2010 Isk

MODEL OPTIMASI VEHICLE ROUTING PROBLEM DAN
IMPLEMENTASINYA
ISKANDAR
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2010
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Model Optimasi Vehicle Routing
Problem dan Implementasinya adalah karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Juni 2010
Iskandar
NIM G551070531
ABSTRACT
ISKANDAR. Optimization Model of Vehicle Routing Problem and Its

Implementation. Supervised by AMRIL AMAN and FARIDA HANUM.
A class of distribution of commodities problem can be modeled

mathematically as a combinatorial optimization in the form of application of
graph theory, namely Vehicle Routing Problem (VRP). VRP is a generalization of
Travelling Salesman Problem (TSP), which can be described as the problem of
designing routes of vehicles from a depot to a set of customers that minimized the
total travel distance of vehicles. The routes must be started and ended at the depot,
visited each customer only once by exactly one vehicle. VRP can be extended
further by associating capacity of the vehicles, this class of problem is called
Capacitated Vehicle Routing Problem (CVRP). The aims of this research are to
formulate the model for distribution of commodities as a CVRP and to implement
it for the distribution problem of Serambi Indonesia news paper in the area of
Banda Aceh. This problem is solved by branch and bound method using LINGO
8.0 software. The results show that, optimal routes are shorter than the existing
routes.
Keywords: optimization, distribution, vehicle routing problem, branch and bound

method, news paper
RINGKASAN
ISKANDAR. Model Optimasi Vehicle Routing Problem dan Implementasinya.

Dibimbing oleh AMRIL AMAN dan FARIDA HANUM.
Masalah distribusi barang merupakan salah satu aspek penting yang perlu
diperhatikan oleh setiap perusahaan. Hal ini berkaitan dengan masalah optimasi
rute distribusi barang dari tempat produksi ke sejumlah konsumen. Keputusan
tentang rute kendaraan dibuat untuk mengoptimalkan total jarak tempuh, waktu
tempuh, jumlah kendaraan yang harus dioperasikan dan sumber daya lain yang
tersedia supaya diperoleh keuntungan yang optimal sekaligus dapat mengurangi
biaya logistik.
Secara matematis, masalah penentuan rute kendaraan dalam
mendistribusikan barang dari tempat produksi yang disebut dengan depot ke
sejumlah pelanggan yang tersebar di sejumlah tempat disebut dengan Vehicle
Routing Problem (VRP). VRP bertujuan meminimumkan total jarak tempuh
kendaraan sehingga dapat meminimumkan biaya logistik perusahaan dengan
memperhatikan beberapa kendala atau batasan-batasan (1) setiap pelanggan
dikunjungi tepat satu kali oleh satu kendaraan, (2) setiap rute berawal dan berakhir
di depot, dan (3) total permintaan pelanggan dalam satu rute tidak melebihi
kapasitas kendaraan. Salah satu variasi VRP adalah Capacitated Vehicle Routing
Problem (CVRP) yaitu dengan menambahkan kendala kapasitas kendaraan yang
identik, sehingga panjang rute kendaraan dibatasi oleh kapasitas angkut kendaraan
yang digunakan.
Masalah penentuan rute kendaraan dalam mendistribusikan barang dapat
dimodelkan sebagai integer linear programming (ILP). Model yang dibuat
diharapkan dapat meminimumkan total jarak tempuh rute perjalanan kendaraan
dan memenuhi kendala-kendala berikut: (1) setiap konsumen hanya dapat
dikunjungi tepat satu kali oleh satu kendaraan, (2) total jumlah permintaan
konsumen dalam satu rute tidak melebihi kapasitas kendaraan yang melayani
rute tersebut, (3) setiap rute perjalanan kendaraan berawal dari depot, (4) setiap
rute perjalanan kendaraan berakhir di depot, (5) kekontinuan rute, artinya setiap
kendaraan yang mengunjungi suatu konsumen, setelah selesai melayani akan
meninggalkan konsumen tersebut, (6) tidak terdapat subtour pada formulasi yang
dibuat.
Penentuan solusi model dilakukan dengan metode branch and bound
dengan bantuan software LINGO 8.0. Solusi yang diperoleh merupakan solusi
optimal yang meminimumkan fungsi tujuan dan memenuhi semua kendala atau
batasan-batasan yang dibuat.
Implementasi model dilakukan dengan cara menyimulasikan model pada
data distribusi koran Serambi Indonesia pada depot percetakan Banda Aceh. Data-
data yang digunakan adalah jarak antara depot dengan pelanggan dan jarak antar
pelanggan, jumlah permintaan masing-masing pelanggan, jumlah kendaraan yang
dioperasikan dan kapasitas masing-masing kendaraan. Penentuan rute distribusi
koran Serambi Indonesia selama ini hanya berdasarkan pengalaman pengemudi,
di mana pengemudi terlebih dahulu memilih rute yang terdekat dengan depot
percetakan sehingga total jarak yang ditempuh dari seluruh rute perjalanan belum
tentu menghasilkan rute yang optimal.
Hasil yang diperoleh menunjukkan bahwa model yang dibuat menghasilkan
rute distribusi koran Serambi Indonesia depot percetakan Banda Aceh dengan
total jarak yang minimum. Hal tersebut dapat dilihat dari perbandingan antara rute
optimal yang diperoleh dengan rute distribusi koran saat ini.
Kata kunci: optimasi, distribusi, masalah rute kendaraan, metode branch and
bound, koran.
©Hak cipta milik IPB, tahun 2010
Hak cipta dilindungi Undang-Undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya.
a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan
karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu
masalah.
b. Pengutipan tidak merugikan kepentingan yang wajar IPB.
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB.
MODEL OPTIMASI VEHICLE ROUTING PROBLEM DAN
IMPLEMENTASINYA
ISKANDAR
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Matematika Terapan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2010
Penguji Luar Komisi pada Ujian Tesis : Drs. Prapto Tri Supriyo, M.Kom.
Judul Tesis : Model Optimasi Vehicle Routing Problem dan Implementasinya
Nama : Iskandar
NIM : G551070531
Disetujui
Komisi Pembimbing
Dr. Ir.Amril Aman, M.Sc. Dra. Farida Hanum, M.Si.

