Minimasi Waktu Tunggu Kapal Menggunakan
Seminar Nasional ISLI
Makassar,19-20 September 2017
Minimasi Waktu Tunggu Kapal Menggunakan Pendekatan
Simulasi Sistem Dinamis
(Studi Kasus di Pelabuhan CDG Banten)
Asep Ridwan1, Putro Ferro Ferdinant2, Bobby Kurniawan3, Aurelia4
1, 2, 3, 4 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa
Email: asep.ridwan@untirta.ac.id 1, putroferro@ft-untirta.ac.id 2,
b.kurniawan76@gmail.com 3, aurelitobing@gmail.com 4
Abstrak
Pelabuhan CDG Banten merupakan perusahaan yang beroperasi di
bidang pelayanan pelabuhan laut untuk bongkar muat dengan
spesialisasi barang curah kering. Berdasarkan data vessel report,
jumlah kapal yang menunggu sebanyak 300 kapal dari 545 kapal
yang dilayani dengan rata-rata waktu tunggu selama 4,8 jam per
kapal. Penelitian ini bertujuan untuk mengetahui faktor yang
mempengaruhi waktu tunggu kapal, merancang perbaikan dalam
meminimasi lamanya waktu tunggu dengan simulasi sistem dinamis.
Penelitian ini dimulai dengan mengidentifikasi permasalahan,
merancang conceptual model dengan causal loop diagram,
merancang stock flow diagram, melakukan base case simulation,
validasi model, dan merancang perbaikan dengan skenario terbaik.
Hasil penelitian menunjukkan bahwa faktor yang mempengaruhi
waktu tunggu kapal antara lain produktivitas crane yang dipengaruhi
oleh kapasitas angkut crane dan siklus operasi crane per hari.
Rancangan perbaikan yang dilakukan untuk meminimasi waktu
tunggu kapal dengan simulasi sistem dinamis antara lain menambah
kapasitas angkut crane dari 14 ton per siklus menjadi 28 ton per
siklus dan menaikkan siklus operasi crane per hari dari 315 siklus per
hari menjadi 630 siklus per hari. Berdasarkan hasil skenario
perbaikan menggunakan simulasi sistem dinamis, waktu tunggu kapal
dapat berkurang dari 10,512 jam per kapal menjadi 0,696 jam per
kapal.
Kata kunci : Waktu tunggu kapal, Pelabuhan, Simulasi, Sistem
dinamis
Pendahuluan
Pelabuhan CDG beroperasi di bidang pelayanan pelabuhan khusus untuk barang
curah. Berdasarkan data vessel report tahun 2013, jumlah kapal yang menunggu sebanyak
300 kapal dari 545 kapal yang dilayani dengan rata-rata waktu tunggu selama 4,8 jam per
kapal, hal tersebut mengindikasikan waktu perencanaan pelabuhan tidak sesuai dengan
waktu aktual. Keterlambatan kapal dari perencanaan pelabuhan karena waktu tunggu
menyebabkan Pelabuhan CDG harus mengeluarkan biaya penalty sebesar $416,67 per jam
sehingga perlu dilakukan simulasi untuk meminimasi waktu tunggu kapal dengan bantuan
software Powersim.
Penelitian ini bertujuan untuk mengetahui faktor yang dapat mempengaruhi waktu
tunggu kapal dari kapal datang sampai proses bongkar muatan dengan crane, menentukan
usulan perbaikan waktu tunggu kapal yang lebih cepat dari keadaan eksisting dan
mengetahui lamanya waktu tunggu yang dihasilkan dari usulan perbaikan yang terpilih.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Dalam hal ini, penelitian yang dilakukan berfokus pada dermaga 1, dermaga 2 dan dermaga
4 dimana setiap dermaga melayani 1 kapal. Proses yang diamati adalah kedatangan kapal
sampai proses bongkar muatan kapal dengan crane, menggunakan data perusahaan 2013,
peralatan bongkar muat tidak mengalami kerusakan dan kondisi cuaca di pelabuhan tidak
dipertimbangkan. Waktu antar kedatangan kapal diasumsikan berdistribusi eksponensial dan
data hasil simulasi diasumsikan bersifat independen, berdistribusi normal dan tidak
berkorelasi.
Menurut Wibowo (2010) waktu tunggu kapal adalah waktu yang dikeluarkan oleh kapal
untuk menjalani proses kegiatan di dalam area perairan pelabuhan, bertujuan untuk
mendapatkan pelayanan sandar di pelabuhan atau dermaga, guna melakukan kegiatan
bongkar dan muat barang di suatu pelabuhan. Model simulasi merupakan salah satu bentuk
model matematis yang bersifat deskriptif atau prediktif. Simulasi adalah proses merancang
model matematika atau logis dari sistem untuk dilakukan eksperimen pada model tersebut
untuk menggambarkan, menjelaskan dan memprediksi kelakuan dari sistem. Simulasi erat
dengan model berbasis komputer. Model digunakan untuk berbagai eksperimen sehingga
orang dapat menarik kesimpulan (keputusan) terhadap suatu sistem tanpa harus
melaksanakannya secara nyata atau terhadap perubahan atas sistem yang sudah ada tanpa
harus mengganggu sistem tersebut (Yuandani dkk, 2014).
Menurut Sterman (2000) sistem dinamik adalah metode untuk meningkatkan
pembelajaran dalam sistem yang kompleks. Menurut Daellenbach (1994) sistem dinamis
merupakan keadaan dari sistem yang mengalami perubahan dari waktu ke waktu. Setiap titik
keputusan di masa depan mungkin akan menghadapi keadaan yang berbeda dari sistem
yang telah terpengaruh oleh perubahan input lingkungan.
Metodologi Penelitian
Metodologi pada penelitian ini terdiri tahap pendahuluhan, tahap observasi lapangan,
tahap pengumpulan data, tahap pengolahan data, tahap analisis, tahap kesimpulan dan
saran.
Tahap awal yaitu studi literatur dengan mencari teori-teori yang berhubungan dengan
penelitian, literatur yang digunakan bersumber dari penelitian sebelumnya, buku, e-book dan
lainnya yang berhubungan dengan waktu tunggu kapal, sistem dinamis dan simulasi.
