ABSTRAK

PENGEMBANGAN MODEL CITY LOGISTICS

UNTUK KOTA MEGAPOLITAN
(STUDI KASUS: DKI JAKARTA)

Oleh
Nova Indah Saragih
NIM: 33412004
(Program Studi Doktor Teknik dan Manajemen Industri)

Ide dari city logistics adalah mengembangkan sistem logistik perkotaan yang efektif
dan efisien serta ramah lingkungan. Pengembangan city logistics di suatu wilayah
perkotaan dilatarbelakangi oleh permasalahan ekonomi, lingkungan, kemacetan,
dan konsumsi energi. DKI Jakarta sebagai salah satu kota megapolitan di dunia,
tidak hanya menghadapi permasalahan persediaan di dalam memenuhi kebutuhan
penduduknya yaitu rendahnya tingkat ketersediaan sayur dan buah yang hanya
mencapai 76%, tetapi juga menghadapi permasalahan transportasi yaitu kemacetan
lalu-lintas. Permasalahan-permasalahan tersebut menunjukkan bahwa perlu
dikembangkan city logistics di DKI Jakarta untuk meningkatkan ketersediaan dan
mengurangi kemacetan. Pengembangan city logistics yang dilatarbelakangi oleh
permasalahan ketersediaan dan kemacetan belum pernah dikembangkan
sebelumnya. Pentingnya mempertimbangkan kemacetan dalam mengembangkan
sistem logistik perkotaan saat ini adalah karena kondisi lalu-lintas yang semakin
memburuk, khususnya di kota-kota besar.

Terdapat tiga entitas yang terlibat pada sistem rantai pasok bahan makanan di DKI
Jakarta, yaitu provinsi pemasok, pasar induk, dan pasar tradisional. Sistem city
logistics yang akan dikembangkan pada penelitian ini selanjutnya adalah sistem city
logistics satu tingkat (single-tier) yang juga terdiri dari tiga entitas yaitu titik suplai,
fasilitas logistik, dan titik permintaan. Titik suplai adalah provinsi pemasok yang
selanjutnya disebut pemasok, fasilitas logistik adalah pasar induk yang istilahnya
diganti dengan UCC (urban consolidation center), dan titik permintaan adalah
pasar tradisional selanjutnya disebut pasar ritel. Konsep dasar city logistics yang
digunakan dalam penelitian ini adalah konsolidasi dan koordinasi sedangkan
inisiatif city logistics yang digunakan adalah terminal logistik publik dan sistem
transportasi barang kooperatif. Produk yang dikaji adalah buah dan sayur, sifat
permintaannya adalah probabilistik, dan mengikuti distribusi normal.

Pada sistem riil, pasar induk berada di dalam wilayah perkotaan, sedangkan UCC
pada sistem city logistics berada di luar wilayah perkotaan, sehingga perlu dipilih
lokasi yang optimal untuk pembangunan UCC. Konsep dasar city logistics yang
pertama yaitu konsolidasi digunakan untuk menyelesaikan permasalahan
ketersediaan dengan cara meningkatkan tingkat pelayanan melalui pengendalian
persediaan yang optimal pada ketiga entitas yang terlibat. Permasalahan kemacetan

i
selanjutnya akan diselesaikan melalui konsep dasar city logistics yang kedua yaitu
koordinasi dengan menggunakan kendaraan barang bersama. Dengan
digunakannya kendaraan barang yang sama, maka dibutuhkan penentuan rute
kendaraan yang optimal untuk melayani pasar ritel. Selain itu, mengingat aktivitas
transportasi berlangsung di wilayah perkotaan di mana terdapat lebih dari satu link,
maka ditentukan pula penugasan perjalanan berupa penentuan jalan-jalan yang akan
dilewati. Berdasarkan uraian-uraian tersebut, maka model city logistics yang akan
dikembangkan dalam penelitian ini berkaitan dengan keputusan pemilihan lokasi,
pengendalian persediaan, perutean kendaraan, dan penugasan perjalanan.
Keputusan-keputusan tersebut diselesaikan secara simultan.

Pengembangan model operasional city logistics dalam penelitian ini dibagi dalam
tiga tahapan model, yaitu Model 1 yang adalah model integrasi pemilihan lokasi,
rute kendaraan, dan kebijakan persediaan yang terdiri dari satu produk, satu
pemasok, dan sejumlah pasar ritel. Model 2 yaitu model integrasi pemilihan lokasi,
rute kendaraan, dan pengendalian persediaan yang terdiri dari sejumlah produk,
sejumlah pemasok, dan sejumlah pasar ritel, dan dengan mempertimbangkan
kemacetan. Model 3 yaitu model integrasi pemilihan lokasi, perutean kendaraan,
dan kebijakan persediaan yang terdiri dari sejumlah produk, sejumlah pemasok, dan
sejumlah pasar ritel, dan dengan mempertimbangkan kemacetan dan sejumlah
jaringan jalan.

Permasalahan pada model–model yang dikembangkan termasuk dalam

permasalahan NP-hard, sehingga pada penelitian ini dikembangkan dua metode
solusi yaitu metode optimal dan metode heuristik. Metode optimal menghasilkan
solusi optimal yang diperoleh dengan menggunakan solver LINGO 12.0 dan
terbatas pada kasus–kasus untuk data skala kecil. Metode heuristik terdiri dari dua
tahap yaitu tahap konstruktif dan tahap perbaikan menggunakan Algoritma
Simulated Annealing dan dapat memecahkan kasus–kasus pada data skala besar
sehingga dapat diaplikasikan pada sistem riil, yaitu DKI Jakarta. Metode heuristik
disandi dalam Matlab R2013a.

