PERANCANGAN PROGRAM APLIKASI

RUTE DISTRIBUSI BOTOL OXYGEN

MENGGUNAKAN ALGORITMA ELITIST ANT SYSTEM
(STUDI KASUS: CV SURYA MEDIKA)

H.M. Jarot S. Suroso & Bayu Arie Prabowo

Jurusan Teknik Informatika dan Matematika, Program Ganda, Universitas Bina Nusantara
info@jarotsuroso.com, Bayu_zzz@yahoo.com

Abstrak
CV Surya Medika ialah perusahaan yang memperdagangkan peralatan kesehatan dan penyedia
gas yang disimpan dalam botol-botol baja bertekanan. Dalam pendistribusian tabung bertekanan dari
tempat pengisian ke relasi terjadi masalah dalam perusahaan. Banyaknya tempat tujuan dan
kapasitas kendaraan pengangkut menjadi kendala perusahaan. Rute-rute yang terbentuk mempunyai
tingkat efisiensi masing-masing seperti jarak, biaya, jumlah kendaraan, dan waktu. Masalah ini
dikenal dengan istilah Vehicle Routing Problem (VRP).
Untuk mendistribusikan tabung bertekanan, perusahaan menghadapi VRP yang kompleks, dikenal
dengan istilah Capacitated Vehicle Routing Problem (CVRP). Permasalahan yang terdiri dari satu
central depot, kendaraan-kendaraan yang identik, dan dibatasi oleh kapasitas kendaraan pengangkut.
Untuk menyelesaikan CVRP digunakan pendekatan heuristic. Pada sekripsi ini, pemecahan
masalah dilakukan dengan metode Elitist Ant System Algorithm. Metode ini menggunakan Local
Search 2-Opt untuk membentuk feasible route dalam VRP.

Kata kunci: Vehicle Routing Problem, Capacitated, heuristic, Elitist Ant System, Local Search

1. Pendahuluan Salah satu implementasi yang dapat dihasilkan

Dalam pengiriman barang dari satu tempat ke
tempat yang lain, tempat tujuan barang sangat
bervariasi, begitu juga kendaraan pengangkut baik
dari darat, laut, ataupun udara dengan
mempertimbangkan efisiensi dan biaya. Untuk itu
diperlukan ketepatan dalam menentukan jalur atau
rute untuk menentukan tujuan kendaraan
pengangkut yang mesti dituju. Dengan tersedianya
kendaraan lebih dari satu untuk melayani tempat-
tempat pengiriman barang yang mesti dituju berarti
menambah permasalahan dalam pengiriman barang
karena memungkinkan ada beberapa kendaraan
pengangkut digunakan secara bersamaan untuk
melayani tempat-tempat tersebut. Jalur-jalur yang
terbentuk memiliki tingkat efisiensi masing-masing.
Untuk menghasilkan jalur yang efisien dapat
digunakan metode heuristik. Metode heuristik
terdiri dari beberapa macam algortima yang biasa
digunakan. Salah satunya adalah Algoritma Ant
Colony Optimizatition (ACO).Algoritma ACO ialah
metode pencarian yang koperatif dan terdistribusi
yang meniru perilaku semut-semut asli dalam
mencari sumber makanan dan sarangnya.
dari algoritma semut yang dihadapi saat ini ialah
permasalahan jalur kendaraan yang berhubungan
dengan distribusi logistik yaitu Capacitated Vehicle
Routing Problem (CVRP). Masalah ini definisikan
sebagai salah satu masalah VRP untuk
meminimalisasi biaya dan armada kendaraan yang
digunakan dalam mendistribusikan persediaan atau
barang tertentu dari depot ke beberapa konsumen
dan akan kembali ke depot. Kegiatan ini dibatasi
oleh kapasitas kendaraan dalam men-supply semua
kebutuhan konsumen.
Tujuan dari penelitian ini adalah untuk
menciptakan sebuah perangkat lunak yang mampu
menggambarkan rute kendaraan-kendaraan
seoptimal mungkin, yaitu dengan mengatur
pemilihan rute kendaraan yang mesti dipilih secara
efektif dan diharapkan dapat menganalisis jalur
pengiriman yang lama dan memberikan usulan
tentang perancangan pengiriman jalur yang baru.
Manfaat dari penelitian untuk perusahaan, yaitu
sebagai alat bantu untuk perencanaan distribusi
botol oxygen dan dapat menekan biaya distribusi
dengan cara menentukan rute minimal sehingga
dapat menghemat biaya solar. Dan manfaat untuk
pelanggan ialah peningkatan pelayanan pelanggan A
e1
sehingga pelanggan merasa lebih dipuaskan. D
Pada pembuatan program aplikasi ini kami node e4