Tahap berikutnya yaitu melakukan observasi lapangan. Observasi lapangan dilakukan di
dermaga bongkar muat Pelabuhan CDG dengan melakukan wawancara dan brainstorming
dengan manager bagian logistic service, karyawan dan operator bagian crane, sehingga
peneliti dapat mengetahui atau mengidentifikasi permasalahan yang terdapat di perusahaan.
Setelah melakukan observasi lapangan tahap selanjutnya adalah perumusan masalah
dimana masalah yang menjadi fokus dalam penelitian ini yaitu meminimasi waktu tunggu
kapal di pelabuhan
Pada tahap pengumpulan data dilakukan dengan mengumpulkan data primer maupun
sekunder. Data primer yang diperoleh dengan melakukan wawancara langsung sedangkan
data sekunder diperoleh dengan mengumpulkan data historis dari perusahaan. Pada tahap
pengolahan data tahap pertama yang dilakukan adalah membuat model konseptual yang
terdiri dari problem definition, identification of key variabel, reference model, pengembangan
causal loop diagram, dan uji distribusi data juga hubungan data berth occupancy ratio
dengan delay factor. Tahap kedua adalah membuat model simulasi dengan
mengembangkan stock flow diagram berdasarkan causal loop diagram, setelah itu
melakukan simulasi model dengan Powersim, melakukan verifikasi dan validasi model
menggunakan uji two sample T-test. Ketika model dikatakan valid, maka peneliti merancang
usulan perbaikan. Peneliti melakukan uji perbandingan usulan perbaikan dengan sistem
eksisting menggunakan ANOVA ketika usulan perbaikan berbeda dengan eksisting, maka
peneliti melakukan uji lanjut dengan pendekatan Bonferroni untuk mengetahui usulan
perbaikan mana yang berbeda dengan eksisting sehingga peneliti dapat memilih usulan
perbaikan yang lebih baik.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Tahap analisis dan pembahasan merupakan proses analisis bedasarkan perumusan
masalah yang telah dibuat. Dilakukan pendalaman terhadap hasil dari pengolahan data yang
telah dilakukan serta menganalisis proses untuk menerapkan usulan perbaikan. Kesimpulan
merupakan jawaban dari setiap tujuan penelitian yang telah dibuat dan saran diberikan
untuk perusahaan agar dapat meminimasi waktu tunggu kapal juga bagi penelitian
berikutnya agar lebih baik.
Hasil dan Pembahasan
Berikut ini merupakan hasil penelitian yang dilakukan di Pelabuhan CDG. Tahap
pertama yang dilakukan adalah membuat model konseptual.
1. Problem Definition
Permasalahan yang diamati dan diteliti mengenai waktu tunggu kapal yang terjadi di
Pelabuhan CDG sebelum mendapatkan pelayanan pandu dengan menggunakan tugboat dan
bongkar muatan kapal dengan menggunakan crane karena waktu tunggu yang terjadi akan
berdampak pada keterlambatan dari rencana yang sudah dijanjikan Pelabuhan CDG dengan
pihak kapal, sehingga Pelabuhan CDG harus mengeluarkan biaya penalty sebesar $416,67
per jam.
Gambar 1. Rich Picture Diagram Pelabuhan CDG Banten
2. Identification of Key Variabel
Dari berbagai sumber dan tinjauan pustaka maka kegiatan penilaian terdiri dari service
time, Berth Occupancy Ratio (BOR), berth time, approach time, productivity of tugboat
dan productivity of crane.
3. Reference Model
Pada tahap ini peneliti mencari beberapa referensi model dinamis yang terkait dengan
waktu tunggu kapal sebelum dapat pelayanan. Referensi model dari penelitian ini, antara
lain causal loop diagram dari Soemodihardjo (2010) mengenai optimisasi dan
pengembangan di Terminal Tanjung Emas dan stock flow diagram dari penelitian oleh
Briano et.al (2010) mengenai pengambilan keputusan di Terminal Voltri Eropa.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
4. Pengembangan Causal Loop Diagram
Causal loop diagram dirancang untuk menggambarkan bagaimana hubungan atau
pengaruh antar variabel dimana causal loop diagram tersebut akan menjadi dasar dalam
perancangan model simulasi waktu tunggu kapal. Causal loop diagram menggambarkan
variabel-variabel yang mempengaruhi waktu tunggu kapal. Waktu tunggu kapal
dipengaruhi oleh lamanya waktu pelayanan dan tingkat pemakaian dermaga. Untuk waktu
pelayanan dipengaruhi oleh lamanya waktu kapal dipandu ke dermaga dan lamanya
waktu bongkar muatan kapal sedangkan tingkat pemakaian dermaga dipengaruhi oleh
jumlah kapal yang dilayani,
waktu pelayanan, jumlah dermaga dan jam efektif pelabuhan. Waktu kapal dipandu ke
dermaga dipengaruhi oleh produktivitas tugboat dan waktu proses bongkar muatan kapal
dipengaruhi oleh produktivitas crane. Berikut causal loop diagram waktu tunggu kapal di
Pelabuhan CDG:
Gambar 2. Causal Loop Diagram Waktu Tunggu Kapal PELABUHAN CDG
Sebelum membuat Stock Flow Diagram (SFD) berdasarkan causal loop diagram, perlu
dilakukan mencari hubungan data berth occupancy ratio dengan data delay factor dan
distribusi data rata-rata berat muatan kapal. Berdasarkan hasil autofit, rata-rata berat muatan
kapal berdistribusi normal. Berikut persamaan dari hubungan BOR dengan Delay Factor
yang diperoleh dari hasil curve fitting :
Delay Factor = 5,911e-20×exp (46,26 × BOR)+2,455 e-05×exp (11,18 × BOR)……….(1)
Tahap selanjutnya adalah merancang model simulasi waktu tunggu kapal berupa stock
flow diagram berdasarkan dari causal loop diagram. Stock flow diagram dibuat dari kapal
datang ke pelabuhan, kapal menunggu pelayanan, kapal di pandu ke dermaga dengan
meggunakan tugboat, proses bongkar muatan kapal dengan menggunakan crane. Waktu
simulasi dalam satuan bulan. Berikut stock flow diagram waktu tunggu kapal di Pelabuhan
CDG dalam gambar 3 di bawah ini :
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Gambar 3. Stock Flow Diagram Waktu Tunggu Kapal di Pelabuhan CDG
Berikut merupakan data konstan yang digunakan dalam simulasi base case:
Tabel I. Data Konstan Sistem Eksisting
Variabel
Mean Coming Vessel
Time Mooring Vessel
Time Tugboat Needed
Number Ship per
Tugboat
Penjelasan
Rata-rata jumlah kedatangan kapal
Besaran waktu dari variabel mooring vessel
Besaran waktu pada variabel Tugboat Needed
Capacity of Tugboat
Kapasitas tugboat dalam melakukan mooring.
