukan berdasarkan tujuan
penelitian yang telah ditetapkan dan saran berisikan harapan peneliti atas
hasil penelitian kepada obyek penelitian serta ruang lingkup penelitian untuk
penelitian selanjutnya.
PERSAMAAN
MATEMATIKA
Menurut
(Domensus, 2013) bentuk umum dari masalah
dynamic programming yaitu:
Opt:
DenganbatasanX=
Dan
Dengan :
= total jarak dari
seluruh tahapan (kegiatan)
X j = kota yang dilokasikan ke tahapan
rj(Xj)
= jarak dari tahapan ke-j
X = kota yang tersedia
Pendekatan
Dynamic Programming
Ada
2 pendekatan yang digunakan
pada dynamic programming yaitu :
1) DynamicProgramming
maju (forward atau up
down). Misalkan
x1,
x2 ,...,xn menyatakan
peubah (variabel) keputusan yang harus dibuat masing-masing untuk tahap 1,2,...,n . Program dinamis bergerak mulai dari tahap
1 terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtutan peubah keputusan adalah x1 , x2 ,...,xn
....... 
2)
Dynamic Programmingmundur
(Backward atau bottom up). Dynamic Programming ini merupakan kebalikan
dari Dynamic Programmingmaju.
Dynamic Programmingini bergerak
mulai dari tahap n terus mundur ketahap n -1, n -
2, dan seterusnya sampai tahap 1. Runtutan peubah keputusan adalah xn , xn-1
,...,xn
,
.......
|
|
Pemalang |
Purwokerto |
Cirebon |
Kuningan |
Tasikmalaya |
Bogor |
Bekasi |
Jakarta |
|
S |
106 |
227 |
|
|
|
|
|
|
|
P |
|
|
109 |
121 |
259 |
|
|
|
|
P |
|
|
205 |
220 |
203 |
|
|
|
|
C |
|
|
|
|
|
204 |
180 |
|
|
K |
|
|
|
|
|
260 |
215 |
|
|
T |
|
|
|
|
|
342 |
307 |
|
|
B |
|
|
|
|
|
|
|
39 |
|
B |
|
|
|
|
|
|
|
77 |
Sumber: (Olah data 2024)
Gambar 2. Hasil untuk single time estimete
(Sumber : Olah data, 2024)
Gambar 31 Diagram rute terlama
POM-QM
(Sumber : Olah data, 2024)
Pada tabel-tabel di bawah ini menggunakan rumus Dynamic
Programmingmundur (Backward atau
bottom up). untuk memudahakan
perhitungan rute tercepat dan keakuratan permilihan rute.
Tabel 2. Tahab 4 : min { f4(x4)
|
DARI/KE |
J |
{ F4(X4) } |
X4* |
|
B1 |
39 |
39 |
BJ |
|
B2 |
77 |
77 |
BJ |
Tabel 3 : min { f3(x3)}
|
Dari/ke |
B1 (39) |
B2 (77) |
F3(x3) |
X3* |
|
C |
204 |
180 |
180 |
CB1 |
|
K |
260 |
115 |
115 |
KB2 |
|
T |
342 |
307 |
307 |
TB |
Tabel 4. Tabel 2 : min { f2(x2)}
|
DARI/KE |
C (180) |
K (115) |
T (307) |
F2(X2) |
X2 |
|
P1 |
109 |
121 |
259 |
109 |
P1C |
|
P2 |
205 |
220 |
203 |
203 |
P2T |
Tabel 5. :min {f1(x1)}
|
DARI/ KE |
P 1 (1O9) |
P2 ( 203) |
F1{X1] |
X1 |
|
S |
106 |
227 |
106 |
SP1 |
HASIL
DAN PEMBAHASAN
Pada
gambar 2.1 Angka diatas setiap kotak adalah angka jalur perjalanan dari angka 1
adalah titik awal keberangkatan hingga nomor 9 tujuan, sedangkan angka di
setiap panah adalah waktu perjalanan yang di rubah menjadi menit. Warna panah
yang berbeda adalah jalur paling efektif yang membutuhkan waktu tercepat.
Pada
tabel 2.1 Kolom vertikal yang terdapat
inisial huruf adalah nama kota awal keberangkatan dan kolom yang horizontal
adalah nama kota yang akan di lewati sedangkan kolom yang di absir warna biru
adalah jalur yang tidak dilewati pengiriman.
Pada
gambar 2.3 projek yang terlihat beberapa yang berwarna merah itu adalah sebuah
jalur yang memakan waktu perjalanan terlama sehingga membuat keterlambatan
dalam pengiriman. B jalur 1 ke 3, H
jalur 3 ke 6 dan M jalur 6 ke 7 ini adalah jalur-jalur yang menunjukkan
beberapa jalur terlama
Berdasarkan hasil pengamatan dan perhitungan jalur
pengiriman produk yang di lakukan pratesthi saat ini dengan rute SEMARANG –
PURWOKWERTO – TASIKMALAYA – BOGOR – JAKARTA yang di tunjukan anak panah yang
berwarna merah memakan waktu 13 jam 51 menit yang membuat pengiriman menjadi
lama dan membuat keterlambatan pengiriman produk,
KESIMPULAN
Berdasarkan pengamatan dan perhitungan jalur
pengiriman produk yang di lakukan pratesthi saat ini dengan rute SEMARANG –
PURWOKWERTO – TASIKMALAYA – BOGOR – JAKARTA memakan waktu 13 jam 51 menit dan
membuat keterlambatan pengiriman produk, sedangkan perhitungan menggunakan
metode dynamic programming yaitu dari rute SEMARANG – PEMALANG – CIREBON –
BEKASI – JAKARTA memakan waktu 8 jam 43 menit lebih cepat 5 jam 8 menit dari
waktu pengiriman pratesthi saat ini. maka pratesthi dapat menggunakan rute
perhitungan dynamic programming yang optimal dengan jarak terpendek untuk
mengantar produk, Penelitian ini
masih menggunakan rute perjalanan sederhana dengan sembilan
titik lokasi. Oleh karena itu,
sebagai penelitian lanjutan dapat menggunakan jumlah lokasi titik yang lebih banyak. Untuk menghindari
kesalahan perhitungan diharapkan menggunakan bantuan bahasa pemograman agar hasil penelitian yang diperoleh lebih valid.