menggunakan beberapa metode penelitian, antara e2 edge

lain : B

a. Metode Analisis C

Dalam metode ini dilakukan analisis

terhadap sistem yang sedang berjalan, analisi Gbr 1 - Graf tidak berarah
terhadap masalah yang ada, dan analisis
terhadap pemecahan masalah.
2. Graf berarah (directed graph)
b. Metode Pengumpulan Data
Graf yang setiap sisinya diberikan
Pada metode ini penulis mengadakan
orientasi arah, Edge (v, w) ≠ edge (w, v), yang
penelitian dengan cara enggunakan berbagai
di tampilkan pada gambar 2.4 di mana V
macam literatur dan internet yang
= {A, B, C, D} dan e = {e1, e2, e3, e4, e5,
berhubungan dengan algoritma semut dan
e6, e7}.
permasalahan jalur terpendek. Mengadakan e1
observasi dan mengajukan pertanyaan-
e3
pertanyaan kepada narasumber yang e2 e4 e6

mengetahui hal-hal yang berhubungan e5

dengan topik ini. B C

c. Metode Perancangan
Dalam skripsi ini penulis menggunakan Gbr 2- Graf berarah
metode perancangan terstruktur yang melalui
tahapan sebagai berikut : A.2 Graf Hamilton
1. Perancangan struktur menu
2. Perancangan basis data Lintasan Hamilton ialah lintasan yang melalui
3. Perancangan State Transition Diagram tiap verteks di dalam graf tepat satu kali. Sirkuit
4. Perancangan tampilan layar Hamilton ialah sirkuit yang melalui tiap verteks di
dalam graf tepat satu kali, kecuali verteks asal
2. Landasan Teori (sekaligus verteks akhir) yang dilalui dua kali. Graf
A. Graf yang memiliki sirkuit Hamilton dinamakan graf
A.1 Definisi Graf Hamilton, sedangkan graf yang hanya memiliki
lintasan Hamilton disebut graf semi-Hamilton.
Graf adalah kumpulan verteks atau node yang
dihubungkan satu sama lain melalui
1 2 1 2
sisi/rusuk/busur/edge, yang digunakan untuk 1 2

merepresentasikan objek-objek diskrit dan

hubungan antara objek-objek tersebut. Graf G
4 3 4 3
didefinisikan sebagai pasangan himpunan (V,E), 4
(a)
3
(b) (c)

ditulis dengan notasi G(V,E), yang dalam hal ini.
i. V adalah himpunan tidak kosong dari
simpul-simpul (titik/verteks/node).
ii. E adalah himpunan sisi (rusuk/edge) yang
menghubungkan sepasang simpul.
Jika terdapat sebuah sisi e yang menghubungkan
verteks v dan w, ditulis edge (v, w). Graf dapat
dibagi menjadi 2 jenis berdasarkan arahnya, yaitu
sebagai berikut.
1. Graf tidak berarah (undirected
graph)
Graf yang sisinya tidak mempunyai
orientasi arah. Edge (v, w) = edge (w, v) adalah
sisi yang sama, di tampilkan pada gambar
2.3 di mana V = {A, B, C, D} dan e =
{e1, e2, e3, e4}.
Gbr 3 - Penggambaran Graf Hamilton
Keterangan gambar 3:
1. Graf yang memiliki lintasan Hamilton (3,
2, 1, 4)
2. Graf yang memiliki lintasan Hamilton (1,
2, 3, 4, 1)
3. Graf yang tidak memiliki lintasan maupun
sirkuit Hamilton
B. Metode Heuristik
Metode heuristik adalah subbidang dari
kecerdasan buatan yang digunakan untuk
melakukan pencarian dan optimasi. Menurut Judea
Peral (April, 1984), metode heuristik berkerja
berdasarkan strategi pencarian pintar pada
pemecahan masalah dengan komputer, dengan
menggunakan beberapa pendekatan.
Dua tujuan dasar dalam pemecahan masalah
optimisasi pada ilmu komputer adalah mencari