Operation Cycle of
Tugboat
Number Ship per Berth
Berth
Jumlah kapal yang dapat dilayani dalam satu tugboat
Nilai
46 vessel/month
1 month
1 month
0,5
vessel/tugboat
0,5
vessel/boat/cycle
Banyaknya siklus dari tugboat
5 cycle/day
Jumlah kapal yang dapat bersandar setiap dermaga
Jumlah dermaga
1 vessel
10 berth/day
3775,99
ton/vessel/month
18225
ton/vessel/month
1 crane/berth
10 berth
1 month
30 day
24 hour/day
14
ton/crane/cycle
SD Cargo
Standar deviasi dari berat kargo per kapal
Avg Cargo
Rata-rata dari berat kargo per kapal
Crane per Berth
Number of Berth
Time Ton per Vessel
Day per Month
Hour per Day
Jumlah crane pada setiap dermaga
Jumlah Dermaga
Besaran waktu pada variabel Ton per Vessel
Jumlah hari kerja dalam sebulan
Jumlah Jam kerja dalam sehari
Lifting Capacity Crane
Kapasitas angkut crane
Operation Cycle of
Crane
Banyaknya siklus dari crane
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
315 cycle/day
Seminar Nasional ISLI
Makassar,19-20 September 2017
Time to Unload Vessel
Besaran waktu pada variabel unload vessel
1 month
Berikut merupakan hasil dari simulasi waktu tunggu kapal di Pelabuhan CDG :
Tabel II. Hasil Simulasi Sistem Eksisting Tahun 2013
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Rata-rata
Waktu Tunggu
Simulasi Eksisting
(day/vessel)
0,002
0,057
0,024
0,122
1,538
0,156
0,196
0,085
0,457
1,769
0,474
0,379
0,438
Waktu Pelayanan
Simulasi Eksisting
(day/vessel)
6,72
6,99
4,55
4,79
6,14
4,50
4,34
3,96
4,81
5,48
4,50
4,11
5,07
BOR Simulasi
Eksisting (%/berth)
22,84
51,94
48,17
62,11
82,48
64,90
67,23
60,64
73,88
84,66
74,80
73,62
63,94
Tahap selanjutnya adalah melakukan validasi dari model sistem eksisting dengan keadaan
aktual. Berikut merupakan data aktual Pelabuhan CDG:
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
D\esember
Rata-rata
Tabel III. Data Laporan Kapal di Pelabuhan CDG
Waktu Pelayanan
BOR
Waktu Tunggu Sistem
Sistem Nyata
Sistem Nyata
Nyata (Jam/Kapal)
(Day/Vessel)
(%/Berth)
4,84
8,28
72,71
5,53
6,53
70,50
4,71
4,63
54,01
4,58
6,53
73,05
3,31
4,66
57,72
5,87
4,18
83,01
7,28
9,73
80,23
4,6
6,89
65,49
3,79
4,21
39,84
4,95
3,97
60,33
3,73
6,18
81,50
4,47
5,97
74,74
4,805
5,98
67,76
Terdapat 3 variabel untuk uji validasi hasil simulasi sistem eksisting, antara lain uji validasi hasil
waktu tunggu kapal, waktu pelayanan kapal dan BOR. Berikut hasil uji validasi dengan menggunakan
two sample t-test dari masing-masing variabel :
1.
Uji Validasi Waktu Tunggu Kapal
Nilai signifikan untuk uji variansi 0,003 lebih kecil dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi sama tidak diasumsikan. Hasil two sample t-test didapatkan
nilai signifikan 0,192 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar -1,389 yang lebih
besar dari -2,2 dan lebih kecil dari 2,2. Nilai 95% CI of the difference melewati angka 0, maka
hipotesis H0 diterima yang artinya tidak ada perbedaan mean yang signifikan antara waktu tunggu
kapal sistem nyata dengan hasil simulasi eksisting.
2. Uji Validasi Waktu Pelayanan Kapal
Nilai signifikan untuk uji variansi 0,126 lebih besar dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi yang sama. Hasil two sample t-test didapatkan nilai signifikan
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
0,14 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar 1,53 yang lebih kecil dari 2,074 dan
lebih besar dari -2,074. Nilai 95% CI of the difference melewati angka 0, maka hipotesis H0 diterima
yang artinya tidak ada perbedaan mean yang signifikan antara waktu pelayanan kapal sistem nyata
dengan hasil simulasi eksisting.
3. Uji Validasi BOR
Nilai signifikan untuk uji variansi 0,588 lebih besar dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi yang sama. Hasil two sample t-test didapatkan nilai signifikan
0,541 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar 0,621 yang lebih kecil dari 2,074
dan lebih besar dari -2,074. Nilai 95% CI of the difference melewati angka 0, maka hipotesis H0
diterima yang artinya tidak ada perbedaan mean yang signifikan antara nilai BOR sistem nyata
dengan hasil simulasi eksisting.
Tahap selanjutnya adalah perancangan usulan perbaikan, untuk perbaikan dari model eksisting
yang sudah dinyatakan valid berdasarkan hasil two sample t-test. Pada tahap ini peneliti merancang 3
usulan perbaikan untuk mengurangi waktu tunggu kapal di Pelabuhan CDG. Berikut merupakan
usulan perbaikan perbaikan waktu tunggu kapal di Pelabuhan CDG:
A. Usulan Perbaikan 1
Pada usulan perbaikan 1 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh kapasitas angkut crane. Perbaikan dilakukan dengan meningkatkan kapasitas angkut
crane sampai 28 ton di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
B. Usulan Perbaikan 2
Pada usulan perbaikan 2 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh siklus operasi crane/hari. Perbaikan dilakukan dengan meningkatkan siklus operasi
crane sampai 630 siklus/hari di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
C.
