Implementasi Algoritma Tabu Search untuk Capacitated Vehicle

Routing Problem with Time Window Pengangkutan Sawit

(Studi Kasus: PT. Karyanusa Eka Daya)

Oleh:
WINDHA AYU SETIYOWATI
1609035009

PROGRAM STUDI S1 TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS MULAWARMAN
SAMARINDA
2018

i
 KATA PENGANTAR

Puji beserta syukur saya ucapkan kehadirat Allah SWT yang telah memberikan kesehatan
dan rahmat-Nya sehingga saya bisa menyelesaikan penelitian ini tepat pada waktunya.
Shalawat serta salam semoga tercurah limpahkan kepada Nabi besar yakni Nabi
Muhammad SAW beserta keluarga dan sahabatnya. Ucapan terima kasih saya sampaikan
kepada semua pihak yang telah membantu dalam penyusunan makalah ini secara
umumnya dan kepada Dosen Mata Kuliah Metode Penelitian secara khususnya. Saya
menyadari dalam penulisan penelitian ini banyak terdapat kekurangan karena masih
dalam tahap pembelajaran. Namun, saya tetap berharap agar penelitian ini dapat
memberikan manfaat bagi pembaca. Kritik dan saran dari penulisan penelitian ini sangat
saya harapkan untuk perbaikan dan penyempurnaan berikutnya. Untuk itu saya ucapkan
terima kasih.

Samarinda, Oktober 2018

Penulis

ii
 DAFTAR ISI

halaman
Halaman Judul ................................................................................................................ i
Kata Pengantar ............................................................................................................... ii
Daftar Isi ......................................................................................................................... iii
Daftar Gambar ................................................................................................................ v
Daftar Tabel ................................................................................................................... vi

BAB I PENDAHULUAN......................................................................................... 1

1.1 Latar Belakang ............................................................................................... 1

1.2 Rumusan Masalah .......................................................................................... 2
1.3 Tujuan Makalah ............................................................................................. 3
1.4 Manfaat Penelitian ......................................................................................... 3
1.5 Asumsi Masalah ............................................................................................. 3
1.6 Batasan Masalah ............................................................................................ 4
1.7 Sistematika Penulisan .................................................................................... 4

BAB II TINJAUAN PUSTAKA ............................................................................... 6

2.1 Supplay Chain Management .......................................................................... 6

2.2 Graf ............................................................................................................... 7
2.3 Lintasan Dan Sirkuit Hamilton ...................................................................... 8
2.4 Vehicle Routing Problem (VRP) ................................................................... 9
2.4.1 Karakteristik VRP ........................................................................................ 10
2.4.2 Jenis-jenis VRP ............................................................................................ 11
2.4.3 Komponen VRP ........................................................................................... 12
2.4.4 Model Matematis VRP ................................................................................ 13
2.5 Capacitated Vehicle Routing Problem With Time Window (CVRPTW)..... 14
2.5.1 Pengertian CVRPTW ................................................................................... 14
2.5.2 Kendala Pada CVRPTW .............................................................................. 15
iii
2.5.3 Model Matematis CVRPTW ....................................................................... 15
2.6 Diagram Influence ........................................................................................ 16
2.7 Metode Penyelesaian CVRPTW ................................................................. 17
2.7.1 Metode Optimal/Metode Eksak ................................................................... 17
2.7.2 Metode Heuristik ......................................................................................... 17
2.7.3 Metode Metaheuristik .................................................................................. 18
2.8 Macam Metode Heuristik ............................................................................ 18
2.8.1 Bruto Force Search ...................................................................................... 18
2.8.2 Nearest Neighbor Insertion ......................................................................... 18
2.8.3 Ant Colony Optimization ............................................................................. 19
2.9 Algoritma Tabu Search ................................................................................ 19
2.9.1 Pengertian Umum ........................................................................................ 19
2.9.2 Komponen Tabu Search .............................................................................. 20
2.9.3 Elemen Tabu Search .................................................................................... 20
2.9.4 Tabu List ...................................................................................................... 21
2.9.5 Langkah-langkah Algoritma TS dalam CVRPTW ...................................... 22
2.10 Penelitian Terdahulu .................................................................................... 23

BAB III METODOLOGI PENELITIAN ............................................................ 30

3.1 Lokasi Penelitian .......................................................................................... 30

3.2 Waktu Penelitian .......................................................................................... 30
3.3 Tahapan Penelitian ....................................................................................... 30
3.3.1 Tahap Persiapan ........................................................................................... 30
3.3.2 Tahap Pengumpulan Data ............................................................................ 31
3.3.3 Tahap Pengolahan ........................................................................................ 32
3.3.4 Tahap Analisa dan Pembahasan................................................................... 33
3.3.5 Tahap Penutup ............................................................................................. 33
3.6 Diagram Alir Penelitian ............................................................................... 34

iv
 DAFTAR GAMBAR

Gambar halaman
2.1 Sirkuit Hamilton dan Lintasan Hamilton .......................................................... 7
2.2 Graf Semi Hamilton .......................................................................................... 8
2.3 Graf Hamilton.................................................................................................... 8
2.4 Bukan Graf Hamilton ........................................................................................ 9
2.5 Influence Diagram ............................................................................................. 16
3.1 Diagram Alir Penelitian..................................................................................... 34

v
 DAFTAR TABEL

Tabel halaman
2.1 Penelitian Terdahulu ......................................................................................... 2

vi
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Indonesia adalah negara yang dilalui garis khatulistiwa. Musim dan cuaca relatif stabil,
tanahnya yang subur memungkinkan Indonesia untuk menjadi negara tersohor sebagai
penghasil komoditi agraris. Kelapa sawit merupakan salah satu komoditi hasil
perkebunan yang tersohor di Indonesia. Pengembangan perkebunan kelapa sawit di
Indonesia dimulai sejak tahun 1970 dan mengalami pertumbuhan yang cukup cepat
terutama periode tahun 1980-an. Indonesia merupakan negara produsen minyak sawit
terbesar di dunia. Provinsi Kalimantan Timur merupakan salah satu penyumbang hasil
perkebunan kelapa sawit yang potensial.

Terdapat banyak persoalan pada pengelolaan perkebunan kelapa sawit yang

menyebabkan pembengkakan biaya operasional. Permasalahan yang ada pada
pengelolaan kelapa sawit antara lain dari penanaman, perawatan, pemanenan hingga
pengangkutan buah kelapa sawit. Pengangkutan paling besar menghabiskan biaya yang
berasal dari penggunaan bahan bakar truk pengangkut.

PT. Karyanusa Eka Daya (PT. KED) merupakan salah satu perusahaan kelapa sawit di
Kalimantan timur yang memiliki masalah dalam pengangkutan. Utamanya pada
pengangkutan buah kelapa sawit dari perkebunan ke pabrik pemutihan. Truk pengangkut
buah kelapa sawit harus melewati semua rute yang ada di perkebunan untuk mengangkut
hasil panen. Namun rute yang sama sering kali terlewati lebih dari satu kali dan urutan
perjalan truk tidak teratur. Perlu dilakukan penataan rute pengangkutan agar terjadi
efisiensi bahan bakar dan efektifitas waktu pengangkutan.

Permasalahan rute yang dialami oleh PT. KED tersebut dapat didefinisikan sebagai
sebuah permasalahan dalam menemukan lintasan antara dua buah simpul pada graf
berbobot yang memiliki gabungan nilai dari jumlah bobot pada sisi graf yang dilewati

1
dengan jumlah yang paling minimum. Permasalahan yang menyangkut penataan rute
dengan mencari titik simpul untuk mendapatkan jarak minimal dengan memperhatikan
waktu penjemputan disebut juga Capacitated Vehicle Routing Problem with Time
Window. CVRPTW bertujuan untuk membentuk rute optimal agar bahan bakar minyak
(BBM) yang digunakan truk lebih minimal akibat jarak tempuh yang berkurang dan
diperoleh waktu pengangkutan yang minimum.

Terdapat berbagai macam algoritma untuk menyelesaikan permasalahan CVRPTW salah

satunya algoritma tabu search. Menurut Glover dan Laguna (1997) kata tabu atau “taboo”
berasal dari bahasa Tongan, suatu bahasa Polinesia yang digunakan oleh suku Aborigin
pulau Tonga untuk mengindikasikan suatu hal yang tidak boleh “disentuh” karena
kesakralannya. Tujuan dari algoritma ini adalah mencegah terjadinya perulangan rute
yang sama pada satu pengangkutan dan ditemukannya solusi yang sama pada suatu iterasi
yang akan digunakan lagi pada iterasi selanjutnya.

Hasil penerapan logaritma tabu search pada CVRPTW yaitu penataan rute pengangkutan
dengan batasan waktu penjemputan disetiap node. Hasil dari penyederhanaan rute yang
dilakukan adalah efektifitas waktu dan jarak pengangkutan. Penurunan jarak tempuh akan
sinergis dengan penurunan jumlah BBM yang di gunakan, sehingga biaya operasional
dapat ditekan.

1.2 Rumusan masalah

Berdasarkan latar belakang yang telah dijelaskan di atas, maka rumusan masalahnya
adalah sebagai berikut:
1. Bagaimana rute optimal yang dapat dilalui truk pengangkut buah kelapa sawit dari
perkebunan ke pabrik pemutihan?
2. Berapa biaya minimun yang dikeluarkan pada kegiatan pengangkutan buah kelapa
sawit dari perkebunan ke pabrik pemutihan?
3. Berapa waktu minimum yang dapat dilakukan pada pengangkutan buah kelapa sawit
dari perkebunan ke pabrik pemutihan?

