DENGAN METODE CLARKE AND WRIGHT SAVINGS DENGAN METODE CLARKE AND WRIGHT SAVINGS
UNTUK PENYELESAIAN MASALAH DISTRIBUSI AQUA GALON UNTUK PENYELESAIAN MASALAH DISTRIBUSI AQUA GALON
DI PT.TIRTA INVESTAMA YOGYAKARTA DI PT.TIRTA INVESTAMA YOGYAKARTA
Oleh
SKRIPSI Sri Nurhayanti
NIM 08305144042
Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
ABSTRAK
Universitas Negeri Yogyakarta
Untuk Memenuhi Sebagian Persyaratan Secara matematis, masalah penentuan rute kendaraan dalam mendistribusikan
Guna Memperoleh Gelar Sarjana Sains barang dari depot ke sejumlah pelanggan yang tersebar di sejumlah tempat disebut
vehicle routing problem (VRP). Penentuan VRP bertujuan untuk meminimumkan
total jarak tempuh kendaraan sehingga dapat meminimumkan biaya distribusi dengan
memperhatikan beberapa kendala atau batasan-batasan. Salah satu variasi vehicle
routing problem (VRP) adalah capacitated vehicle routing problem (CVRP) yaitu
dengan menambahkan kendala kapasitas kendaraan yang terbatas. Sehingga rute
kendaraan distribusi dibatasi oleh kapasitas angkut kendaraan yang digunakan.
Masalah optimisasi rute distribusi Aqua merupakan salah satu contoh masalah CVRP,
sehingga akan dijadikan contoh kasus dalam skripsi ini.
Penelitian skripsi dilakukan di PT. Tirta Investama Yogyakarta dalam
pendistribusian Aqua galon. Penentuan solusi dilakukan dengan dua cara
penyelesaian yaitu menggunakan metode branch & bound dengan bantuan software
Lingo dan penyelesaian menggunakan metode clarke & wright savings. Solusi yang
diperoleh merupakan solusi optimal yang meminimumkan fungsi tujuan dan
memenuhi semua kendala atau batasan-batasan yang dibuat. Data yang digunakan
Oleh : adalah jarak antar depot dengan pelanggan dan jarak antar pelanggan, jumlah
permintaan masing-masing pelanggan, jumlah kendaraan yang dioperasikan dan
Sri Nurhayanti kapasitas kendaraan.
Didapatkan perbandingan hasil yang diperoleh dengan rute distribusi saat ini,
08305144042 yaitu jarak tempuh dari perusahaan 198,9 km dan biaya transportasi Rp. 111.900
dengan menggunakan 8 kendaraan dibandingkan dengan hasil yang dibuat
menggunakan metode branch & bound yaitu menghasilkan 147,5 km dan biaya
PROGRAM STUDI MATEMATIKA transportasi Rp.85.000 dengan menggunakan 7 kendaraan dan menggunakan metode
JURUSAN PENDIDIKAN MATEMATIKA clarke & wright savings yaitu menghasilkan 175,7 km dan biaya transportasi Rp.
98.600 dengan menggunakan 7 kendaraan. Hasil yang diperoleh menunjukkan bahwa
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM model yang dibuat menggunakan metode branch & bound menghasilkan rute
distribusi Aqua galon yang paling minimum.
UNIVERSITAS NEGERI YOGYAKARTA
2013 Kata kunci: Capacitated vehicle routing problem (CVRP), metode branch & bound,
metode clarke & wright savings.
i vii
BAB I pelanggan mungkin mengembalikan barang pada depot asal maka dikenal dengan
PENDAHULUAN masalah VRP with pick-up and delivering(VRPPD), split delivery VRP(SDVRP)
1 2
Penelitian ini memberikan kontribusi dalam memecahkan persoalan rute bound dengan bantuan software Lingo, dan penyelesaian menggunakan metode
pendistribusian agar dapat menentukan jumlah kendaraan yang akan dipakai sesuai clarke & wright savings dengan bantuan macro excel. Sehingga dari hasil kedua
dengan kapasitas kendaraan serta menentukan biaya distribusi yang minimum, metode tersebut mana yang lebih baik untuk penyelesaian masalah distribusi Aqua.
sehingga dapat memenuhi permintaan produk secara lebih cepat agar kepercayaan
B. Batasan Masalah
dan kepuasan konsumen meningkat. Permasalahan ini termasuk ke dalam masalah
Batasan masalah yang digunakan dalam penulisan tugas akhir skripsi ini adalah
capacitated vehicle routing problem (CVRP). Terdapat berbagai cara penyelesaian
masalah rute pengiriman Aqua galon khusus ke minimarket (Indomaret, Alfamart,
CVRP, antara lain dengan menggunakan metode branch & bound dan metode clarke
Circle K) yang tersebar diseluruh wilayah kota madya yogyakarta.
