SISTEM PENGIRIMAN MAINAN ANAK-ANAK DENGAN MENGGUNAKAN METODE ANT COLONY SYSTEM PADA PT. PANPAN NAMLAPAN INDONESIA

SISTEM PENGIRIMAN MAINAN ANAK-ANAK DENGAN MENGGUNAKAN METODE ANT COLONY SYSTEM PADA PT. PANPAN NAMLAPAN INDONESIA Imelda Sutanto BINUS University, Jakarta, DKI Jakarta, 11480 Henkie Ongowarsito, S.Kom., MT BINUS University, Jakarta, DKI Jakarta, 11480, Indonesia Anggara Hayun Anujuprana, ST, MT BINUS University, Jakarta, DKI Jakarta, 11480, Indonesia Abstrak Assymetric Traveling Salesman Problem (ATSP) merupakan masalah pencarian jalur terpendek dari sekumpulan kota yang harus dikunjungi dalam suatu perjalanan. PT. Panpan Namlapan Indonesia, yang bergerak di bidang jasa pendistribusian barang-barang impor dari Cina, menunjukkan bahwa kegiatan utama yang harus diperhatikan adalah bagian pengiriman barang. Pengelolaan pengiriman barang dilakukan dengan pelaksanaan perhitungan jarak tempuh kendaraan pada tanggal 29 Oktober 2011 yang dilakukan melalui dua tahap utama. Tahap pertama, yaitu dengan menggunakan metode Nearest Neighbor (NN) menghasilkan jarak sebesar 119.90 km dan tahap kedua, yaitu dengan menggunakan metode Ant Colony System (ACS) menghasilkan jarak sebesar 114.70 km. Dengan penerapan metode tersebut, maka tingkat efisiensi sumber daya jarak tempuh pengiriman barang mencapai 80%. Sebagai penunjang dasar dari sistem pengiriman barang, maka dibangun aplikasi sistem terintegrasi dengan order processing. Hasil perhitungan menunjukkan bahwa dengan penerapan ACS pada perhitungan jarak tempuh kendaraan pengiriman barang dan penggunaan sistem aplikasi dapat meningkatkan efisiensi penggunaan sumber daya hingga berkisar 99%. Kata Kunci: ATSP, NN, ACS, distribusi, efisiensi, order processing. 1. Pendahuluan PT. Panpan Namlapan Indonesia merupakan salah satu perusahaan yang bergerak di bidang pendistibusian barang-barang yang diimpor dari Cina. Beragamnya lokasi perusahaan konsumen yang dituju dalam aktivitas pengiriman barang menjadi kendala utama bagi PT. Panpan Namlapan Indonesia atau bahkan bagi perusahaan jasa