Ketua Anggota
Diketahui
Ketua Program Studi Dekan Sekolah Pascasarjana

Matematika Terapan
Dr. Ir. Endar H. Nugrahani, M.S. Prof. Dr. Ir. Khairil A. Notodiputro, M.S.
Tanggal Ujian: 21 Mei 2010 Tanggal Lulus:

PRAKATA
Segala puji dan syukur penulis panjatkan ke hadirat Allah SWT yang telah
memberikan segala rahmat dan karunia-Nya, sehingga penulis dapat
menyelesaikan tesis yang berjudul “Model Optimasi Vehicle Routing Problem dan
Implementasinya”. Penulis menyadari bahwa dalam penyusunan tesis ini masih
banyak terdapat kekurangan, hal ini disebabkan karena pengetahuan yang dimiliki
oleh penulis sangat terbatas.
Pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-
besarnya kepada:
1. Bapak Dr. Ir.Amril Aman, M.Sc. dan Ibu Dra. Farida Hanum, M.Si. selaku
pembimbing, pendidik dan pengajar yang dengan penuh kesabaran
memberikan bimbingan, arahan, nasihat serta motivasi kepada penulis.
2. Bapak Drs. Prapto Tri Supriyo, M.Kom. selaku penguji, pendidik dan
pengajar yang telah memberikan saran dan kritikannya kepada penulis.
3. Departemen Agama RI yang telah memberikan beasiswa kepada penulis untuk
melanjutkan pendidikan Sekolah Pascasarjana pada Institut Pertanian Bogor.
4. Ketua Departemen, ketua Program Studi dan seluruh staf pengajar, serta staf
administrasi Departemen Matematika yang turut membantu proses
penyelesaian tesis ini.
5. Harian Serambi Indonesia Nanggroe Aceh Darussalam khususnya kepada
Bapak Muhammad Jafar selaku manager sirkulasi dan Bapak Firdaus D,
SE.Ak selaku manager umum yang telah berkenan memberikan data distribusi
koran Serambi Indonesia yang digunakan dalam penelitian ini.
6. Kepala sekolah dan seluruh staf pengajar MTs Negeri Matangglumpang Dua
Kabupaten Bireuen Nanggroe Aceh Darussalam yang turut mendoakan dan
memotivasi penulis dalam menyelesaikan tesis ini.
7. Isteri tercinta Sufriana, S.Pd, anak tersayang Rifka Dara Febriana dan Alfarabi,
Ayahanda M.Yusuf BB, Alm. Ibunda Zaimah, Ayah dan Ibu mertua, kakak,
adik serta seluruh keluarga yang selalu mendoakan, memberikan semangat,
dorongan dan memotivasi kepada penulis di setiap waktu dalam
menyelesaikan tesis ini.
8. Bapak Djajuli dan keluarga di Bogor, yang telah memberikan bantuan,
dukungan dan doa kepada penulis dalam penyelesaian tesis ini.
9. Seluruh teman-teman yang turut membantu dalam penyelesaian tesis ini.
Penulis mendoakan semoga segala bantuan, bimbingan dan pengarahan
yang diberikan mendapat ganjaran yang berlipat ganda dari Allah SWT, dan
semoga tesis ini bermanfaat bagi kita semua. Amiin.
Bogor, Juni 2010
Iskandar
RIWAYAT HIDUP
Penulis dilahirkan di Bireuen Nanggroe Aceh Darussalam pada tanggal 30