2
algoritma yang cepat menyelesaikan masalah dan
memperoleh hasil yang optimal. Metode heuristik
ialah metode yang menghilangkan salah satu atau
dua dari tujuan tersebut. Misalnya, pada pemecahan
masalah optimisasi, dihasilkan solusi yag cukup
optimal, tetapi secara manual, belum tentu solusi
yang lebih optimal dapat diperoleh karena
kompleksnya permasalahan yang ada. Atau, solusi
yang didapat dihasilkan dengan waktu yang sangat
cepat, namun secara manual masih dapat ditemukan
hasil yang lebih optimal.
Jadi, hasil yang diperoleh belum tentu yang
paling optimal. Tetapi penggunaan metode heuristik
yang umum tetap diterapan di dunia nyata. Karena
terdapat beberapa masalah, di mana hanya metode
heuristik yang memungkinkan untuk memperoleh
solusi yang optimal dalam waktu yang sangat
singkat.
C. Vehicle Routing Problem
Vehicle Routing Problem (VRP) adalah salah satu
problem atau permasalahan dari combinatorial
optimization di mana sebuah set rute akan dibentuk
dari sejumlah kota atau pelanggan didasarkan atas
satu atau beberapa depot. Setiap kota atau
pelanggan akan dilayani oleh satu kendaraan
dengan batasan-batasan tertentu; rute tersebut di
awali dan diakhiri di depot.
Permasalahan ini pertama kali diformulasikan
oleh Dantzing dan Ramser pada tahun 1959 sebagai
pusat permasalahan utama dalam bidang
transportasi, distribusi, dan logistik. Dalam
beberapa sektor pasar, transportasi memiliki nilai
persentase yang tinggi yang dimasukkan dalam
keuntungan. Tujuan dari Vehicle Routing Problem
ialah untuk meminimalkan jarak yang dilalui oleh
armada kendaraan yang melayani sekumpulan
pelanggan.
Pelanggan
Depot
Rute
Gbr 5 - Salah satu output dari VRP
Jika VRP salah satu permasalahan kombinatorial
direpresentasikan dalam sebuah graf G = (V, E)
[http://neo.lcc.uma.es/radi-aeb/WebVRP], maka
notasi yang digunakan ialah sebagai berikut.
• V = {v0, v1, …, vn} ialah set atau sekumpulan
verteks yang menggambarkan depot, pelanggan
ataupun persimpangan jalan, di mana:
o v0 sebagai depot.
o v1, …, vn sebagai pelanggan
o Misalakan V` = V tanpa elemen
{v0} digunakan sebagai himpunan n
kota
• C ialah matriks cij sebagai biaya atau jarak
antara pelanggan vi dan vj yang bernilai
non-negatif.
• A = {(vi, vj) | vi, vj Є V; i ≠ j} adalah
himpunan rusuk atau edge. Edge dapat
yang berarah (i, j) Є A dan tidak berarah e
ЄE
• d ialah vektor dari permintaan / demand
pelanggan.
• Ri ialah rute dari kendaraan ke-i.
• k ialah banyaknya kendaraan (semuanya
identik) dengan kapasitas Q. Satu rute
untuk tiap kendaraan.