Usulan Perbaikan 3
Pada usulan perbaikan 3 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh kapasitas angkut dan siklus operasi crane. Perbaikan dilakukan dengan
meningkatkan kapasitas angkut crane sampai 28 ton dan siklus operasi crane sampai 630 siklus/hari
di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
Selanjutnya melakukan uji perbedaan lebih dari dua alternatif dengan Analisis Variansi (ANOVA)
untuk mengetahui apakah hasil usulan perbaikan berbeda dengan hasil sistem eksisting :
Tabel IV. Hasil Uji ANOVA
ANOVA
Simulasi
Between
Groups
Within
Groups
Total
Sum of Squares
df
Mean Square
1.310
3
.437
4.278
44
.097
5.588
47
F
Sig.
4.491 .008
Berdasarkan hasil uji ANOVA pada tabel 4.25, dimana nilai signifikansi 0,008 lebih kecil dari α
= 0,05 dan memiliki nilai F hitung 4,491 lebih besar dari F tabel yaitu 2,82 sehingga dapat disimpulkan
bahwa tolak H0 yang berarti terdapat perbedaan paling tidak satu antara hasil simulasi eksisting,
usulan perbaikan 1, usulan perbaikan 2 dan usulan perbaikan 3, selanjutnya melakukan Analisis
Bonferroni untuk mengidentifikasi hasil usulan perbaikan yang dilakukan berbeda terhadap sistem
eksisting.
Berdasarkan hasil Bonferroni analisis, bahwa nilai signifikan sistem eksisting dengan usulan 1
sebesar 0,038, usulan 2 sebesar 0,039 dan usulan 3 sebesar 0,015 dimana nilai tersebut lebih kecil
dari α = 0,05 dan nilai dari 95% confidence interval tidak melewati 0 sehingga dapat disimpulkan
usulan perbaikan 1, 2 dan 3 berbeda secara signifikan dengan sistem eksisting.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Tabel V. Perbandingan Usulan Perbaikan
Eksisting
Waktu tunggu (Hari/Kapal)
Waktu tunggu (Jam/Kapal)
0,438
10,512
Usulan
1
0,074
1,776
Usulan
2
0,074
1,776
Usulan
3
0,029
0,696
Berdasarkan hasil perbandingan usulan perbaikan diatas, usulan perbaikan 3 memiliki
rata-rata waktu tunggu terkecil, yaitu 0,696 jam/kapal sehingga usulan 3 menjadi usulan
perbaikan terpilih.
Tabel VI. Perbandingan Hasil Simulasi Eksisting dengan Usulan Perbaikan Terpilih
Eksisting
Waktu tunggu (Jam/Kapal)
Biaya Penalty
10,512
$4380
Usulan
Perbaikan 3
0,696
$290
Selisih
9,816
$4090
Pada tabel diatas menunjukan usulan perbaikan 3 dapat mengurangi waktu tunggu kapal
menjadi 0,696 jam/kapal waktu tunggu eksisting berkurang sebesar 9,816 jam/kapal. Biaya penalty
yang dikeluarkan Pelabuhan CDG berkurang dengan menerapkan usulan perbaikan 3 sebesar $4090.
dimana usulan perbaikan 3 sebesar $290 per kapal.
Kesimpulan
Faktor-faktor yang mempengaruhi lamanya waktu tunggu kapal di Pelabuhan CDG diantaranya
produktivitas crane yang dipengaruhi oleh kapasitas angkut crane dan siklus operasi crane per hari.
Usulan perbaikan waktu tunggu kapal agar lebih cepat dari keadaan eksisting, yaitu dengan
menambahkan kapasitas angkut crane menjadi 28 ton per siklus dari 14 ton per siklus dan menaikkan
siklus operasi crane per hari menjadi 630 siklus per hari dari 315 siklus per hari. Waktu tunggu kapal
yang diperoleh dari usulan perbaikan yang terpilih adalah 0,696 jam per kapal dimana waktu tunggu
kapal berkurang sebesar 9,816 jam per kapal dari keadaan eksisting.
Ucapan Terima Kasih
Disampaikan kepada pengelola Pelabuhan CDG baik manajemen level up maupun para
operator/teknisi di lapangan, atas kontribusinya dalam menyiapkan data penelitian dan kesempatan
dalam melakukan observasi secara langsung.
Daftar Pustaka
Briano et al. 2010. A System Dynamics Decision Cockpit For A Container Terminal: The Case Of Voltri
Terminal Europe. Genoa : Universitas Genoa. Volume 3, Nomor 2.
Daellenbach, Hans G. 1994. System and Decision Making A Management Science Approach.
England : John Wiley & Sons Ltd.
Soemodihardjo, Soebagijo. 2010. Study on the Optimalization and Development of Tanjung Emas
Container Terminal in Semarang Using Powersim Dynamic Model Simulation. Jakarta :
Research and Development Agency of the Indonesian Ministry of Communications.
Sterman, John D. 2000. Business Dynamics: System Thinking and Modeling for a Complex World.
New York: McGraw Hill
Wibowo, Harmaini. 2010. Analisis Faktor-Faktor yang Mempengaruhi Waktu Tunggu Kapal di
Pelabuhan Tanjung Emas Semarang. Semarang : Fakultas Teknik Universitas
Dipeonegoro.