2
1.3 Tujuan

Dari identifikasi latar belakang yang ada, maka tujuan penulisan ini adalah:
1. Menentukan rute optimal pada perjalanan pengangkutan sehingga dapat memberikan
jarak yang minimum.
2. Menentukan biaya minimum pada kegiatan pengangkutan buah kelapa sawit dari
perkebunan ke pabrik pemutihan.
3. Menentukan waktu minimum pengangkutan buah kelapa sawit dari perkebunan ke
pabtik pemutihan.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat bermanfaat sebagai berikut:

1. Bagi mahasiswa
a. Memberikan informasi bagaimana menyelesaikan CVRPTW dengan
menggunkan algoritma Tabu Search.
b. Menambah ilmu pengetahuan secara teoritis dan aplikasi pengangkutan dengan
CVRPTW menggunakan algoritma Tabu Search.
2. Bagi PT. Karyanusa Eka Daya
Memberikan rekomendasi solusi rute pengangkutan optimal CVRPTW dengan
menggunakan algoritma Tabu Search.

1.5 Asumsi Masalah

Dari permasalahan pada uraian latar belakang masalah, berikut ini diberikan batasan
masalah untuk menghindari melebarnya masalah yaitu:
a. Semua rute pada perkebunan kelapa sawit milik PT. KED dapat dilalui, sehingga
permasalahan hanya pada penentuan rute pengangkutan kelapa sawit yang efektif.
b. Waktu mulai tiap truk pengangkut pada masing-masing afdeling dilakukan secara
bersamaan dan akan berakhir secara bersamaan.
c. Selang waktu penjemputan antar node sama, yaitu waktu yag digunakan untuk
menaikan buah kelapa sawit ke truk pengangkut.

3
1.6 Batasan Masalah

Dari permasalahan pada uraian latar belakang masalah, berikut ini diberikan batasan
masalah untuk menghindari melebarnya masalah yaitu:
a. Truk pengangkut buah kelapa sawit memiliki batasan kapasitas maksimum muatan.
b. Setiap Afdeling memiliki armada truk pengangkut buah kelapa sawit sebanyak 6 truk.
c. Terdapat batasan waktu dalam pengangkutan hasil panen kelapa sawit, panen
dilakukan pada pukul 8.00 sampai 15.00 WITA, sehingga waktu pengangkutan hanya
dapat dilakukan setelah panen selesai.
d. Truk melakukan pengangkutan buah kelapa sawit yang sudah dikumpulkan dipasar
seribu yang ada di blok, pengumpulan ke pasar seribu dilakukan oleh tenaga kerja.
e. Penelitin hanya dilakukan pada 1 rayon perkebunan yang terdapat 5 afdeling pada
setiap rayon. Masing-masing afdeling terdapat 30 node penjemputan buah kelapa
sawit.
f. Setiap truk memiliki 5 node penjemputan, waktu penjemputan node pertama 15.00
WITA, penjemputan node kedua 15.30 WITA, Penjemputan node ketiga 16.00 WITA,
penjemputan node keempat 16.30 WITA, dan penjemputan node kelima 17.00 WITA.

1.7 Sistematika Penulisan

Penulisan sistematika penelitian dibuat agar dapat memudahkan pembahasan dari tugas
ini. Penjelasan mengenai sistematika penulisan dalam penelitian, seperti dijelaskan
dibawah ini.
BAB I : PENDAHULUAN
Bab ini meliputi latar belakang masalah, perumusan masalah, tujuan
penelitian, manfaat penelitian, batasan masalah, asumsi, dan sistematika
penulisan.
BAB II : TINJAUAN PUSTAKA
Bab ini membahas mengenai Supplay Chain Management, Graf ,
Lintasan Dan Sirkuit Hamilton, Vehicle Routing Problem (VRP),
Karakteristik VRP, Jenis-jenis VRP, Komponen VRP, Model Matematis

4
 VRP, Capacitated Vehicle Routing Problem With Time Window
(CVRPTW), Pengertian CVRPTW, Kendala Pada CVRPTW, Model
Matematis CVRPTW, Diagram Influence, Metode Penyelesaian
CVRPTW, Metode Optimal/Metode Eksak, Metode Heuristik, Metode
Metaheuristik, Macam Metode Heuristik, Bruto Force Search, Nearest
Neighbor Insertion, Ant Colony Optimization, Algoritma Tabu Search . ,
Pengertian Umum, Komponen Tabu Search, Elemen Tabu Search, Tabu
List, Langkah-langkah Algoritma TS dalam CVRPTW
BAB III : METODOLOGI PENELITIAN
Bab ini berisi tahapan yang dilalui selama penelitian mulai dari
identifikasi masalah sampai penarikan kesimpulan, beserta penjelasan
dan gambar diagramnya.
BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisi data yang telah dikumpulkan, dilakukan perhitungan data
dengan menggunakan metode Tabu Search.
BAB V : KESIMPULAN DAN SARAN
Bagian ini berisi kesimpulan hasil dari semua tahap yang telah dilalui
selama penelitian beserta saran-saran yang berkaitan dengan penelitian
ini.

5
 BAB II
TINJAUAN PUSTAKA

2.1 Supply Chain Management

Supply Chain Management merupakan koordinasi dari bahan, informasi dan arus
keuangan antara perusahaan yang berpartisipasi dalam seluruh jenis kegiatan komoditas
dasar hingga penjualan produk akhir ke konsumen. Dibawah ini merupakan fungsi supply
chain management dalam manufaktur:
1. Pengadaan atau pembelian (procurement),
2. Produksi barang (production),
3. Kegiatan distribusi, pengiriman, pemasaran (distribution),
4. Melayani konsumen pasca pembelian (Customer Service),
5. Kegiatan perencanaan (planning)

Merencanakan, melaksanakan, dan mengendalikan keefisienan dan keefektifan

penyimpanan dan aliran barang, pelayanan dan informasi terkait dari titik permulaan
(point of origin) hingga titik konsumsi (point of consumption) merupakan fungsi dari
Manajemen Logistik yaitu bagian dari proses supply chain yang bertujuan untuk
memenuhi kebutuhan pelanggan.

Manajemen Transportasi adalah kegiatan yang dilaksanakan oleh bagian transportasi atau
unit dalam organisasi industri atau perdagangan dan jasa lain (manufacturing business
and service) untuk memindahkan/mengangkut barang atau penumpang dari suatu lokasi
ke lokasi lain secara efektif dan efisien. Biaya transportasi merupakan biaya yang
dikeluarkan oleh perusahaan untuk mendistribusikan produknya. Biaya transportasi dapat
dibagi menjadi dua, yaitu fixed cost dan variable cost. Fixed cost bisa berupa biaya
administrasi, biaya sewa kendaraan, depresiasi moda transportasi, biaya untuk gaji sopir,
dll. Sedangkan untuk variable cost bisa berupa biaya bahan bakar, biaya maintenance,
biaya kerusakan dll (Yuniarti and Astuti, 2013).
2.2 Graf
6
Graf adalah kumpulan simpul (nodes) yang disatukan satu sama lain melalui sisi/busur
(edges atau arcs) yang digunakan untuk merepresentasikan objek-objek diskrit dan
hubungan antar objek tersebut suatu graf G terdiri dari dua himpunan graf yaitu himpunan
V dan himpunan E, V merupakan himpunan tak kosong dari simpul-simpul sedangkan E
merupakan sisi yang menghubungkan sepasang simpul (Nawagusti, 2018).

Gambar 2.1 Contoh Graf

Secara umum graf dapat dibedakan menjadi 2 jenis berdasarkan orientasi arah pada sisi,
yaitu:
1. Graf tak berarah (undirected graph) yaitu graf yang sisinya tidak memiliki orientasi
arah.
2. Graf berarah (directed graph atau diraph) yaitu graf yang setiap sisinya diberikan
orientasi arah.

Langkah-langkah pada penentuan rute terpendek lokasi-lokasi tersebut membentuk

sebuah graf adalah sebagai berikut sebagai (Nawagusti, 2018).
1. Gabungkan setiap vertex dari setiap rute menjadi sebuah connected graph (graf
terhubung).
2. Berikan arah perjalanan pada rute sebagai aliran (flow) sehingga terbentuk suatu
directed graph dari connected graph yang ada.

7
3. Data dari jarak tempuh yang didapatkan diubah menjadi bobot jarak. Aplikasikan
bobot-bobot jarak tersebut sebagai aliran beban directed graph sehingga membentuk
sebuah weighted graph (graf berbobot).

2.3 Lintasan dan Sirkuit Hamilton

Lintasan Hamilton adalah lintasan yang melalui tiap simpul di dalam graf tepat satu kali.
Sirkuit yang melalui tiap simpul di dalam graf tepat satu kali, kecuali simpul asal
(sekaligus simpul akhir) yang dilalui dua kali adalah Sirkuit Hamilton. Graf yang
memiliki sirkuit Hamilton dinamakan graf Hamilton, sedangkan graf yang hanya
memiliki lintasan Hamilton disebut graf semi-Hamilton (Perwitasari, 2013).