& wright savings. Penelitian menggunakan metode ini sudah dilakukan oleh Rich
Metode branch & bound merupakan metode eksak, untuk masalah yang minimarket (Indomaret, Alfamart, Circle K) yang tersebar diseluruh wilayah kota
kompleks dan jumlah yang cukup besar metode ini membutuhkan kecepatan waktu madya yogyakarta. Oleh karena itu perumusan masalah yang akan dibahas pada
komputasi yang relatif lama dalam menentukan solusi yang optimal, karena metode penulisan tugas akhir skripsi ini adalah sebagai berikut:
tersebut mengakomodasi semua solusi yang mungkin dari suatu permasalahan. 1. Bagaimana penyelesaian masalah rute distribusi Aqua galon menggunakan
Namun metode branch & bound menjamin solusi yang diperoleh merupakan solusi metode branch & bound?
yang optimal dibandingkan dengan metode clarke & wright savings, karena metode 2. Bagaimana penyelesaian masalah rute distribusi Aqua galon menggunakan
ini merupakan metode heuristik yang lebih menekankan pada perolehan solusi metode clarke & wright savings?
feasible secara cepat dari segi kecepatan waktu komputasinya meskipun tidak 3. Bagaimana perbandingan hasil penyelesaian masalah rute distribusi Aqua galon
menjamin solusi tersebut akan optimal. antara metode branch & bound dengan metode clarke & wright savings?
model capacitated vehicle routing problem (CVRP) menggunakan metode branch &
3 4
Berdasarkan perumusan masalah di atas, maka tujuan yang ingin dicapai pada
LANDASAN TEORI
penelitian penulisan tugas akhir skripsi ini adalah:
metode branch & bound Pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan
2. Bagaimana penyelesaian masalah distribusi Aqua galon menggunakan metode pada Bab II yaitu masalah distribusi Aqua di PT. Tirta Investama, masalah
clarke & wright savings optimisasi, graf, travelling salesman problem (TSP), vehicle routing problem (VRP),
3. Bagaimana perbandingan hasil penyelesaian masalah rute distribusi Aqua galon capacitated vehicle routing problem (CVRP), metode branch and bound, metode
antara metode branch & bound dengan metode clarke & wright savings clarke and wright savings.
menjadi efektif dan efisien (AMDK) adalah air yang telah diolah dengan perlakuan khusus dan dikemas dalam
2. Dijadikan salah satu referensi untuk memperluas pemahaman mengenai vehicle botol atau kemasan lain. Keistimewaan dari Aqua adalah sumber bahan bakunya yang
routing problem (VRP) bagi kalangan akademik khususnya Program Studi berasal dari sumber mata air pegunungan yang mengalir sendiri dan sudah
Matematika mengandung mineral seimbang yang menjadi syarat bagi semua produk Aqua
3. Menambah pengetahuan penulis lebih dalam mengenai sistem pendistribusian dimanapun diproduksi.
dan pengoptimalan penjadwalan serta rute yang efektif dan efisien dengan
Aqua adalah salah satu merk air minum yang disukai banyak konsumen karena
menggunakan metode penyelesaian masalah vehicle routing problem (VRP).
terjamin kualitasnya. Nama Aqua kini telah menjadi semacam nama generik dari
produk air minum dalam kemasan (AMDK) serupa di Indonesia. Aqua adalah
pemimpin pasar yang tidak dipertanyakan dalam industri air dalam botol. Sistem
5 6
bersaing. Aqua merupakan pelopor bisnis AMDK dan menjadi produsen AMDK Pendistribusian Aqua di Yogyakarta ada tiga tempat pengiriman, yaitu pengiriman
terbesar di Indonesia. Bahkan pemasarannya saat ini sudah meliputi Singapura, dari pabrik ke Agen/CV(commanditaire vennootschap), pengiriman ke kantor-kantor,
Malaysia, Australia, Timur Tengah dan Afrika. Di Indonesia sendiri Aqua menguasai dan pengiriman ke minimarket di wilayah Yogyakarta dan sekitarnya sesuai
80% penjualan AMDK dalam kemasan galon. Untuk keseluruhan market share permintaan. Pendistribusian yang akan di ambil dalam skripsi ini yaitu permintaan
AMDK di Indonesia, Aqua menguasai 50% pasar (Alfi Fadlan, 2011). Aqua galon yang akan di distribusikan ke minimarket ( Indomaret, Alfamart, Circle).