Yuandani, Bulan., Cahyadi Nugraha, Khuria Amila. 2014. Model Simulasi untuk Pergerakan Manusia
di Ruang Dua Dimensi dengan Pendekatan Pemodelan Berbasis Agen. Bandung: Fakultas
Teknologi Industri Institut Teknologi Nasional. Volume 2, Nomor 3.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Makassar,19-20 September 2017
Minimasi Waktu Tunggu Kapal Menggunakan Pendekatan
Simulasi Sistem Dinamis
(Studi Kasus di Pelabuhan CDG Banten)
Asep Ridwan1, Putro Ferro Ferdinant2, Bobby Kurniawan3, Aurelia4
1, 2, 3, 4 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa
Email: asep.ridwan@untirta.ac.id 1, putroferro@ft-untirta.ac.id 2,
b.kurniawan76@gmail.com 3, aurelitobing@gmail.com 4
Abstrak
Pelabuhan CDG Banten merupakan perusahaan yang beroperasi di
bidang pelayanan pelabuhan laut untuk bongkar muat dengan
spesialisasi barang curah kering. Berdasarkan data vessel report,
jumlah kapal yang menunggu sebanyak 300 kapal dari 545 kapal
yang dilayani dengan rata-rata waktu tunggu selama 4,8 jam per
kapal. Penelitian ini bertujuan untuk mengetahui faktor yang
mempengaruhi waktu tunggu kapal, merancang perbaikan dalam
meminimasi lamanya waktu tunggu dengan simulasi sistem dinamis.
Penelitian ini dimulai dengan mengidentifikasi permasalahan,
merancang conceptual model dengan causal loop diagram,
merancang stock flow diagram, melakukan base case simulation,
validasi model, dan merancang perbaikan dengan skenario terbaik.
Hasil penelitian menunjukkan bahwa faktor yang mempengaruhi
waktu tunggu kapal antara lain produktivitas crane yang dipengaruhi
oleh kapasitas angkut crane dan siklus operasi crane per hari.
Rancangan perbaikan yang dilakukan untuk meminimasi waktu
tunggu kapal dengan simulasi sistem dinamis antara lain menambah
kapasitas angkut crane dari 14 ton per siklus menjadi 28 ton per
siklus dan menaikkan siklus operasi crane per hari dari 315 siklus per
hari menjadi 630 siklus per hari. Berdasarkan hasil skenario
perbaikan menggunakan simulasi sistem dinamis, waktu tunggu kapal
dapat berkurang dari 10,512 jam per kapal menjadi 0,696 jam per
kapal.
Kata kunci : Waktu tunggu kapal, Pelabuhan, Simulasi, Sistem
dinamis
Pendahuluan
Pelabuhan CDG beroperasi di bidang pelayanan pelabuhan khusus untuk barang
curah. Berdasarkan data vessel report tahun 2013, jumlah kapal yang menunggu sebanyak
300 kapal dari 545 kapal yang dilayani dengan rata-rata waktu tunggu selama 4,8 jam per
kapal, hal tersebut mengindikasikan waktu perencanaan pelabuhan tidak sesuai dengan
waktu aktual. Keterlambatan kapal dari perencanaan pelabuhan karena waktu tunggu
menyebabkan Pelabuhan CDG harus mengeluarkan biaya penalty sebesar $416,67 per jam
sehingga perlu dilakukan simulasi untuk meminimasi waktu tunggu kapal dengan bantuan
software Powersim.
Penelitian ini bertujuan untuk mengetahui faktor yang dapat mempengaruhi waktu
tunggu kapal dari kapal datang sampai proses bongkar muatan dengan crane, menentukan
usulan perbaikan waktu tunggu kapal yang lebih cepat dari keadaan eksisting dan
mengetahui lamanya waktu tunggu yang dihasilkan dari usulan perbaikan yang terpilih.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Dalam hal ini, penelitian yang dilakukan berfokus pada dermaga 1, dermaga 2 dan dermaga
4 dimana setiap dermaga melayani 1 kapal. Proses yang diamati adalah kedatangan kapal
sampai proses bongkar muatan kapal dengan crane, menggunakan data perusahaan 2013,
peralatan bongkar muat tidak mengalami kerusakan dan kondisi cuaca di pelabuhan tidak
dipertimbangkan. Waktu antar kedatangan kapal diasumsikan berdistribusi eksponensial dan
data hasil simulasi diasumsikan bersifat independen, berdistribusi normal dan tidak
berkorelasi.
Menurut Wibowo (2010) waktu tunggu kapal adalah waktu yang dikeluarkan oleh kapal
untuk menjalani proses kegiatan di dalam area perairan pelabuhan, bertujuan untuk
mendapatkan pelayanan sandar di pelabuhan atau dermaga, guna melakukan kegiatan
bongkar dan muat barang di suatu pelabuhan. Model simulasi merupakan salah satu bentuk
model matematis yang bersifat deskriptif atau prediktif. Simulasi adalah proses merancang
model matematika atau logis dari sistem untuk dilakukan eksperimen pada model tersebut
untuk menggambarkan, menjelaskan dan memprediksi kelakuan dari sistem. Simulasi erat
dengan model berbasis komputer. Model digunakan untuk berbagai eksperimen sehingga
orang dapat menarik kesimpulan (keputusan) terhadap suatu sistem tanpa harus
melaksanakannya secara nyata atau terhadap perubahan atas sistem yang sudah ada tanpa
harus mengganggu sistem tersebut (Yuandani dkk, 2014).
Menurut Sterman (2000) sistem dinamik adalah metode untuk meningkatkan
pembelajaran dalam sistem yang kompleks. Menurut Daellenbach (1994) sistem dinamis
merupakan keadaan dari sistem yang mengalami perubahan dari waktu ke waktu. Setiap titik
keputusan di masa depan mungkin akan menghadapi keadaan yang berbeda dari sistem
yang telah terpengaruh oleh perubahan input lingkungan.
Metodologi Penelitian
Metodologi pada penelitian ini terdiri tahap pendahuluhan, tahap observasi lapangan,
tahap pengumpulan data, tahap pengolahan data, tahap analisis, tahap kesimpulan dan
saran.
Tahap awal yaitu studi literatur dengan mencari teori-teori yang berhubungan dengan
penelitian, literatur yang digunakan bersumber dari penelitian sebelumnya, buku, e-book dan
lainnya yang berhubungan dengan waktu tunggu kapal, sistem dinamis dan simulasi.
Tahap berikutnya yaitu melakukan observasi lapangan. Observasi lapangan dilakukan di
dermaga bongkar muat Pelabuhan CDG dengan melakukan wawancara dan brainstorming
dengan manager bagian logistic service, karyawan dan operator bagian crane, sehingga
peneliti dapat mengetahui atau mengidentifikasi permasalahan yang terdapat di perusahaan.
