PENYELESAIAN VEHICLE ROUTING PROBLEM DENGAN

MENGGUNAKAN ALGORITMA NEAREST NEIGHBOR

DAN TABU SEARCH
(Studi Kasus di PT Nippon Indosari Corpindo)
Vylda Pavela, Imam Nurhadi P.
Jurusan Matematika, F.MIPA, Universitas Brawijaya
Email: pvylda@yahoo.com
Abstrak. VRP atau disebut Vehicle Routing Problem merupakan permasalahan pendistribusian barang. Dalam VRP,
perusahaan disebut sebagai depot yang mengirimkan kendaraannya untuk melayani semua konsumen yang tersebar. Tujuan
dari VRP yaitu menentukan sejumlah rute untuk melakukan pengiriman barang pada setiap konsumen. Dengan menggunakan
algoritma nearest neighbor, didapatkan jumlah kendaraan yang dibutuhkan dan rute yang feasible sebagai solusi awal. Solusi
awal kemudian diolah menggunakan algoritma tabu search, sehingga didapatkan solusi optimal yaitu rute yang paling
minimum jarak tempuhnya. Dengan memasukkan data jumlah permintaan tiap konsumen, kapasitas kendaraan, matriks jarak
konsumen dan depot yang dijalankan dengan software Delphi dan Netbeans, maka didapatkan jumlah rute yang dilayani oleh
kendaraan serta jarak yang ditempuh.
Kata Kunci: VRP (Vehicle Routing Problem), nearest neighbor, feasible, tabu search .

1. PENDAHULUAN
Dalam dunia industri, persaingan antar perusahaan semakin ketat seiring berjalannya waktu.
Dengan meningkatkan kinerja suatu perusahaan, perusahaan tersebut mampu bersaing dengan
perusahaan lainnya. Salah satunya yaitu dengan meningkatkan kinerja sistem distribusinya. Dalam
pendistribusian barang, kendaraan milik perusahaan mengirimkan barang ke seluruh konsumen yang
ada, umumya dikenal sebagai Vehicle Routing Problem (VRP). Dalam VRP, perusahaan disebut
sebagai depot dan konsumen sebagai node. Setiap konsumen hanya boleh dilayani oleh satu
kendaraan, dimana kendaraan berangkat dari depot dan diakhiri di depot yang sama.
Penelitian VRP sebelumnya dilakukan oleh Raditya (2009) yaitu menyelesaikan
permasalahannya dengan menggunakan metode nearest addition heuristic atau disebut juga nearest
neighbor yaitu untuk mencari solusi awal dan metode 2-Opt, or-Opt, relocate, exchange, dan cross
untuk mencari solusi optimalnya. Tujuan dari penelitian Raditya (2009) tersebut adalah untuk
menentukan jumlah kendaraan yang digunakan untuk proses distribusi. Selain metode tersebut,
terdapat juga algoritma tabu search untuk mencari solusi optimalnya. Tabu search merupakan metode
metaheuristic yang memang efisien untuk menyelesaikan banyak masalah optimasi yang sulit salah
satunya untuk menyelesaikan VRP.
Dalam penelitian ini akan digunakan algoritma nearest neighbor dan tabu search dengan
harapan dapat menghasilkan solusi yang optimal pada penyelesaian model VRP pendistribusian
produk roti dengan merek dagang Sari Roti oleh PT Nippon Indosari Corpindo (PT NIC). Penelitian
ini bertujuan untuk memformulasikan model matematis VRP pada data pendistribusian roti pada PT
NIC, mengimplementasikan algoritma nearest neighbor untuk meminimalkan jumlah kendaraan yang
beroperasi dalam kegiatan distribusi, dan menggunakan algoritma tabu search untuk menghasilkan
rute distribusi yang optimal, serta membandingkan solusi optimal VRP menggunakan algoritma tabu
search dengan metode 2-Opt, or-Opt, relocate, exchange, dan cross oleh Aji Raditya (2009).
2. METODOLOGI
Data yang digunakan dalam penelitian ini adalah data skripsi milik Aji Raditya (2009).
Data-data tersebut adalah data permintaan tiap retail/outlet, jarak antar retail/outlet dan jarak
dari depot ke retail/outlet, kapasitas kendaraan, dan jumlah kendaraan yang tersedia. Untuk
dapat mencapai tujuan dari penelitian ini dilakukan langkah-langkah sebagai berikut.
1. Tahap inisial solution
Tahap ini merupakan tahap pencarian solusi awal dengan menggunakan algoritma nearest
neighbor. Pada algoritma ini, peraturannya hanya pergi ke node terdekat yang belum dikunjungi

