Pemodelan Antrian Sistem Penggudangan Produk Minuman Ringan pada Gudang Finish Good PT X

PEMODELAN ANTRIAN SISTEM PENGGUDANGAN
PRODUK MINUMAN RINGAN PADA GUDANG
FINISH GOOD PT X

M ZAKY HADI

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pemodelan Antrian
Sistem Penggudangan Produk Minuman Ringan pada Gudang Finish Good PT X
adalah benar karya saya dengan arahan dari dosen pembimbing dan belum
diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor

Bogor, 8 Juni 2014
M Zaky Hadi
NIM F34100032

ABSTRAK
M.ZAKY HADI. Pemodelan Antrian Sistem Penggudangan Produk Minuman
Ringan pada Gudang Finish Good PT X. Dibimbing oleh : TAUFIK DJATNA
Pemodelan ini bertujuan untuk menyelesaikan masalah kelebihan kapasitas
pada gudang finish good PT X yang disebabkan rendahnya performansi sistem
antrian produk, mengakibatkan bottleneck dan peningkatan biaya simpan produk
akhir. Pemodelan ini menggunakan pendekatan antrian (M/M/c) : (GD/N/∞)
untuk menghitung jumlah operator di gudang finish good. Jumlah operator
tersebut digunakan untuk memperbaiki rendahnya antrian produk seperti waktu
antrian (Wq), panjang antrian (Lq), dan utilitas operator terbaik. Pemodelan
sistem penggudangan menggunakan pendekatan tumpukan (Stack), antrian
(Queue), Linked List, Color HSB (Hue, Saturation, Brightness) untuk
merepresentasikan rak drive-in, antrian produk, dan status produk di gudang.

Hasil perhitungan performa antrian mengindikasikan rendahnya performansi
utilitas pada desain operator racking, transportasi ke area loading, dan loading,
untuk jumlah operator penanganan produk gudang saat ini. Penugasan operator
usulan mempu menigkatkan performansi utilitas diatas 50%. Antarmuka antrian
pada proses racking menampilkan bentuk aliran warna sesuai kerapatan produk
dan palet pada area antrian. Pemberian warna ini untuk mempermudah
pemahaman dan mempercepat deteksi status produk.
Kata kunci : Pemodelan, Teori Antrian, Pendekatan tumpukan, Pendekatan
antrian, pendekatan Color HSB.
ABSTRACT
M.ZAKY HADI. A Queue Modeling of Beverages Warehousing System in X
Company Finish Good Warehouse: Supervised by TAUFIK DJATNA
The objective of this model was to solve the over capacity in the finish good
warehouses due to low performance of queue system that lead to bottleneck and
increasing storage cost. This model used (M/M/C):(GD/N/∞) queue model
approach for calculating the number of operators in a finish good warehouse. The
number of operators used for queue improvements such as queue time (Wq),
queue length, and better utilization. Warehousing model used algorithm such as
stack, queue, linked list, Color HSB (Hue, Saturation, Brightness) for
representing drive-in rack, product queuing, and product status in the

warehouses. The result of queue performance calculation indicated low
performance in racking, transportation to loading area and loading process for
current number of operators. The operator assignment model was capable to
enhance the operator utility above 50%. Racking-queue computation interface
represented in color flow based on density of product stack in queue area. This
color degradation help for easier understanding and accelerating product status
detection.
keywords : Modeling, Queue Theory, Stack approach, Queue approach, Color
HSB approach

PEMODELAN ANTRIAN SISTEM PENGGUDANGAN
PRODUK MINUMAN RINGAN PADA GUDANG
FINISH GOOD PT X

M ZAKY HADI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknologi Pertanian
pada

Departemen Teknologi Industri Pertanian

DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Skripsi
Nama
NIM

: Pemodelan Antrian Sistem Penggudangan Produk Minuman
Ringan pada Gudang Finish Good PT X
: M Zaky Hadi
: F34100032

Disetujui oleh

Dr Eng Taufik Djatna, STP, MSi

Diketahui oleh

Prof Dr Ir Nastiti Siswi Indrasti
Ketua Departemen

Tanggal Lulus :

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga karya ilmiah ini berhasil terselesaikan. Tema yang dipilih dalam
penelitian yang dilaksanakan sejak bulan Juni 2013 hingga Mei 2014 ini ialah
pemodelan sistem penggudangan dengan judul Pemodelan Antrian Sistem
Penggudangan Produk Minuman Ringan pada Gudang Finish Good PT X.
Terima kasih penulis ucapkan kepada Bapak Dr Eng Taufik Djatna, STP,
MSi selaku pembimbing yang telah memberikan banyak saran. Penghargaan
penulis ucapkan kepada Bapak Ridwan Adrian (Staff Departemen PDCA bagian
gudang finish good PT X) sebagai pembimbing lapangan, dan Ibu Sarah Fauzia
sebagai section head bagian inventory control yang telah banyak memberikan
bantuan dan pelajaran berharga tentang Real Industrial Problem Solving
khususnya pada bagian warehouse management. Terima kasih penulis ucapkan

kepada rekan sebimbingan Yudha Yaniari, Kakak-Kakak pasca sarjana TIP IPB
Elfira Febriani, Nina Hairiyah, Elfa Susanti Thamrin, Nova Alemina Sitepu,
Dharma Yoga, Bapak Azri firwan yang telah memberi semangat dan menjadi
teman kerja saat penelitian di laboratorium komputer departemen Teknologi
Industri Pertanian IPB.
Terima kasih untuk Yoga Prasetyo yang telah
memberikan informasi praktik lapangan sehingga penulis bisa menjalin hubungan
yang cukup baik dengan PT X, rekan-rekan sekontrakan Prayuga Deka, Mawardi
Kartasasmita, Andino Yudho, Nanda Arisandika, dan Novi Kurniawan; rekanrekan TIN 47 yang telah menemani penulis selama 4 tahun belajar di departemen
Teknologi Industri Pertanian IPB. Ungkapan terima kasih yang terakhir untuk
ayah, ibu, serta seluruh keluarga, atas segala doa, motivasi, nasehat dan kasih
sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, 8 Juni 2014
M Zaky Hadi

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE PENELITIAN

3

Rancangan Jumlah Operator Penanganan Bahan Berdasarkan Performansi
Antrian Menggunakan Model Antrian (M/M/c) : (GD/N/∞)

4

Pemodelan Sistem Penggudangan Gudang Finish Good Menggunakan
Bahasa Pemrograman Java dengan Algoritma Stack, Queue, dan
Color HSB

7

Alat Bantu Perancangan dan Implementasi Model
HASIL DAN PEMBAHASAN

11
11

Teori Pengukuran Performansi Penggudangan

11

Proses penggudangan Produk Minuman Ringan pada PT X

12

Pengembangan Model Sistem Penggudangan Produk Minuman Ringan
PT X

13

Hasil Perhitungan Performansi Antrian Produk untuk Jumlah
Operator yang Ditugaskan Saat Ini (Current operators)