Setelah melakukan observasi lapangan tahap selanjutnya adalah perumusan masalah
dimana masalah yang menjadi fokus dalam penelitian ini yaitu meminimasi waktu tunggu
kapal di pelabuhan
Pada tahap pengumpulan data dilakukan dengan mengumpulkan data primer maupun
sekunder. Data primer yang diperoleh dengan melakukan wawancara langsung sedangkan
data sekunder diperoleh dengan mengumpulkan data historis dari perusahaan. Pada tahap
pengolahan data tahap pertama yang dilakukan adalah membuat model konseptual yang
terdiri dari problem definition, identification of key variabel, reference model, pengembangan
causal loop diagram, dan uji distribusi data juga hubungan data berth occupancy ratio
dengan delay factor. Tahap kedua adalah membuat model simulasi dengan
mengembangkan stock flow diagram berdasarkan causal loop diagram, setelah itu
melakukan simulasi model dengan Powersim, melakukan verifikasi dan validasi model
menggunakan uji two sample T-test. Ketika model dikatakan valid, maka peneliti merancang
usulan perbaikan. Peneliti melakukan uji perbandingan usulan perbaikan dengan sistem
eksisting menggunakan ANOVA ketika usulan perbaikan berbeda dengan eksisting, maka
peneliti melakukan uji lanjut dengan pendekatan Bonferroni untuk mengetahui usulan
perbaikan mana yang berbeda dengan eksisting sehingga peneliti dapat memilih usulan
perbaikan yang lebih baik.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Tahap analisis dan pembahasan merupakan proses analisis bedasarkan perumusan
masalah yang telah dibuat. Dilakukan pendalaman terhadap hasil dari pengolahan data yang
telah dilakukan serta menganalisis proses untuk menerapkan usulan perbaikan. Kesimpulan
merupakan jawaban dari setiap tujuan penelitian yang telah dibuat dan saran diberikan
untuk perusahaan agar dapat meminimasi waktu tunggu kapal juga bagi penelitian
berikutnya agar lebih baik.
Hasil dan Pembahasan
Berikut ini merupakan hasil penelitian yang dilakukan di Pelabuhan CDG. Tahap
pertama yang dilakukan adalah membuat model konseptual.
1. Problem Definition
Permasalahan yang diamati dan diteliti mengenai waktu tunggu kapal yang terjadi di
Pelabuhan CDG sebelum mendapatkan pelayanan pandu dengan menggunakan tugboat dan
bongkar muatan kapal dengan menggunakan crane karena waktu tunggu yang terjadi akan
berdampak pada keterlambatan dari rencana yang sudah dijanjikan Pelabuhan CDG dengan
pihak kapal, sehingga Pelabuhan CDG harus mengeluarkan biaya penalty sebesar $416,67
per jam.
Gambar 1. Rich Picture Diagram Pelabuhan CDG Banten
2. Identification of Key Variabel
Dari berbagai sumber dan tinjauan pustaka maka kegiatan penilaian terdiri dari service
time, Berth Occupancy Ratio (BOR), berth time, approach time, productivity of tugboat
dan productivity of crane.
3. Reference Model
Pada tahap ini peneliti mencari beberapa referensi model dinamis yang terkait dengan
waktu tunggu kapal sebelum dapat pelayanan. Referensi model dari penelitian ini, antara
lain causal loop diagram dari Soemodihardjo (2010) mengenai optimisasi dan
pengembangan di Terminal Tanjung Emas dan stock flow diagram dari penelitian oleh
Briano et.al (2010) mengenai pengambilan keputusan di Terminal Voltri Eropa.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
4. Pengembangan Causal Loop Diagram
Causal loop diagram dirancang untuk menggambarkan bagaimana hubungan atau
pengaruh antar variabel dimana causal loop diagram tersebut akan menjadi dasar dalam
perancangan model simulasi waktu tunggu kapal. Causal loop diagram menggambarkan
variabel-variabel yang mempengaruhi waktu tunggu kapal. Waktu tunggu kapal
dipengaruhi oleh lamanya waktu pelayanan dan tingkat pemakaian dermaga. Untuk waktu
pelayanan dipengaruhi oleh lamanya waktu kapal dipandu ke dermaga dan lamanya
waktu bongkar muatan kapal sedangkan tingkat pemakaian dermaga dipengaruhi oleh
jumlah kapal yang dilayani,
waktu pelayanan, jumlah dermaga dan jam efektif pelabuhan. Waktu kapal dipandu ke
dermaga dipengaruhi oleh produktivitas tugboat dan waktu proses bongkar muatan kapal
dipengaruhi oleh produktivitas crane. Berikut causal loop diagram waktu tunggu kapal di
Pelabuhan CDG:
Gambar 2. Causal Loop Diagram Waktu Tunggu Kapal PELABUHAN CDG
Sebelum membuat Stock Flow Diagram (SFD) berdasarkan causal loop diagram, perlu
dilakukan mencari hubungan data berth occupancy ratio dengan data delay factor dan
distribusi data rata-rata berat muatan kapal. Berdasarkan hasil autofit, rata-rata berat muatan
kapal berdistribusi normal. Berikut persamaan dari hubungan BOR dengan Delay Factor
yang diperoleh dari hasil curve fitting :
Delay Factor = 5,911e-20×exp (46,26 × BOR)+2,455 e-05×exp (11,18 × BOR)……….(1)
Tahap selanjutnya adalah merancang model simulasi waktu tunggu kapal berupa stock
flow diagram berdasarkan dari causal loop diagram. Stock flow diagram dibuat dari kapal
datang ke pelabuhan, kapal menunggu pelayanan, kapal di pandu ke dermaga dengan
meggunakan tugboat, proses bongkar muatan kapal dengan menggunakan crane. Waktu
simulasi dalam satuan bulan. Berikut stock flow diagram waktu tunggu kapal di Pelabuhan
CDG dalam gambar 3 di bawah ini :
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Gambar 3. Stock Flow Diagram Waktu Tunggu Kapal di Pelabuhan CDG
Berikut merupakan data konstan yang digunakan dalam simulasi base case:
Tabel I. Data Konstan Sistem Eksisting
Variabel
Mean Coming Vessel
Time Mooring Vessel
Time Tugboat Needed
Number Ship per
Tugboat
Penjelasan
Rata-rata jumlah kedatangan kapal
Besaran waktu dari variabel mooring vessel
Besaran waktu pada variabel Tugboat Needed
Capacity of Tugboat
Kapasitas tugboat dalam melakukan mooring.