244

dengan mengikutkan beberapa batasan (Pop dkk., 2011). Pertama, yaitu mencari jarak terdekat antara
titik depot dengan titik konsumen yang menjadi kandidat rute. Berangkat dari konsumen pertama,
dicari jarak terdekat untuk konsumen selanjutnya sampai berhenti pada konsumen dimana muatan
yang diangkut kurang dari permintaan untuk konsumen selanjutnya. Kemudian, mengurangi barang
yang diangkut ketika berangkat dari depot dengan jumlah muatan yang tersisa ketika meninggalkan
konsumen terakhir. Ketika muatan sudah kosong saat konsumen terakhir, maka kendaraan kembali ke
depot. Dua langkah tersebut akan diulang sampai seluruh konsumen terlayani.
2. Tahap tabu search
Tahap ini merupakan tahap evaluasi dari solusi awal yang dihasilkan oleh nearest neighbor.
Solusi awal yang dihasilkan oleh nearest neighbor akan dilakukan pengembangan heuristik dengan
pertukaran posisi antar konsumen. Setiap kali pergerakan dilakukan, solusi sebelumnya akan
dimasukkan ke dalam suatu daftar yang disebut tabu list. Dari suatu solusi yang diberikan, tidak
semua tetangganya dapat dicapai. Setiap perpindahan akan membawanya pada solusi terbaik yang
berada disekitarnya, tetapi jika perpindahan itu ada di tabu list maka hanya akan diterima apabila
dapat menurunkan nilai dari fungsi obyektifnya sampai di bawah level yang telah dicapai sejauh ini
(aspiration level) (Gendreau dkk., 1994).
3. HASIL DAN PEMBAHASAN
3.1 Formulasi Model
Formulasi model VRP digunakan untuk merumuskan fungsi tujuan dan fungsi kendala pada
pendistribusian roti. Adapun indeks yang digunakan adalah sebagai berikut:
: indeks untuk konsumen awal,
: indeks untuk konsumen tujuan,
: indeks untuk kendaraan,
Adapun variabel dan parameter yang digunakan dalam formulasi model: adalah jumlah konsumen,
adalah jumlah kendaraan,
adalah jarak antar konsumen ,
menyatakan kendaraan dari
konsumen langsung ke ,
menyatakan total demand kendaraan
sampai konsumen ,
menyatakan konsumen dilayani oleh kendaraan , dan
adalah kapasitas maksimum kendaraan
Variabel keputusan yang digunakan dalam pendistribusian roti adalah
akan bernilai 1 jika
konsumen dilayani oleh kendaraan , dan bernilai 0 jika tidak demikian, serta
akan bernilai 1
jika kendaraan dari konsumen langsung ke , dan bernilai 0 jika tidak demikian, dengan nilai
dan
.
Kendala tujuan dalam pendistribusian roti adalah sebagai berikut:

(1)

(2)

(3)

(4)

untuk persamaan (1) menunjukkan bahwa total demand yang dibawa oleh kendaraan tidak boleh
melebihi kapasitas kendaraan, untuk persamaan (2) menunjukkan bahwa tiap konsumen hanya dapat
dilayani oleh satu kendaraan saja, untuk persamaan (3) menunjukkan bahwa semua kendaraan
berangkat dan berakhir di depot, sedangkan untuk persamaan (4) menunjukkan bahwa tiap konsumen
dikunjungi oleh kendaraan yang sudah dijadwalkan untuk konsumen tersebut.