13

Hasil Perhitungan Performansi Antrian Produk untuk
Jumlah Operator yang Usulan

15

Pemodelan Sistem Penggudangan minuman ringan
gudang finish good PT X

15

Peluang Produk Tidak Dapat Masuk ke Dalam Sistem
(Probability Blocking)

18

SIMPULAN DAN SARAN

18

Simpulan

18

Saran

18

DAFTAR PUSTAKA

18

LAMPIRAN

20

RIWAYAT HIDUP

34

DAFTAR TABEL
1 Hasil pengukuran kedatangan dan handling produk gudang finish good
PT X
2 Hasil perhitungan performansi antrian dengan jumlah operator saat ini
yang ditugaskan oleh PT X
3 Hasil perhitungan performansi antrian dengan jumlah operator usulan

13
14
15

DAFTAR GAMBAR
1 Kerangka pendekatan studi untuk menyelesaikan permasalahan
penggudangan PT X
2 Ilustrasi model rak Drive-in
3 Ilustrasi model algoritma tumpukan pada struktur data.
4 Ilustrasi model algoritma antrian pada struktur data
5 Ilustrasi model algortima Doubly Linked List
6 Aliran warna hijau (0.30) menuju merah (0.00) pada Java Color HSB
7 Pengecekan bottleneck untuk desain operator saat ini (current) di
gudang finish good
8 Pengecekan bottleneck untuk desain operator usulan di gudang finish
good PT X menggunakan sistem Pineapple Logistic 1.0
9 Visualisasi hasil pemodelan antrian produk pada area waiting lines di
gudang finish good berdasarkan algoritma antrian pada sistem
Pineapple Logistic 1.0
10 Model sistem rak drive-in dan status tumpukan produk pada sistem
Pineapple Logistic 1.0
11 Model sistem rak drive-in dan status produk pada sistem Pineapple
Logistic 1.0
12 Hasil identifikasi probability blocking pada sistem area waiting lines 1

3
7
8
9
10
11
15
15

16
16
17
18

DAFTAR LAMPIRAN
1 Hasil identifikasi distribusi data proses serah terima dan racking produk
menggunakan software Easy Fit
2 Hasil identifikasi distribusi data proses release dan transportasi produk
ke area loading menggunakan software Easy Fit
3 Hasil identifikasi distribusi data proses loading produk menggunakan
software Easy Fit
4 Model proses penggudangan minuman ringan gudang finish good PT
X
5 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangn
Minuman Ringan PT X (Top Level)

20
21
22
23
24

6 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangan
Minuman Ringan PT X (level 1) sub sistem menghitung performansi
antrian gudang berdasarkan jumlah operator (a) dan menentukan
produk yang harus dikeluarkan dari rak (b)
7 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangan
Minuman Ringan PT X (level 1) sub sistem mengecek status produk
(a), menginput jumlah dan status produk ke area waiting lines (b),
menginput palet dari area waiting lines ke rak kosong (c)
8 Hasil uji coba debugging pada Tampilan antar muka proses loading
system dan menu utama Pinapple Logistic 1.0
9 Hasil uji coba debugging Tampilan menu Operator Design dan
Performance Calculation pada sistem Pinapple Logistic 1.0
10 Perbandingan perhitungan performansi antrian Pineapple Logistic 1.0
dengan software TORA (Taha, 2007) dengan skenario (M/M/4) :
(GD/10/infinity)
11 Hasil peningkatan kapasitas model Pineapple Logistic menjadi 3000
posisi pallet (peta area informansi gudang dan rak blok B)
12 Hasil peningkatan kapasitas model Pineapple Logistic menjadi 3000
posisi pallet (rak blok C dan rak blok D)
13 Hasil peningkatan kapasitas model Pineapple Logistic menjadi 3000
posisi pallet (rak blok E dan rak blok F)
14 Hasil peningkatan kapasitas model Pineapple Logistic menjadi 3000
posisi pallet (rak blok G dan rak blok H)

25

26
27
28

29
30
31
32
33

1

PENDAHULUAN
Latar Belakang
Pemodelan adalah proses merepresentasikan ide-ide tentang sistem dunia
nyata dalam suatu bentuk lain yang setiap waktu dikembangkan berdasarkan bukti
baru dan pemahaman. Tujuan utama pemodelan adalah untuk menghasilkan suatu
model yang memuat bagian penting dari suatu sistem atau fenomena agar lebih
mudah dipahami, didefinisikan, dihitung, divisualisasikan dan disimulasikan.
Model biasanya memuat fitur-fitur penting yang dibutuhkan untuk memahami
suatu sistem atau fenomena (UW 2013). Fitur-fitur penting dalam pemodelan
sistem merupakan bagian dari kompleksitas yang berisi elemen-elemen sistem
yang saling terkait. Salah satu sistem dunia nyata yang sering dimodelkan adalah
kegiatan penggudangan produk-produk agroindustri.
Penggudangan adalah kegiatan menyimpan produk (saat pembelian atau
setelah produksi) pada suatu bangunan komersial (gudang) secara sistematis dan
teratur sehingga dapat digunakan ketika produk tersebut dibutuhkan (Mohan
2013). Aspek fundamental yang perlu diperhatikan pada penggudangan adalah
penanganan bahan (material handling). Aspek ini menjadi fundamental karena
memastikan kelancaran aliran bahan pada gudang. Berdasarkan hal tersebut
operator penanganan bahan menjadi salah parameter penting yang perlu
diperhatikan oleh perusahaan. Salah satu metode pendekatan yang dapat
digunakan untuk merancang jumlah operator penanganan bahan di gudang adalah
teori antrian.
Teori antrian adalah studi matematis tentang area menunggu atau antrian.
Teori antrian mengembangkan model yang dapat memprediksi panjang antrian
dan waktu menunggu dalam antrian. Tujuan analisis antrian pada teori ini adalah
mendesain fasilitas pelayanan pelanggan menunggu pada antrian. Teori antrian
bukanlah teknik optimasi, tetapi digunakan untuk mengukur performansi area
tunggu, seperti rata-rata waktu tunggu pada antrian dan produktivitas fasilitas
pelayanan, sehingga dapat digunakan untuk merancang jumlah fasilitas pelayanan
(Taha 2007).
PT X adalah industri yang memproduksi minuman ringan dalam bentuk
kemasan gelas plastik (cup). Perusahaan ini memiliki masalah pada gudang
produk jadi (finish good) yaitu kelebihan kapasitas (over capacity). Kelebihan
kapasitas ini menyebabkan masalah baru yaitu produk menjadi rusak, kadaluarsa,
tidak sampai ke tangan konsumen tepat waktu, serta berhenti produksi.
Berdasarkan data rencana produksi mingguan bulan juli 2013 (Periode produksi
maksimal PT X setiap tahunnya) dari departemen PPIC (Production Planning and
Inventory Control) rata-rata produksi perhari (berdasarkan rencana produksi
mingguan bulan juli 2013) adalah 728 palet per hari (1 palet 132 produk) dengan
rencana pengiriman 610 sampai 750 palet per hari. Estimasi stok gudang finish
good adalah 0 sampai 118 palet per hari, namun berdasarkan stock opname
departemen Supply Chain Management (SCM), jumlah produk pada gudang finish
good mencapai 3725 palet, sedangkan kapasitas gudang hanya 3000 posisi palet.
Salah satu penyebab banyaknya produk menumpuk di gudang adalah
terjadinya bottleneck pada proses transit sebelum proses racking dan loading.
Bottleneck terjadi karena kapasitas pelayanan oleh operator (output proses) lebih