Gambar 2.2 Graf Semi Hamilton

Gambar 2.3 Graf Hamilton

8
 Gambar 2.4 Bukan Graf atau Lintasan Hamilton

Syarat lintasan dan sirkuit Hamilton:

1. Syarat cukup (jadi bukan syarat perlu) supaya graf sederhana G dengan n (≥ 3) buah
simpul adalah graf Hamilton ialah bila derajat tiap simpul paling sedikit n/2 untuk
setiap simpul v di G).
2. Setiap graf lengkap adalah graf Hamilton.
3. Di dalam graf lengkap G dengan n buah simpul (n ≥ 3), terdapat (n - 1)/2 buah
sirkuit Hamilton.
4. Di dalam graf lengkap G dengan n buah simpul (n ≥ 3 dan n ganjil), terdapat (n -
1)/2 buah sirkuit Hamilton yang saling lepas (tidak ada sisi yang beririsan). Jika n
genap dan n ≥ 4, maka di dalam G terdapat (n - 2)/2 buah sirkuit Hamilton yang
saling lepas.

2.4 Vehicle Routing Problem (VRP)

Vehicle Routing Problem (VRP) merupakan pemecahan masalah untuk menentukan rute
kendaraan yang melayani beberapa pelanggan, dengan kapasitas angkut tertentu yang
setiap pelanggan memiliki demand. Setiap pelanggan hanya boleh dikunjungi sekali dan
total demand tidak boleh melebihi kapasitas angkut kendaraan yang dipakai. Selain itu,
setiap kendaraan harus berangkat dan kembali pada depot yang sama. Tujuan dari VRP
di sini adalah untuk meminimalkan total jarak tempuh dan jumlah armada yang digunakan
(Karim, Setiawan and Adikara, 2017).

9
2.4.1 Karakteristik VRP

KarakteristikVRP dapat ditinjau dari 2 hal yaitu, dari komponen-komponen VRP dan
berdasarkan kendala dan batasan pada VRP. Berikut merupakan karakteristik yang perlu
diperhatikan berdasarkan komponen yang berkaitan dalam VRP:
1. Pelanggan
2. Depot
3. Pengemudi
4. Rute Kendaraan

Beberapa tipe VRP ditinjau dari karakterisktik kendala atau batasan yang ada pada VRP
yaitu sebagai berikut (Amri, Rahman and Yuniarti, 2000).
1. CVRP merupakan model dasar dalam VRP dengan kapasitas angkut kendaraan
sebagai kendala yang dihadapi. Semua permintaan pelanggan diketahui di awal dan
pengantaran permintaan tersebut, untuk setiap pelanggan, dilakukan pada satu rute
yang sama (keseluruhan permintaan suatu pelanggan diletakkan pada rute yang
sama). Kendaraan yang digunakan adalah identik dan hanya terdapat satu depot
sebagai lokasi awal dan akhir setiap kendaraan.
2. VRPTW Pelanggan tidak bisa dilayani sembarang waktu. Pelanggan memiliki
interval atau jeda waktu tertentu untuk dilayani. Hal ini dikenal dengan istilah time
windows. Waktu yang diperhitungkan disetiap kendaraan yaitu waktu untuk
meninggalkan depot dan menuju lokasi pelanggan dan waktu pelayanan yang
diberikan kepada pelanggan. Waktu pelayanan perusahaan harus berada pada jeda
waktu yang ditetapkan pelanggan untuk menerima pelayanan tersebut. Apabila
kendaraan datang sebelum batas waktu yang ditentukan, kemungkinan yang terjadi
adalah pelanggan menerima pesanan yang diantar. Apabila kendaraan melewati
batas waktu yang ditentukan, kemungkinan yang akan terjadi adalah pelanggan
tidak menerima pesanan yang diantar tersebut (kendaraan mungkin diperbolehkan
kembali lain waktu) dan perusahaan akan dikenakan penalty. Hal ini bergantung
pada kesepakatan awal antara pelanggan dengan perusahaan.
3. VRPB Pada VRP ini, pelanggan terbagi menjadi dua kondisi, yaitu pelanggan yang
memiliki permintaan untuk dikirimkan barang pesanannya dan pelanggan yang

10
 memiliki permintaan untuk diambil barangnya. Untuk setiap rute, seluruh
pengantaran barang lebih baik dilakukan terlebih dahulu sebelum pemasukan
barang dilakukan. Hal ini untuk menghindari pemuatan ulang barang- barang dalam
kendaraan
4. VRPPD Setiap pelanggan terasosiasi pada dua jenis permintaan sekaligus.
Permintaan untuk dikirimkan barang ke lokasinya dan untuk diambilkan barang
dari lokasinya. Kegiatan mengantarkan permintaan dilakukan terlebih dahulu
sebelum kegiatan mengambil permintaan. Dengan mengingat bahwa setiap
pelanggan memiliki satu kali kesempatan untuk dikunjungi, maka penyelesaian
permasalahan ini menjadi lebih kompleks.

2.4.2 Jenis-jenis VRP

Berikut merupakan varian VRP untuk menyesuaikan ruang lingkup masalah yang
berkembang, dimana model yang telah ada perlu variabel baru atau pembatas baru jika
dilakukan pengembangan varian VRP. Terdapat beberapa varian VRP yang telah
dikembangkan (Novianda, 2017).
1. VRP with Time Window (CVRPTW) Pelayanan harus diatur sedemikian hingga
barang/produk sampai kepada pelanggan tepat pada rentang waktu (time windows)
yang sudah ditetapkan pada masing-masing pelanggan. Depot juga memiliki time
window yang disebut dengan horison perencanaan. Jika depot atau pelanggan
memiliki time windows lebih dari satu, maka disebut dengan multiple time
windows.
2. VRP with Split Delivery Permasalahan VRP dimana pengiriman barang/produk ke
suatu pelanggan dapat dilakukan oleh dua atau lebih kendaraan. Pada VRP standar
satu pelanggan hanya dikunjungi oleh satu kendaraan.
3. VRP Pick Up and Delivery Permasalahan VRP dimana kendaraan dapat melakukan
tugas pengantaran (delivery) dan mengangkut (pick-up) sekaligus dalam satu kali
proses pengiriman. Jenis VRP ini disebut juga VRP with linehauls atau backhauls.
4. VRP with Multiple Depot Permasalahan VRP dimana terdapat lebih dari satu depot
sehingga suatu kendaraan yang berangkat dari depot tertentu dan dapat berakhir di

11
 depot yang lain. Barang / produk yang dikirimkan ke customer bisa berasal dari
depot manapun selama sesuai dengan permintaan customer.
5. VRP with Multiple Product and Compartments Permasalahan VRP dimana
barang/produk yang dikirimkan ke customer terdiri dari beberapa macam
barang/produk. Pada umumnya jenis VRP ini melibatkan kendaraan dengan multi
compartments.
6. VRP with Multiple Trip Permasalahan VRP dimana kendaraan dapat menempuh
beberapa rute dengan kembali ke depot terlebih dahulu.
7. VRP with Heterogeneus Fleet of Vehicles Permasalahan VRP dimana perusahaan
memiliki beberapa macam kendaraan dengan kapasitas yang berbeda-beda.

2.4.3 Komponen VRP

Berikut ini merupakan komponen-komponen yang terdapat pada vehicle routing problem
(Sitorus, Juwono and Ciputra, 2014).
1. Jaringan Kerja (link)
Dalam transportasi pada suatu rute, setiap jalan yang tersedia merupakan jaringan
kerja (link) dan setiap lokasi merupakan setiap node. Link dapat dijalani dalam satu
arah (directed) atau dua arah (undirected). Setiap link berkaitan dengan panjang
atau waktu perjalanan, jenis kendaraan dan periode waktu perjalanan yang
dilakukan pada link tersebut sehingga link dapat dikatakan berhubungan dengan
biaya.
2. Costumers
Karakteristik khusus dari costumers adalah sebagai berikut:
a. Jumlah permintaan (demand) dari costumers berbeda-beda, ada costumers
yang jumlah permintaannya diketahui secara pasti (kasus deterministik) tetapi
ada juga jumlah permintaannya tidak pasti (kasus stokastik).
b. Ada costumers yang mempunyai time windows yaitu periode waktu yang
menunjukkan jangka waktu costumers dapat dilayani yang dikarenakan
periode waktu yang khusus dari costumers tersebut.

12
3. Depot
Depot merupakan awal dan akhir dari suatu rute yang akan dilewati oleh kendaraan
dalam melakukan pengiriman barang ke costumers. Setiap depot dicirikan
berdasarkan tipe dan banyak kendaraan yang berkaitan dengan depot tersebut serta
banyaknya barang yang tersedia disana.
4. Kendaraan (vehicle)
Karakteristik khusus dari kendaraan (vehicle) adalah sebagai berikut:
a. Mempunyai kapasitas kendaraan maksimum (berat dan volume maksimum)
dalam mengangkut barang.
b. Mempunyai total waktu kerja dari awal keberangkatan dari depot sampai
kedatangan kembali ke depot, sesuai peraturan yang diberlakukan oleh
perusahaan untuk jam kerja pengemudi (waktu loading) dan sejumlah periode
waktu yang tidak ikut diperhitungkan (waktu non-loading), misalnya waktu
istirahat pengemudi.
c. Memerlukan biaya untuk melakukan pengiriman, biaya penggunaan
kendaraan dihitung berdasarkan per unit jarak, per unit waktu, dan per rute.
5. Pengemudi (driver)
Pengemudi yang mengoperasikan kendaraan harus memenuhi semua kendala yang
ditetapkan dalam kontrak kerja dan aturan dari perusahaan.