245

3.2 Rute Distribusi

Rute distribusi diperoleh dengan menggunakan algoritma nearest neighbor dan algoritma tabu
search. Algoritma nearest neighbor digunakan untuk menyelesaikan solusi awal, sedangkan algoritma
tabu search digunakan untuk menyelesaikan solusi optimal. Data yang didapat dari skripsi milik Aji
Raditya (2009) adalah 24 konsumen dengan masing-masing permintaan, kapasitas maksimum
kendaraan yaitu 200 crate, 5 buah kendaraan, serta jarak antar konsumen dan depot.
3.2.1 Pengerjaan solusi awal
Pada Tabel 1 untuk konsumen ke-24 tidak feasible karena setelah melewati konsumen ke-23
sisa muatan yang dibawa oleh kendaraan ke-1 kurang dari permintaan konsumen ke-24. Permintaan
konsumen ke-24 yaitu 28 crate, sedangkan sisa muatan yang dibawa oleh kendaraan ke-1 hanya 16
crate. Karena muatan kendaraan ke-1 setelah melewati konsumen ke-23 masih ada 16 crate, maka
pada Tabel 2 muatan kendaraan dikurangi menjadi 184 agar setelah melewati konsumen ke-23 tidak
ada sisa muatan. Setelah tidak ada muatan yang tersisa, kendaraan kembali ke depot dan didapatkan
rute sebagai berikut: 0-1-4-5-3-9-8-7-10-14-16-17-22-23-0. Demikian halnya dengan kendaraan ke-2
dengan langkah yang sama, didapatkan rute sebagai berikut: 0-6-18-19-20-24-21-15-12-13-11-2-0.
Untuk pengerjaan menggunakan software Delphi didapatkan hasil yang sama dengan perhitungan
manual.
Tabel 1. Langkah 1 kendaraan ke-1
Kons
umen
ke1
4
5
3
9
8
7
10
14
16
17
22
23
24

Demand
17
17
8
7
2
17
19
19
22
9
4
18
25
28

Yang isi
(awalnya=200)
183
166
158
151
149
132
113
94
72
63
59
41
16
-

Tabel 2. Langkah 2 kendaraan ke-1

Feasible
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Tidak

Kons
umen
ke1
4
5
3
9
8
7
10
14
16
17
22
23

Demand
17
17
8
7
2
17
19
19
22
9
4
18
25

Yang isi
(awalnya 200-16
= 184)
167
150
142
135
133
116
97
78
56
47
43
25
0

Feasible
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya
Ya

3.2.2 Pengerjaan solusi optimal

Langkah awal dalam algoritma tabu search adalah meng-input-kan rute awal pada tabu list.
Selanjutnya dilakukan pengacakan rute awal untuk menentukan kandidat-kandidat solusi baru dengan
melakukan move (penukaran) node (konsumen) yang terdekat, sehingga seluruh node (konsumen)
telah melalui penukaran satu sama lain. Langkah terakhir yaitu melakukan pemilihan solusi terbaik
dari kandidat-kandidat solusi baru yang ada dan menetapkannya sebagai solusi optimal yang dilihat
dari nilai terkecil jarak yang ditempuh oleh rute tersebut. Untuk perhitungan solusi optimal ini
menggunakan software Netbeans.
Gambar 2 dan Gambar 3 merupakan consule program yang berisi rute optimal dari 13! dan 11!
kemungkinan rute serta jaraknya. Berdasarkan output program, rute optimal kendaraan pertama yaitu
0-1-4-5-3-9-8-7-10-14-22-23-17-16-0 dengan jarak 53.35 km dan rute optimal kendaraan kedua
adalah 0-6-18-19-20-21-24-15-13-12-11-2-0 dengan jarak 78.19 km.