pengiriman lainnya. Untuk itulah bagian pengiriman barang dapat dikatakan sebagai bagian utama dari perusahaan distribusi yang memerlukan perhatian dan pengelolaan khusus demi tercapainya penghasilan produk atau jasa yang lebih baik, lebih cepat, dan lebih murah. PT. Panpan Namlapan Indonesia menyadari bahwa kebutuhan akan peningkatan efisiensi sumber daya perusahaan menjadi hal utama yang menentukan tingkat produktivitas perusahaan. Pergerakan perusahaan dibatasi oleh tingkat persaingan perdagangan mainan anak-anak yang semakin tinggi. Sehingga PT. Panpan Namlapan Indonesia dituntut untuk selalu dapat memenuhi pemesanan yang telah dilakukan dan menjaga kepercayaan konsumen. PT. Panpan Namlapan Indonesia pun menyadari akan berlakunya konsep dan logika keselarasan antara pengiriman dan penjualan. Pengiriman barang sangat menentukan penjualan, dimana besarnya biaya yang dibutuhkan untuk pengiriman barang pada umumnya akan dibebankan pada biaya penjualan barang. Oleh sebab itu, demi mencapai keunggulan kompetitif dalam hal penetrasi harga penjualan, maka PT. Panpan Namlapan Indonesia harus mengelola pengiriman barang yang terjadi, sehingga biaya penjualan barang pun menjadi kembali bersaing dengan kompetitor lainnya. Penentuan rute dan jarak terpendek akan lebih mudah dilakukan dengan menggunakan program aplikasi pengiriman barang berbasis teknologi informasi. Program yang dibangun ini secara otomatis akan mempercepat penentuan rute pengiriman barang. Perkembangan teknologi informasi pun membantu banyak perusahaan dalam mengefisiensikan penggunaan waktu dalam kegiatan order processing, yang pada umumnya kegiatan ini menghabiskan banyak waktu. Program yang dibangun harus dapat mengintegrasikan kegiatan antara order processing dan pengiriman barang untuk mempersingkat penggunaan waktu di antara kedua proses bisnis tersebut. Oleh sebab itu, optimalisasi pemilihan rute dan perhitungan jarak tempuh terpendek dalam pengiriman barang dan pembangunan aplikasi pengiriman barang yang terorganisir harus dilakukan dalam mengefisienkan dan mengelola penggunaan sumber daya pada PT. Panpan Namlapan Indonesia. 2. LANDASAN TEORI Menurut Chopra & Meindl (2010, p380), transportasi merujuk pada pergerakan produk dari satu lokasi ke lokasi lain yang dimulai dari sebuah rantai pasokan ke pelanggan. Peran transportasi menjadi semakin penting dalam global supply chains. Menurut Woodward (1986, pp112-113), perencanaan rute merupakan bagian penting dalam pengiriman yang bermanfaat untuk meminimalkan biaya pengiriman. Penggunaan komputer sebagai basis perhitungan, penyimpanan informasi, dan penghubung dengan departemen pengiriman merupakan langkah yang pesat dalam menyusun rute kendaraan. Dengan digunakannya teknik ini, maka kegiatan pengiriman barang sehari-hari dapat mengefisienkan penggunaan waktu kendaraan maupun jarak tempuh kendaraan. Menurut Mutakhiroh, et al. (2007, p34), secara umum penyelesaian masalah pencarian jalur terpendek dapat dilakukan menggunakan dua buah metode, yaitu metode algoritma konvensional dan metode heuristik.

Metode konvensional: berupa algoritma yang menggunakan perhitungan matematis biasa, seperti: algoritma Djikstraa, algoritma Floyd-Warshall, dan algoritma Bellman-Ford. Metode heuristik: sub bidang dari kecerdasan buatan yang digunakan untuk melakukan pencarian dan penentuan jalur terpendek, seperti: algoritma semut dan algoritma genetika. 2.1. Assymetric Traveling Salesman Problem (ATSP) TSP merupakan sekumpulan kota dan biaya perjalanan (atau jarak) yang diberikan antara masing-masing pasangan kota yang digunakan untuk menemukan jalur terbaik kunjungan ke semua kota dan kembali ke titik awal dalam upaya meminimalkan biaya atau jarak perjalanan (Davendra, 2010, p1). Tujuan dari TSP adalah untuk menemukan jalur terpendek dengan melewati semua kota tepat satu kali, dan akhirnya kembali ke kota awal (Panigrahi, Shi, & Lim, 2011, p375). Menurut Davendra (2010, p2), jika d rs d sr setidaknya untuk satu (r,s) kemudian TSP menjadi sebuah ATSP. Menurut Davendra (2010, p7) yang mengutip dari Dantzig, Fulkerson, & Johnson (1954) mengatakan bahwa formulasi memperluas kasus asimetris menjadi lebih mudah. 2.2 Metaheuristik Menurut Dorigo & Stutzle (2004, p33), metaheuristik merupakan sekumpulan konsep algoritma yang digunakan dalam penentuan metode heuristik untuk diterapkan pada masalah yang berbeda. Jadi, metaheuristik adalah sebuah kerangka algoritma umum yang juga melakukan perubahan dalam pengadaptasian pada sebuah masalah khusus. Penggunaan metaheuristik meningkatkan kemampuan pencarian solusi dengan kualitas tinggi yang berhubungan dengan masalah optimisasi kombinasi. 2.3 Nearest Neighbor Salesman memulai pada beberapa kota dan kemudian mengunjungi kota terdekat dari kota awal. Dari sana kemudian akan mengunjungi kota-kota terdekat dan juga lokasi yang belum dikunjungi sejauh ini, sampai seluruh kota telah dikunjungi, dan salesman kembali pada titik awal (Reinelt, 1994, p73; Johnson & McGeoch, 1995, pp7-8). 2.4 Ant Colony Optimization Menurut Berlianty dan Arifin (2010, pp61-62), algoritma semut pertama kali dikemukakan oleh Dorigo dan kawan-kawan yang merupakan sebuah pendekatan awal terhadap berbagai masalah sulit seperti masalah Traveling Salesman Problem dan masalah tugas ganda (Quadratic Assignment Problem). ACO terinspirasi dari perilaku spesies semut dalam mencari makan. Semutsemut tersebut meninggalkan feromon di tanah dalam upaya untuk menandai beberapa jalur yang disenangi yang harus diikuti oleh anggota lainnya dari koloni. ACO memanfaatkan sebuah mekanisme serupa untuk memecahkan permasalahan optimisasi (Dorigo, Birattari, & St utzle, 2006, p28).