2.4.4 Model Matematis

Andaikan ada satu jenis komoditi ditempatkan di sebuah depot 0=i dengan K kendaraan
(vehicle) yang berpangkalan di depot tersebut yang mempunyai kapasitas sama yaitu W.
Andaikan ada N pelanggan (customer) dinyatakan dengan N i 1,2,3,... = dengan masing-
masing permintaan sebesar i d , Ni ≤≤ 1 , jarak antara dua lokasi i dan j diketahui sebesar
ij c , N ji ≤ ≠≤ 0 , jarak tempuh maksimum yang diijinkan adalah T. Masalah utama dalam
masalah vehicle routing ini adalah bagaimana menentukan rute untuk K kendaraan
tersebut sedemikian sehingga setiap pelanggan terlayani oleh tepat satu kendaraan,
permintaan terpenuhi, muatan sepanjang rute tidak melampaui kapasitas W, panjang rute
dari depot keliling kembali ke depot lagi tidak melampaui T dan akhirnya jumlah total
panjang rute seluruh K kendaraan minimum (Sarwadi and Ksw, 2004).

13
Formulasi masalah vehicle routing adalah sebagai berikut:

Min Z = ∑N N k
i=0 ∑j=0( cij ∑k=1 xijk) ......................... ................................. 2.1

Dengan kendala :
∑𝑁 𝐾
𝑖=0 ∑𝑘=1 𝑥𝑖𝑗 =1 j = 1, 2, …, N ........................................ 2.2
∑𝑁 𝑁
𝑖=0 𝑥𝑖𝑗𝑘 - ∑𝑖=0 𝑥𝑖𝑗𝑘 = 0 k = 1, 2, …., k ....................................... 2.3
∑𝑁
𝑗=1 𝑥0𝑗𝑘 =1 k = 1, 2, …, k ....................................... 2.4
∑𝑁 𝑁
𝑖=1( 𝑑𝑖 ∑𝑗=0 𝑥𝑖𝑗𝑘 ) SW k = 1, 2, …, k ....................................... 2.5
∑𝑁 𝑁
𝑖=1(𝑑𝑖 ∑𝑗=0 𝑥𝑖𝑗𝑘 ) ≤W k = 1, 2, …, k ............................................. 2.6
∑𝑁 𝑁
𝑖=0 ∑𝑗=0 𝑐𝑖𝑗. 𝑥𝑖𝑗𝑘 ≤T k = 1, 2, …, k ...................................... 2.7
Yi - yj + N∑𝑘𝑘=1 𝑥𝑖𝑗𝑘 ≤ N-1I ≠ j = 1, 2, …, N...................................... 2.8
Xij = 1, bila kendaraan k melayani j setelah melayani i
0, bila tidak demikian

2.5 Capacitated Vehicle Routing Problem with Time Window (CVRPTW)

CVRPTW merupakan salah satu permasalahana yang ada pada VRP akibat keterbatasana
kapasitas angkut kendaraan dan waktu penjemputan tiap node.

2.5.1 Pengertian CVRPTW

CVRPTW adalah masalah optimasi kombinatorial yang berkaitan dengan terbatasnya

waktu penyediaan layanan. Masalahnya terdiri dari dari beberapa truk yang
meninggalkan depot terpusat, dan layanan dari pelanggan secara geografis. Setiap
pelanggan memiliki permintaan komoditas yang harus dipenuhi oleh truk yang melayani
dalam jendela waktu yang telah ditetapkan. Masalahnya juga tunduk pada pembatasan
yang setiap pelanggan harus dikunjungi tepat satu kali dan bahwa tuntutan kumulatif
pelanggan dilayani tidak harus melebihi kapasitas truk. Tujuan dari masalah ini adalah
untuk meminimalkan biaya total perjalanan (Karim, Setiawan and Adikara, 2017).

14
2.5.2 Kendala Pada CVRPTW

Kendala pertama pada CVRPTW adalah kendala kapasitas. Kendala yang dimaksud
adalah bahwa setiap kendaraan memiliki batas muat tertentu dan jika batas muat
kendaraan sudah penuh, maka kendaraan tersebut tidak dapat melayani pelanggan
selanjutnya. Kendala berikutnya adalah kendala time windows. Time windows
didefinisikan sebagai interval waktu pelayanan.

Masalah CVRPTW dapat direpresentasikan sebagai suatu graf berarah G= (V, E) dengan
V = {v1, v2, v3, …, vn} adalah himpunan titik, menyatakan depot yaitu tempat kendaraan
memulai dan mengakhiri rute perjalanan. E = {(v1, v2) | vi, vj ∈ v, i ≠ j} adalah himpunan
rusuk atau garis berarah yang menghubungkan dua titik yaitu ruas jalan penghubung antar
pelanggan ataupun antara depot dengan pelanggan (Ayuningrum and Saptaningtyas,
2017).

2.5.3 Model Matematis CVRPTW

(VRPTW) merupakan jaringan dari VRP yang dimana melayani tiap pelanggan pada time
windows tertentu dan kendaraan harus melayani pelanggan tersebut pada waktu
pelayanan pelanggan tersebut. Secara matematis, formulasi VRPTW dapat dijelaskan
sebagai berikut (Sulistiono and Mussafi, 2015).
ZVRPTW = ∑𝑘€𝑉 ∑𝑖€𝑁 ∑𝑗€𝑁 Cij Xijk .......................................................... 2.9

Dengan Pembatas:
∑𝑘€𝑉 ∑𝑗€𝑁 Xijk = 1 ................................................................................................. 2.10
Dimana:
a. Tujuan nya adalah meminimasi waktu, jarak, dan biaya.
b. Menyatakan bahwa pengunjung hanya dikunjungi satu kali.
c. Memastikan waktu dari time windows pelanggan i tidak terlewati.

15
2.6 Diagram Influence

Penelitian ini bertujuan meminimasi waktu tempuh sehingga keterlambatan bisa

terselesaikan. Dalam menyusun waktu tempuh terdapat 2 komponen utama yaitu
kecepatan rata-rata serta jarak tempuh armada. Berikut merupakan influence diagram dari
masalah Capacitated Vehicle Routing Problem with Time Windows.

Gambar 2.5 Influence Diagram

Berdasarkan Gambar 2.5, dapat dilihat keterkaitan antar komponen. Rute distribusi
merupakan input terkontrol yang akan mempengaruhi kecepatan rata-rata yang
dibutuhkan serta lokasi customer yang dituju. Kecepatan rata-rata armada selain
dipengaruhi rute distribusi, dipengaruhi juga ju`mlah aramada yang digunakan. Lokasi
Customer, dipengaruhi oleh time windows pada customer serta jenis armada yang
digunakan. Lokasi Customer akan berpengaruh kepada Jarak Tempuh. Komponen
Kecepatan Rata-Rata serta komponen Jarak Tempuh akan berpengaruh pada output
penelitian ini yaitu waktu tempuh armada (Novianda, 2017).

16
2.7 Metode Penyelesaian CVRPTW

Jalur dan penjadwalan kendaraan digolongkan berdasarkan beberapa karakteristik.

Karakteristik tersebut digunakan untuk membantu menganalisa dan mengidentifikasi
jenis dari permasalahan. Algoritma-algoritma yang ada dapat diterapkan untuk
penyelesaian permasalahan sesuai dengan karakteristik-karakteristik tersebut. Secara
garis besar metode dapat digolongkan menjadi 3 yaitu metode eksak, metode heuristk dan
metode metaheuristik.

2.7.1 Metode Optimal/ Metode Eksak

Pendekatan ini menggunakan metode-metode dari program linier atau integer

programing yang didasarkan pada pemrograman matematis. Metode pendekatan ini akan
diperoleh suatu solusi yang optimal, Tetapi metode pendekatan ini hanya baik jika
permasalahan yang dihadapi kecil. Sedangkan untuk permasalahan yang melibatkan
jumlah input data yang besar, metode penyelesaian ini terhitung menjadi tidak efesien
karena penyelesainannya membutuhkan waktu komputasi yang lama.

Alogaritma Eksak/Analitik Metode eksak merupakan algoritma yang dapat menghasilkan

solusi secara langsung, dengan mencoba semua permutasi serta melihat yang termurah.
Pendekatan yang dilakukan terletak pada faktor polinom dari O.

2.7.2 Metode Heuristik

Metode Heuristik adalah suatu metode yang menggunakan sistem pendekatan dalam
melakukan pencarian dalam optimasi Pendekatan heuristik menggunakan suatu algoritma
yang secara interaktif akan menghasilkan solusi yang akan mendekati optimal.
Pendekatan heuristik menghasilkan perhitungan yang cepat karena dilakukan dengan
membatasi pencarian dengan mengurangi jumlah alternatif yang ada. Pendekatan
heuristik lebih dapat diterapkan ke permasalahan nyata dimana permasalahan melibatkan
jumlah input yang besar. Ada beberapa algoritma pada metode heuristik yang biasa
digunakan dalam permasalahan optimasi, diantaranya Algoritma Genetika, Ant Colony

17
Optimization, logika Fuzzy, jaringan syaraf tiruan, Tabu Search, Simulated Annealing,
dan lain-lain (Maryati and Wibowo, 2012).