Mei 1971 dari Ayah M.Yusuf dan Ibu (Almarhumah) Zaimah. Penulis adalah
putra ke empat dari sepuluh bersaudara.
Tahun 1990 penulis lulus dari SMA Negeri 1 Bireuen NAD dan pada tahun
yang sama lulus seleksi masuk pada Jurusan Matematika Fakultas Tarbiyah IAIN
Ar-Raniry Banda Aceh dan lulus pada tahun 1996.
Pada tahun 1997 penulis diterima sebagai Pegawai Negeri Sipil dan
bertugas sebagai guru Matematika di Madrasah Tsanawiyah Negeri Peudada
sampai tahun 2005. Tahun 2005 penulis dimutasi ke Madrasah Tsanawiyah
Negeri Matangglumpang Dua dan sampai sekarang masih bertugas di sekolah
tersebut.
Pada tahun 2007 penulis mendapat kesempatan untuk melanjutkan
pendidikan Program Magister pada program studi Matematika Terapan di Sekolah
Pascasarjana Institut Pertanian Bogor melalui beasiswa dari Departemen Agama
Republik Indonesia.
DAFTAR ISI
Halaman
DAFTAR TABEL ........................................................................................... xii
DAFTAR GAMBAR ...................................................................................... xii
DAFTAR LAMPIRAN ................................................................................... xii
I PENDAHULUAN ................................................................................... 1
1.1 Latar Belakang .................................................................................. 1
1.2 Tujuan Penelitian .............................................................................. 3
1.3 Manfaat Penelitian ............................................................................ 3
II TINJAUAN PUSTAKA ........................................................................... 4
2.1 Graf ................................................................................................... 4
2.2 Linear Programming ......................................................................... 4
2.2.1 Solusi Suatu Linear Programming .......................................... 5
2.3 Integer Linear Programming ............................................................ 6
2.4 Metode Branch and Bound ............................................................... 7
2.5 Traveling Salesman Problem (TSP) ................................................. 11
2.6 Vehicle Routing Problem (VRP) ....................................................... 13
2.7 Capacitated Vehicle Routing Problem (CVRP) ............................... 18
III ALUR PENELITIAN ................................................................................ 22
3.1 Pendeskripsian dan Formulasi Masalah ............................................ 22
3.2 Pemodelan ......................................................................................... 22
3.3 Penentuan Solusi Model ................................................................... 22
3.4 Implementasi Model ......................................................................... 23
IV DESKRIPSI DAN PEMODELAN MASALAH VEHICLE ROUTING
PROBLEM DISTRIBUSI KORAN ........................................................ 24
4.1 Data ................................................................................................... 24
4.2 Deskripsi Masalah ............................................................................. 24
4.3 Formulasi Masalah ............................................................................ 26
4.4 Model ................................................................................................ 27
V HASIL DAN PEMBAHASAN ................................................................ 30
5.1 Implementasi Model ......................................................................... 30
5.2 Hasil Penentuan Rute Kendaraan ...................................................... 31
5.3 Perbandingan Rute Solusi Optimal dengan Rute Ini ........................ 35
VI SIMPULAN DAN SARAN ...................................................................... 37
6.1 Simpulan ........................................................................................... 37
6.2 Saran ................................................................................................. 37
DAFTAR PUSTAKA ..................................................................................... 38
LAMPIRAN .................................................................................................... 39
xi
DAFTAR TABEL
Halaman
1 Data agen pelanggan PT Harian Serambi Indonesia untuk percetakan di
Banda Aceh ............................................................................................. 27
2 Rute solusi optimal untuk kendaraan pertama ....................................... 32
3 Rute solusi optimal untuk kendaraan kedua ........................................... 32
4 Rute saat ini untuk kendaraan pertama ................................................. 33
5 Rute saat ini untuk kendaraan kedua ...................................................... 34
6 Perbandingan rute solusi optimal dan rute saat ini berdasarkan muatan
dan jarak tempuh kendaraan ..................................................................... 35
DAFTAR GAMBAR
Halaman
1 Daerah fisibel LP ………………………………..……………………. 9
2 Grafik ruang LP1 dan LP2 ………...........……………………………... 9
3 Pencabangan dengan metode branch and bound untuk menemukan
sulosi IP ………..………………..……………………..………………. 11
4 Contoh penyelesaian TSP ………………………………… …………… 12