Gap untuk masing-masing metode heuristik yang dikembangkan dengan metode

optimal adalah 1,13% pada Model 1, 5,1% pada Model 2, dan 3,1% pada Model 3.
Setelah diaplikasikan pada sistem riil, metode heuristik untuk permasalahan pada
Model 1 dapat menjaga ketersediaan pada level 95%, metode heuristik untuk
permasalahan pada Model 2 dapat menjaga ketersediaan dan mengurangi jumlah
kendaraan sebesar 73% di UCC, serta metode heuristik untuk permasalahan pada
Model 3 dapat menjaga ketersediaan, mengurangi jumlah kendaraan, dan memilih
link yang kurang macet. Selain memberikan keunggulan dari sisi pengurangan
jumlah kendaraan dan menjaga ketersediaan, sistem logistik dengan UCC juga
mampu memberikan ongkos total sistem yang lebih efisien sebesar 18%.

Kata kunci: city logistics, kebijakan persediaan, kemacetan lalu–lintas, keputusan

lokasi, perutean kendaraan, penugasan perjalanan, simulated annealing

ii
 ABSTRACT

THE DEVELOPMENT OF CITY LOGISTICS MODEL

FOR MEGACITY
(CASE STUDY: DKI JAKARTA)

By
Nova Indah Saragih
NIM: 33412004
(Doctoral Program in Industrial Engineering and Management)

The idea of city logistics is to develop urban logistics system that is effective and
efficien as well as environmentally friendly. There are four problems related to the
development of city logistics. They are economic problem, traffic congestion,
environmental problem, and energy consumption. As one of the megacities in the
world, DKI Jakarta faces not only inventory problem to meet the demands of its
population which is characterized by low availability of fruits and vegetables that
is only 76%, but also transportation problem that is traffic congestion. Those
problems show that it is needed to develop city logistics in DKI Jakarta to increase
availability and to decrease congestion. Development of city logistics related to
availability and congestion problems has never been developed before. The
importance of considering traffic congestion in developing urban logistics systems
is due to traffic conditions that are getting worse lately in many cities in the world.

There are three entities involved in the supply chain of DKI Jakarta. They are
provinces of suppliers, wholesale markets, and traditional markets. City logistics
system that will be developed in this research is single-tier city logistics system
which also consists of three entities, namely point of supplies, logistics facilities,
and point of demands. Point of supplies are provinces of suppliers which will be
called as suppliers, logistics facilities are wholesale markets which will be replaced
with UCCs (urban consolidation centers), and point of demands are traditional
markets which will be called as retail markets. Fundamental concepts of city
logistics used are consolidation and coordination. Initiatives of city logistics used
are public logistics terminal and cooperative freight transportation system. The
products are fruits and vegetables, demands are probabilistic, and following a
normal distribution.

In the real system, the wholesale markets are located in the city, while UCCs in city
logistics system are located outside of the city, therefore the optimal locations for
UCCs need to be determined. Consolidation concept is used to solve logistics
problem which is low availability by increasing service levels through controlling
inventory optimally on the three entities involved. Coordination concept is used to
solve transportation problem which is traffic congestion by decreasing the number
of vehicles through using vehicles together.. Due to the use of vehicles together,
then then it is necessary to determine the optimal vehicle route to serve the retail

iii
markets. In addition, given that transport activities take place in urban areas where
there are more than one link, then it is also determined trip assignment in the form
of the roads that will be passed. Based on those descriptions, city logistics model
that will be developed in this research is related to location decision, inventory
control decision, vehicle routing decision, and trip assignment decision. These
decisions are solved simultaneously.

The development of city logistics model in this research is divided into three stage
models, namely Model 1 which is integration model of location decision, vehicle
routing, and inventory control consisting of one product and one supplier. Model 2
is integration model of location decision, vehicle routing, and inventory control
consisting of multi products, multi suppliers, and taking into account traffic
congestion. Model 3 is integration model of location decision, vehicle routing, and
inventory control consisting multi products, multi suppliers, taking into account
traffic congestion, and multi links.

The problems in the models developed belong to NP-hard problem, so there are two
solution methods developed in this research. They are optimal method and heuristic
method. Optimal method produces optimal solutions obtained by solver LINGO
12.0 and they are limited to cases for small-scale data. Heuristic method consists
of two stages, namely contructive stage and improvement stage. Simulated
Annealing algorithm uses at improvement stage to improve the solution. Heuristic
method can solve cases for large-scale data so it can be applied to the real system,
that is DKI Jakarta. Heuristic method is coded in Matlab R2013a.

Gap for each heuristic method developed compared to optimal method is 1.13% for
Model 1, 5.1% for Model 2, and 3,1% for Model 3. After being applied to the real
system, heuristic method for problems in Model 1 can maintain the availability at
level of 95%, heuristic method for problems in Model 2 can maintain the
availability and reduce the number of vehicles by 73% at the UCCs, and heuristic
method for problems in Model 3 can maintain the availability, reduce the number
of vehicles, and select less congested link. Besides giving advantages from reducing
the number of vehicles and maintain the availability, logistics system with UCC
also gives an efficient system cost by 18%.

Keywords: city logistics, inventory control, traffic congestion, location decision,

vehicle routing, trip assignment, simulated annealing

iv