2.7.3 Metode Metaheuristik

Alogaritma Metaheuristik Metode metaheuristik jauh lebih efektif dibandingkan dengan

metode heuristik. Waktu proses yang dibutuhkan memang lebih lama dan tidak diketahui
secara pasti. Namun metaheuristik lebih mampu untuk menampung atau melibatkan lebih
banyak parameter dalam pengolahannya. Perbandingan Algoritma Heuristik dan Eksak
(Maryati and Wibowo, 2012).

2.8 Macam Metode Heuristik

Metode penyelesaian CVRP akan dikategorikan menjadi tiga bagian, yaitu metode pasti,
metode heuristik, dan metode metaheuristik. Metode pasti yang dibahas adalah Brute
Force Search. Sedangkan metode heuristik yang dibahas adalah Nearest Neighbor
Insertion (NNI). Untuk metaheuristik, metode yang dibahas adalah Ant Colony
Optimization (ACO) dan Tabu Search (Maryati and Wibowo, 2012).

2.8.1 Brute Force Search

Brute Force Search atau Exhaustive Search, yang juga dikenal dengan nama Generate
and Test, merupakan metode penyelesaian masalah yang sangat umum dan sederhana,
yang secara sistematis membangun (generate) semua kemungkinan kandidat solusi dari
suatu masalah dan mengecek (test) apakah tiap kandidat itu valid, dan mengambil satu
kandidat valid pertama yang ditemukan atau kandidat terbaik (untuk masalah optimasi)
sebagai solusi (Maryati and Wibowo, 2012).

2.8.2 Nearest Neighbor Insertion

Metode Nearest Neighbor Insertion (NNI) pertama kali diperkenalkan pada tahun 1983
dan merupakan metode yang sangat sederhana dan tamak (greedy). Cara kerja metode ini

18
adalah sebagai berikut. Pertama-tama, semua rute kendaraan masih kosong. Dimulai dari
rute kendaraan pertama, metode ini memasukkan (insert) satu persatu customer terdekat
(nearest neighbor) yang belum dikunjungi ke dalam rute, selama memasukkan customer
tersebut ke dalam rute kendaraan tidak melanggar batasan kapasitas maksimum
kendaraan tersebut (atau batasan-batasan yang dijabarkan oleh varian VRP yang lain).
Kemudian proses yang sama juga dilakukan untuk kendaraan-kendaraan berikutnya,
sampai semua kendaraan telah penuh atau semua customer telah dikunjungi (Maryati and
Wibowo, 2012).

2.8.3 Ant Colony Optimization

Ant Colony Optimization (ACO) adalah suatu metode yang menjadikan cara semut
berkomunikasi dengan koloninya dalam mencari makanan sebagai role model nya.
Konsep ACO pertama kali diperkenalkan melalui algoritma Ant System (AS) pada tahun
1992 oleh Marco Dorigo dalam disertasinya (Maryati and Wibowo, 2012).

2.9 Algoritma Tabu Search (TS)

Algoritma Tabu Search pertama kali diperkenalkan oleh Glover pada tahun 1986. Tabu
Search merupakan salah satu algoritma yang berada dalam ruang lingkup metode
heuristik. Algoritma ini akan digunakan untuk penyelesaian masalah CVRPTW pada
makalah ini.

2.9.1 Pengertian umum

Tabu Search adalah suatu metode pencarian lokal iteratif yang biasa digunakan dalam
optimasi kombinatorial. Istilah ‘tabu’ dalam Tabu Search berasal dari usaha untuk
menghindari terjadinya cycling (kembali ke solusi awal), di mana beberapa pergerakan
dinyatakan tabu atau tidak boleh dilakukan selama beberapa iterasi. Gerakan-gerakan
yang tabu ini disimpan dalam daftar tabu atau tabu list. Tabu Search terdiri atas tiga tahap:
pencarian awal (preliminary search), intensifikasi dan diversifikasi. Pada tahap pencarian
awal, algoritma Tabu Search menyerupai metode optimasi yang lain, di mana perbedaan

19
utama hanya bahwa pada Tabu Search sebuah solusi dapat diterima meskipun kualitas
dari solusi tersebut tidak lebih baik daripada solusi awal. Pada tahap intensifikasi
dilakukan pergerakan atau pencarian solusi di area sekitar solusi yang telah ditemukan
pada tahap pencarian awal, sedangkan tahap diversifikasi mencari solusi pada area-area
baru (eksplorasi) (Sitorus, Juwono and Ciputra, 2014).

2.9.2 Komponen Tabu Search

Tabu Search memiliki dua macam tools, yaitu adaptive memory and responsive
exploration. Keutamaan dari adaptive memory menuntun suatu prosedur yang mampu
melakukan pencarian solusi dengan lebih ekonomis dan efektif. Responsive exploration
lebih menekankan pada tahapan tiap proses yang harus dilalui selama proses pencarian
itu berlangsung, di mana pada setiap tahapan tersebut mempunyai suatu variable
keputusan yang akan menuntun pada tahapan berikutnya sampai akhir proses pencarian
dihentikan. Struktur memori dalam Tabu Search menggunakan empat prinsip utama:
recency, frekuensi, quality, dan influence. Recency atau lebih lengkapnya recency bassed
memory, menjaga rekaman atau jejak solusi yang mengalami transformasi dan
menyimpannya ke dalam suatu short term memory yang disebut tabu list. Recency
menyediakan sebuah tipe informasi yang telah direkam oleh recency bassed memory.
Recency dan frekuensi dapat saling melengkapi untuk membentuk suatu informasi
permanen guna mengevaluasi pergerakan/move yang terjadi. Quality menyatakan
kemampuan untuk membedakan solusi terbaik yang dikunjungi selama pencarian atau
iterasi berlangsung. Influence mempertimbangkan efek yang terjadi dari pemilihan solusi
yang dipilih selama pencarian berlangsung, tidak hanya kualitas saja yang
dipertimbangkan melainkan juga strukturnya (Rahmat, 2006).

2.9.3 Elemen Tabu Search

Algoritma Tabu Search memiliki Lima elemen utama yang digunakan untuk
menyelesaikan VRP (Varita, Setyawati and Didik, 2013).

20
1. Representasi Solusi Representasi solusi yang digunakan AlgoritmaTabu Search
adalah suatu urutan titik-titik (nodes), dimana tiap titik (node) hanya terlihat sekali
dalam urutan. Titik (node) tersebut merepresentasikan depot dan pelanggan
2. Pembentukan Solusi Awal (Initial Solution) Solusi awal dibentuk menggunakan
metode random atau metode heuristik yang akan diperbaiki pada iterasi berikutnya.
3. Solusi Neighborhood Solusi Neighborhood merupakan solusi alternatif yang
diperoleh dengan melakukan perpindahan node (move). Setiap perpindahan node
(move) akan menghasilkan satu solusi Neighborhood.
4. Tabu List Tabu list berisi atribut move yang telah ditemukan sebelumnya. Ukuran
Tabu List akan bertambah seiring meningkatnya ukuran masalah. Ukuran Tabu List
yang terlalu panjang tidak akan menghasilkan kualitas solusi yang baik karena
dapat menyebabkan terlalu banyak perpindahan node (move) yang dilarang
5. Kriteria Aspirasi Kriteria aspirasi adalah suatu metode untuk membatalkan status
tabu
6. Kriteria Pemberhentian. Kriteria pemberhentian (termination criteria) yang dipakai
yaitu setelah semua iterasi yang telah ditentukan terpenuhi.

2.9.4 Tabu List

Struktur memori fundamental dalam tabu search dinamakan tabu list. Tabu list
menyimpan atribut dari sebagian move (transisi solusi) yang telah diterapkan pada iterasi-
iterasi sebelumnya. Tabu search menggunakan tabu list untuk menolak solusi-solusi yang
memenuhi atribut tertentu guna mencegah proses pencarian mengalami cycling pada
daerah solusi yang sama, dan menuntun proses pencarian menelusuri daerah solusi yang
belum dikunjungi. Tanpa menggunakan strategi ini, local search yang sudah menemukan
solusi optimum local dapat terjebak pada daerah solusi optimum local tersebut pada
iterasi-iterasi berikutnya (Palit, 2012).