Produsen AMDK Aqua, PT. Golden Mississippi (kemudian bernama PT. Aqua Sehingga dalam masalah ini bagaimana suatu sistem pelayanan menjadi lebih efektif
Golden Mississippi) yang bernaung di bawah PT. Tirta Investama, didirikan pada dan efisien agar didapatkan rute pendistribusian yang paling optimum dengan tujuan
tanggal 23 Februari 1973 oleh Tirto Utomo (1930-1994). Pabrik pertamanya untuk penghematan waktu dan jumlah kendaraan dalam pendistribusian Aqua galon
didirikan di Bekasi. Sejak saat itu, orang Indonesia mulai mengubah salah satu ke setiap lokasi tujuan serta meningkatkan kemampuan perusahaan untuk dapat
kebiasaannya secara mendasar dengan membiasakan diri mengkonsumsi AMDK. memenuhi permintaan Aqua galon kepada konsumen.
Aqua menjadi bagian yang tidak terpisahkan dari hidup sehat masyarakat Indonesia.
Volume penjualan Aqua merupakan volume penjualan terbesar untuk kategori air B. Masalah Optimisasi
mineral, maka kebutuhan akan Aqua semakin meningkat dari waktu ke waktu, Optimisasi ialah proses untuk mencapai hasil yang ideal atau optimal (nilai
sehingga pendistribusian Aqua harus lebih efektif dan efisien agar dapat memenuhi efektif yang dicapai). Optimisasi secara intuisi berarti melakukan pekerjaan dengan
permintaan konsumen tepat pada waktunya (Pandri, 2011). cara terbaik( Brogan, 1991: 501).
PT Tirta Investama Yogyakarta adalah pabrik Aqua yang terbesar di daerah Masalah optimisasi merujuk pada studi permasalahan yang mencoba untuk
Yogyakarta, sehingga memiliki alokasi yang cukup besar dalam pendistribusian Aqua mencari nilai minimal atau maksimal dari suatu fungsi nyata. Banyak masalah dalam
untuk daerah Yogyakarta dan sekitarnya. Masalah pendistribusian Aqua khususnya di dunia nyata yang dapat direpresentasikan dalam kerangka permasalahan ini, misal
daerah Yogyakarta, yaitu pada awalnya air minum Aqua yang berasal dari Mata air pendapatan yang maksimum, biaya yang minimum dan lain sebagainya. Apabila hal
Sigedang Klaten yang sudah menjadi AMDK khususnya Aqua galon akan dikirim ke yang dioptimumkan ternyata kuantitatif, maka masalah optimum akan menjadi
pabrik PT. Tirta Investama, Bantul, Yogyakarta. Setelah itu akan di distribusikan ke masalah maksimum dan minimum (Susanta, 1994).
Persoalan yang berkaitan dengan optimisasi sangat kompleks dalam kehidupan Definisi 2.1 (Jong Jek Siang, 2004: 187)
sehari-hari. Nilai optimal yang didapatkan dalam optimisasi dapat berupa besaran Suatu graf terdiri dari dua himpunan yang berhingga, yaitu himpunan titik-titik tidak
panjang, waktu, dan lain-lain. Optimisasi mempunyai beberapa persoalan kosong/ simpul (V(G)) dan himpunan garis-garis (E(G)).
1. Menentukan lintasan terpendek dari suatu tempat ke tempat yang lain Ada 7 kota ( ) beberapa kota dapat dihubungkan secara langsung dengan
2. Menentukan jumlah pekerja seminimal mungkin untuk melakukan suatu proses garis-garis/jalan. Hubungan-hubungan langsung yang dapat dilakukan adalah sebagai
produksi agar pengeluaran biaya pekerja dapat diminimalkan dan hasil produksi berikut:
3. Mengatur jalur kendaraan umum agar semua lokasi dapat dijangkau B dengan D
4. Mengatur routing jaringan kabel telepon agar biaya pemasangan kabel tidak C dengan B
titik ujung e1). Titik A dan B dikatakan berhubungan, sedangkan titik A dan C tidak Graf sederhana adalah graf yang tidak memuat rusuk ganda dan gelang.
berhubungan karena tidak ada garis yang menghubungkannya secara langsung. Beberapa graf sederhana dapat ditunjukkan sebagai berikut:
Titik G adalah titik terasing karena tidak ada garis yang berhubungan dengan G. a) Graf nol adalah graf yang tidak memiliki rusuk atau himpunan rusuknya
Dalam interpretasinya, kota G merupakan kota yang terasing karena tidak dapat merupakan himpunan kosong. Gambar berikut menunjukkan graf nol dengan 2
Jalur adalah urutan garis yang menghubungkan dua simpul. Sebagai contoh, pada
Menurut Sugeng Mardiyono(1996:32) sesuai dengan kekhasan strukturnya, graf b) Graf lengkap adalah graf sederhana yang setiap pasang simpulnya saling
dapat diklasifikasikan dalam beberapa jenis yaitu graf sederhana, tidak sederhana, berikatan. Notasi graf lengkap n simpul adalah Kn.