2

sedikit dibandingkan laju input pada proses. Masalah over capacity juga
disebabkan oleh banyaknya produk kadaluarsa dan reject tidak terdeteksi oleh
manajemen penggudangan. Sulitnya mendeteksi status produk ini disebabkan oleh
papan visual kanban yang tidak berjalan efektif dan sistem rak yang dimiliki
perusahaan adalah Drive-in (sistem rak last in first out)
Solusi saat ini yang dilakukan pihak perusahaan adalah menyewa gudang
baru dengan kapasitas 1750 palet, menjadikan area parkir dan lorong menjadi
tempat tumpukan produk sementara. Solusi sementara ini menimbulkan masalah
baru yaitu produk dari rak tidak dapat keluar gudang karena terhalang tumpukan
produk pada lorong gudang, produk rusak terkena panas dan hujan, serta
tambahan biaya transportasi menuju gudang baru. PT X mengeluarkan biaya dan
menanggung kerugian yang cukup besar akibat permasalahan ini sehingga
masalah ini penting untuk segera diselesaikan.
Perumusan Masalah
Berdasarkan permasalahan diatas, perlu dirancang jumlah operator untuk
mencegah terjadinya Bottleneck pada gudang finish good PT X. Rancangan
jumlah operator didasarkan pada performansi antrian produk dengan jumlah
operator dan area antrian terbatas. Permasalah kedua yang harus diselesaikan
adalah mendeteksi status dan banyaknya produk di gudang, sehingga perlu
mendesain model sistem informasi penggudangan dengan mempertimbangkan
masalah kompleksitas, yaitu sistem rak Drive-in, model antrian dan tumpukan,
serta status produk di gudang.
Tujuan Penelitian
Penelitian ini bertujuan untuk merancang jumlah operator berdasarkan
performansi antrian produk dan memodelkan sistem penggudangan produk
minuman ringan yang dapat menjawab kompleksitas permasalahan gudang finish
good PT X.
Manfaat Penelitian
Manfaat penelitian ini untuk PT X adalah menyelesaikan salah satu
penyebab permasalahan Over Capacity pada gudang finish good. Manfaat untuk
peneliti adalah menambah pengetahuan tentang kondisi dan permasalahan pada
industri serta cara menyelesaikan permasalahan tersebut dengan sumber daya
yang terbatas.
Ruang Lingkup Penelitian
Penelitian ini difokuskan pada perhitungan jumlah operator berdasarkan
performansi antrian dan pemodelan sistem penggudangan berdasarkan
kompleksitas pada gudang produk jelly di PT X.

3

METODE PENELITIAN
Rancangan jumlah operator dihitung berdasarkan perhitungan performansi
pada gudang finish good PT X. Pemodelan sistem diselesaikan dengan pendekatan
konsep antrian, tumpukan dan aliran warna untuk menjawab kompleksitas
penggudangan. Kerangka pendekatan studi untuk menyelesaikan permasalahan
tersebut adalah sebagai berikut
Mulai

Identifikasi
kompleksitas

Pengumpulan
Data

Penentuan
pendekatan untuk
menjawab
kompleksitas

Penentuan
Distribusi data
Penentuan
Model Antrian

Implementasi
pendekatan ke
dalam algoritma

Penentuan dan
formulasi
performansi

Desain model
sistem

Feedback

Implementasi ke
dalam bahasa
pemrograman
Uji Coba
Prototipe model
Evaluasi

1

Gambar 1 Kerangka pendekatan studi untuk menyelesaikan permasalahan
penggudangan PT X

4

1

Prototipe
model

Feedback

Scale Up
Model sistem

Hitung
performansi
berdasarkan
jumlah operator

Input data
produk gudang

Evaluasi
performansi
Usulan
perbaikan
performansi

Model
sistem

Performansi
gudang

Selesai

Gambar 1 (lanjutan) Kerangka pendekatan studi untuk menyelesaikan
permasalahan penggudangan PT X
Rancangan Jumlah Operator Penanganan Bahan Berdasarkan Performansi
Antrian Menggunakan Model Antrian (M/M/c) : (GD/N/∞)
Model antrian pada penelitian ini menggunakan model (M/M/c) : (GD/N/∞)
berdasarkan perhitungan distribusi data tipe diskrit (lampiran 1-5), area antrian
dan jumlah operator terbatas. Menurut Taha (2007) kedatangan dan
keberangkatan produk didefinisikan sebagai
�,
�n = �
0,

0≤�≤�
�>�

�n = �

��, 0 ≤ � ≤ �

��,

�≤�≤�

5

dimana
� : Tingkat kedatangan produk kedalam sistem
� : Tingkat kepergian produk dari sistem
n : Jumlah produk berada dalam sistem
N : Jumlah maksimal produk yang diizinkan berada dalam sistem
Perhitungan performansi antrian (M/M/c) : (GD/N/∞) pada gudang finish
good PT X meliputi perkiraan banyak produk menunggu pada antrian, perkiraan
lama waktu menunggu produk pada area antrian, operator sibuk dan utilitas.
Formulasi Perkiraan Banyak Produk Menunggu pada Antrian
Menurt Bhat (2008) rasio antara tingkat kedatangan (arrival rate) dan
pelayanan (service rate) memainkan peranan penting dalam pengukuran
performansi sistem antrian. Rasio ini disebut intensitas lalu lintas produk dalam
sistem (traffic intensity) yang didefinisikan sebagai perbandingan tingkat
kedatangan dengan tingkat pelayanan. Traffic intensity disebut juga utilitas aliran
produk dalam sistem (utilization of each runaway). Utilitas aliran produk dalam
sistem pada model antrian (M/M/C) dengan area antrian terbatas berlaku untuk
setiap c server pada sistem antrian sehingga formulasinya menjadi traffic intensity
berlaku untuk setiap c operator.
Menurut Taha (2007) antrian dengan model (M/M/c) memiliki dua kondisi
berbeda yaitu kondisi �/c = 1 dan kondisi �/c ≠ 1 dengan formulasi perkiraan
banyak produk menunggu pada antrian masing–masing kondisi didefinisikan
sebagai berikut
Lq

=

Lq

=

��+1
�1
(�−1)!(�−�)2

�� (�−�)(�−�+1)
2�!

�

�

�

− ( � )�−�+1 − (� − � + 1)(1 − � ) ( � )�−� �Po,
�

�� ,

�

�
�

= 1

≠ 1

P adalah probabilitas yang digunakan untuk menentukan pengukuran
performansi sistem yang ditentukan sebagai fungsi dari kedatangan (�) dan
pelayanan (�). Menurut Taha (2007) probabilitas pada model antrian (M/M/c)
dengan area antrian terbatas dipengaruhi oleh utilitas aliran pelanggan (�) dengan
formulasi sebagai berikut

Pn

=�

��

��,

�!
��

�!� �−�

0≤�≤�

��, � ≤ � ≤ �

dimana Po merupakan probabilitas adanya produk sebanyak 0 (tidak adanya
produk) dalam sistem. Po didefinisikan sebagai berikut:

Po

=�

�

+

�
�� (1−( )�−�+1 )

��

+

��

�−1 �
(∑�=0
�!
�−1
(∑�=0

�!