Menurut Panigrahi, Shi, & Lim (2011, p374), prinsip dasar dari ACO adalah bahwa semut-semut seringkali menemukan jalur terpendek antara sumber makanan dan sarang semut. Semut asli meninggalkan feromon di tanah pada saat berjalan, dan semut asli memiliki sebuah kesukaan untuk melewati jalur yang memiliki jumlah feromon yang lebih banyak. Gambar 1 menunjukkan prinsip pemanfaatan feromon semut untuk membangun jalur terpendek dari sebuah sarang ke sumber makanan dan kembali. Sumber: Panigrahi, Shi, & Lim, 2011, p374 Gambar 1. Prinsip Dasar ACO 2.5 Ant Colony System Menurut Suyanto (2010, p220), Ant Colony System (ACS) merupakan metode perbaikan dari Ant System (AS) yang menambahkan pembaharuan feromon lokal sebelum pembaharuan feromon global (untuk sebuah tour secara lengkap) dilakukan. Menurut Dorigo & Gambardella (1997, p55), ACS memiliki tiga aspek utama: 1. Aturan transisi: Menurut Dorigo & Gambardella (1997, p55), pada tahap ini seekor semut diposisikan pada node r memilih kota s dengan aturan penerapan terlihat pada rumus (1). β arg max τ r, u η r, u jika q q (eksploitasi) { } () r [ ( )] [ ( )], 0 s = u J k S sebaliknya (eksplorasi bias)...(1) Menurut Dorigo & Gambardella (1997, p55), cara menghitung nilai peluang semut k pada kota r memilih untuk bergerak ke kota s terlihat pada rumus (2): β [ τ( r,s) ] [ η( r,s) ] jika s J k ( r) β pk ( r,s) = [ τ( r, u) ] [ η( r, u) ] u J k () r lainnya 0...(2) Keterangan: τ = nilai feromon η = invers jarak δ, bernilai sebesar 1 δ J k (r) = kumpulan kota yang akan dikunjungi oleh semut k pada kota r β = parameter penentu kepentingan relatif feromon dengan jarak (β > 0) q = angka random terdistribusi seragam, bernilai antara 0 sampai 1

q 0 = parameter penentu kepentingan relatif antara eksploitasi dengan eksplorasi (0 q 0 1) S = variabel acak yang dipilih berdasarkan distribusi peluang p k (r,s) Menurut Dorigo & Gambardella (1997, p56), setiap waktu seekor semut pada kota r harus memilih sebuah kota s untuk dilalui dengan memberi contoh nilai random 0 q 1. Jika q q 0, maka sisi terbaik s akan dipilih (eksploitasi), sebaliknya sebuah sisi akan dipilih berdasarkan nilai peluang p k (r,s) (eksplorasi bias) jika q < q 0. 2. Aturan pembaharuan feromon global: Menurut Dorigo & Gambardella (1997, p56), pada ACS hanya semut terbaik (semut yang membangun perjalanan terpendek mulai dari awal jalur perjalanan) yang diperbolehkan untuk meninggalkan feromon. Pembaharuan global dilakukan setelah seluruh semut telah menyelesaikan perjalanannya. Tingkat feromonnya diperbaharui sesuai dengan rumus (3). ( 1- α) τ( r,s) + α Δ ( r,s) τ (r,s) τ...(3) Dimana tingkat perubahan feromon dihitung berdasarkan aturan yang terlihat pada rumus (4). ( ) ( L ) r,s = 1 gb, jika ( r,s) perjalanan global terbaik 0 sebaliknya...(4) Δτ Keterangan: α = parameter kerusakan feromon (0 < α < 1) L gb = panjang dari perjalanan global terbaik 3. Aturan pembaharuan feromon lokal: Menurut Dorigo & Gambardella (1997, p56), ketika membangun sebuah solusi dari TSP, semut mengunjungi sisi dan mengubah tingkat feromonnya dengan menerapkan aturan pembaharuan lokal dengan nilai yang dihitung berdasarkan rumus (5). ( 1- ρ) τ( r,s) + ρ Δ ( r,s) τ (r,s) τ...(5) Menurut Efendi & Maulinda (2010, p93), pengaruh dari pembaharuan lokal ini adalah untuk membuat tingkat ketertarikan ruas-ruas yang ada berubah secara dinamis: setiap kali seekor semut menggunakan sebuah ruas maka ruas ini dengan segera akan berkurang tingkat ketertarikannya, secara tidak langsung semut yang lain akan memilih ruas-ruas lain yang belum dikunjungi. Keterangan: ρ = parameter (0 < ρ < 1) Penetapan parameter pada ACS yang didasarkan pada pembelajaran ACS untuk masalah TSP yang menghasilkan kinerja yang baik, antara lain: β = 2 sampai 5, ρ = 0.1, m = 10, α = 0.1, q 0 = 0.9, dan nilai τ 0 = 1/n.C nn. C nn merupakan panjang dari sebuah perjalanan yang dihasilkan dari heuristik nearest neighbor. Sedangkan n merupakan jumlah kota (Dorigo & Stutzle, 2004, p71; Dorigo & Gambardella, 1997, p56).

