Studi Kasus Implementasi Algoritma Bilangan Ganjil dan Genap dalam Sistem Manajemen Persediaan
Pendahuluan
Bilangan ganjil dan genap merupakan konsep dasar dalam matematika yang memiliki penerapan luas dalam ilmu komputer, khususnya dalam algoritma pengolahan data. Pada studi kasus ini, kami mengkaji penerapan logika ganjil/genap pada sistem manajemen persediaan (inventory management system) sebuah perusahaan ritel daring di Indonesia. Fokus utama adalah bagaimana klasifikasi barang berdasarkan nomor identifikasi (ID) ganjil atau genap dapat meningkatkan efisiensi proses pemesanan ulang, penataan gudang, dan analisis penjualan.
Latar Belakang
Perusahaan “BeliCepat” memiliki katalog produk lebih dari 50.000 SKU (Stock Keeping Unit). Setiap SKU diberi kode numerik unik yang dihasilkan secara otomatis. Selama dua tahun terakhir, tim operasional mengalami bottleneck pada proses pemilahan barang di gudang, terutama pada saat peak season. Analisis awal menunjukkan bahwa pola pemilahan yang acak menyebabkan waktu pencarian rata‑rata meningkat 27 % dibandingkan dengan periode tenang. Manajemen memutuskan untuk menguji metode pengelompokan berbasis parity (ganjil/genap) pada ID produk.
Tujuan Studi
- Menilai dampak klasifikasi ganjil/genap terhadap kecepatan pemrosesan pesanan.
- Mengukur pengaruhnya pada tingkat kesalahan penempatan barang.
- Mengidentifikasi potensi integrasi dengan algoritma prediksi permintaan.
Metodologi
Studi dilakukan dalam tiga fase:
- Pengumpulan Data – Data historis transaksi, stok, dan logistik selama 24 bulan dikumpulkan. Variabel utama meliputi ID SKU, tanggal masuk gudang, kuantitas, dan waktu pick‑and‑pack.
- Desain Algoritma – Dibuat dua modul:
– Modulo‑Based Sorting (MBS): barang dengan ID genap disimpan di zona A, ID ganjil di zona B.
– Dynamic Parity Allocation (DPA): selain parity, mempertimbangkan tingkat perputaran (fast‑moving vs slow‑moving) untuk penempatan lebih optimal.
- Implementasi Pilot – Selama tiga bulan, 10 % gudang dipasangi sistem MBS, 10 % lainnya DPA, sisanya tetap pada prosedur lama sebagai kontrol.
Hasil dan Analisis
| Parameter | Kontrol (Tradisional) | MBS | DPA |
|---|---|---|---|
| Rata‑rata waktu picking (detik) | 45 | 34 | 29 |
| Tingkat kesalahan penempatan (%) | 1,8 | 1,2 | 0,7 |
| Waktu re‑stock (menit) | 22 | 16 | 12 |
| Penggunaan ruang gudang (m²) | 1 200 | 1 150 | 1 080 |
- Kecepatan Picking
Pada zona MBS, rata‑rata waktu picking menurun 24 % karena petugas hanya perlu mengakses satu zona sesuai parity. DPA menghasilkan penurunan 36 % karena kombinasi parity dan perputaran tinggi menempatkan produk cepat terjual di zona terdepan.
- Kesalahan Penempatan
Kesalahan menurun signifikan pada DPA, mengindikasikan bahwa penambahan faktor perputaran memperkecil ambiguitas dalam penempatan barang.
- Efisiensi Ruang
Dengan mengelompokkan produk secara terstruktur, tumpang tindih ruang berkurang. DPA memungkinkan penataan vertikal lebih efisien karena zona A dan B memiliki aliran masuk‑keluar yang terpisah.
- Integrasi Prediksi Permintaan
Data parity juga dimanfaatkan untuk melatih model machine learning sederhana (Random Forest) dalam memprediksi permintaan harian. Model menunjukkan akurasi 82 % pada SKU genap dan 79 % pada SKU ganjil, menandakan pola konsumsi yang sedikit berbeda antar kelompok.
Diskusi
- Keunggulan Parity
Logika ganjil/genap mudah diimplementasikan karena hanya memerlukan operasi modulo 2 yang sangat cepat secara komputasional. Hal ini mengurangi beban pada sistem back‑end, terutama pada platform dengan sumber daya terbatas.
- Keterbatasan
Pembagian murni ganjil/genap dapat menjadi tidak optimal bila distribusi permintaan tidak seimbang. Misalnya, pada musim libur, sebagian besar SKU yang terjual adalah genap, sehingga zona A menjadi overburdened. Oleh karena itu, pendekatan DPA yang menambahkan dimensi perputaran menjadi lebih adaptif.
- Skalabilitas
Karena parity bersifat deterministic, sistem dapat dengan mudah di‑scale ke gudang tambahan tanpa perubahan signifikan pada algoritma. Hanya perlu sinkronisasi zona di tiap lokasi.
- Implikasi Manusia
Petugas gudang melaporkan bahwa prosedur baru lebih intuitif. Namun, dibutuhkan pelatihan awal untuk menghindari kebingungan pada transisi zona, terutama pada shift malam.
Rekomendasi
- Adopsi DPA Secara Luas – Mengingat hasil yang paling positif, perusahaan sebaiknya mengimplementasikan Dynamic Parity Allocation di seluruh jaringan gudang.
- Pemantauan Dinamis – Sistem harus mampu menyesuaikan zona parity secara periodik (misalnya tiap kuartal) berdasarkan data perputaran terkini.
- Integrasi dengan WMS – Integrasikan modul parity ke dalam Warehouse Management System (WMS) agar otomatis mengarahkan instruksi pick‑and‑pack ke zona yang tepat.
- Pengembangan Analitik Lanjutan – Manfaatkan data parity untuk segmentasi pelanggan, misalnya mengirim promo khusus SKU genap pada minggu tertentu untuk menyeimbangkan beban.
Kesimpulan
Studi kasus ini membuktikan bahwa konsep sederhana ganjil/genap dapat memberikan dampak signifikan pada efisiensi operasional sistem manajemen persediaan. Dengan menambahkan lapisan dinamis berbasis perputaran barang, perusahaan tidak hanya mempercepat proses picking, mengurangi kesalahan, dan mengoptimalkan ruang, tetapi juga membuka peluang analitik lanjutan untuk prediksi permintaan. Implementasi yang tepat, didukung oleh pelatihan staf dan integrasi sistem, menjadikan parity sebagai alat strategis dalam meningkatkan kecepatan layanan dan mengurangi biaya logistik pada industri ritel daring di Indonesia.
Catatan: Studi ini bersifat eksperimental dengan periode pilot tiga bulan. Disarankan melakukan evaluasi tahunan untuk menilai keberlanjutan manfaat dan menyesuaikan parameter algoritma sesuai perubahan pola konsumsi pasar.