5 Contoh penyelesaian VRP satu depot dengan 3 rute …..……….……… 13
6 Rute solusi optimal ………………………………..………………….. 33
7 Rute kendaraan saat ini ………………………………..……………… 35
8 Rute solusi optimal dan rute saat ini ………………………………..…. 36
DAFTAR LAMPIRAN
Halaman
1 Pemecahan masalah pencabangan pada contoh dengan menggunakan
software LINGO 8.0 ............................................................................... 40
2 Matriks jarak antarlokasi ........................................................................ 44
3 Program penyelesaian masalah penentuan rute kendaraan distribusi
koran Serambi Indonesia depot percetakan Banda Aceh dengan
menggunakan software LINGO 8.0 ....................................................... 45
4 Hasil solusi LINGO 8.0 masalah penentuan rute kendaraan distribusi
koran Serambi Indonesia depot percetakan Banda Aceh ........................ 47
xii
1
I PENDAHULUAN
1.1 Latar Belakang
Salah satu aspek penting yang harus diperhatikan oleh perusahaan dalam
mendistribusikan barang hasil produksi adalah masalah penentuan rute kendaraan.
Keputusan tentang rute kendaraan dibuat untuk mengoptimalkan jarak tempuh,
biaya perjalanan, waktu tempuh, jumlah kendaraan yang harus dioperasikan dan
sumber daya lain yang tersedia supaya diperoleh keuntungan yang optimal
sekaligus dapat mengurangi biaya logistik.
Secara umum permasalahan optimasi pendistribusian produk dari suatu
perusahaan ke beberapa agen atau pelanggan yang saling terpisah secara
matematis termasuk dalam kelas permasalahan yang disebut Vehicle Routing
Problem (VRP). VRP pertama kali diperkenalkan oleh Dantzig dan Ramser pada
tahun 1959 yang berorientasi pada masalah optimasi kombinatorial yaitu optimasi
yang melibatkan banyak variabel (peubah). Bentuk dasar VRP secara umum
berkaitan dengan masalah penentuan suatu himpunan rute kendaraan (vehicle)
yang melayani satu himpunan pelanggan yang diasosiasikan dengan node dengan
demand atau permintaan yang diketahui dan rute yang menghubungkan depot
dengan konsumen dan satu konsumen dengan konsumen yang lain dinamakan
dengan arc (Toth & Vigo 2002). Dalam kehidupan sehari-hari banyak dijumpai
terapan VRP antara lain pendistribusian barang hasil produksi oleh produsen ke
konsumen, pengambilan surat dari kotak-kotak pos yang tersebar di seluruh kota,
pengantaran dan penjemputan anak sekolah dengan bis sekolah dan lain-lain.
VRP merupakan masalah penentuan rute kendaraan yang melayani beberapa
pelanggan. Setiap kendaraan memiliki kapasitas angkut dan setiap pelanggan
memiliki permintaan (demand). Tiap pelanggan dikunjungi tepat satu kali oleh
satu kendaraan dan total demand tiap rute tidak boleh melebihi kapasitas angkut
kendaraan. Dalam VRP sendiri dikenal pula istilah depot, tempat kendaraan harus
berangkat dan kembali ke depot itu. Hal tersebut menyebabkan VRP sering
disebut sebagai permasalahan m-TSP. VRP merupakan masalah optimasi
kombinatorial dari dua masalah yaitu masalah penentuan rute atau Traveling
Salesman Problem (TSP) dan masalah kapasitas atau Bin Packing Problem (BPP).
2
Kedua masalah tersebut termasuk dalam kategori NP-Hard Problem, yang berarti
waktu komputasi yang digunakan akan semakin sulit dan lama seiring dengan
meningkatnya ruang lingkup masalah. Tujuan yang ingin dicapai adalah
meminimalkan total jarak tempuh dan meminimalkan jumlah kendaraan yang
digunakan. VRP sendiri memiliki beberapa faktor penentu dalam
implementasinya pada dunia nyata.
Formulasi VRP diharapkan dapat membentuk sejumlah rute yang dapat
meminimumkan total jarak tempuh atau total biaya yang memenuhi batasan: (1)
setiap rute harus dimulai dan berakhir di depot, (2) total permintaan pelanggan
pada setiap rute tidak melebihi kapasitas kendaraan, (3) setiap pelanggan
dikunjungi tepat satu kali oleh satu kendaraan. Berbagai jenis kendala yang
dihadapi pada permasalahan VRP, dapat menghasilkan banyak variasi dari VRP
itu sendiri antara lain: kendaraan yang digunakan dapat mempunyai kapasitas
yang sama (homogen) atau tidak sama (heterogen), jika kapasitas semua
kendaraan yang digunakan adalah sama, misalnya C maka VRP ini dinamakan
Capacitated Vehicle Routing Problem (CVRP), kendaraan melakukan kegiatan
pengantaran dan penjemputan sekaligus maka dikenal dengan masalah Vehicle
Routing Problem with Pickup and Delivery (VRPDP), adanya selang waktu
tertentu bagi konsumen untuk menerima pelayanan maka masalahnya menjadi
Vehicle Routing Problem with Time Window (VRPTW) dan lain-lain.
Penentuan solusi optimal dari permasalahan VRP dapat diselesaikan dengan
metode eksak yaitu metode branch and bound. Penelitian tentang VRP dengan
metode ini antara lain dilakukan oleh Larsen (2001) dan Rich (1999). Untuk
masalah dalam ruang lingkup yang besar dan kompleks, metode ini membutuhkan
waktu yang relatif lama untuk menentukan solusi yang optimal karena metode
tersebut mengakomodasi semua solusi yang mungkin dari suatu permasalahan,
baru kemudian ditentukan solusi optimalnya. Penyelesaian masalah VRP dengan
jumlah pelanggan yang berukuran besar dan kompleks dapat diselesaikan dengan
metode pendekatan yaitu metode heuristik dan metaheuristik. Metode eksak
menjamin solusi yang diperoleh merupakan solusi optimal sedangkan metode
heuristik lebih menekankan pada perolehan solusi fisibel secara cepat dari segi
waktu komputasi meskipun tidak menjamin solusi tersebut akan optimal.
3
Pada penelitian ini dibuat formulasi masalah pendistribusian barang ke