2.6 Sistem Informasi Menurut O'Brien (2005, p29), sistem adalah sekelompok komponen yang saling berhubungan, bekerja bersama untuk mencapai tujuan bersama dengan menerima input serta menghasilkan output dalam proses transformasi yang teratur. Menurut McLeod Jr & Schell (2004, p9), sistem adalah sekelompok elemenelemen yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan. Menurut McLeod Jr & Schell (2004, p12), informasi adalah data yang telah diproses, atau data yang memiliki arti. Sedangkan data terdiri dari fakta-fakta dan angka-angka yang relatif tidak berarti bagi pemakai. Menurut Turban, Rainer, & Potter (2003, p15), informasi adalah sebuah koleksi dari fakta (data) yang dikelola dalam beberapa cara sehingga data tersebut memiliki arti bagi penerima. Dengan kata lain, informasi datang dari data yang telah diproses. Data adalah fakta mentah atau penjelasan dasar dari benda, kejadian, aktivitas, dan transaksi yang ditangkap, direkam, disimpan, dan diklasifikasi, tetapi tidak teratur untuk menyampaikan arti tertentu. Menurut Turban, Rainer, & Potter (2003, p15), sistem informasi adalah mengumpulkan, mengolah, menyimpan, menganalisis, dan menyebarkan informasi untuk sebuah tujuan tertentu. Sistem informasi mengolah input dan menghasilkan output yang dikirimkan kepada user atau kepada sistem lain. Sistem informasi dapat merupakan kombinasi teratur apa pun dari orang-orang, hardware, software, jaringan komunikasi, dan sumber daya data yang mengumpulkan, mengubah, dan menyebarkan informasi dalam sebuah organisasi (O'Brien, 2005, p5). Menurut Bennett, Mcrobb, & Farmer (2006, p14), sistem informasi dibangun untuk membantu manusia dalam aktivitasnya dalam upaya mencapai tujuannya mengenai hal-hal yang mungkin dapat terjadi pada aktivitas tersebut. Sistem aktivitas manusia merupakan penjelasan dari arti yang tersedia dalam aktivitas pengembangan sistem informasi. Masing-masing sistem informasi dimaksudkan untuk membantu pemenuhan tujuan dari sistem aktivitas manusia. Menurut Turban, Rainer, & Potter (2003, p16), computer-based information system adalah sebuah sistem informasi yang menggunakan teknologi komputer dan telekomunikasi untuk melakukan tugas-tugas yang dimaksudkan. System Development Life Cycle (SDLC) merupakan metode pengembangan sistem tradisional yang digunakan oleh kebanyakan organisasi sekarang ini. SDLC adalah sebuah kerangka terstruktur yang terdiri dari proses-proses yang berurutan dari sistem informasi yang dikembangkan (Gambar 2). SDLC termasuk investigasi sistem, analisis sistem, perancangan sistem, pemograman, pengujian, implementasi, operasi, dan maintenance (Turban, Rainer, & Potter, 2003, p461).

