Penyelesaian Masalah Transportasi Menggunakan Metode Sumathi-Sathiya dan Metode Pendekatan Karagul-Sahin (KSAM)

Abstract

This study discusses solving transportation problems by comparing two different methods for the minimization case, namely the Sumathi-Sathiya method and the Karagul-Sahin Approximation Method (KSAM). The first step is to determine whether the data is balanced or unbalanced. For unbalanced data, dummy rows or columns were added to make the data balanced. The Sumathi-Sathiya method startsby selecting the smallest total of the row and column then allocated the demand according to the available supply. As for KSAM, it starts with the smallest cost of  scope of the ratio of demand, supply, as well as shipping costs  , then selected matrix that has the smallest transportation cost result. Based on simulation of 100 data, the result shows that for 52 data, KSAM is more optimal than the Sumathi-Sathiya Method. As for the other 48 data, the Sumathi-Sathiya Method is more optimal than KSAM, with a number of diverse iterations.

Keywords: Karagul Sahin Approximation Method, Sumathi-Sathiya Method, Transportation Problems.

Abstrak

Penelitian ini membahas tentang penyelesaian masalah transportasi dengan membanding dua metode yang berbeda untuk kasus minimasi yaitu metode Sumathi-Sathiya dan Karagul-Sahin Approximation Method (KSAM) yang bertujuan untuk mengetahui metode mana yang mendapatkan biaya transportasi paling minimum. Langkah pertama yang dilakukan adalah menentukan data seimbang atau tidak seimbang. Untuk data tidak seimbang harus menambahkan baris atau kolom dummy sehingga data menjadi seimbang. Metode Sumathi-Sathiya dimulai dengan memilih total terkecil dari baris dan kolom, kemudian dialokasikan permintaan sesuai dengan persediaan yang tersedia. Sedangkan untuk KSAM, dimulai dengan  cakupan rasio permintaan, persediaan, serta biaya pengiriman terkecil sampai mendapatkan solusi layak awal, kemudian dipilih matriks yang memiliki hasil biaya transportasi terkecil. Berdasarkan simulasi 100 data, diperoleh hasil bahwa untuk 52 data, KSAM lebih optimal dibandingkan Metode Sumathi-Sathiya. Sedangkan untuk 48 data lainnya, Metode Sumathi-Sathiya lebih optimal dibandingkan KSAM, dengan jumlah iterasi beragam.