Operation Cycle of
Tugboat
Number Ship per Berth
Berth
Jumlah kapal yang dapat dilayani dalam satu tugboat
Nilai
46 vessel/month
1 month
1 month
0,5
vessel/tugboat
0,5
vessel/boat/cycle
Banyaknya siklus dari tugboat
5 cycle/day
Jumlah kapal yang dapat bersandar setiap dermaga
Jumlah dermaga
1 vessel
10 berth/day
3775,99
ton/vessel/month
18225
ton/vessel/month
1 crane/berth
10 berth
1 month
30 day
24 hour/day
14
ton/crane/cycle
SD Cargo
Standar deviasi dari berat kargo per kapal
Avg Cargo
Rata-rata dari berat kargo per kapal
Crane per Berth
Number of Berth
Time Ton per Vessel
Day per Month
Hour per Day
Jumlah crane pada setiap dermaga
Jumlah Dermaga
Besaran waktu pada variabel Ton per Vessel
Jumlah hari kerja dalam sebulan
Jumlah Jam kerja dalam sehari
Lifting Capacity Crane
Kapasitas angkut crane
Operation Cycle of
Crane
Banyaknya siklus dari crane
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
315 cycle/day
Seminar Nasional ISLI
Makassar,19-20 September 2017
Time to Unload Vessel
Besaran waktu pada variabel unload vessel
1 month
Berikut merupakan hasil dari simulasi waktu tunggu kapal di Pelabuhan CDG :
Tabel II. Hasil Simulasi Sistem Eksisting Tahun 2013
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Rata-rata
Waktu Tunggu
Simulasi Eksisting
(day/vessel)
0,002
0,057
0,024
0,122
1,538
0,156
0,196
0,085
0,457
1,769
0,474
0,379
0,438
Waktu Pelayanan
Simulasi Eksisting
(day/vessel)
6,72
6,99
4,55
4,79
6,14
4,50
4,34
3,96
4,81
5,48
4,50
4,11
5,07
BOR Simulasi
Eksisting (%/berth)
22,84
51,94
48,17
62,11
82,48
64,90
67,23
60,64
73,88
84,66
74,80
73,62
63,94
Tahap selanjutnya adalah melakukan validasi dari model sistem eksisting dengan keadaan
aktual. Berikut merupakan data aktual Pelabuhan CDG:
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
D\esember
Rata-rata
Tabel III. Data Laporan Kapal di Pelabuhan CDG
Waktu Pelayanan
BOR
Waktu Tunggu Sistem
Sistem Nyata
Sistem Nyata
Nyata (Jam/Kapal)
(Day/Vessel)
(%/Berth)
4,84
8,28
72,71
5,53
6,53
70,50
4,71
4,63
54,01
4,58
6,53
73,05
3,31
4,66
57,72
5,87
4,18
83,01
7,28
9,73
80,23
4,6
6,89
65,49
3,79
4,21
39,84
4,95
3,97
60,33
3,73
6,18
81,50
4,47
5,97
74,74
4,805
5,98
67,76
Terdapat 3 variabel untuk uji validasi hasil simulasi sistem eksisting, antara lain uji validasi hasil
waktu tunggu kapal, waktu pelayanan kapal dan BOR. Berikut hasil uji validasi dengan menggunakan
two sample t-test dari masing-masing variabel :
1.
Uji Validasi Waktu Tunggu Kapal
Nilai signifikan untuk uji variansi 0,003 lebih kecil dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi sama tidak diasumsikan. Hasil two sample t-test didapatkan
nilai signifikan 0,192 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar -1,389 yang lebih
besar dari -2,2 dan lebih kecil dari 2,2. Nilai 95% CI of the difference melewati angka 0, maka
hipotesis H0 diterima yang artinya tidak ada perbedaan mean yang signifikan antara waktu tunggu
kapal sistem nyata dengan hasil simulasi eksisting.
2. Uji Validasi Waktu Pelayanan Kapal
Nilai signifikan untuk uji variansi 0,126 lebih besar dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi yang sama. Hasil two sample t-test didapatkan nilai signifikan
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
0,14 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar 1,53 yang lebih kecil dari 2,074 dan
lebih besar dari -2,074. Nilai 95% CI of the difference melewati angka 0, maka hipotesis H0 diterima
yang artinya tidak ada perbedaan mean yang signifikan antara waktu pelayanan kapal sistem nyata
dengan hasil simulasi eksisting.
3. Uji Validasi BOR
Nilai signifikan untuk uji variansi 0,588 lebih besar dari 0,05 yang berarti variansi berbeda
sehingga untuk t-test memakai variansi yang sama. Hasil two sample t-test didapatkan nilai signifikan
0,541 dimana nilai tersebut lebih besar dari 0,05. Dengan t sebesar 0,621 yang lebih kecil dari 2,074
dan lebih besar dari -2,074. Nilai 95% CI of the difference melewati angka 0, maka hipotesis H0
diterima yang artinya tidak ada perbedaan mean yang signifikan antara nilai BOR sistem nyata
dengan hasil simulasi eksisting.
Tahap selanjutnya adalah perancangan usulan perbaikan, untuk perbaikan dari model eksisting
yang sudah dinyatakan valid berdasarkan hasil two sample t-test. Pada tahap ini peneliti merancang 3
usulan perbaikan untuk mengurangi waktu tunggu kapal di Pelabuhan CDG. Berikut merupakan
usulan perbaikan perbaikan waktu tunggu kapal di Pelabuhan CDG:
A. Usulan Perbaikan 1
Pada usulan perbaikan 1 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh kapasitas angkut crane. Perbaikan dilakukan dengan meningkatkan kapasitas angkut
crane sampai 28 ton di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
B. Usulan Perbaikan 2
Pada usulan perbaikan 2 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh siklus operasi crane/hari. Perbaikan dilakukan dengan meningkatkan siklus operasi
crane sampai 630 siklus/hari di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
C.