�

�
�!�1− �
�

)−1 ,

(� − � + 1))−1,
�!

�
�

�
�

≠ 1

= 1

6

Keterangan :
Lq : Perkiraan banyak produk menunggu pada area antrian
N : Jumlah maksimal produk yang diizinkan berada dalam sistem
n
: Jumlah produk berada dalam sistem
c
: Jumlah operator
Pn : Probabilitas kondisi steady-state n produk berada dalam sistem
Po : Probabilitas tidak ada produk dalam sistem
�
: Traffic Intensity

Formulasi Perkiraan Lama Waktu Menunggu Produk pada Area Antrian
Menurut Taha (2007) perkiraan lama waktu menunggu produk dipengaruhi
oleh kedatangan efektif produk ke dalam sistem. Kedatangan efektif didefinisikan
sebagai produk yang datang kedalam sistem saat kapasitas antrian mencukupi.
Kedatangan efektif diperoleh dari selisih antara tingkat kedatangan dengan tingkat
pelayanan produk yang tidak dapat masuk ke dalam sistem. Tingkat kedatangan
produk yang tidak dapat masuk ke dalam sistem diperoleh dari perkalian antara
tingkat kedatangan dengan probabilitas N pelanggan berada dalam sistem.
Perkiraan lama waktu menunggu produk pada area antrian dihitung berdasarkan
formula Little’s dengan formulasi sebagai berikut
Ls=���� ��
Lq = ���� ��
���� = � − ����� = (1 − �� )�
����� = ���

dimana
Ls : Perkiraan banyak produk menunggu pada sistem
Lq : Perkiraan banyak produk menunggu pada area antrian
���� : Tingkat kedatangan efektif produk ke dalam sistem
Ws : Perkiraan waktu menunggu produk dalam sistem
Wq : Perkiraan waktu menunggu produk dalam antrian
����� : Tingkat kedatangan produk yang tidak dapat masuk ke dalam sistem
N
: kapasitas maksimum area antrian
Formulasi Rata-Rata Jumlah Operator Sibuk
Menurut taha (2007) selisih antara perkiraan jumlah produk dalam sistem
dengan jumlah produk dalam area antrian didefinisikan sebagai rata-rata jumlah
operator sibuk. Formulasi rata-rata jumlah operator sibuk didefinisikan sebagai
�̅= Ls – Lq = ���� /�

Dimana
�̅
: Rata-rata jumlah operator sibuk dalam sistem
Ls : Perkiraan banyak produk menunggu pada sistem
Lq : Perkiraan banyak produk menunggu pada area antrian
���� : Tingkat kedatangan efektif produk ke dalam sistem
�
: Tingkat kepergian produk dari sistem

7

Utilitas Operator
Utilitas operator merupakan perbandingan antara operator sibuk dengan
jumlah operator maksimum. Utilitas operator digunakan untuk mengetahui
persentase operator sibuk dengan server menganggur. Formulasi utilitas operator
didefinisikan sebagai berikut
Utilitas = �̅ / �

Dimana
�̅ : Rata-rata jumlah operator sibuk dalam sistem
c : Jumlah operator maksimum

Keempat perhitungan performansi antrian tersebut dikodekan kedalam
bahasa pemrograman java dengan bantuan Java Modelling Tools Library (Bertolli
et.al 2009). Java Modelling Tools library adalah framework lengkap untuk
membantu evaluasi performansi sistem, perencanaan kapasitas, dan studi
karakterisasi beban kerja. Framework ini ditulis dalam bahasa pemrograman java
yang terdiri dari enam fitur yaitu
1. JSIMgraph :Simulator model antrian dengan graphical user interface
2. JSIMwiz
:Simulator model antrian dengan wizard-based user interface
3. JMVA
:Analisis nilai rata-rata model antrian
4. JABA
:Analisis asimtot model antrian
5. JWAT
:Analisis beban kerja dari log dan data yang digunakan sistem
6. JMCH
:Simulator Markov chain
Pemodelan Sistem Penggudangan Gudang Finish Good Menggunakan
Pendekatan tumpukan (Stack), antrian (Queue), dan Color HSB
Konsep Tumpukan (Stack)
Konsep tumpukan digunakan untuk merepresentasikan kompleksitas sistem
rak Drive-in. Aturan pada konsep ini adalah setiap produk yang datang terakhir
akan dieksekusi pertama atau last in first out (LIFO). Rak Drive-in adalah rak
yang memiliki satu jalan masuk sekaligus sebagai jalan keluar. Material yang
disimpan pada rak ini memiliki aturan Last in First out (LIFO). Model rak Drivein diilustrasikan sebagai berikut

in

Dinding

out

Gambar 2 Ilustrasi model rak Drive-in
Konsep tumpukan direpresentasikan dalam bentuk algoritma tumpukan.
Algoritma tumpukan adalah salah satu algoritma struktur atau himpunan data pada
Array yang mengimplementasikan aturan Last in First Out (LIFO). Operasi Insert
pada algoritma tumpukan biasanya disebut Push, dan operasi Delete disebut Pop.
Menurut Cormen et.al (2009) model algoritma tumpukan digambarkan sebagai
berikut :

8

1

2

3

4

S 15

6

2

9

5

6

7

1

2

3

4

5

6

S 15

6

2

9

17

3

S.top =4

7

S.top =6

(a)

(b)

1

2

3

4

5

6

S 15

6

2

9

17

3

7

S.top =5

(c)
Gambar 3 Ilustrasi model algoritma tumpukan pada struktur data.
Gambar 3 menjelaskan suatu susunan (array) S yang memiliki empat
elemen (Gambar 3.a). Elemen paling atas (S.top) pada tumpukan S adalah angka
9. Setelah dilakukan penambahan data 17 dan 3 pada tumpukan, elemen paling
atas pada tumpukan S adalah angka 3 (Gambar 3.b). Jika angka 3 pada tumpukan
paling atas diambil maka elemen paling atas tumpukan adalah angka 17 (Gambar
3.c). Menurut Cormen et al (2009) operasi tumpukan pada setiap gambar diatas
dapat diimplementasikan kedalam beberapa baris kode sebagai berikut
STACK-EMPTY (S)
1 if S.top = 0
2
return TRUE
3 else return FALSE
PUSH (S, x)
1 S.top = S.top + 1
2 S [S.top] = x
POP (S)
1 if STACK-EMPTY (S)
2
error “underflow”
3 else S.top = S.top - 1
4
return S [S.top + 1]
Konsep Antrian (Queue)
Konsep antrian digunakan untuk merepresentasikan kompleksitas disiplin
antrian (First in First Out) penanganan produk pada gudang finish good PT X.
Konsep ini direpresentasikan dalam bentuk algoritma antrian. Algoritma antrian