Berdasarkan ada tidaknya gelang dan rusuk ganda graf dapat dibedakan
menjadi 2 jenis yaitu graf sederhana dan tidak sederhana. Dalam sebuah graf
ada kemungkinan dijumpai dua rusuk atau lebih yang menghubungkan dua K1 K2 K3 K4
simpul yang sama. Rusuk seperti ini disebut rusuk ganda. Ada pula rusuk yang Gambar 2.3 Graf lengkap
c) Graf bipartit adalah graf sederhana yang himpunan simpulnya dapat dipartisi
menghubungkan simpul tertentu dengan dirinya sendiri yand disebut
menjadi 2 bagian.
gelang(Loop). Dengan demikian, berdasar ada tidaknya gelang atau rusuk
Graf tidak teratur adalah graf yang tidak setiap simpulnya mempunyai derajat
yang sama.
Contoh 2.7 :
V1 V2 V1 V2
Gambar 2.4 Graf bipartit
Graf teratur adalah graf yang setiap simpulnya berderajat sama. Graf yang setiap sisinya diberikan orientasi arah.
V1 V2
V3 V4
a. Jalan, jejak, lintasan, sirkuit dan sikel karena dalam barisan ini rusuk e3 muncul lebih dari sekali maka w1 bukan jejak.
1. Jalan (walk) pada graf G didefinisikan sebagai barisan berhingga(tak kosong). ii. w2 = (v1,e1, v2,e9, v4,e4, v5,e8, v2) adalah sebuah jejak di G1 yang panjangnya 4,
w= (v0,e1,v1,e2 n,vn) dengan v0 disebut simpul awal dan vn simpul akhir, karena dalam barisan ini simpul v2 muncul lebih dari sekali maka w2 bukan
yang suku-sukunya bergantian simpul dan rusuk sedemikian hingga ujung ei lintasan
adalah vi-1 dan vi adalah simpul-simpul akhir rusuk ei iii. w3 = (v1,e6, v6,e5, v5,e4, v4, e3, v3) adalah sebuah lintasan di G1 yang panjangnya
jalan dosebut tertutup jika simpul awal dan simpul akhirnya berimpit. 4, karena dalam barisan ini tidak ada rusuk dan simpul yang muncul lebih dari
3. Lintasan (path) merupakan jalan tanpa simpul dan rusuk berulang iv. w4 = (v1,e1, v2,e9, v4,e4, v5, e8, v2,e7, v6,e6, v1) adalah sebuah sirkuit di G1 yang
4. Sirkuit (circuit) merupakan jejak yang tertutup panjangnya 6, karena internal v2 muncul lebih dari sekali maka w4 bukan sikel
5. Sikel (cycle) merupakan lintasan yang simpul awal dan simpul akhirnya v. w5 = (v1,e1, v2,e8, v5,e5, v6, e6, v1) adalah sebuah sikel di G1 yang panjangnya 4.
berimpit. Jika sikel tersebut memuat semua simpul dalam graf G maka disebut b. Keterhubungan graf
sikel Hamilton dan graf yang memuat sikel Hamilton disebut graf Hamilton. Suatu graf G dikatakan terhubung atau connected( Mahmudi, 2001:19). Jika
Lebih jelasnya perhatikan gambar berikut: untuk setiap dua simpul u dan v di G, terdapat lintasan yang menghubungkan
V1 e1 V2 e2 V3 ada lintasan yang menghubungkannya. Jika suatu graf tidak terhubung maka
e6 e7 e9 e3 graf G akan terdiri beberapa subgraf yang disebut komponen graf. Banyaknya
e5 e4 komponen dan graf tidak terhubung mempunyai lebih dari satu komponen
Rangkaian kota yang dikunjungi akan membentuk suatu rute dengan ketentuan setiap
kota hanya dapat dikunjungi tepat satu kali dan kembali ke kota awal perjalanan
dimulai. Permasalahan ini akan menjadi semakin rumit seiring bertambahnya jumlah
G1 G2 kota yang harus dikunjungi. Kemungkinan rute yang semakin bertambah akan
Gambar 2.11. Graf terhubung G1 dengan satu komponen dan graf tidak terhubung G2 menyulitkan di dalam pemilihan rute dengan jarak terpendek (Apul, dkk. 2010).
dengan dua komponen Travelling Salesman Problem mempunyai beberapa asumsi-asumsi(Taha 1987).