Sumber: Turban, Rainer, & Potter, 2003, p464 Gambar 2. Delapan Tahapan SDLC 2.7 Object Oriented Analysis and Design Menurut Mathiassen, et al. (2000, p135), Object Oriented Analysis & Design (OOA&D) merupakan sebuah metode yang digunakan untuk menganalisis dan merancang sistem yang berorientasi objek. Problem domain adalah bagian dari sebuah konteks yang diadministrasikan, diawasi, atau dikendalikan oleh sebuah sistem (Mathiassen, et al. 2000, p6). Tujuan dari analisis problem domain adalah untuk mengembangkan sebuah model (Mathiassen, et al., 2000, pp45-46). Application domain adalah organisasi yang mengadministrasikan, mengawasi, atau mengendalikan sebuah problem domain (Mathiassen, et al. 2000, p6). Analisis application domain berfokus pada penentuan kebutuhan untuk fungsi dan tampilan antar muka sistem yang berinteraksi dengan analisis problem domain. Tujuan dari analisis application domain adalah untuk menentukan kebutuhan untuk model sistem, yang menyediakan kosakata dalam penentuan kebutuhan fungsi dan tampilan antar muka (Mathiassen, et al., 2000, p115).

3. METODE PENELITIAN Pada penelitian ini, beberapa metode pengumpulan data yang dilakukan adalah: 1. Metode kepustakaan: Pengumpulan data ini dilakukan dengan mengumpulkan data-data yang berasal dari buku, jurnal, internet, atau sumber pustaka lainnya yang berhubungan dengan topik yang dibahas dalam penelitian. 2. Metode wawancara: Pengumpulan data ini dilakukan dengan cara tatap muka dan berbicara langsung dengan pelaku proses bisnis di perusahaan untuk menanyakan alur bisnis perusahaan. 3. Metode survei lapangan: Pengumpulan data ini dilakukan dengan terjun secara langsung ke lapangan untuk mengumpulkan data-data yang diperlukan untuk mendukung pembahasan penelitian. 4. Metode pengumpulan data sekunder: Pengumpulan data ini dilakukan dengan meminta dan mencatat data-data histori yang dimiliki oleh perusahaan sebagai penunjang penelitian. Langkah-langkah pencarian rute terpendek menggunakan metode NN adalah sebagai berikut: 1. Mengalokasikan konsumen pada node pertama dengan memasukkan konsumen yang memiliki jarak tempuh terdekat dari tempat asal. 2. Kemudian secara terus-menerus mengalokasikan pengisian node selanjutnya dengan menempatkan konsumen ke-i yang memiliki jarak tempuh minimum dari konsumen pada node sebelumnya. Ulangi tahapan ini sampai seluruh node n terisi semua, dimana n merupakan jumlah total konsumen yang akan dikirimi barang pada saat tertentu. Hal yang perlu diperhatikan bahwa satu konsumen hanya akan ditempatkan satu kali dalam node pada sebuah tour, sehingga apabila konsumen k telah terisi pada node kedua, maka kemungkinan bagi konsumen k untuk dapat mengisi node ketiga, keempat, dan selanjutnya sama dengan nol pada sebuah tour yang sama. 3. Konsumen yang terakhir terisi pada node terakhir merupakan konsumen yang akan kembali ke tempat asal untuk mengakhiri perjalanan pengirimannya. 4. Meringkas rute pengiriman barang menjadi sebuah urutan yang dimulai dari tempat asal sampai kembali lagi ke tempat asal, yang terhitung sebagai sebuah tour perjalanan. Jumlahkan jarak tempuh yang diperlukan dalam tour tersebut. Langkah-langkah pencarian rute terpendek menggunakan metode ACS adalah sebagai berikut: 1. Menghitung nilai invers dari masing-masing jalur pengiriman yang merupakan nilai perbandingan jarak tempuh pengiriman barang. 2. Menghitung nilai temporary yang memulai pengurutan dari titik awal atau pengurutan dapat juga dimulai dari titik akhir pengiriman. Kemudian menghitung nilai peluang rute pengiriman barang dengan membagi antara nilai temporary titik tersebut dengan total nilai temporary.