dalam model optimasi Capacitated Vehicle Routing Problem (CVRP) dan di
implimentasikan pada permasalahan distribusi koran dari pusat distribusi ke agen
pelanggannya dengan menggunakan metode branch and bound dengan bantuan
software LINGO 8.0.
1.2 Tujuan Penelitian

Berdasarkan latar belakang masalah di atas, maka tujuan penelitian ini
adalah sebagai berikut:
1. memformulasikan masalah distribusi barang kedalam model CVRP,
2. mengimplementasikan model pada kasus distribusi koran harian
Serambi Indonesia dan menentukan solusinya dengan metode branch
and bound.
1.3 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan informasi tentang model CVRP
dan metode penyelesaiannya sehingga penerapannya dapat bermanfaat dalam
kehidupan sehari-hari.
4
II TINJAUAN PUSTAKA
Untuk memahami permasalahan yang berhubungan dengan penentuan rute

optimal kendaraan dalam mendistribusikan barang serta menentukan solusinya
maka diperlukan beberapa konsep teori berikut:
2.1 Graf
Definisi 1 (Graf , Graf Berarah dan Graf Takberarah)
Suatu graf G adalah pasangan terurut (V,A) dengan V merupakan himpunan
takkosong dan berhingga yang anggota-anggotanya disebut simpul (node/vertex)
dan A merupakan himpunan berhingga garis yang menghubungkan simpul-simpul
anggota V yang disebut dengan sisi (arc atau edge). Sisi yang menghubungkan
simpul i dengan simpul j dinyatakan dengan {i,j}. Dalam suatu graf, jika sisi yang
menghubungkan simpul-simpulnya berarah maka graf tersebut dinamakan graf
berarah (directed graph/digraf). Jika semua sisi yang menghubungkan simpul-
simpulnya tidak berarah maka dinamakan graf takberarah (undirected graph)
(Foulds 1992).
2.2 Linear Programming

Linear programming (LP) atau pemrograman linear adalah suatu masalah
optimasi yang memenuhi ketentuan-ketentuan:
1) tujuan dari masalah tersebut adalah untuk memaksimumkan atau
meminimumkan suatu fungsi linear dari sejumlah variabel keputusan. Fungsi
yang akan dimaksimumkan atau diminimumkan itu disebut fungsi objektif,
2) nilai-nilai variabel keputusannya harus memenuhi semua himpunan kendala;
setiap kendala harus berupa persamaan linear atau pertidaksamaan linear,
3) ada pembatasan tanda untuk setiap variabel. Untuk sembarang variabel ,
pembatasan tanda menentukan harus taknegatif atau tandanya
tidak dibatasi. (Winston 2004)
5
Definisi 2 (Bentuk standar suatu LP)

