Pengembangan Metode Initial Basic Feasible Solution Dengan Menggunakan Pendekatan Heuristik Untuk Mencapai Solusi Optimal Pada Transportation Problem

Transportation Problem (TP) bertujuan untuk mencari total biaya minimal pendistribusian barang dari supply ke demand. Total biaya minimal merupakan solusi optimal dari TP dimana pada umumnya didapatkan dengan 2 tahapan, yaitu Initial Basic Feasible Solution (IBFS) dan Stepping stone atau MODI. Banyak peneliti yang mengembangkan metode IBFS agar dapat mencapai solusi optimal secara langsung, sehingga masih ada peluang untuk mengembangkan metode IBFS. Tujuan dari penelitian ini adalah mengembangkan metode alternatif IBFS yang dapat langsung mencapai solusi optimal. Metode IBFS yang pertama yang diusulkan adalah Total Opportunity Cost Matrix – Minimal Total (TOCM-MT) dimana metode ini mengkombinasikan antara Total Opportunity Cost Matrix (TOCM) dan pengembangan Total Different Method 1 (TDM1). Metode ini merubah matriks awal menjadi matriks TOCM. Metoda ini juga menambah prosedur baru pada saat terdapat nilai penalti terbesar yang sama dan menambah prosedur baru pada saat pengalokasian unit pada sel yang mempunyai biaya nol. Metode IBFS kedua yang diusulkan adalah Bilqis Chastine Erma (BCE) dimana metode ini adalah modifikasi dari Juman and Hoque Method (JHM). Metode ini menambah prosedur baru pada saat memindah kelebihan isi sel dari biaya terkecil (least) ke biaya terkecil kedua (second). Metode evaluasi dari penelitian ini adalah improvement percentage, deviation percentage, dan akurasi. Hasil dari metode yang diusulkan akan dibandingkan dengan 3 metode IBFS sebelumnya yaitu Vogel’s Approximation Method (VAM), JHM, dan TDM1. Penelitian ini menggunakan 36 set data real dari perusahaan XYZ dan 35 set data dari beberapa referensi untuk mengevaluasi performa dari metode yang diusulkan. Akurasi tertinggi ditunjukkan oleh metode BCE, yaitu 88,57% untuk 35 data dari beberapa referensi dan diikuti oleh metode TOCM-MT sebesar 71,43%. Improvement percentage BCE tertinggi adalah terhadap VAM yaitu 68.57%. Deviation percentage terendah ditunjukkan oleh metode BCE yaitu 11,43%. Pada permasalahan data real dari perusahaan XYZ, metode BCE mencapai solusi optimal untuk semua 36 set data. ======================================================== Transportation Problem (TP) aims to find the minimum total cost of distributing goods from supply to demand. The minimum total cost is the optimal solution of TP, which is generally obtained in 2 stages, they are Initial Basic Feasible Solution (IBFS) and Stepping Stone or MODI. Many researchers improved the IBFS method to achieve optimal solutions directly. Therefore, there are still opportunities to develop the IBFS method. The proposed of this research is to develop the alternative IBFS methods that can directly reach the optimal solution. The first alternative IBFS method is the Total Opportunity Cost Matrix - Minimum Total (TOCM-MT), where this method combines the Total Opportunity Cost Matrix (TOCM) and the development of Total Different Method 1 (TDM1). This method changes the initial matrix to the TOCM matrix. It adds the new procedure when there is the same biggest penalty value and adds a new procedure when allocating units to a cell with zero cost. The second alternative IBFS method is Bilqis Chastine Erma (BCE), where this method is the modification of the Juman and Hoque Method (JHM). This method adds a new procedure when moving excess cell contents from the first least cost to the second least cost. The evaluation methods of this study are improvement percentage, deviation percentage, and accuracy. The results of the alternative method will be compared with the three existing methods of IBFS, and they are Vogel's Approximation Method (VAM), JHM, and TDM1. This research used 36 set real data from the XYZ company and 35 set data from several references to evaluate the performance of the proposed method. The highest accuracy is shown by the BCE method, which is 88.57% for 35 data from several references, followed by the TOCM-MT method, which is 71.43%. The highest improvement percentage of the BCE method is VAM, which is 68.57%. The lowest deviation percentage is shown by the BCE method, which is 11.43%. For real data problems from XYZ companies, the BCE method achieves the optimal solution for all 36 data sets