Jarak (km) 3. Mencari urutan pengiriman barang dengan membandingkan nilai random (q) dengan nilai parameter q 0. Apabila nilai q < q 0, maka pencarian urutan pengiriman barang dilakukan dengan memasukkan titik dengan nilai temporary terbesar yang tersedia dan belum dialokasikan ke node lain. Ulangi tahapan ini sampai seluruh titik pengiriman barang selesai dialokasikan ke node. 4. Melakukan perhitungan pembaharuan feromon lokal dengan mempertimbangkan penggunaan parameter ρ yang merupakan koefisien penguapan feromon. Pembaharuan feromon lokal ini juga mempertimbangkan adanya perubahan nilai feromon (Δτ). Jalur yang memiliki nilai Δτ hanyalah jalur terbaik yang dilewati dalam urutan rute pengiriman, selain jalur-jalur tersebut maka nilai Δτ sama dengan nol. 5. Melakukan perhitungan pembaharuan feromon global dengan mempertimbangkan penggunaan parameter α. Pembaharuan feromon global ini juga mempertimbangkan adanya perubahan nilai feromon Δτ. Jalur yang memiliki nilai Δτ hanyalah jalur terbaik yang dilewati dalam urutan rute pengiriman, selain jalurjalur tersebut maka nilai Δτ sama dengan nol. 6. Ulangi langkah 2 sampai 5 sampai ditemukan nilai jarak terpendek yang stagnan (sama) dari tiga kali perulangan. Perhatikan bahwa nilai temporary pada langkah 2 akan dihitung dengan menggunakan nilai feromon yang dihasilkan dari langkah 5 pada iterasi sebelumnya. 4. HASIL DAN PEMBAHASAN Pencarian urutan rute dan jarak tempuh pengiriman barang dibatasi dengan jarak antara pasangan konsumen (pulang dan pergi) yang memiliki angka berbeda (asimetris). Data jarak tempuh pengiriman antar pasangan konsumen dari hasil survei dapat dilihat pada Tabel 1. Berdasarkan data pemesanan pada tanggal 29 Oktober 2011 di PT. Panpan Namlapan Indonesia, konsumen mainan anak-anak yang memesan pada hari tersebut antara lain: Robert (KC001), Anggrek (KC004), Sinar Buana Wawan (KC006), Acin (KC008), dan Bp.Makmur (KC009). Ilustrasi konsumen beserta jarak pada 29 Oktober 2011 dapat dilihat pada Gambar 3. Tabel 1. Data Jarak Tempuh Pengiriman * KC001 KC002 KC003 KC004 KC005 KC006 KC007 KC008 KC009 KC010 KC011 KC012 KC013 * 0 22.9 28.4 28.2 4.8 2.3 3.2 2.7 22.5 12.6 32.4 28.4 28.4 23.1 KC001 26.0 0 41.5 41.3 26.4 23.9 24.8 24.3 36.5 34.4 45.5 41.5 41.5 6.4 KC002 26.8 40.1 0 5.4 22.5 24.7 24.1 22.5 15.3 26.8 4.4 0 0 37.2 KC003 31.4 41.0 4.6 0 27.1 29.3 28.7 27.1 18.1 27.0 8.2 4.6 4.6 38.1 KC004 5.1 27.0 29.3 29.1 0 5.3 5.9 5.4 23.4 16.6 33.3 29.3 29.3 28.2 KC005 4.9 23.0 29.1 28.9 3.1 0.00 1.7 1.4 23.2 13.0 33.1 29.1 29.1 24.8 KC006 5.7 24.6 30.5 30.3 2.3 3.8 0 3.4 24.6 14.1 34.5 30.5 30.5 25.6 KC007 4.0 23.6 29.7 29.5 5.4 2.2 3.9 0 23.8 12.7 33.7 29.7 29.7 24.0 KC008 25.7 38.6 14.4 15.9 25.3 23.6 23.7 23.2 0 34.3 18.4 14.4 14.4 38.4 KC009 14.9 35.6 40.0 39.8 14.9 12.8 13.6 13.1 35.7 0 50.0 46.0 46.0 41.0 KC010 27.6 44.5 5.8 7.7 23.3 25.5 24.9 23.3 19.6 22.8 0 5.8 5.8 41.6 KC011 26.8 40.1 0 5.4 22.5 24.7 24.1 22.5 15.3 26.8 4.4 0 0 37.2 KC012 26.8 40.1 0 5.4 22.5 24.7 24.1 22.5 15.3 26.8 4.4 0 0 37.2 KC013 20.2 5.8 39.5 39.3 22.3 19.8 20.7 20.2 35.9 30.5 43.5 39.5 39.5 0 Keterangan: * = PT. Panpan Namlapan Indonesia