Dengan setiap verteks vi dalam V’ diasosiasikan
dengan sejumlah barang qi, yang akan diantarkan
oleh satu kendaraan. VRP bertujuan untuk
menentukan sejumlah k rute kendaraan dengan total
biaya yang minimum, bermula dan berakhir di
sebuah depot, yang setiap verteks dalam V’
dikunjungi tepat sekali oleh satu kendaraan.
3. Analisis dan Perancangan
Perusahaan CV Surya Medika ialah perusahaan
swasta di bidang jasa instalasi gas medis, jasa
perawatan alat-alat medis, alat-alat Anestesis, dan
alat-alat pembantu pernapasan. Perusahaan
menggunakan sistem manual dalam mendistribusi
botol bertekanan ke tangan relasi. Adapun
pengiriman keluar kota yaitu Purwodadi, Pati,
Surakarta, Yogyakarta, Tegal, Solo, dan
Purwokerto.
Distribusi yang selama ini dilakukan adalah
sebagai berikut.
1. Melakukan penyesuaian rute, ketika ada
kendaraan pengangkut yang terlalu penuh
dan ada yang kosong, tetapi memiliki rute
yang searah. Di usahakan kendaraan
pengangkut terisi minimal setengah, bahkan
diharapkan dapat lebih dari itu, sehingga
biaya perjalanan dapat ditekan lebih rendah.
2. Melakukan pengecekan sekali
lagi, agar permintaan botol relasi tidak
melebihi. Target waktu pengiriman adalah
satu hari kerja. Dalam distribusi harus ada
balance maksudnya botol yang dikirim ke
relasi sama dengan botol yang mesti
kembali.
Di CV Surya Medika bila terdapat permintaan
dicantumkan pada papan rencana pengiriman. Di
3
mana pendistribusian botol ke relasi akan kendaraan pengangkut yang lebih sedikit. Program
direncanakan oleh bagian administrasi distribusi ini menggunakan algoritma Elitist Ant System yang
botol. Dalam melakukan pendistribusian, diharapkan memperoleh hasil lebih optimal.
pengemudi harus siap pada pukul 06.00 bahkan
terkadang pengemudi harus siap pada pukul 04.00 Menu Utama
jika pengiriman letaknya sangat jauh dari
perusahaan misalnya di daerah Purwokerto. Karena DataBase Informasi
perusahaan menentukan bahwa kendaraan
pengangkut harus kembali sebelum pukul 17.00
Open Close
untuk pengisian botol oksigen. Di mana daftar
pengiriman telah disiapkan oleh kantor untuk
melakukan pendistribusian sehari sebelum Gbr 8 - Struktur menu
distribusi dilakukan.
Karena kompleksnya membahas masalah
distribusi CV Surya Medika, maka masalah itu akan DataBase Informasi
disederhanakan sebagai berikut.
Daftar Distribusi Routing
1. Relasi yang dikunjungi
Tampilan dari posisi dan rute
kebanyakan berada di daerah Jawa Tengah
dan Jawa Timur.
2. Tujuan dari Vehicle Routing
adalah untuk memperoleh rute yang Tampilan detil rute yang dibuat