Usulan Perbaikan 3
Pada usulan perbaikan 3 peneliti berfokus pada pengurangan waktu tunggu kapal yang
diakibatkan oleh kapasitas angkut dan siklus operasi crane. Perbaikan dilakukan dengan
meningkatkan kapasitas angkut crane sampai 28 ton dan siklus operasi crane sampai 630 siklus/hari
di Pelabuhan CDG sehingga mempengaruhi waktu tunggu yang terjadi.
Selanjutnya melakukan uji perbedaan lebih dari dua alternatif dengan Analisis Variansi (ANOVA)
untuk mengetahui apakah hasil usulan perbaikan berbeda dengan hasil sistem eksisting :
Tabel IV. Hasil Uji ANOVA
ANOVA
Simulasi
Between
Groups
Within
Groups
Total
Sum of Squares
df
Mean Square
1.310
3
.437
4.278
44
.097
5.588
47
F
Sig.
4.491 .008
Berdasarkan hasil uji ANOVA pada tabel 4.25, dimana nilai signifikansi 0,008 lebih kecil dari α
= 0,05 dan memiliki nilai F hitung 4,491 lebih besar dari F tabel yaitu 2,82 sehingga dapat disimpulkan
bahwa tolak H0 yang berarti terdapat perbedaan paling tidak satu antara hasil simulasi eksisting,
usulan perbaikan 1, usulan perbaikan 2 dan usulan perbaikan 3, selanjutnya melakukan Analisis
Bonferroni untuk mengidentifikasi hasil usulan perbaikan yang dilakukan berbeda terhadap sistem
eksisting.
Berdasarkan hasil Bonferroni analisis, bahwa nilai signifikan sistem eksisting dengan usulan 1
sebesar 0,038, usulan 2 sebesar 0,039 dan usulan 3 sebesar 0,015 dimana nilai tersebut lebih kecil
dari α = 0,05 dan nilai dari 95% confidence interval tidak melewati 0 sehingga dapat disimpulkan
usulan perbaikan 1, 2 dan 3 berbeda secara signifikan dengan sistem eksisting.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X
Seminar Nasional ISLI
Makassar,19-20 September 2017
Tabel V. Perbandingan Usulan Perbaikan
Eksisting
Waktu tunggu (Hari/Kapal)
Waktu tunggu (Jam/Kapal)
0,438
10,512
Usulan
1
0,074
1,776
Usulan
2
0,074
1,776
Usulan
3
0,029
0,696
Berdasarkan hasil perbandingan usulan perbaikan diatas, usulan perbaikan 3 memiliki
rata-rata waktu tunggu terkecil, yaitu 0,696 jam/kapal sehingga usulan 3 menjadi usulan
perbaikan terpilih.
Tabel VI. Perbandingan Hasil Simulasi Eksisting dengan Usulan Perbaikan Terpilih
Eksisting
Waktu tunggu (Jam/Kapal)
Biaya Penalty
10,512
$4380
Usulan
Perbaikan 3
0,696
$290
Selisih
9,816
$4090
Pada tabel diatas menunjukan usulan perbaikan 3 dapat mengurangi waktu tunggu kapal
menjadi 0,696 jam/kapal waktu tunggu eksisting berkurang sebesar 9,816 jam/kapal. Biaya penalty
yang dikeluarkan Pelabuhan CDG berkurang dengan menerapkan usulan perbaikan 3 sebesar $4090.
dimana usulan perbaikan 3 sebesar $290 per kapal.
Kesimpulan
Faktor-faktor yang mempengaruhi lamanya waktu tunggu kapal di Pelabuhan CDG diantaranya
produktivitas crane yang dipengaruhi oleh kapasitas angkut crane dan siklus operasi crane per hari.
Usulan perbaikan waktu tunggu kapal agar lebih cepat dari keadaan eksisting, yaitu dengan
menambahkan kapasitas angkut crane menjadi 28 ton per siklus dari 14 ton per siklus dan menaikkan
siklus operasi crane per hari menjadi 630 siklus per hari dari 315 siklus per hari. Waktu tunggu kapal
yang diperoleh dari usulan perbaikan yang terpilih adalah 0,696 jam per kapal dimana waktu tunggu
kapal berkurang sebesar 9,816 jam per kapal dari keadaan eksisting.
Ucapan Terima Kasih
Disampaikan kepada pengelola Pelabuhan CDG baik manajemen level up maupun para
operator/teknisi di lapangan, atas kontribusinya dalam menyiapkan data penelitian dan kesempatan
dalam melakukan observasi secara langsung.
Daftar Pustaka
Briano et al. 2010. A System Dynamics Decision Cockpit For A Container Terminal: The Case Of Voltri
Terminal Europe. Genoa : Universitas Genoa. Volume 3, Nomor 2.
Daellenbach, Hans G. 1994. System and Decision Making A Management Science Approach.
England : John Wiley & Sons Ltd.
Soemodihardjo, Soebagijo. 2010. Study on the Optimalization and Development of Tanjung Emas
Container Terminal in Semarang Using Powersim Dynamic Model Simulation. Jakarta :
Research and Development Agency of the Indonesian Ministry of Communications.
Sterman, John D. 2000. Business Dynamics: System Thinking and Modeling for a Complex World.
New York: McGraw Hill
Wibowo, Harmaini. 2010. Analisis Faktor-Faktor yang Mempengaruhi Waktu Tunggu Kapal di
Pelabuhan Tanjung Emas Semarang. Semarang : Fakultas Teknik Universitas
Dipeonegoro.
Yuandani, Bulan., Cahyadi Nugraha, Khuria Amila. 2014. Model Simulasi untuk Pergerakan Manusia
di Ruang Dua Dimensi dengan Pendekatan Pemodelan Berbasis Agen. Bandung: Fakultas
Teknologi Industri Institut Teknologi Nasional. Volume 2, Nomor 3.
Departemen Teknik Industri Universitas Hasanuddin
ISBN XXX-XXXXX-X-X