Suatu linear programming didefinisikan mempunyai bentuk standar sebagai
berikut:
Minimumkan
terhadap
(2.1)
dengan x dan c merupakan vektor yang berukuran n, vektor b berukuran m;
sedangkan A merupakan matriks yang berukuran m × n yang disebut juga dengan
matriks kendala.
( Nash & Sofer 1996)
Model linear programming (LP) menyajikan bentuk matematis dari fungsi
objektif dan pembatasnya yang berupa fungsi linear. Pada tulisan ini suatu linear
programming (LP) memiliki bentuk standar sebagai berikut (Taha 2003):
dengan cj, aij dan bi merupakan konstanta yang nilainya diketahui.
2.2.1 Solusi Suatu Linear Programming (LP)

Untuk menyelesaikan suatu masalah linear programming (LP) agar
diperoleh solusi yang optimum dapat dilakukan dengan banyak metode. Salah
6
satu metode yang paling umum digunakan adalah metode simpleks yang mulai
dikembangkan oleh Dantzig tahun 1947. Metode ini merupakan metode iteratif
untuk menyelesaikan masalah linear programming dalam bentuk standar.
Pada linear programming (2.1), vektor x yang memenuhi kendala Ax = b
disebut sebagai solusi dari linear programming (2.1). Misalkan matriks A dapat
dinyatakan sebagai A = (B N), dengan B adalah matriks berukuran m × m yang
merupakan matriks yang elemennya berupa koefisien variabel basis dan N
merupakan matriks yang elemennya berupa koefisien variabel nonbasis pada
matriks kendala. Matriks B disebut matriks basis untuk linear programming.
2.3 Integer Linear Programming

Sebuah model pengoptimalan disebut model integer linear programming
(ILP) atau disebut juga integer programming (IP) jika variabel-variabel keputusan
yang digunakan berupa bilangan bulat (integer). Jika semua variabel keputusan
harus berupa integer maka model tersebut dinamakan pure integer programming,
tetapi jika hanya sebagian yang harus integer maka disebut mixed integer
programming. Sedangkan integer programming yang semua variabelnya harus
bernilai 0 atau 1 disebut 0-1 integer programming.
(Rardin 1998)
Secara sederhana model linear programming (LP) dengan pembatas
tambahan berupa variabelnya bernilai integer disebut sebagai integer
programming (IP). Dalam tulisan ini suatu integer programming (IP) memiliki
bentuk standar sebagai berikut:
dengan cj, aij dan bi merupakan konstanta yang nilainya diketahui (Taha 1975).
7
Definisi 3 (Linear Programming Relaksasi)
Linear programming relaksasi dari suatu integer programming merupakan

linear programming yang diperoleh dari integer programming tersebut dengan
menghilangkan kendala bilangan bulat atau kendala 0-1 pada variabelnya.
(Winston 1995)
2.4 Metode Branch and Bound
Untuk memperoleh solusi optimal dari masalah integer programming dapat

dipecahkan dengan metode branch and bound. Prinsip dasar dari metode branch
and bound adalah memecah daerah fisibel dari masalah LP-relaksasi dengan cara
membuat subproblem baru sehingga masalah IP dapat terpecahkan. Daerah fisibel
suatu LP adalah daerah yang memuat titik-titik yang dapat memenuhi semua
kendala linear masalah LP (Taha 2003).
Setiap subproblem diukur dengan tiga cara sebagai berikut:
1. Batas dari subproblem ≤ solusi optimum yang didapat saat ini (z*)
2. LP-relaksasi tidak memiliki solusi fisibel.
3. Solusi optimum dari LP-relaksasi berupa integer. Jika solusi ini lebih
baik dari solusi optimum yang didapat sebelumnya maka solusi ini
menjadi solusi optimum yang baru dan cara pertama digunakan kembali
untuk semua subproblem dengan nilai z* baru yang lebih besar.
Adapun langkah-langkah metode branch and bound untuk masalah
pemaksimuman, menurut Taha (2003) adalah sebagai berikut:
Ditetapkan batas bawah awal z = untuk nilai optimum dari fungsi objektif ILP
dan tetapkan i = 0.
Langkah 1 (pem-fathom-an dan pembatasan)
Dipilih LPi sebagai subproblem untuk diteliti. Kemudian LPi diselesaikan
dan LPi di-fathom-kan jika memenuhi salah satu dari ketiga kondisi berikut:
1. Nilai optimum z dari LPi tidak dapat menghasilkan nilai objektif yang
lebih baik daripada batas bawah sekarang.
2. LPi menghasilkan solusi integer fisibel yang lebih baik daripada batas
bawah sekarang.
3. LPi tidak memiliki solusi yang fisibel.
8
Dalam hal ini akan muncul dua kasus yaitu:

1. Jika LPi di-fathom-kan dan solusi yang diperoleh lebih baik daripada
batas bawah sekarang, maka batas bawah z diperbaharui. Jika semua
subproblem di-fathom-kan maka proses dihentikan. ILP optimum
dihubungkan dengan batas bawah sekarang, bila ada. Jika sebaliknya,
dipilih i = i + 1, dan ulangi Langkah 1.
2. Jika LPi tidak di-fathom-kan, proses dilanjutkan ke Langkah 2 untuk
melakukan pencabangan pada LPi.
Langkah 2 (pencabangan)
Dipilih sebarang variabel xj yang nilai optimumnya adalah xj* yang tidak
memenuhi batasan integer dalam solusi LPi. Bidang [xj*] < xj < [xj*] + 1 (dengan
[v] sebagai integer terbesar yang ≤ v) dieliminasi dengan membuat dua
subproblem LP yang sesuai dengan xj ≤ [xj*] dan xj ≥ [xj*] + 1. Kemudian
ditentukan i = i + 1 , dan kembali pada Langkah 1.
Untuk memudahkan pemahaman tentang metode branch and bound
diberikan contoh sebagai berikut:
Contoh:
Misalkan diberikan masalah integer sebagai berikut:
Solusi optimum dari LP-relaksasi contoh tersebut (LP0) adalah z = 4.85,

x1 = 2.75, dan x2 = 2.1 (lihat Lampiran 1a). Daerah fisibel LP-relaksasi dari
masalah di atas dapat dilihat pada Gambar 1. Menurut metode branch and bound,
karena solusi optimum LP-relaksasi tersebut tidak memenuhi syarat integer, maka
harus dibuat subproblem baru. Dipilih sembarang variabel xi optimum yang tidak
memenuhi syarat integer, misalnya x1 = 2.75, sehingga bidang 2 < x1 < 3 bukan
daerah fisibel bagi masalah IP dan harus dipisahkan. Ruang LP0 semula diganti
dengan dua ruang LP yakni LP1 dan LP2 dengan ruang solusi yang didefinisikan
sebagai berikut:
- Ruang LP1= ruang LP0 + kendala (x1 ≤ 2)
9
- Ruang LP2= ruang LP0 + kendala (x1 ≥ 3)

Ruang solusi dari LP1 dan LP2 dapat dilihat pada Gambar 2.
X2
5•
4• Solusi optimum LP0

z=4.85, x1=2.75, x2=2.1
3•
2•
1•1
-2• •
-1 0 •1 •2 •
3
•
4
•5 •
6
•7 •8 X1
Gambar 1 Daerah fisibel LP.
X2
5• LP1 LP2
4•
3•
2•
1•
•
-2
•
-1 0
• • 2•
• • • • •7 • X1
1 3 4 5 6 8
Gambar 2 Grafik ruang LP1 dan LP2.
Dari gambar di atas terlihat bahwa batasan baru LP1 dan LP2 tidak dapat
dipenuhi secara bersamaan, sehingga LP1 dan LP2 harus dibuat menjadi dua buah
LP yang berbeda. Kemudian masalah LP1 dan LP2 diselesaikan satu per satu.
Misalkan LP1 dipilih pertama kali untuk diselesaikan, sehingga permasalahannya
menjadi:
10
Diperoleh solusi optimum untuk masalah LP di atas, yaitu z = 4.4 , x1 = 2,