9

adalah salah satu algoritma struktur atau himpunan data pada Array yang
mengimplementasikan aturan First In First Out (FIFO). Operasi Insert pada
algoritma antrian disebut Enqueue dan operasi Delete disebut Dequeue.
Algoritma antrian memiliki bagian kepala (head) dan ekor (Tail). Ketika elemen
data disisipkan (Enqueue) maka data akan menempati bagian ekor dari antrian
sedangkan elemen data dihapus (Dequeue) selalu pada bagian kepala. Menurut
Cormen et.al (2009) model algoritma antrian digambarkan sebagai berikut
1

2

3

4

5

6

S

7

8

9

10

11

15

6

9

8

4

Q.head =7

12

Q.tail =12

(a)
1

2

S 3

5

3

4

5

6

Q.tail =3

7

8

9

10

11

12

15

6

9

8

4

17

Q.head =7

(b)
1

2

S 3

5

3

4

5

6

7

8

9

10

11

12

15

6

9

8

4

17

Q.tail =3

Q.head =8

(c)
Gambar 4

Ilustrasi model algoritma antrian pada struktur data

Gambar 4 menjelaskan suatu susunan (array) S yang memiliki 12
penempatan data. Susunan data awal memperlihatkan bagian kepala (Q.head)
terletak pada posisi ke 7 dan bagian ekor (Q.tail) pada posisi ke 12 (Gambar 4.a).
Setelah disisipkan data pada posisi ke 12,1, dan 2 bagian kepala tetap pada posisi
ke 7 dan bagian ekor berada pada posisi ke 3 (Gambar 4.b). Data diambil pada
bagian kepala (posisi 7) sehingga bagian kepala selanjutnya berada pada posisi ke
8. Menurut Cormen et. al (2009) algoritma antrian dapat diimplementasikan
kedalam beberapa baris kode sebagai berikut
ENQUEUE(Q, x)
1 Q[Q.tail] = x
2 if Q.tail == Q.length
3
Q.tail = 1
4 else Q.tail = Q.tail + 1

10

DEQUEUE (Q)
1 x = Q[Q.head]
2 if Q.head == Q.length
3
Q.head = 1
4 else Q.head = Q.head + 1
5 return x
Algoritma antrian tersebut dikombinasikan dengan algoritma Linked List
karena setiap data pada setiap algoritma antrian memiliki status sebagai sucessor
dan predecessor. Algoritma Linked List yang digunakan adalah Doubly Linked
List yang digambarkan sebagai berikut
Prev
L. Head

9

Next Key
8

4

1

8

4

8

4

(a)
L. Head

7

9

1

(b)
L. Head

7

9

(c)
Gambar 5

Ilustrasi model algortima Doubly Linked List

Gambar 5 (a) menjelaskan algoritma Doubly Linked List. Setiap elemen
dalam susunan algoritma memiliki atribut-atribut dengan elemen kunci dan
pointers yang terdiri dari next dan previous. Atribut next pada bagian ekor dan
atribut prev pada bagian kepala bernilai Nil. Jika disisipkan atribut baru pada
bagian kepala (angka 7) maka L.Head akan berada pada atribut baru tersebut
(Gambar 5b), sedangkan jika diambil pada bagian ekor (angka 1) maka ekor akan
menjadi angka 4.
Konsep Color HSB (Hue, Saturation, Brightness)
Konsep Color HSB (Hue, Saturation, Brightness) digunakan untuk
merepresentasikan tumpukan produk pada model sistem penggudangan dengan
status warna hijau (H=0.30) jika produk kosong dan merah (H=0.00) jika
tumpukan produk penuh pada area rak. Konsep ini direpresentasikan dalam
bentuk algoritma warna pada pemrograman java. Pemrograman java Color HSB
(Hue, Saturation, Brightness) merupakan pemrograman yang sudah tersedia
sebagai Java SE (Standar Edition) dan merupakan bagian dari java Abstract
Window Toolkit (Java AWT). Formulasi aliran warna ini sebagai berikut

H = 0.30 – �0.30 �

�����ℎ ������ ���� ��������
�������� �������� ������

�, S = 1, B = 0.7

11

0.30

Gambar 6

0.00

Aliran warna hijau (0.30) menuju merah (0.00) pada Java Color HSB
Alat Bantu Perancangan dan Implementasi Model

Model dikembangkan menggunakan bahasa pemrograman Java dengan
bantuan perangkat lunak komputer yaitu Netbeans IDE 7.3 untuk implementasi
model kedalam bahasa pemrograman java (OC 2013), Balsamiq Mockups untuk
desain antar muka model sistem (BS 2014), JODA Time Library untuk
perhitungan waktu (Colebourne 2014), Java Modelling Tools Library untuk
evaluasi performansi sistem (bertoli et.al 2009), XAMPP untuk pengolahan basis
data (Seidler dan Vogelgesang 2014). Analisis kebutuhan sistem dirancang dan
didesain menggunakan Business Process Modelling Notation 2.0 pada perangkat
lunak Power Designer 16.1 (Sybase 2012).

HASIL DAN PEMBAHASAN
Teori Pengukuran Performansi Penggudangan
Menurut Liviu et al (2009), pengukuran performansi didefinisikan sebagai
suatu proses pengukuran efisiensi dan efektifitas suatu tindakan atau aktivitas.
Tujuan pengukuran performansi adalah untuk mengetahui tepat atau tidaknya
suatu tindakan dan mencari penyebab rendahnya performansi jika tindakan
tersebut tidak tepat. Beberapa alasan melakukan pengukuran performansi adalah
untuk melakukan improvisasi, memonitor hubungan pelanggan, kontrol biaya dan
proses dan penjagaan kualitas (Ackerman 2003).
Menurut Krauth et al (2005), indikator performansi penggudangan terdiri
dari beberapa klasifikasi, seperti luas area penyimpanan, volume penyimpanan,
rak penyimpanan, jumlah palet per jam, jumlah palet per meter persegi, dan jam
kerja. Hill (2007) mendefinisikan tiga tipe indikator pengukuran performansi
penggudangan yaitu pemenuhan pesanan, manajemen penyimpanan dan
performansi gudang.
Menurut Johnson (2011), dua pendekatan untuk mengukur performansi
antrian adalah ekonomi (pendapatan dan biaya) dan teknis (input dan output).
Pengukuran performansi penggudangan secara pendekatan ekonomi cukup sulit
karena penggudangan adalah tipikal kegiatan yang tidak menghasilkan
pendapatan atau keuntungan, tetapi untuk mendukung dan menjamin lancarnya
aliran rantai pasok suatu industri. Pengukuran secara teknis lebih tepat untuk
dilakukan pada penggudangan karena pengukuran ini berbasis output yang
dihasilkan dan sumber daya yang dibutukan untuk menghasilkan gambaran jelas
performansi secara operasional. Performansi teknis penggudangan di suatu
industri adalah pengukuran produktivitas yang dikaitkan dengan perbandingan
input dan output. Metode tersebut disebut metode perbandingan (rasio) (Chen dan
McGinnis 2007).