Suatu jaringan adalah himpunan yang dihubungkan oleh rusuk-rusuk dengan 2. Tersedia jalur dari satu lokasi ke lokasi lainnya
nilai dari rusuk menyatukan arus dari tipe suatu masalah. Menurut 3. Tersedia ongkos dari lokasi ke-i ke lokasi ke-j pada jalur
Kershenbaum(1993:112) sebuah graf dapat disebut sebagai sebuah jaringan jika 4. Pada umumnya , tetapi bisa berbeda
simpul dan rusuknya dapat dikaitkan dengan bobot tertentu seperti panjang, 5. Seseorang harus berangkat dari suatu lokasi dan mengunjungi lokasi
kapasitas dan lain sebagainya. lainnya (masing masing sekali) dan akhirnya kembali ke lokasi semula
D. Travelling Salesman Problem (TSP) 6. Tujuan TSP adalah menjadwalkan rute perjalanan yang meminimalkan ongkos
mendapatkan rute terpendek yang harus melewati semua tujuan dengan setiap tujuan
Jenis TSP memiliki beberapa variasi, sesuai dengan kendala-kendala yang
harus dilalui satu kali dari depot sampai kembali ke depot lagi, dengan jarak antara
ditambahkan dalam model. Salah satunya yaitu m-Travelling Salesman Problem,
setiap tujuan satu dengan tujuan lainnya sudah diketahui. Sehingga harus
yaitu jenis TSP ini menambahkan kendala jumlah salesman, sehingga terdapat
meminimalkan pengeluaran biaya, dan jarak yang harus ditempuh untuk
sejumlah m salesman untuk mengunjungi seluruh tujuan.
perjalanannya tersebut.
Pertama kali vehicle routing problem (VRP) diperkenalkan oleh Dantzig dan = Pelanggan
Ramser pada tahun 1959 dan semenjak itu VRP telah dipelajari secara luas. Oleh = Depot
Fisher pada tahun 1995, VRP didefinisikan sebagai sebuah pencarian atas cara = Rute
penggunaan yang efisien dari sejumlah vehicle yang harus melakukan perjalanan
untuk mengunjungi sejumlah tempat untuk mengantar dan/atau menjemput VRP mempunyai beberapa batasan-batasan yang bisa dimasukkan (Anita
dengan menggunakan kendaraan yang ada. Sehingga permasalahan ini erat kaitannya 1. Setiap kendaraan/alat angkut berhenti di suatu tempat maka harus mengangkut
dengan permasalahan travelling salesman problem (TSP). VRP menjadi TSP pada barang dalam jumlah tertentu untuk dipindahkan/diantar
saat hanya terdapat satu alat angkut yang kapasitasnya tak hingga. (Anita Christine 2. Beberapa kendaraan/alat angkut bisa digunakan namun dengan kapasitas yang
Sebagai contoh, penyelesaian masalah VRP dengan satu depot ditunjukkan 3. Pengangkutan atau pemindahan barang dibolehkan untuk tidak dilakukan hanya
telah dilakukan
tertentu.
Penggunaan VRP dalam dunia nyata, banyak faktor sampingan yang muncul.
terbatas
2. VRP with time windows (VRPTW), yaitu setiap pelanggan harus disuplai dalam Menurut Iskandar (2010:18) masalah CVRP adalah masalah pengoptimalan
jangka waktu tertentu jarak tempuh perjalanan kendaraan dalam pendistribusian barang dari tempat
3. Multiple depot VRP (MDVRP), yaitu distributor memiliki banyak depot untuk pengiriman (depot) ke sejumlah agen pelanggan sehingga menghasilkan rute dengan
menyuplai pelanggan total jarak tempuh yang minimum. Penentuan rute kendaraan tersebut harus
4. VRP with pick-up and delivering (VRPPD), yaitu pelanggan mungkin memperhatikan beberapa batasan yaitu setiap kendaraan harus memulai rute
mengembalikan barang pada depot asal perjalanan dari depot dan setelah melayani sejumlah konsumen juga harus kembali ke
5. Split delivery VRP (SDVRP), yaitu pelanggan dilayani dengan kendaraan depot. Setiap konsumen hanya dilayani tepat satu kali oleh satu kendaraan.