14.10 13.60 KC008 35.70 22.50 23.70 36.50 34.30 25.70 24.60 23.40 KC009 14.90 5.70 12.60 3.20 KC006 5.90 35.60 4.80 38.60 22.90 26.00 25.30 34.40 5.10 2.30 KC001 27.00 26.40 KC004 24.80 24.60 14.90 16.60 Gambar 3. Ilustrasi Jalur Pengiriman Barang pada 29 Oktober 2011 Hasil pengurutan rute dengan menggunakan metode NN pada tanggal 29 Oktober 2011 adalah sebagai berikut: * KC006 KC004 KC009 KC001 KC008 *. Maka diketahui bahwa pengiriman barang untuk pemesanan pada tanggal 29 Oktober 2011 ditempuh dengan melalui rute: PT. Panpan Namlapan Indonesia (Teluk Gong) Sinar Buana Wawan (Permata Kota) Anggrek (Pasar Pagi) Bapak Makmur (Tanah Abang) Robert (Gudang Sentra Kosambi Dadap) Acin (Tanjung Priok) PT. Panpan Namlapan Indonesia (Teluk Gong), dengan total jarak 119.90 km. Hasil pengurutan rute dengan menggunakan metode NN pada tanggal 29 Oktober 2011 adalah sebagai berikut: * KC001 KC008 KC009 KC006 KC004 *. Dari lima siklus perhitungan ACS yang dilakukan, hasil dan urutan rute bernilai sama (stagnan) sehingga dapat dikatakan bahwa hasil dan urutan rute tersebut sudah optimal. Maka diketahui bahwa pengiriman barang untuk pemesanan pada tanggal 29 Oktober 2011 ditempuh dengan melalui rute: PT. Panpan Namlapan Indonesia (Teluk Gong) Robert (Gudang Sentra Kosambi Dadap) Acin (Tanjung Priok) Bapak Makmur (Tanah Abang) Sinar Buana Wawan (Permata Kota) Anggrek (Pasar Pagi) PT. Panpan Namlapan Indonesia (Teluk Gong), dengan total jarak 114.70 km. Tabel 2 dan Tabel 3 secara berturut-turut menunjukkan nilai feromon lokal dan feromon global setelah siklus kelima. Tabel 2. Nilai Feromon Lokal Siklus Lima τ * KC001 KC004 KC006 KC008 KC009 * 0 0.0053855 0.0005385 0.0005385 0.0005385 0.0005385

KC001 0.0005385 0 0.0005385 0.0005385 0.0044559 0.0005385 KC004 0.0140932 0.0005385 0 0.0005385 0.0005385 0.0005385 KC006 0.0005385 0.0005385 0.0277312 0 0.0005385 0.0005385 KC008 0.0005385 0.0005385 0.0005385 0.0005385 0 0.0045563 KC009 0.0005385 0.0005385 0.0005385 0.0070916 0.0005385 0 Tabel 3. Nilai Feromon Global Siklus Lima τ * KC001 KC004 KC006 KC008 KC009 * 0 0.0057188 0.0004847 0.0004847 0.0004847 0.0004847 KC001 0.0004847 0 0.0004847 0.0004847 0.0048821 0.0004847 KC004 0.0135557 0.0004847 0 0.0004847 0.0004847 0.0004847 KC006 0.0004847 0.0004847 0.0258299 0 0.0004847 0.0004847 KC008 0.0004847 0.0004847 0.0004847 0.0004847 0 0.0049725 KC009 0.0004847 0.0004847 0.0004847 0.0072542 0.0004847 0 4.1 Analisis Sistem Berjalan Customer yang ingin melakukan pemesanan barang dapat mendatangi Bagian Penjualan PT. Panpan Namlapan Indonesia untuk melihat contoh produk yang ditawarkan. Apabila customer merupakan customer tetap atau pernah melakukan pembelian barang sebelumnya, maka customer dapat langsung melakukan pemesanan. Akan tetapi bagi customer baru yang ingin melakukan pembelian barang, maka customer tersebut harus mendaftarkan nama perusahaan customer, alamat perusahaan, dan kemudian melakukan pemesanan barang dengan membicarakan mengenai produk yang dipesan dan jumlah pemesanan. Kemudian Bagian Penjualan akan membuat Surat Pemesanan Barang dan menyerahkannya kepada Bagian Keuangan. Berdasarkan Surat Pemesanan Barang yang telah dibuat oleh Bagian Penjualan, maka Bagian Keuangan akan membuat Surat Jalan bagi Bagian Pengiriman untuk melakukan pengiriman barang kepada customer. Setelah customer menerima pengiriman barang, maka Bagian Keuangan meminta pembayaran kepada customer berdasarkan pengiriman barang yang telah dilakukan. Bagian Pembelian bertugas untuk melakukan pendataan barang berdasarkan pembelian barang dari Cina dengan memperbaharui jumlah barang yang tersedia dan mencatat barang baru yang belum pernah dijual sebelumnya. 4.2 Problem Domain Analysis