minimal. Permintaan bersifat pengantaran

botol dari pabrik filling station ke relasi dan
pengambilan botol dari relasi ke pabrik.
3. Kendaraan hanya mengunjungi
relasi satu kali untuk distribusi botol.
4. Kapasitas kendaraan hanya
membatasi banyaknya botol bertekanan yang
dapat dibawa.
5. Biaya solar kendaraan, biaya
makan dan biaya inap pengemudi telah
dihitung sendiri oleh petugas administrasi
keuangan sehingga tidak diperlukan
perhitungan biaya operasional di perjalanan.
6. Pengaturan posisi peletakan botol
pada kendaraan tidak dianggap sebagai
bagian dari kendala.
7. Node yang digunakan
merepresentasikan kota-kota Pulau Jawa
yang akan dilalui oleh kendaraan di mana
depot berada di Kota Semarang.
Jumlah botol yang mesti dikirim kadang-kadang
mengalami perubahan karena situasi atau
banyaknya pasien yang tidak pasti dan rumah sakit
belum menghubungi perusahaan untuk memberikan
informasi banyaknya botol yang masih tersedia.
Perusahaan harus menghubungi rumah sakit untuk
mengecek banyaknya stock botol yang berada pada
rumah sakit tersebut. Akibatnya, penjadwalan yang
telah diatur sedemikian rupa harus melakukan
perubahan.
Oleh sebab hal-hal yang telah disebutkan
terdahulu, perlu dirancang program aplikasi yang
dapat menentukan jalur untuk permintaan-
permintaan relasi yang kebanyakan berada di
daerah Jawa Tengah dan Jawa Timur. Program ini
akan membantu menentukan rute yang minimum
berdasarkan kapasitas kendaraan yang dapat
diangkut sehingga memungkinkan pendistribusian
botol seoptimal mungkin ke relasi dengan jumlah
Tombol dalam
Input variabel berupa alpha,
beta, e, rho, dan max. iterasi
Input variabel kendaraan
berupa jumlah dan kapasitas mengeksekusi
aplikasi
Tampilan
Panduan dalam menggunakan aplikasi
progress bar
Gbr 11 - Rancangan layar form utama
tab Routing
4. Implementasi dan Evaluasi
Program aplikasi optimaslisasi rute CVRP dengan
algoritma Elitist Ant System ini dibuat dan diuji
dengan menggunakan komputer dekstop dengan
spesifikasi sebagai berikut.
• Processor AMD Sempron(tm)2600+ 1.83
GHz
• Memory DDRI 768 MB
• VGA Card 256 MB
• Monitor
• Keyboard
• Mouse
Selain perangkat keras, Spesifikasi perangkat
lunak yang dipergunakan dalam perancangan
program aplikasi ini adalah sebagai berikut.
• Windows XP Professional SP 3
• Borland Delphi 7
• Microsoft Office Access 2003
Gambar-gambar berikut adalah tampilan layar
pada program aplikasi Borland Delphi 7 yang telah
dibuat sebagai berikut.

4
 1 500 554.1484
558.484
P-n23-k8 22 8 2 500 568.6884
8
3 500 555.7938

Percobaan berikutnya menggunakan relasi

perusahaan yang akan diproses dengan parameter
yang berbeda. Di mana percobaan dilakukan
kepada 9 relasi beredar di enam kota yang dilayani
oleh 3 kendaraan dengan batas kapasitas kendaraan
50.