6. Stochastic VRP (seperti jumlah yang dilalui oleh setiap kendaraan dalam melayani setiap konsumen sesuai dengan
7. Periodic VRP, yaitu pengantar hanya dilakukan dihari tertentu Tonci Caric and Hrvoje Gold, (2008:58) mendefinisikan CVRP sebagai suatu
graf berarah G = (V,A) dengan V = {v0, v1, v2,...,vn,vn+1} adalah himpunan simpul
F. Capacitated Vehicle Routing Problem (CVRP)
(verteks), v0 menyatakan depot dengan vn+1 merupakan depot semu dari v0 yaitu
Permasalahan capacitated vehicle routing problem (CVRP) merupakan salah
tempat kendaraan memulai dan mengakhiri rute perjalanan. Sedangkan A =
satu variasi dari masalah VRP, dimana terdapat penambahan kendala kapasitas
V, i j} adalah himpunan sisi berarah (arc) yang merupakan
kendaraan yang identik untuk mengunjungi sejumlah konsumen sesuai dengan
himpunan sisi yang menghubungkan antar simpul. Setiap simpul vi V memiliki
permintaannya masing-masing. Permasalahan CVRP, total jumlah permintaan
permintaan (demand) sebesar di dengan dj adalah integer positif. Himpunan K = { k1,
konsumen dalam suatu rute tidak melebihi kapasitas kendaraan yang melayani rute
k2 n} merupakan kumpulan kendaraan yang homogen dengan kapasitas yang
tersebut dan setiap konsumen dikunjungi hanya satu kali oleh satu kendaraan.
identik yaitu , sehingga panjang setiap rute dibatasi oleh kapasitas kendaraan. Setiap
Permasalahan CVRP bertujuan meminimumkan total jarak tempuh rute perjalanan
verteks (vi ,vj) memiliki jarak tempuh Cij yaitu jarak dari simpul i ke simpul j. Jarak
kendaraan dan meminimumkan banyaknya kendaraan yang digunakan dalam
perjalanan ini diasumsikan simetrik yaitu Cij=Cji dan Cii=0.
mendistribusikan barang dari tempat pengiriman(depot) ke sejumlah konsumen.
Permasalahan tersebut kemudian diformulasikan ke dalam model matematika Sebaliknya jika bernilai 0, artinya tidak ada perjalanan dari simpul vi ke vj
dengan tujuan meminimumkan total jarak tempuh perjalanan kendaraan. pada rute k atau . Sehingga dapat dikatakan bahwa variabel dan
Didefinisikan variable keputusannya.
variabel saling berhubungan
k
x = k
ij
k K j V ,i j
x ij
1, i V (2.2)
=
2. Total jumlah permintaan konsumen dalam satu rute tidak melebihi kapasitas
keterangan:
kendaraan yang melayani rute tersebut. Kapasitas kendaraan untuk memenuhi
K = { k1, k2 n} kendaraan yang digunakan
permintaan pelanggan harus dimaksimalkan namun tidak lebih dari kapasitas
V= himpunan simpul
kendaraan tersebut
A = himpunan sisi berarah (arc), { (vi ,vj): vi ,vj V i j}
k
di x ij
Q, k K
Cij = jarak antara simpul vi ke simpul vj i V j V, j i
(2.3)
di = jumlah permintaan pada simpul vi 3. Setiap rute perjalanan kendaraan berawal dari depot
k K j V
x oj
1 (2.4)
k
u i = kendaraan k melayani simpul vi
4. Setiap rute perjalanan kendaraan berakhir di depot
k K i V
x i ,n 1
1 (2.5)
adalah fungsi tujuan, maka
5. Kekontinuan rute, artinya kendaraan yang mengunjungi suatu simpul, setelah
k
minimumkan z =
k K i V j V
cij x ij (2.1) selesai melayani akan meninggalkan simpul tersebut
k k
dengan kendala-kendala
i V
x i, j
j V
x j, i
0, i, j V , k K (2.6)
1. Setiap simpul hanya dikunjungi tepat satu kali oleh satu kendaraan. Jika
6. Batasan ini memastikan bahwa tidak terdapat subrute pada setiap rute yang
bernilai 1, artinya ada perjalanan dari simpul vi ke vj pada rute k atau . terbentuk
k k k keputusan hanya akan terdefinisi jika jumlah permintaan simpul vi dan simpul vj tidak
x ij
=1 u i
- dj = u j
, i,j V; , K= { k1, k2 n} (2.7)
melebihi kapasitas kendaraan.
u 0
= Q, u i
, i V, (2.8)
k
7. Variabel keputusan x ij
merupakan integer biner G. Metode Branch & Bound
VRP pertama kali diperkenalkan oleh Dantzig dan Ramser pada tahun 1959,
k
x ij
, K= { k1, k2 n} (2.9)
mereka meneliti bagaimana memperoleh rute yang optimal. Penelitian mereka
Berdasarkan persamaan 2.1-2.9, akan disajikan model matematika CVRP dalam menggunakan masalah linear programming(LP) untuk memperoleh pendekatan
tabel 2.1. solusi yang optimal. Untuk menyelesaikan suatu masalah LP agar memperoleh hasil
Tabel 2.1 Model Matematika capacitated vehicle routing problem(CVRP) yang optimal dapat dilakukan dengan beberapa metode, salah satunya yaitu
Fungsi Meminimumkan menggunakan metode simpleks yang dikembangkan oleh Dantzig tahun 1947.