12

Menurut Roy dan Krisnamurthy (2011), evaluasi performansi penggudangan
meliputi operator, utilitas, waktu menunggu dan panjang antrian produk.
Berdasarkan pendapat tersebut maka salah satu metode yang cocok untuk
digunakan mengevaluasi performansi penggudangan adalah teori antrian. Menurut
Taha (2007), perhitungan performansi pada teori antrian adalah panjang antrian
pada sistem dan area mengantri, waktu menunggu produk pada sistem dan area
antrian, dan utilitas operator.
Proses Penggudangan Produk Minuman Ringan pada PT X
Proses penggudangan produk minuman ringan pada gudang finish good PT
X dilakukan dalam lima tahap yaitu serah terima produk antara pihak gudang
dengan produksi, racking, produk Release, transportasi dari waiting lines 2 ke
area loading, dan proses loading (bongkar palet). Proses ini dilakukan oleh
departemen Supply Chain Management yang terdiri dari kepala gudang, team
leader, dan operator gudang.
Proses serah terima dilakukan oleh admin gudang dengan admin produksi
sesuai jumlah produk per palet dan setiap palet yang akan masuk gudang akan
diberi status inkubasi (Pengecekan status kualitas produk oleh departemen quality
control). Selanjutnya produk dibawa oleh operator hand palet ke area waiting
lines 1. Status inkubasi ini berjalan selama delapan hari dengan hasil pengecekan
diterima atau reject. Jumlah produk per palet adalah 132 kotak dengan jumlah
produk masing-masing kotaknya adalah 24 cup. Produk dimuat ke palet oleh
operator pengemas pada enam line produksi.
Proses racking dilakukan oleh operator forklift ke rak gudang finish good.
Status produk pada rak adalah inkubasi atau release dengan kapasitas maksimal
rak adalah 3000 posisi palet. Jenis rak pada proses racking adalah rak drive-in
dengan instalasi rak permanen yang terbagi dalam delapan blok dengan kapasitas
masing-masing blok yang berbeda-beda. Instalasi permanen pada rak drive-in
gudang menyebabkan sulitnya pengaturan tata letak ulang dikarenakan faktor luas
area pabrik dan biaya yang cukup besar.
Proses release (picking order) adalah proses penurunan produk dari rak
dengan status produk diterima untuk selanjutnya dilakukan proses bongkar dari
palet ke kontainer armada. Sebelum di muat ke armada, produk mengantri di area
waiting lines 2. Produk yang tidak lolos uji dan kadaluarsa akan diambil oleh
operator forklift untuk dilakukan penghancuran produk dan proses treatment
limbah. Tidak ada aturan rute atau scenario picking order pada proses release
produk ini. Operator mengambil palet pada rak sesuai instruksi dari admin
gudang.
Proses selanjutnya adalah transportasi yang dilakukan oleh operator hand
palet dari area waiting lines 2 ke area loading. Setelah palet sampai pada area
loading operator memindahkan produk dari palet ke kontainer armada. Produk
dicatat oleh operator ekspedisi untuk selanjutnya dibuat surat jalan armada.
Armada PT X berkapasitas 4000 kotak produk, dan mentransportasikan produk ke
gudang distributor untuk selanjutnya dikirim ke konsumen oleh pihak distributor.
Model proses penggudangan produk minuman ringan pada gudang finish good
PT X diperlihatkan pada lampiran 4

13

Pengembangan Model Sistem Penggudangan Produk Minuman Ringan PT X
Pemodelan sistem penggudangan produk minuman ringan pada gudang
finish good PT X dilakukan dengan menganalisis kebutuhan (Requirement
Analysis) dan kompleksitas model sistem. Selanjutnya, dilakukan desain model
konseptual untuk mempermudah memahami model sistem dalam bentuk Business
Process Modelling 2.0 (BPMN 2.0) mencakup kebutuhan dan kompleksitas
sistem (lampiran 5-7)
Tahapan implementasi model konseptual dilakukan dengan menerjemahkan
formulasi dan algoritma pada analisis kompleksitas dan model antrian kedalam
bahasa pemrograman java. Selanjutnya, hasil implementasi ini diuji coba meliputi
debugging (lampiran 8-9) dan validasi dalam bentuk uji coba perhitungan dan
representasi sistem penggudangan pada model. Uji coba perhitungan (lampiran
10) dilakukan dengan membandingkan hasil perhitungan model sistem dengan
TORA (Taha, 2007). Uji coba representasi sistem penggudangan dilakukan
dengan melihat status warna bottleneck, area antrian dan rak pada model sistem .
Proses evaluasi dilakukan jika hasil uji coba sistem tidak valid. Tahapan scale up
dilakukan untuk meningkatkan kapasistas model sistem menjadi 3000 posisi palet
yang terdiri dari delapan blok rak (lampiran 10-14). Tahapan selanjutnya pada
pengembangan model ini adalah maintenance yang dilakukan dengan
mengevaluasi bug pada model sistem kemudian memperbaikinya.
Hasil Perhitungan Performansi Antrian Produk untuk Jumlah Operator
yang Ditugaskan Saat Ini (Current Operators)
Tahapan awal perhitungan performansi antrian sistem penggudangan produk
minuman ringan PT X dilakukan setelah model selesai dievaluasi. Data yang
dibutuhkan pada proses perhitungan performansi ini adalah kapasitas antrian,
jumlah kedatangan produk dan jumlah handling produk. Berdasarkan hasil
observasi dan pengukuran langsung di gudang finish good PT X didapatkan data
rata-rata kapasitas antrian, jumlah kedatangan produk dan jumlah handling produk
untuk setiap prosesnya sebagai berikut
Tabel 1 Hasil pengukuran kedatangan dan handling produk gudang finish good
PT X
Kapasitas
Jumlah
Jumlah handling
area antrian
kedatangan
produk
Nama proses
produk (Palet)
produk
(Palet/jam
(Palet/jam)
operator)
a
Serah terima
6
36
76
Racking
20
154
50
Release
3000
50
100
Transportasi ke area loading
30
100
25
Loading
25
50
16
a
Jumlah kedatangan produk pada proses ini adalah input produk dari produksi ke
gudang yang terdiri dari enam line produksi