246

Gambar 3. Rute optimal kendaraan ke-2

Gambar 2. Rute optimal kendaraan ke-1

3.3 Perbandingan Solusi Optimal VRP Menggunakan Algoritma Tabu Search dengan Metode 2Opt, Or-Opt, Relocate, Exchange, dan Cross Oleh Aji Raditya (2009)
Dari Tabel 3, dibandingkan penyelesaian VRP menggunakan metode 2-Opt, Or-Opt, Relocate,
Exchange, dan Cross yang dilakukan oleh Aji Raditya (2009) dan penyelesaian menggunakan
algoritma tabu search . Aspek perbandingannya adalah jumlah kendaraan yang digunakan atau jumlah
rute, rute-rute yang dilalui, dan jarak total semua rute.
Tabel 3 Tabel perbandingan
Perbandingan

Tabu search

2-Opt, Or-Opt, Relocate,

Exchange, dan Cross

Jumlah kendaraan yang

digunakan atau jumlah rute

Rute-rute yang dilalui

Jarak total semua rute (km)

Kendaraan I: 0-1-4-5-3-9-8-710-14-22-23-17-16-0
Kendaraan II: 0-6-18-19-20-2124-15-13-12-11-2-0
131.54

Kendaraan I: 0-1-4-0
Kendaraan II: 0-3-5-2-11-12-1315-22-23-6-0
Kendaraan III: 0-9-8-7-10-14-1617-24-21-20-19-18-0
136.3887

4. KESIMPULAN

1.
2.

3.

Pendistribusian produk roti dapat diselesaikan dengan memformulasikan model VRP. Langkahlangkah penyelesaiannya yaitu menentukan variabel keputusan, merumuskan fungsi kendala,
dan memformulasikan fungsi tujuan
Dengan menggunakan algoritma nearest neighbor didapatkan solusi awal yaitu 2 rute yang
harus dilewati oleh 2 kendaraan. Dengan menggunakan algoritma tabu search didapatkan solusi
optimal yaitu rute yang paling minimal total jaraknya dari kemungkinan-kemungkinan rute
yang dihasilkan dari pengolahan solusi awal. Untuk kendaraan I , rute yang dilewati adalah 0-14-5-3-9-8-7-10-14-22-23-17-16-0 dengan jarak tempuh 53.35 kilometer, sedangkan untuk
kendaraan II, rute yang dilewati adalah 0-6-18-19-20-21-24-15-13-12-11-2-0 dengan jarak
tempuh 78.19 kilometer.
Dengan aspek perbandingan yaitu jumlah kendaraan yang digunakan atau jumlah rute, rute-rute
yang dilalui, dan jarak total semua rute, algoritma tabu search lebih optimal untuk data
pendistribusian produk roti PT NIC dibandingkan metode 2-Opt, Or-Opt, Relocate, Exchange,
dan Cross oleh Aji Raditya (2009).

DAFTAR PUSTAKA
Gendreau, M., Hertz, A., dan Laporte, G., (1994), A Tabu Search Heuristic for the Vehicle Routing
Problem, Management Science, 40 (10), hal.1276-1290.
Pop, P. C., Sitar, C. P., Zelina, I., Lupse, V., dan Chira, C., (2011), Heuristic Algorithms for Solving
the Generalized Vehicle Routing Problem, International Journal Computers, Comunication, &
Control, 11 (1), hal. 158-165.
Raditya, A., (2009), Penggunaan Metode Heuristik dalam Permasalahan Vehicle Routing Problem dan
Implementasinya di PT Nippon Indosari Corpindo, Skripsi, Fakultas Matematika dan Ilmu
Pengetahuan Alam. Institut Pertanian Bogor.

247