Tujuan k
k K i V j V
cij x ij Metode ini merupakan metode iteratif dalam penyelesaian masalah linear
k
Kendala programming. Secara sederhana model LP dengan pembatas tambahan berupa
Tujuan k K j V ,i j
x ij
1, i {1, 2,..., N }
k K j V
x o, j
1
LP yang diperoleh dari IP tersebut dengan menghilangkan kendala bilangan
k
k K i V
x i ,n 1
1 bulat atau kendala 0-1 pada variabelnya disebut linear programming relaksasi (LP-
6
Prinsip dasar dari metode branch and bound adalah memecah daerah feasible Contoh berikut merupakan masalah metode branch and bound untuk
dari masalah LP dengan cara membuat subproblem baru sehingga IP dapat memudahkan pemahaman secara umum.
terpecahkan. Daerah feasible suatu LP adalah daerah yang memuat titik-titik yang Contoh 2.9: (Taha, 2007:272)
dapat memenuhi semua kendala linear masalah LP (Taha 2007:272). Misalkan diberikan masalah integer
1. Batas dari subproblem solusi optimum yang didapat (z*) dengan kendala x1 +x2 5
3. Solusi optimum dari LP-relaksasi berupa integer. Jika solusi ini lebih baik dari x1, x2
optimum yang didapat sebelumnya maka solusi ini menjadi solusi optimum
yang baru dan cara pertama digunakan kembali untuk semua subproblem Solusi masalah integer diatas dapat dilihat pada gambar dibawah ini.
adalah dengan metode branch and bound. Metode ini disebut metode branch karena
yang akan membentuk program linear. Metode ini juga membatasi (bound) pencarian
Metode branch and bound telah digunakan secara luas dalam beberapa dekade Gambar 2.13. Daerah feasible LP
terakhir dalam memecahkan masalah CVRP yang merupakan perluasan masalah yang Menggunakan software Lingo, solusi optimum untuk contoh 2.8 adalah z =
erat kaitannya dengan traveling salesman problem (TSP), untuk masalah penentuan 23.75, x1 = 3.75, x2 = 1.25 (hasil program dapat dilihat pada lampiran 1). Daerah
feasible pada masalah contoh 2.9 dapat dilihat pada gambar 2.13. Menurut metode
pengoptimalan jarak tempuh perjalanan kendaraan (Toth & Vigo,2002).
branch and bound, solusi optimum LP-relaksasi tersebut tidak memenuhi syarat
integer, maka harus dibuat subproblem yang baru. Maka dipilih variable yang 10x1 + 6x2
3.75. Sehingga terlihat bidang 3< x1 < 4 bukan daerah feasible bagi masalah IP. x1, x2
Selanjutnya dilakukan percabangan sampai diperoleh solusi optimum. Oleh karena Hasil solusi yang diperoleh yaitu x1 = 3, x2= 2 dan z = 23. Karena LP1 sudah terukur
itu, eliminasi bidang tersebut, ganti ruang LP0 dengan dua ruang yaitu LP1 dan LP2 dan telah memenuhi syarat integer, maka tidak perlu dilakukan pencabangan.
x1
x1, x2
Solusi yang diperoleh yaitu x1 = 4, x2= 0.83 dan z = 23.33. LP2 tidak terukur dan tidak
contoh 2.9 dapat dilihat pada Gambar 2.15. Perhitungan nilai-nilai variable dilakukan
Gambar 2.14. LP1 dan LP2 dalam grafik. dengan menggunakan metode branch and bound dengan bantuan software Lingo.
Masalah LP1 dan LP2 diselesaikan satu per satu menggunakan metode branch (hasil program dapat dilihat pada lampiran 1).
maksimumkan z = 5 1 +4 x2
sebagai permasalahan klasik dari rute kendaraan (the classical vehicle routing
LP1 LP2 problem). Algoritma ini didasari pada suatu konsep yang disebut konsep savings.
d d
Algoritma ini dirancang untuk menyelesaikan masalah rute kendaraan dengan
karakteristik sebagai berikut. Dari suatu depot barang harus diantarkan kepada
LP3 LP4 pelanggan yang telah memesan. Untuk sarana transportasi dari barang-barang ini,
d d d feasible
sejumlah kendaraan telah disediakan, di mana masing-masing kendaraan dengan
kapasitas tertentu sesuai dengan barang yang diangkut. Setiap kendaraan yang
LP5 LP6 digunakan untuk memecahkan permasalahan ini, harus menempuh rute yang telah
d d d feasible
ditentukan, memulai dan mengakhiri di depot, di mana barang-barang diantarkan
Gambar 2.15. Pencabangan dengan metode branch and bound untuk menemukan kepada satu atau lebih pelanggan.