2.9.5 Langkah-langkah Algoritma TS dalam CVRPTW

21
Terdapat 3 tahap dalam penyelesaian masalah CVRPTW dengan menggunakan metode
Tabu Search yaitu tahap awal, intensifikasi dan Diversifikasi sebagai berikut (Sitorus,
Juwono and Ciputra, 2014)
1. Tahap Pencarian Awal
Tahap pencarian awal (preliminary search) dilakukan dengan langkah-langkah
berikut.:
Langkah 0: Inisialisasi
Pertama, masukkan input. Input yang diperlukan adalah kendala presedensi, waktu
siklus yang diinginkan dan waktu proses masing-masing operasi. Oleh karena
dalam penelitian ini waktu proses yang digunakan bersifat stokastik, maka input
waktu proses yang dibutuhkan terdiri dari waktu ratarata pengerjaan operasi (μ) dan
juga variansinya (2σ). Waktu proses setiap operasi akan dihitung dengan
persamaan berikut:
T = [ ∑𝑛𝑖=1 𝜇𝑖 ] + Z∝ [∑𝑛𝑖=1 𝑉(𝑡𝑖)]1/2 ............................................................................................. 2.11
dengan : n : jumlah operasi pada suatu stasiun
μI : rata-rata waktu proses untuk operasi i
V(ti) : variansi dari waktu proses untuk operasi i
Zα : nilai yang diperoleh dari standar distribusi normal

a. Tahap 2: Tahap Intensifikasi

Tahap kedua dalam algoritma Tabu Search adalah tahap intensifikasi. Pada tahap
intensifikasi proses pencarian akan lebih difokuskan pada solusi terbaik yang telah
ditemukan. Proses intensifikasi dilakukan secara berulang sampai mencapai nilai
iterasi intensifikasi maksimum (nimaks).
Langkah-langkah dalam proses intensifikasi adalah sebagai berikut:
Langkah 0: inisialisasi: set S = S*, kosongkan tabu list dan set ni = 0, ntsi = 0.
Langkah 1: pembentukan candidate move.
Langkah 2: pilih move terbaik.
b. Tahap 3: Tahap Diversifikasi.
Tahap ketiga pada algoritma Tabu Search adalah tahap diversifikasi. Pada tahap
diversifikasi, proses pencarian akan lebih meyebar untuk membuka daerah-daerah
baru yang belum dikunjungi. Proses diversifikasi ini dilakukan terus hingga tercapai
nilai iterasi diversifikasi maksimum (ndmaks).
Langkah-langkah dalam proses diversifikasi adalah sebagai berikut.
22
 Langkah 0: inisialisasi
Langkah 1: pembentukan candidate move.
Langkah 2: pilih move terbaik.
Langkah 3: kriteria aspirasi.
Langkah 4: evaluasi candidate move terpilih

2.10 Penelitian Masalah CVRPTW Terdahulu

Terdapat beberapa penelitian pendahulu yang pernah dilakukan mengenai Capacitated

Vehicle Routing Problem with Time Window dengan menggunakan metode algoritma
tabu search. Dibawah ini merupakan pembahasan 5 penelitian terdahulu masalah
optimasi CVRPTW yang digunakan peneliti sebagai acuan dalam menyusun penelitian
dengan jenis yang sama dan algoritma yang sama namun berbeda subjek yang diteliti.

Pada penelitian oleh Hotna Marina Sitorus, Cynthia P. dan Pauline Ciputra, membahas
penerapan Tabu Search dalam memecahkan permasalahan keseimbangan lintasan bentuk
U dengan tujuan meminimasi waktu siklus lintasan (masalah keseimbangan lintasan tipe
I). Untuk mengakomodir perbedaan performansi operator stasiun kerja, penelitian ini
menggunakan waktu proses stokastik. Performansi algoritma yang dikembangkan
dianalisis menggunakan beberapa kasus hipotetik. Kasus-kasus tersebut berbeda dalam
hal kompleksitas struktur presedensi, waktu siklus yang diinginkan dan standar deviasi
waktu proses. Penelitian ini juga menganalisis sensitivitas performansi algoritma yang
dikembangkan terhadap parameter Tabu Search. Berdasarkan eksperimen yang dilakukan
diketahui bahwa algoritma yang dikembangkan memiliki performansi yang lebih baik
dibandingkan dengan metode Maximum Ranked Positional Weight di seluruh kasus dan
lebih baik dibandingkan algoritma berbasis Ant Colony System di beberapa kasus. Selain
itu juga ditemukan bahwa pada beberapa kasus performansi algoritma yang
dikembangkan tidak dipengaruhi oleh parameter Tabu Search yang digunakan.

Pada penelitian oleh R. Fauzi Novianda, Sri Martini, dan Rio Aurachman mengenai
distributor dari suatu perusahaan besar yang bergerak di sub sektor industri makanan dan
minuman. terjadi permasalahan dimana tidak semua demand dapat terpenuhi tepat pada

23
waktunya. Target pemnuhan dari pihak perushaan sebesar 7%, tetapi hanya pada bulan
Juli saja yang melebihi target. Permasalahan ini disebabkan oleh beberapa penyebab
dimana yang paling berpengaruh merupakan keterlambatan armada tiba pada customer.
Penyebab ini terjadi karena waktu tempuh yang lama karena penentuan rute yang tidak
tepat. Permasalahan ini merupakan permasalahan umum yang sering terjadi pada bidang
transportasi dimana armada yang digunakan lebih dari 1, maka permasalahan ini perlu
diselesaikan dengan pendekatan Vechicle Routing Problem (VRP). Karakteristik VRP
pada peneilitian ini adalah time windows. Untuk penyelesaian yang digunakan dengan
pendekatan metaheuristik yaitu Alogaritma Tabu Search. Penulis menggunakan
Alogaritma Nearest Neighbour sebagai pembangkit solusi awal yang selanjutnya
digunakan pada Alogaritma Tabu Search. Pendekatan VRP dengan pendekatan
Alogaritma Tabu Search dapat mengurangi total waktu tempuh sebesar 12.3% dari
kondisi awal serta seluruh demand terpenuhi tanpa mengalami keterlambatan.

Pada penelitian oleh Ivana Varita, Onny Setyawati dan Didik Rahadi permasalahan yang
di bahas adalah rute wisata turis dikota malang. Bagi wisatawan baik wisatawan domestik
maupun manca negara adalah rute wisata yang harus mereka tempuh. Hal ini disebabkan
oleh jumlah obyek wisata dan jalur alternatif yang banyak. Dalam penelitian ini,
ditunjukkan bagaimana cara menyelesaikan kedua permasalahan ini dengan algoritma
Tabu Search dan metode antrian yang diterapkan pada pencarian jalur tercepat wisata
kota Malang. Algoritma ini dapat memberikan rute tercepat secara optimal dengan
mendapatkan cost terendah tanpa perubahan nilai pada rentang iterasi 300 dengan
percobaan pencarian jalur yang dipilih pada jalan-jalan pintu masuk kota Malang.

Novian Tiandini dan Wiwik Anggraeni membahas Perkembangan perdagangan global

menyebabkan penggunaan jasa transportasi menjadi bagian yang sangat penting dalam
pendistribusian barang. Salah satunya yaitu jasa transportasi laut atau jasa pelayaran.
Dengan terus berkembangnya jasa pelayaran, maka perlu adanya perencanaan dan
keputusan-keputusan yang tepat dalam pengalokasian kapal yang akan digunakan dalam
proses pengiriman barang. Oleh karena itu dalam penelitian ini akan dilakukan
optimalisasi alokasi kapal pada PT.XYZ dengan tujuan memaksimalkan profit dan
memaksimalkan kapasitas menggunakan metode kombinasi algoritma genetika dan tabu

24
search. Penggunaan metode kombinasi algoritma genetika dan tabu search pada
pengalokasian kapal bertujuan untuk menemukan solusi yang optimum dalam
mengalokasikan kapal. Berdasarkan perbandingan antara metode algortima genetika
(GA) dan metode kombinasi algoritma genetika dan tabu search (GA-TS), diperoleh hasil
profit dan muatan yang lebih optimal ketika menggunakan metode GA-TS dengan
peningkatan profit sebesar 69% dan peningkatan load factor sebesar 14%. Peningkatan
profit dan load factor juga ditunjukkan ketika dilakukan perbandingan antara kondisi pada
perusahaan sebelum menerapkan GA-TS dan sesudah menerapkan GA-TS. Metode GA-
TS memiliki profit dengan peningkatan lebih dari 100% dan peningkatan load factor
sebesar 38% dibanding pada kondisi perusahaan. Sehingga berdasarkan hal ini,
implementasi algoritma genetika dan tabu search dapat menjadi solusi bagi perusahaan
dan membantu perusahaan dalam membuat perencanaan pengalokasian kapal.

Herry Christian Pali dan, Sherly membahas penerapan Vehicle Routing Problem with Time
Windows (VRPTW) pada perusahaan distributor bahan makanan. Selama ini penentuan
rute pengiriman barang perusahaan berdasarkan pengelompokan area dari customer yang
dituju dan kurang mempertimbangkan jalur rute secara keseluruhan, serta kapasitas dari
kendaraan yang dipakai, sehingga biaya transportasi menjadi tinggi. Penelitian ini
bertujuan untuk menentukan rute distribusi barang yang dapat meminimumkan biaya
transportasi. Pada VRPTW ini menggunakan algoritma tabu search dan
mempertimbangkan faktor kemacetan. Dari hasil simulasi VRPTW selama 5 hari,
didapatkan bahwa terjadi penghematan rata-rata biaya transportasi sebesar 21,91%.