DAFTAR PUSTAKA
Agra, A., Christiansen, M., Delgado, A., & Hvattum, L. M.
(2015). A maritime inventory routing problem with stochastic sailing and port
times. Computers & Operations
Research, 61, 18–30.
Benamar, N., Singh, K. D., Benamar, M., El Ouadghiri, D.,
& Bonnin, J.-M. (2014). Routing protocols in vehicular delay tolerant
networks: A comprehensive survey. Computer
Communications, 48,
141–158.
Charles Marsello Hersanto, Nur Tri Ramadhanti Adiningrum,
& Dani Leonidas Sumarna. (2023). Analisis Penyebab Keterlambatan Pengiriman
Barang Pada Pos Express Menggunakan Metode Six Sigma. Logistik, 16(01).
https://doi.org/10.21009/logistik.v16i01.34614
Demir, E., Burgholzer, W., Hrušovský, M., Arıkan, E.,
Jammernegg, W., & Van Woensel, T. (2016). A green intermodal service
network design problem with travel time uncertainty. Transportation Research Part B: Methodological, 93, 789–807.
Ebrahim, A., Battilana, J., & Mair, J. (2014). The
governance of social enterprises: Mission drift and accountability challenges
in hybrid organizations. Research in
Organizational Behavior, 34,
81–100.
Hikmah, A. R., & Retnasari, D. (2021). Ecoprint Sebagai
Alternatif Peluang Usaha Fashion Yang Ramah Lingkungan. Universitas Negeri Yogyakarta, 16(1).
Hutapea, S. R., Sidabalok, J., & Samosir, K. (2023).
Perlindungan Hukum terhadap Konsumen dalam Pengiriman Barang Melalui Perusahaan
Jasa Pengiriman Barang. Jurnal Profile
Hukum, 1(1).
Imran, A. A., Lasalewo, T., & Macmoed, B. R. (2022).
Optimalisasi Rute Distribusi Pada PT. Pusaka Agro Tani Menggunakan Metode
Clarke And Wright Saving Heuristic. Jambura
Industrial Review (JIREV), 2(2).
https://doi.org/10.37905/jirev.v2i2.20674
Jaller, M., Otero-Palencia, C., & Pahwa, A. (2020).
Automation, electrification, and shared mobility in urban freight:
opportunities and challenges. Transportation
Research Procedia, 46,
13–20.
Mahmoudi, M., & Zhou, X. (2016). Finding optimal
solutions for vehicle routing problem with pickup and delivery services with
time windows: A dynamic programming approach based on state–space–time network
representations. Transportation
Research Part B: Methodological, 89,
19–42.
Musyafah, A. A., Khasna, H. W., & Turisno, B. E. (2018).
Perlindungan Konsumen Jasa Pengiriman Barang Dalam Hal Terjadi Keterlambatan
Pengiriman Barang. Law Reform, 14(2).
https://doi.org/10.14710/lr.v14i2.20863
Prados-Peña, M. B., Gálvez-Sánchez, F. J., Núñez-Cacho, P.,
& Molina-Moreno, V. (2024). Intention to purchase sustainable craft
products: a moderated mediation analysis of the adoption of sustainability in
the craft sector. Environment,
Development and Sustainability, 26(1).
https://doi.org/10.1007/s10668-022-02732-6
Rostami, M., Kheirandish, O., & Ansari, N. (2015).
Minimizing maximum tardiness and delivery costs with batch delivery and job
release times. Applied Mathematical
Modelling, 39(16),
4909–4927.
Widya Aulia Rahmawati, & Ani Lestari. (2023). Kendala
Kecepatan Pengiriman Dan Pembelian Di E-Commerce. Journal Sains Student Research, 1(1). https://doi.org/10.61722/jssr.v1i1.422
Zahro, F., Mahardika, S. P., Nurjanah, D. S., Salsabila, A.,
Octavia, S. R., Utami, H. C., Wicaksiwi, A. K., Mardhatillah, W., &
Agustin, Z. N. (2023). Pelatihan Batik Ecoprint Sebagai Upaya Mewujudkan
Generasi Wirausaha Kreatif Pada Siswa Luar Biasa. Sasambo: Jurnal Abdimas (Journal of Community Service), 5(1).
https://doi.org/10.36312/sasambo.v5i1.1033
Zis, T. P. V, Psaraftis, H. N., & Ding, L. (2020). Ship
weather routing: A taxonomy and survey. Ocean
Engineering, 213,
107697.