5. Kesimpulan dan Saran

Gbr 18 - Tampilan layar form utama tab Berdasarkan hasil analisis, perancangan,
Daftar Distribusi implementasi dan evaluasi yang telah dibahas pada
bab-bab sebelumnya, maka dapat diambil
Pada tab daftar distribusi terdapat tiga tombol kesimpulan sebagai berikut.
yang berfungsi sebagai berikut. 1. Dalam memecahkan masalah CVRP,
1. Tombol tambah (+), algoritma EAS cukup optimal walaupun
untuk menambah atau memilih record id posisi kota/node yang ditempati oleh relasi
permintaan ke dalam listbox. atau pelanggan lebih dari satu, seperti
2. Tombol hapus (-), yang tampak pada tabel 3 di mana terdapat
untuk membatalkan atau menghapus record 2 relasi yang berada pada kota Solo dan 2
id permintaan yang telah masuk ke dalam relasi yang berada pada kota Purbalingga.
listbox. 2. Penentuan parameter inisialisasi awal (α,
3. Tombol reset, untuk β, ρ, e, dan feromon awal) yang tepat
menghapus semua record pada listbox. sangatlah penting karena akan menentukan
hasil yang diperoleh, seperti yang tampak
pada tabel 2 pada data VRP yaitu data P-
n23-k8 dan E-n30-k3 di mana penggunaan
metode EAS dengan 3 parameter yang
berbeda menghasilkan cost yang berbeda-
beda.
3. Semakin banyak node dan kendaraan yang
digunakan dalam CVRP akan mengurangi
tingkat konsistensi solusi yang diperoleh,
seperti yang tampak pada tabel 2 pada data
VRP yaitu data P-n23-k8 di mana terdapat
22 pelanggan dan 8 kendaraan yang
digunakan dengan kapasitas 40 yang
Gbr 19 - Tampilan layar form utama selesaikan dengan metode EAS yang cost
tab Routing didapat ada yang lebih tinggi dari metode
B&C sebelumnya.
Tbl 2 - Hasil pengujian dengan data VRP
Untuk lebih memaksimalkan aplikasi routing ini,
Data Jumlah Jumlah Cost Tipe
Iterasi
Cost maka ada beberapa saran sebagai berikut.
VRP n k B&C Parameter EAS
1 500 375.2798
1. Perlu diadakan penelitian lebih lanjut
375.279 untuk metode EAS untuk mencari solusi
E-n22-k4 21 4 2 500 379.4311
8
3 500 375.2798 dalam memecahkan masalah CVRP ini
562.107
1 100 546.4472 dengan jumlah relasi dan kendaraan yang
E-n30-k3 29 3 2 100 553.7092 besar.
3
3 100 546.6682
1 100 451.9471
2. Program aplikasi hasil rancangan sekarang
451.947 ini masih belum dapat merepresentasikan
P-n16-k8 15 8 2 100 451.9471
1
3 100 456.9528 jarak sebenarnya kota di Pulau Jawa
212.656
1 100 209.0006 sehingga diharapkan dalam penelitian
P-n19-k2 18 2 2 100 209.0006 lebih lanjut dikembangkan lebih
9
3 100 209.0006
mendalam.
1 100 212.7115
P-n21-k2 20 2
212.711
2 100 212.7115 3. Objek penelitian kali ini hanya dibatasi
5 oleh wilaya Pulau Jawa dan diharapkan
3 100 212.7115

5
 pada masa yang akan datang dapat
membahas wilayah yang lebih luas seiring
dengan dikembangkannya metode ini
untuk jumlah relasi atau kota yang lebih
banyak.
4. Gambar hasil rancangan program aplikasi
sekarang ini masih belum dapat
merepresentasikan jalur yang terpilih oleh
kendaraan. Hal ini disebabkan terdapat
garis rute yang menghalangi garis rute lain
mengakitbatkan gambar jalur yang terpilih
ada yang hilang. Diharapkan dalam
penelitian lebih lanjut dikembangkan lebih
mendalam.

Daftar Pustaka

Anonim. (2007). http://neo.lcc.uma.es/radi-

aeb/WebVRP. Akses: 5 Juni 2009.

Ayan Acharya, Deepyaman Maiti, Aritra Banerjee,

Amit Konar. (2008). Balancing Exploration
and Exploitation by an Elitist Ant System with
Exponential Pheromone Depositioin rule.
University Jadavpur, Kolkata.

Heitor S. Lopes, Vilson L. Dalle Molle, Carlos R.

Erig Lima. (2005). An Ant Colony
Optimization System for the Capacitated
Vehicle Routing Problem. http://www.
cpgei.ct.utfpr.edu.br/
~hslopes/publicacoes/2005/cilamce2005a.pdf.
Akses: 5 Juni 2009.

Marco Dorigo, Krzysztof Socha. (2006). An

Introduction to Ant Colony Optimization dalam
T.F. Gonzalez(ed.) Approximation Algorithm
and Metaheuristics. IRIDIA Universite Libre
de Bruxelles, Belgium

Munir, Rinardi. (2005). Matematika Diskrit. Edisi

ketiga. Informatika, Bandung.

Sri Kusumadewi, Hari Purnomo. (2005).

Penyelesaian Masalah Optimasi dengan
Teknik-teknik Heuristk. Graha Ilmu,
Yogyakarta.

Titiporn Thammapimookkul, Peerayuth

Chamsethikul. (2001). A Bi-Criteria Vehicle
Routng Problem. Kasetsart University,
Bangkok.