25
 Tabel 2.1 Penelitian Terdahulu
No Nama Peneliti Judul Variabel Hasil Dari Penelitian
Dan Tahun Penelitian
1. Hotna Marina Penerapan Algoritma Tabu Jarak tempuh dan Algoritma berbasis Tabu Search
Sitorus; Cynthia P. Search Pada Permasalahan Lintasan yang dikembangkan dapat
Juwono; Pauline Lintasan Keseimbangan digunakan untuk memecahkan
Ciputra Bentuk U Tipe I Dengan Waktu permasalahan keseimbangan
(2014) Proses Stokastik lintasan bentuk U tipe I dengan
waktu operasi stokastik. Analisis
perbandingan yang dilakukan
dengan metode heuristik
Maximum Ranked Positional
Weight menghasilkan kesimpulan
bahwa algoritma berbasis Tabu
Search yang dikembangkan selalu
menghasilkan solusi yang lebih
baik pada seluruh kasus. Hal ini
juga menunjukkan kemampuan
algoritma yang dikembangkan
dalam menghasilkan solusi yanng
lebih baik dibandingkan solusi
awal, oleh karena metode
Maximum Ranked Positional
Weight juga digunakan untuk
mencari solusi awal

26
 Tabel 2.1 Penelitian Terdahulu (lanjutan)
No Nama Peneliti Judul Variabel Hasil Dari Penelitian
Dan Tahun Penelitian
2. R. Fauzi Novianda, Penentuan Rute Armada Jarak tempuh dan Total jarak tempuh yang turun
Sri Martini, Rio Menggunakan Alogaritma waktu tempuh dari kondisi existing, total
Aurachman Tabu Search Pada Homogenus waktu tempuh distribusi
(2017) Fleet Vehicle Routing Problem armada pun akan turun.
With Time Windows Di PT. Waktu tempuh pada awalnya
XYZ Wilayah Bandung Untuk selama 10,93 jam menjadi
Meminimasi Total Waktu 9,59 jam dengan perubahan
Tempuh sebesar 80 menit lebih cepat
atau terjadi penurunan
sebesar 12,3%. Dengan waktu
tempuh yang berkurang
keterlambatan bisa terpenuhi,
setelah dilakukan
penyesuaian antara waktu tiba
armada dengan time windows,
tidak terjadi keterlambatan
karena semua armada yang
datang berada pada range time
windows setiap customer
3. Ivana Varita, Onny Pencarian Jalur Tercepat Rute Jalur, volume jalan, Pencarian jalur tercepat
Setyawati dan Didik Perjalanan Wisata Dengan cost dan kepadatan dengan parameter panjang,
Rahadi Algoritma Tabu Search jalan volume dan kepadatan jalan
(2013) dapat diaplikasikan dengan
algoritma Tabu Search
dengan hasil jumlah iterasi
dalam algoritma Tabu Search
mempengaruhi jumlah cost.
Semakin besar iterasi akan
mendapatkan

27
 Tabel 2.1 Penelitian Terdahulu (lanjutan)
No Nama Peneliti Judul Variabel Hasil Dari Penelitian
Dan Tahun Penelitian
cost yang lebih rendah
sehingga didapatkan jalur.
tercepat dengan cost terendah,
yaitu iterasi I dibatasi 300,
atau jika hasil cost jalur
terbaik sudah pernah sama
sebanyak 15 kali.
Penambahan fungsi antrian
yang diimplementasikan
dalam neighbourhood
berperan dalam mengurangi
kompleksitas iterasi. Karena
setiap parameter dalam Tabu
Search mempengaruhi satu
sama lain. Parameter dalam
penelitian ini adalah iterasi ,
threshold, dan data yang
digunakan.
4. Novian Tiandini dan Penerapan Metode Kombinasi Profit Optimasi alokasi kapal
Wiwik Anggraeni Algoritma Genetika dan Tabu dilakukan untuk memperoleh
(2017) Search dalam Optimasi keuntungan yang optimal
Alokasi Kapal Peti Kemas bagi pihak pengirim atau
(Studi Kasus: PT. XYZ) pihak perusahaan pelayaran
dengan memaksimalkan
muatan yang dibawa.
Penerapan metode algoritma
genetika dan tabu search
memberikan hasil yang
optimal dengan total

28
 Tabel 2.1 Penelitian Terdahulu (lanjutan)
No Nama Peneliti Judul Variabel Hasil Dari Penelitian
Dan Tahun Penelitian
keuntungan atau profit yang
dieroleh perusahaan sebelum
implementasi adalah Rp
6.344.266.666,67 dan sesudah
implementasi GA-TS adalah Rp
24.748.600.000,00.
5. Herry Christian Palit Vehicle Routing Problem with Area customer dan Penentuan rute pengiriman
dan, Sherly Time Windows Pada biaya transportrasi barang berdasarkan
(2012) Distributor Bahan Makanan pengelompokan area customer
yang dilakukan perusahaan
selama ini mengakibatkan
tingginya biaya transportasi.
Melalui pendekatan VRPTW
dengan menggunakan algoritma
tabu search dapat menemukan
solusi penentuan rute yang lebih
baik. Hal ini dibuktikan melalui
hasil simulasi usulan rancangan
selama 5 hari, dimana didapatkan
rata-rata prosentase
penghematan biaya transportasi
sebesar21,91%.

Pada penelitian kali ini algoritma yang adalah algoritma tabu search dengan objek
penelitian yang rute angkut buah kelapa sawit dari perkebunan ke pabrik pemutihan di
PT. Karya Nusa Ekadaya. Tujuan dari penelitian tersebut adalah mencari rute angkut
optimum agar jarak angkut kendaraan pengangkut kelapa sawit berkurang dimana
kendala pada penelitian ini adalah kapasitas angkut dan waktu pengankutan buah kelapa
sawit dari perkebunan ke pabrik pemutihan.

29
 BAB III
METODOLOGI PENELITIAN

3.1 Lokasi Penelitian

Penelitian masalah Capacitated Vehicle Routing Problem with Time Windows untuk
pengangkutan buah kelapa sawit dari perkebunan ke pabrik pemutihan ini dilaksanakan
di perkebunan PT. Karyanusa Eka Daya yang berada di Muara Wahau, Kutai Timur ,
Kalimantan Timur, Indonesia.

3.2 Waktu Penelitian

Pelaksanaan kegiatan penelitian ini akan dilakukan pada tanggal November sampai
dengan Desember 2018.

3.3 Tahapan Penelitian

Dalam penelitian ini ada beberapa tahapan yang harus dilaksanakan diantara tahap
persiapan, pengumpulan data, tahap pengolahan data, tahap analisa dan pembahasan serta
tahap penutup. Masing-masing tahap akan dijelaskan sebagai berikut:

3.3.1 Tahap Persiapan

Tahap persiapan pada penelitian CVRPTW untuk pengangkutan buah kelapa sawit dari
perkebunan ke pabrik pemutihan meliputi observasi dan studi literatur dengan
menggunakan penelilitian terdahulu sebagai dasar untuk mengidentifikasi masalah yang
ada pada pengangkutan buah kelapa sawit dari perkebunan ke pabrik pemutihan,
menetapkan tujuan penelitian, menentukan batasan masalah pada penelitian, penentuan
wilayah penelitian, serta menentukan data yang diambil dan sumber data.

30
3.3.2 Tahap Pengumpulan Data

Pada tahap ini data yang diambil dibedakan menjadi dua, yaitu data primer dan data
sekunder. Data primer adalah sumber data penelitian yang diperoleh secara langsung dari
sumber aslinya yang berupa wawancara, jajak pendapat dari individu atau kelompok
(orang) maupun hasil observasi dari suatu obyek, kejadian atau hasil pengujian (benda),
pada penelitian ini terdapat beberapa data yang merupakan data primer yaitu data jarak
tempuh, data waktu pengangkutan, total node, time windows awal, dan data biaya BBM
yang digunakan untuk pengangkutan. Data jarak tempuh kendaraan pengangkut truk
sawit diperoleh dari perkalian kecepatan rata-rata truk pengangkut dengan lama waktu
perjalanan tanpa adanya pemberhentian, waktu total yang diperlukan untuk melakukan
pengangkutan di peroleh dari perhitungan waktu dari mulainya armada pengangkut keluar
dari pabrik melakukan pengangkutan hingga kembali ke pabrik, total node (banyaknya
pemberhentian truk untuk menaikann buah kelapa sawit) di peroleh dari perkalian jumlah
node tiap afdeling dengan jumlah afdeling yang dilakukan penelitian, Time windows awal
merupakan waktu mulai truk keluar dari depot untuk melakukan pengangkutan dan total
biaya BBM di peroleh dari perkalian jarak tempuh dengan harga BBM yang digunakan.
Data sekunder adalah sumber data penelitian yang diperoleh melalui media perantara atau
secara tidak langsung yang berupa buku, catatan, bukti yang telah ada, atau arsip baik
yang dipublikasikan maupun yang tidak dipublikasikan secara umum. Penelitian
terdahulu dengan menggunkaan metode yang sama maupun permasalahan yang sama
merupakan merupakan data sekunder, selain itu terdapat data sekunder yang diperoleh
dari perusahaan, yaitu: kapasitas muat truk angkut dab jumlah kendaraan yang digunakan
perusahaan untuk melakukan pengangkutan pada setiap afdelingnya, selain itu data
sekunder berasal dari studi literatur dari penelitian sejenis sebelumnya, adapun
pengumpulan informasi terkait beberapa hal berikut:
1. Pengumpulan informasi tentang jurnal atau hasil penelitian yang terkait dengan topik
yang penelitian kemudian di review sebagai penelitian pendahulu.
2. Pengumpulan informasi tentang bagaimana membangun metode pencarian jalur
tercepat.
3. Pengumpulan informasi tentang metode yang akan digunakan.

31
3.3.3 Tahap Pengolahan Data

Pada tahap ini dilakukan dilakukan pengolahan data yang diperoleh dari tahap
pengumpulan data dengan menggunakan metode tabu search untuk memproleh nilai total
jarak terkecil, total waktu tercepat dan biaya pengangkutan paling ekonomis untuk
pengangkutan buah kelapa sawit dari perkebunan ke pabrik pemutihan.