14

Data ini akan menjadi inputan utama perhitungan performansi antrian pada
model sistem penggudangan yang dirancang. Model sistem diberi nama Pineapple
Logistic 1.0. Hasil perhitungan performansi antrian dengan jumlah operator awal
yang ditugaskan oleh pihak gudang finish good PT X menggunakan model sistem
yang dirancang ditabulasikan sebagai berikut
Tabel 2 Hasil perhitungan performansi antrian dengan jumlah operator saat ini
yang ditugaskan oleh PT X
Jumlah
Lq
Utilitas
Nama proses
Operator
Wq (jam)
(Palet)
operator
(Operator)
Serah Terima
2
0
0
0.23
Racking
1
0.05
6
2.4
Release
1
0.01
0
0.5
Transportasi ke area loading
2
0.08
7
1.75
Loading
2
0.24
10
1.28
Berdasarkan tabel diatas terlihat bahwa perhitungan utilitas operator pada
proses racking, transportasi ke area loading, dan loading menghasilkan angka
lebih dari satu. Menurut Cook (2009) utilitas dalam teori antrian adalah
perbandingan antara kedatangan dan pelayanan produk untuk setiap fasilitas
pelayanan. Utilitas diartikan perbandingan antara aktual output dengan kapasitas
maksimum output yang mampu dihasilkan sistem, sehingga utilitas juga dapat
diartikan pemanfaatan atau penggunaan suatu sistem. Cook (2009) menjelaskan
bahwa jika utilitas suatu sistem lebih dari 1 (100%) maka dapat diartikan input
yang dilakukan ke sistem lebih cepat dibandingkan kemampuan menghasilkan
output. Area sistem akan menampung input sistem melebihi kapasitas
maksimalnya sehingga menyebabkan bottleneck. Utilisasi kurang dari 1
mengindikasikan bahwa area penampungan input sistem (line) akan stabil dan
menuju ke kondisi steady-state. Bottleneck adalah suatu kondisi dimana sistem
menghasilkan output lebih sedikit dibandingkan laju input ke dalam sistem
dengan area antrian input proses terbatas. Bottleneck menyebabkan aliran input
terhenti dikarenakan proses sebelumnya tidak dapat beroperasi (Rouse, 2007).
Berdasarkan pengertian tersebut dapat disimpulkan bahwa ketiga proses tersebut
memiliki operator sibuk lebih besar dari pada operator yang ditugaskan. Tingkat
kedatangan produk lebih besar dibandingkan kapasitas handling operator
sehingga ketiga proses tersebut mengalami bottleneck.
Model sistem yang dirancang mampu mendeteksi kemungkinan terjadinya
bottleneck berdasarkan tingkat kedatangan produk (arrival rate) dan kepergian
produk (departure rate) pada sistem. Bottleneck didesain dengan aturan perkalian
jumlah operator dengan departure rate untuk proses ke n akan menjadi arrival
rate pada proses ke n+1. Deteksi bottleneck dilakukan dengan menambahkan
warna merah pada sistem untuk proses yang mengalami kondisi bottleneck.
Penggunaan warna ini untuk mempercepat pendeteksian bottleneck berdasarkan
perhitungan performansi antrian. Bottleneck diperlihatkan oleh sistem untuk
proses perhitungan performansi antrian dengan jumlah operator yang ditugaskan
oleh PT X (current operator).

15

Gambar 7 Pengecekan bottleneck untuk rancangan operator saat ini (current
operator) di gudang finish good
Hasil Perhitungan Performansi Antrian Produk untuk Jumlah Operator
Usulan
Usulan perbaikan jumlah operator dilakukan berdasarkan utilitas kurang
atau sama dengan 100% dan lebih dari 50%. Hasil perhitungan berdasarkan
usulan jumlah operator yang ditugaskan ditabulasikan sebagi berikut
Tabel 3 Hasil perhitungan performansi antrian dengan jumlah operator usulan
Jumlah
Wq
Lq
Utilitas
Nama Proses
Operator
(jam)
(Palet)
operator
(Operator)
Serah Terima
1
0.01
1
0.54
Racking
2
0.03
2
0.76
Release
1
15.00
1499
1
Transportasi ke area loading
4
0.00
0
0.97
Loading
7
0.03
3
0.85
Model sistem tidak mendeteksi adanya bottleneck berdasarkan jumlah operator
usulan diatas seperti ditunjukkan pada gambar dibawah ini

Gambar 8 Pengecekan bottleneck untuk jumlah operator usulan di gudang finish
good PT X menggunakan sistem Pineapple Logistic 1.0

16

Pemodelan Sistem Penggudangan Minuman Ringan Gudang Finish Good PT X

Algoritma queue, stack dan color HSB menghasilkan model sistem yang
menjawab kompleksitas permasalahan pada gudang finish good PT X. Algortima
antrian menghasilkan model sistem yang merepresentasikan area waiting lines
seperti gambar berikut ini.

Gambar 9 Visualisasi hasil pemodelan antrian produk pada area waiting lines di
gudang finish good berdasarkan konsep dan algoritma antrian pada
sistem Pineapple Logistic 1.0
Model algoritma tumpukan merepresentasikan rak drive-in dengan sistem
rak Last in First Out. Representasi model rak drive-in pada sistem diperlihatkan
pada gambar dibawah ini

Gambar 10 Model sistem rak drive-in dan status tumpukan produk pada sistem
Pineapple Logistic 1.0
Warna hitam pada gambar diatas menunjukkan produk kadaluarsa. Aturan
produk kadaluarsa adalah 7 bulan setelah produk diinput kedalam sistem. Warna
menunjukkan hijau ke merah menunjukkan status tumpukan produk di dalam

17

sistem, sedangkan untuk status produk digudang seperti inkubasi, release
direpresentasikan dengan warna putih dan abu-abu seperti gambar dibawah ini

Gambar 11 Model sistem rak drive-in dan status produk pada sistem Pineapple
Logistic 1.0
Produk dengan status release adalah produk yang telah lolos uji QC
sehingga dapat dikeluarkan untuk proses transportasi ke gudang distributor.
Produk dengan status tidak lolos uji QC (warna hitam) harus segera dikeluarkan,
karena akan menyebabkan gudang menjadi penuh. Berdasarkan hal tersebut
sistem dapat mendeteksi status produk secara cepat dan dapat menyelesaikan
permasalahan sulitnya mendeteksi status produk karena sistem penyimpanan
menggunakan rak drive-in.
Peluang Produk Tidak Dapat Masuk ke Dalam Sistem (Probability Blocking)
Probability blocking merupakan kemampuan yang ditambahkan pada
sistem Pineapple Logistic 1.0 untuk mengetahui kemungkinan produk tidak dapat
masuk ke sistem (antrian atau rak) yang disebabkan kapasitas sistem penuh.
Menurut Bhat (2008) probability blocking didefiniskan sebagai suatu kondisi pada
model antrian dengan jumlah operator dan area antrian terbatas dimana produk
tidak dapat masuk ke dalam sistem yang disebabkan sistem sibuk atau tidak
mampu lagi menampung input. Pendekatan perhitungan dilakukan dengan metode
transition diagram untuk bivariate markov process (Bhat, 2008).
Probability blocking pada model sistem penggudangan ini dilakukan dengan
pendekatan penelusuran (searching). Teknik ini membandingan antara
penelusuran status tumpukan palet pada rak dan area antrian dengan kapasitas
maksimum yang dapat diproses sistem. Teknik penelusuran dilakukan dengan
menggunakan bahasa query untuk mencari dan menghitung status tumpukan
produk pada basisdata. Model perhitungannya didefinisikan sebagai berikut
Probability blocking =

�����ℎ��� ����� ( status tumpukan produk pada data)
�������� ��������� ������

18

Contoh hasil probability blocking diperlihatkan pada print screen tampilan sistem
waiting lines 1 dengan jumlah produk mengantri pada sistem 792 kotak