4.3 Application Domain Analysis Gambar 4. Class Diagram Gambar 5. Use Case Diagram

Gambar 6. Navigation Diagram 5. KESIMPULAN Adapun kesimpulan yang dapat ditarik dari penelitian ini, antara lain: 1. Penggunaan metode NN sebagai metode inisiasi dan ACS sebagai metode metaheuristik menghasilkan solusi jarak tempuh dan urutan rute pengiriman yang optimal dalam pengiriman barang kepada customer setiap harinya.

2. Tingkat efisiensi pengiriman barang dengan menerapkan ACS sebagai metode perhitungan jarak tempuh dan urutan rute pengiriman diperkirakan sebesar 80% dari penggunaan sumber daya sesungguhnya. 3. Tingkat efisiensi penggunaan waktu untuk mencatat pemesanan barang adalah sebesar 16.67% dengan membandingkan antara pencatatan pemesanan menggunakan aplikasi dan secara manual. 4. Tingkat efisiensi penggunaan waktu untuk perhitungan jarak dan urutan rute pengiriman barang adalah sebesar 0.433% dengan membandingkan antara perhitungan jarak dan urutan rute menggunakan aplikasi dan secara manual.

DAFTAR PUSTAKA Bennett, S., Mcrobb, S., & Farmer, R. (2010). Object-Oriented Systems Analysis and Design Using UML. Berkshire: Mc-Graw Hill. Berlianty, I., & Arifin, M. (2010). Teknik-teknik Optimasi Heuristik. Yogyakarta: Graha Ilmu. Chopra, S., & Meindl, P. (2010). Supply Chain Management: Strategy, Planning, and Operation. New Jersey: Pearson. Dantzig, G., Fulkerson, R., & Johnson, S. (1954). Solution of a Large-Scale Traveling- Salesman Problem. Journal of the Operations Research Society of America, 393-410. Davendra, D. (2010). Traveling Salesman Problem, Theory and Applications. Rijeka, Croatia: InTech. Dorigo, M., & Gambardella, L. M. (1997). Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem. IEEE Transactions on Evolutionary Computation, 53-66. Dorigo, M., & Stutzle, T. (2004). Ant Colony Optimization. Cambridge: MIT Press. Dorigo, M., Birattari, M., & St utzle, T. (2006). Ant Colony Optimization Artificial Ants as a Computational Intelligence Technique. IEEE Computational Intelligence Magazine, 28-39. Efendi, R., & Maulinda, S. (2010). Studi Perbandingan Algoritma Cheapest Insertion Heuristic dan Ant Colony System dalam Pemecahan Travelling Salesman Problem. Yogyakarta: SNATI 2010. Johnson, D. S., & McGeoch, L. A. (1995, November 20). Citeseerx. Retrieved November 22, 2011, from Citeseerx Web Site: citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.71.434&rep=rep1&type=pdf Mathiassen, L., Madsen, A. M., Nielsen, P. A., & Stage, J. (2000). Object-Oriented Analysis & Design. Aalborg, Denmark: Marko Publishing ApS. McLeod Jr, R., & Schell, G. (2004). Sistem Informasi Manajemen. New Jersey: Prentice Hall. 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, B33-39.

O'Brien, J. A. (2005). Introduction to Information Systems. New York: McGraw-Hill. Panigrahi, B. K., Shi, Y., & Lim, M.-H. (2011). Handbook of Swarm Intelligence: Concepts, Principles and Applications. Berlin Heidelberg: Springer. Reinelt, G. (1994). The Traveling Salesman Computational Solutions for TSP Applications. Heidelberg: Springer-Verlag. Suyanto. (2010). Algoritma Optimasi: Deterministik atau Probabilitik. Yogyakarta: Graha Ilmu. Turban, E., Rainer, R. K., & Potter, R. E. (2003). Introduction to Information Technology. Chicago: John Wiley & Sons, Inc. Woodward, F. H. (1986). Manajemen Transpor. Inggris: Gower Press.