Setelah mendapatkan data dan metode maka didapatkan konsep solusi dari aplikasi
Algoritma Tabu Search untuk menentuan rute tercepat pengangkutan buah kelapa sawit
dari perkebunan ke pabrik pemutihan dan variabel-variabel penelitian. Langkah
penelitian dijabarkan sebagai berikut:
1. Pengumpulan Data Data yang dibutuhkan untuk pengujian algoritma adalah data rute
dan jumlah node yang ada.
2. Penentuan Parameter Pada tahap ini dilakukan penetapan parameter Tabu Search,
diantaranya adalah jumlah populasi tiap iterasi (N), Tabu List Member Count (jumlah
rute yang dibangkitkan Tabu Search dan disimpan dalam Tabu List), dan itmax. Tabu
(iterasi maksimum Tabu Search).
3. Pembangkitan kandidat solusi Tabu Search Pembangkitan kandidat solusi Tabu
Search menggunakan pertukaran tetangga (neighbourhood selection) kemudian
dilakukan pertukaran tetangga sehingga akan muncul n kemungkinan solusi.
4. Pemilihan solusi terbaik dari kandidat solusi. Kandidat solusi yang dibangkitkan
akan dievaluasi fitness satu per satu dan akan diurutkan dari yang terkecil hingga
terbesar. Rute terbaik akan dievaluasi apakah bisa masuk dalam Tabu List atau tidak.
Namun dalam proses ini ditambahkan fungsi antrian dalam penentuan
neighbourhood.
5. Update Tabu List Rute terbaik dari langkah 4 akan dilakukan evaluasi apakah lebih
baik daripada rute yang sudah ada dalam Tabu List atau tidak. Jika rute yang
dibangkitkan lebih baik daripada rute yang ada dalam Tabu List, maka rute akan
dimasukkan dalam Tabu List menggantikan rute yang lebih buruk dalam Tabu List.
Rute terbaik tersebut akan digunakan untuk pembangkitan kandidat solusi pada
iterasi berikutnya. Namun, jika rute yang dibangkitkan tidak lebih baik daripada rute
yang ada dalam Tabu List, maka solusi tidak akan dimasukkan dalam Tabu List dan

32
 akan dilakukan pembangkitan rute secara random untuk pertukaran tetangga pada
iterasi berikutnya.
6. Pengecekan kriteria pemberhentian dengan mempertimbangkan maksimum iterasi
yang ditetapkan pada langkah 2.

Proses untuk menghitung nilai cost dari jalan menggunakan pembobotan rata-rata
kemudian normalisasi , artinya sebuah nilai akan dibagi dengan nilai maksimal dari suatu
field. Hasil nilai cost adalah semakin besar cost berarti semakin lama perjalanan
menempuh jalan tersebut dan sebaliknya. Sehingga, algoritma pencarian jalur akan
mencarikan cost terendah untuk ditempuh.

3.3.4 Tahap Analisa dan Pembahasan

Dilakukan Analisa terhadap alternative rute yang dapat dipilih dimana menghasilkan
jarak tempuh minimum, waktu pengangkutan efisien dan jumlah penggunaan BBM
minimum untuk pengangkutan buah kelapa sawit ke pabrik pemutihan.

3.3.5 Tahap Penutup

Dilakukan penarikan kesimpulan akhir dari analisa data berdasarkan tujuan penelitian.
Kemudian diberikan saran mengenai rute yang sebaiknya dipilih untuk melakukan
pengangkutan dari perkebunan ke pabrik pemutihan.

33
3.4 Diagram Alir Penelitian

Dibawah ini merupakan Flow Chart tentang metodologi yang diterapkan pada penelitian
pengangkutan buah kelapa sawit dari perkebunan ke pabrik. Flowchart metodologi
penelitian ditunjukkan pada Gambar 3.1.

Mulai

Deskripsi Masalah
Tahap Persiapan

Rumusan Masalah

Tujuan Penelitian

Batasan Masalah

Asumi
Tahap Pengumpulan Data

Pengumpulan Data

Data primer Data Sekunder

1. Data banyak node 1. Data dari jurnal dan literatur
pengangkutan penelitian sebagai refrensi,
2. Data jumlah armada serta
3. Data biaya pengangkutan 2. Data jarak yang dimiliki
4. Data waktu total perjalanan perusahaan
5. Time Windows awal 3. Dokumen pendukung

34
Gambar 3.1 Diagram Alir Penelitian
\
1

Pengolahan Data

1. Pengelolahan data kuantitatif

Tahap Pengelolahan

a. Pencarian solusi Capacitated

Vehicle Routing Problem with
Time Windows dengan
Data

menggunakan metode Tabu

Search
b. Pengelolahan data kualitatif

Penentuan Rute Terbaik

Rute Terbaik =null

Tabu queue = [ ]

For = (I = 0 to 150)

For = (J = 0 to max)

Hitung cost ke node Jika tidak ada calon, pop

tetangga dari tabu queue

Hapus calon node yang Pilih node yang cost nya

sudah terlewati terendah, atau prioritaskan
node target

Hapus calon node yang

Push Ke Tabu queue
masuk tabu queue

Sudah
sampai
?

Gambar 3.1 Diagram Alir Penelitian (lanjutan)

35
 Menentukan
total cost dari
jalur terbaik

Gunakan jalur tersebut

Tahap Analisis dan

Analisis
Pembahasan

Melakukan analisis terhadap rute

yang paling efektif berdasarkan
jarak, biaya dan waktu

Kesimpulan dan saran

Tahap Penutup

Selesai

Gambar 3.1 Diagram Alir Penelitian

36
 DAFTAR PUSTAKA

1. Amri, M., Rahman, A. and Yuniarti, R. (2000) ‘Penyelesaian Vehicle Routing

Problem dengan Menggunakan Metode Nearest Neighbor’, p. 2000.
2. Anggraeni, N. T. and W. (2017) ‘Penerapan Metode Kombinasi Algoritma Genetika
dan Tabu Search dalam Optimasi’.
3. Ayuningrum, N. L. A. and Saptaningtyas, F. Y. (2017) ‘Implementasi algoritma
genetika dengan variasi crossover dalam penyelesaian capacitated vehicle routing
problem with time windows ( CVRPTW ) pada pendistribusian air mineral’, Jurnal
Matematika, 6(3), pp. 62–72.
4. Arvianto, A., Setiawan, A. H. and Saptadi, S. (2014) ‘Model Vehicle Routing
Problem dengan Karakteristik Rute Majemuk, Multiple Time Windows, Multiple
Products dan Heterogeneous Fleet untuk Depot Tunggal’, Jurnal Teknik Industri,
16(2), pp. 85–96. doi: 10.9744/jti.16.2.83-94.
5. Karim, M. K., Setiawan, B. D. and Adikara, P. P. (2017) ‘Optimasi Vehicle Routing
Problem With Time Windows ( VRPTW ) Pada Rute Mobile Grapari ( MOGI )
Telkomsel Cabang Malang Menggunakan Algoritme Genetika’, 2(8), pp. 2702–
2709.
6. Maryati, I. and Wibowo, H. K. (2012) ‘Optimasi penentuan rute kendaraan pada
sistem distribusi barang dengan ant colony optimization’, Seminar Nasional Teknlogi
Infromasi & Komunikasi Terapan 2012, 2012(Semantik), pp. 163–168.
7. Nawagusti, V. A. (2018) ‘Penentuan Rute Terpendek Pada Optimalisasi Jalur’, pp.
57–64.
8. Novianda, F. (2017) ‘Penentuan Rute Armada Menggunakan Alogaritma Tabu
Search Pada Homogenus Fleet Vehicle Routing Problem With Time Windows Di Pt .
Xyz Wilayah Bandung Untuk Meminimasi Total Waktu Tempuh Alogaritma Tabu
Search Pada Homogenus Fleet Vehicle Routing Problem Wit’, 4(2), pp. 2892–2899.
9. Palit, H. C. (2012) ‘Vehicle Routing Problem With Time Windows Pada Distributor
Bahan Makanan Vehicle Routing Problem With Time Windows’, pp. 1–9.
10. Perwitasari, E. W. (no date) ‘Penentuan Rute Pengambilan Sampah Di Kota
Merauke’, pp. 85–94.
11. Sarwadi and Ksw, A. (2004) ‘Algoritma genetika untuk penyelesaian masalah
vehicle routing’, Jurnal Matematika Dan Komputer, 7(2), pp. 1–10.
12. Setiawan, A. et al. (no date) ‘Perbandingan Algoritma Ant Colony Optimization ,
Disjktra , Tabu Search , Multiple Ant Colony System untuk Vehicle Routing Problem
dengan Time Window’.
13. Sitorus, H. M., Juwono, C. P. and Ciputra, P. (2014) ‘Bentuk U Tipe I Dengan Waktu
Proses Stokastik’, pp. 15–27
14. Sulistiono, S. and Mussafi, N. S. M. (2015) ‘Rancang Bangun Vehicle Routing
Problem Menggunakan Algoritma Tabu Search’, Jurnal Fourier, 4(2), p. 113. doi:
10.14421/fourier.2015.42.113-122.
15. Varita, I., Setyawati, O. and Didik, R. (2013) ‘Pencarian Jalur Tercepat Rute
Perjalanan Wisata Dengan Algoritma Tabu Search’, Eeccis, 7(2), pp. 185–190.
16. Yuniarti, R. and Astuti, M. (2013) ‘Penerapan Metode Saving Matrix Dalam
Penjadwalan Dan Penentuan Rute Distribusi Premium di SPBU Kota Malang’,
Rekayasa Mesin, 4(1), pp. 17–26. doi: 10.1007/s10803-014-2254-z.