Gambar 12

Hasil identifikasi probability blocking pada sistem area waiting
lines 1

SIMPULAN DAN SARAN
Simpulan
Rancangan penugasan operator yang baik berdasarkan perhitungan
performansi antrian adalah serah terima 1 operator, racking 2 operator, release 1
operator, transportasi ke loading 4 operator, loading 7 operator. Model sistem
mampu untuk menjawab tantangan kompleksitas sistem penggudangan dengan
sistem rak drive-in, antrian dan tumpukan produk di gudang finish good PT X.
Model sistem juga mampu mendeteksi status produk berdasarkan status quality
control produk di gudang.
Saran
Rancangan jumlah operator berdasarkan performansi antrian produk di
gudang merupakan salah satu bagian dari penyelesaian masalah Over Capacity
gudang Finish Good PT X. Berdasarkan hasil observasi lapangan perlu analisis
tambahan untuk transportasi produk meliputi jumlah armada dan shortest path.
Model sistem penggudangan dapat disempurnakan dengan menambahkan fitur
Radio Frequency Indentification yang diintegrasikan dengan algoritma color HSB
(Hue Saturation Brigthness) sehingga deteksi status produk digudang lebih cepat
dan akurat.

DAFTAR PUSTAKA
Ackerman K. 2003. “Why Audit Warehouse”. Warehousing Forum, vol 18 no 9
tersedia online pada http://www.warehousingforum.com/news/2003_08.pdf
(diakses 8 Juni 2014)

19

[BS]

Balsamiq Studio. 2014. Balsamiq Mockups. Tersedia pada
balsamiq.com/products/mockups
Bertoli M, Gasale G, Serazzi G. 2009. JMT: performance engineering tools for
system modeling. ACM SIGMETRICS Performance Evaluation Review,
Volume 36 Issue 4, New York, US, ACM press
Bhat N. 2008. An Introduction to Queueing Theory. Boston; Birkhouser
Chen D dan McGinnis LF (2007). Reconciling Ration Analysis and DEA as
Performance Assessment Tools. European Journal of Operational
Research 178(1): 277-291
Colebourne J. 2014 Joda-Time. Tersedia pada http://www.joda.org/joda-time/
(diakses 5 April 2014)
Cook JD. 2009. Server utilization. tersedia pada http://www.johndcook.com
(diakses 8 Juni 2014)
Cormen TH, Leiserson CE, Rivest RL, Stein C. 2009. Introduction to Algorithms,
Third Edition. Massachusetts; MIT Pers
Hill JM. 2007. Warehouse Performance Measurement. Esync; Chicago
Johnson. 2011. Performance Measurement in The Warehousing Industry. Texas a
&m university; Industrial and System Engineering
Krauth E, Moonen H, Popova V, Scuth M. 2005. Performance Indicators in
Logistics Service Provision and Warehouse Management – A Literature
Review and Framework, tersedia online pada http://www.cs.vu.nl/~schut/
pubs/mcs-Krauth2005a.pdf (diakses 8 Juni 2014)
Liviu I, Ana-Maria T, Emil C. 2009. Warehouse Performance Measurement-A
Case Study. Romania; Bolyai University
Mohan VE .2013. warehousing and inventory control. Chennai; CII Institute of
Technology
[OC] Oracle Technology. 2013. Netbeans IDE 7.3. Tersedia pada
https://netbeans.org/community/releases/73/ (diakses 11 juli 2013)
Rouse. 2007. Definition of Bottleneck. Tersedia pada http://searchenterprisewan.
techtarget.com/definition/bottleneck (diakses 8 Juni 2014)
Roy D dan Krisnamurthy A. 2011. Queuing Model for Unit-Load Warehouse
Systems using Autonomous Vehicles. University of Wisconsin-Madison
USA; Department of Industrial and Systems Engineering
Seidler K dan Vogelgesang K. 2014. Apache Friend-XAMPP. Tersedia pada
http://apachefriend.org (diakses 25 Maret 2014)
Sybase Inc. 2012. Power Designer 16.1. tersedia pada http:// www.sybase.com.
Products.Modeling & Development (diakses Maret 2013)
Taha AH. 2007. Operation Research. USA; Pearson Prentice Hall
[UW] University of Washington. 2013. Models and modeling-an introduction.
National Science Foundation (USA): Tools for ambitious science teaching
.hlm 1-16;[diunduh 31 mei 2014]. Tersedia pada :4teachingscience.org/
pdf/primers/Models%20and%20Modeling%20An%20Introduction.pdf

20

Lampiran 1.

Hasil identifikasi distribusi data proses serah terima dan racking
produk menggunakan software Easy Fit

21

Lampiran 2.

Hasil identifikasi distribusi data proses release dan transportasi
produk ke area loading menggunakan software Easy Fit

22

Lampiran 3. Hasil identifikasi distribusi data proses loading produk ke area
loading menggunakan software Easy Fit

23

Lampiran 4. Model proses penggudangan minuman ringan gudang finish good PT
X

24

Lampiran 5 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangan
Minuman Ringan PT X (Top Level)

25

Lampiran 6 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangan
Minuman Ringan PT X (level 1) sub sistem menghitung performansi
antrian gudang berdasarkan jumlah operator (a) dan menentukan
produk yang harus dikeluarkan dari rak (b)

(a)

(b)

26

Lampiran 7 Model Proses Bisnis pada Pemodelan Antrian Sistem Penggudangan
Minuman Ringan PT X (level 1) sub sistem mengecek status produk
(a), menginput jumlah dan status produk ke area waiting lines (b),
menginput palet dari area waiting lines ke rak kosong (c)

(a)

(b)

(c)

27

Lampiran 8 Hasil uji coba debugging pada Tampilan antar muka proses loading
system dan menu utama Pinapple Logistic 1.0

28

Lampiran 9. Hasil uji coba debugging Tampilan menu Operator Design dan
Performance Calculation pada sistem Pinapple Logistic 1.0

29

Lampiran 10 Perbandingan perhitungan performansi antrian Pineapple Logistic
1.0 dengan software TORA (Taha, 2007) dengan skenario (M/M/4)
: (GD/10/infinity)
Perhitungan TORA
Lambda
16.00000
Lambda eff
15.42815
Ls
4.23984
Ws
0.27481
Perhitungan Pineapple Logistic 1.0

Mu
Rho/c
Lq
Wq

5.00000
0.80000
1.15421
0.07481

30

Lampiran 11. Hasil peningkatan kapasitas model Pineapple Logistic menjadi
3000 posisi pallet (peta area informansi gudang dan rak blok B)

31

Lampiran 12. Hasil peningkatan kapasitas model Pineapple Logistic menjadi
3000 posisi pallet (rak blok C dan rak blok D)

32

Lampiran 13. Hasil peningkatan kapasitas model Pineapple Logistic menjadi
3000 posisi pallet (rak blok E dan rak blok F)

33

Lampiran 14. Hasil peningkatan kapasitas model Pineapple Logistic menjadi
3000 posisi pallet (rak blok G dan rak blok H)

34

RIWAYAT HIDUP
Penulis dilahirkan di Pulau Punjung, 2 Mei 1992
sebagai anak ketiga dari empat bersaudara pasangan
Ponimin BE dan Sudarmini. Penulis m