solusi IP (Integer Programming) Permasalahannya adalah untuk menetapkan alokasi untuk pelanggan diantara
Pada gambar 2.15 terlihat solusi LP1dan LP5 adalah solusi optimal. Oleh rute-rute yang ada, urutan rute yang dapat mengunjungi semua pelanggan dari rute
karena nilai pada z LP1 lebih besar dari LP5, maka solusi LP1 adalah solusi optimal. yang ditetapkan dari kendaraan yang dapat melalui semua rute. Tujuannya adalah
H. Metode Clarke and Wright Savings Lebih dari itu, solusi ini harus memuaskan batasan bahwa setiap pelanggan
Metode clarke and wright savings adalah salah satu yang dikembangkan dikunjungi sekali, di mana jumlah yang diminta diantarkan, dan total permintaan
pertama untuk masalah CVRP dan sering digunakan. Tujuan savings yaitu pada setiap rute harus sesuai dengan kapasitas kendaraan.
untuk meminimisasi total jarak perjalanan semua kendaraan dan untuk meminimisasi Algoritma clarke and wright savings adalah sebuah algoritma heuristik, dan
secara tidak langsung jumlah kendaraan yang diperlukan untuk melayani semua oleh karena itu tidak menyediakan sebuah solusi yang optimal. Tetapi bagaimanapun
tempat perhentian (Clarke G. & Wright J.W, 1964). juga sering menghasilkan solusi yang baik, yang merupakan suatu solusi yang sedikit
berbeda dari solusi optimal. Dasar dari konsep penghematan ini untuk mendapatkan Coj = jarak dari depot ke simpul j.
penghematan biaya dengan menggabungkan dua rute menjadi satu rute yang Cij = jarak dari simpul i ke simpul j.
digambarkan pada Gambar 2.16, titik 0 adalah depot. Sij = nilai penghematan jarak dari simpul i ke simpul j.
Nilai penghematan (Sij) adalah jarak yang dapat dihemat jika rute o-i-o digabungkan
dengan rute o-j-o menjadi rute tunggal o-i-j-o yang dilayani oleh satu kendaraan yang
sama.
dikunjungi dengan rute yang sama, contoh terlihat pada Gambar 2.16 (b). Rute
kendaraan yang ditunjukkan diantara simpul i dan j oleh Cij, rute kendaraan oleh Da
Brogan, William. (1991). Modern Control Theory. New Jersey: Prentice Hall. Inc Pandri. (2011). Sejarah Perusahaan Minuman Aqua, http://pandri-16.blogspot.com/.
Diakses tanggal 24 Desember 2012.
Chartrand, Gary & Oellermann, Ortrud R. 1993, Applied and Algorithmic Graph Theory, McGraw-
Hall. Inc. Solomon, M. (1987). Algorithms for the Vehicle Routing and Scheduling Problems
with Time Windows Constraints. Operations Research, Vol. 35, No. 2, 254-
Clarke, G. & Wright, J.W. (1964). Scheduling of Vehicles from a Central Depot to a
265.
Number of Delivery Points, Operations Research, Vol. 12, No. 4, 568-581.
Susanta, B. (1994). Program Linear. Jakarta: Depdikbud.
Fisher, M.L. (1995). Vehicle Routing in Operations Research and Management
Science, Vol.8. Amsterdam, New York, Elsevier. Taha. HA. (2007). Operations Research: An Introduction. Ed. Ke-8. Pearson
Gautam Appa, Leonidas Pitsoulis and H. Paul Williams. (2006). Handbook on Education International. Singapore..
Modelling for Discrete Optimization. USA: Springer Science and Business Tonci Caric, Hrvoje Gold. (2008). Vehicle Routing Problem. University of Zagreb:
Media, Inc. In-teh Croatia.
Iskandar. (2010). Model Optimasi Vehicle Routing Problem dan Implementasinya. Toth P, Vigo D. (2002). An Overview of vehicle routing problems. Di dalam Toth, P
Tesis. Institut Pertanian Bogor et al., editor. The Vehicle Routing Problem. Philadelphia: Siam. Hlm 1-26.
Jong Jek Siang. (2004). Matematika Diskrit dan Aplikasinya pada Ilmu Komputer. Winston WL. (1995). Introduction to Mathematical Programming. Ed. Ke-2. New
York: Duxbury.
Yogyakarta: ANDI.
59 60