dan x2 = 2.4 (lihat Lampiran 1b). Karena solusi optimum LP1 bukan solusi
optimum integer, maka LP1 tidak di-fathom-kan, sehingga dilakukan pencabangan
di LP1 menjadi 2 subproblem, yakni LP3 dan LP4. Ruang solusi LP3 dan LP4
didefinisikan sebagai berikut:
- Ruang LP3 = ruang LP0 + kendala (x1 ≤ 2) + kendala (x2 ≤ 2) = ruang LP1 +
kendala (x2 ≤ 2)
- Ruang LP4 = ruang LP0 + kendala (x1 ≤ 2) + kendala (x2 ≥ 3) = ruang LP1 +
kendala (x2 ≥ 3)
Solusi optimum dari LP3 adalah z = 4 dengan x1 = 2 dan x2 = 2 (lihat
Lampiran 1d). Karena solusi LP3 integer, maka LP3 di-fathom-kan. Nilai z = 4
sebagai calon batas bawah solusi optimum IP. Solusi optimum dari LP4 adalah z
= 3.5 dengan x1 = 0.5 dan x2 = 3 (lihat Lampiran 1e). Karena solusi LP4 (z = 3.5
dengan x1 = 0.5 dan x2 = 3) tidak memenuhi syarat integer maka semestinya LP4
tidak di-fathom-kan. Namun karena nilai z = 3.5 tidak lebih baik dari batas bawah
sebelumnya (z = 4 dengan x1 = 2 dan x2 = 2) maka LP4 di-fathom-kan, sehingga
solusi LP4 bukan solusi optimum IP. Calon batas bawah untuk solusi optimum IP
adalah z = 4.
Selanjutnya diselesaikan LP2, dan dari penghitungan diperoleh solusi
optimum LP2 adalah z = 4.80 dengan x1 = 3 dan x2 = 1.8 (lihat Lampiran 1c).
Seperti yang diketahui bahwa dari penyelesaian LP0 sudah diperoleh nilai
optimum yaitu z = 4.85 artinya nilai z tidak mungkin akan lebih besar dari 4.85
dan tidak mungkin akan lebih baik dari calon batas bawah sebelumnya (z = 4).
Karena semua variabel dari fungsi objektif pada LP3 telah memenuhi syarat
integer yaitu z = 4 dengan x1 = 2 dan x2 = 2 maka tidak mungkin LP2 akan
menghasilkan solusi integer yang lebih baik, sehingga LP2 di-fathom-kan dan
tidak perlu dilakukan pencabangan. Karena semua subproblem sudah di-fathom-
kan, maka pencabangan berhenti, sehingga diperoleh solusi optimumnya dari
penyelesaian LP3 yaitu z = 4 dengan x1 = 2 dan x2 = 2.
11
Penggunaan metode branch and bound untuk menyelesaikan masalah IP

pada contoh di atas dapat dilihat pada Gambar 3. Penghitungan nilai-nilai variabel
dilakukan dengan bantuan software LINGO 8.0.
LP0
z = 4.85, x1 =2.75, dan x2 =2.1
x1 ≤ 2 x1 ≥ 3
LP1 LP2
z = 4.4, x1 =2, dan x2 =2.4 z = 4.8, x1 =3, dan x2 =1.8
x2 ≤ 2 x2 ≥ 3
LP3 LP4
z = 4, x1 =2, dan x2 =2 z = 3.5, x1 =0.5, dan x2 =3

batas bawah (optimal)
Gambar 3 Pencabangan dengan metode branch and bound untuk menemukan

solusi IP.
2.5 Traveling Salesman Problem (TSP)

Traveling Salesman Problem (TSP) merupakan suatu masalah optimasi
untuk mencari rute terpendek bagi seorang salesman yang menjajakan produknya
dengan melakukan tour yang dimulai dari tempat asalnya menuju n kota tepat satu
kali kemudian kembali ke tempat asalnya. Tujuannya adalah untuk
meminimumkan biaya operasional salesman yang dikeluarkan oleh perusahaan.
Rute kendaraan pada masalah TSP merupakan cycle Hamilton yaitu path tertutup
yang memuat semua node pada graf yang mempresentasikan jaringan jalan yang
menghubungkan tiap kota. Tujuannya adalah menentukan rute perjalanan yang
fisibel sedemikian sehingga jarak tempuh yang melalui rute tersebut minimum.
Menurut Garfinkel dan Nemhauser (1972) secara matematis TSP dapat
dinyatakan sebagai suatu graf berarah G=(V,A) dengan V={0,1, ..., n} menyatakan
himpunan node yang menunjukkan lokasi kota dan A={(i, j) | i, j V, i ≠ j}
merupakan himpunan sisi berarah (arc) yang menyatakan jalan penghubung tiap
kota. Node 0 menyatakan kota asal/depot yang merupakan tempat seorang
12
salesman memulai perjalanan. Misalkan adalah jarak tempuh (biaya

perjalanan) dari kota i ke kota j dan jika variabel keputusannya adalah:
maka TSP dapat diformulasikan secara matematis sebagai berikut:
dengan kendala:
Persamaan (2.21) merupakan fungsi tujuannya yaitu meminimumkan total

jarak tempuh (biaya perjalanan). Kendala (2.22) dan (2.23) menggambarkan
bahwa salesman mendatangi dan meninggalkan setiap kota tepat satu kali,
sedangkan kendala (2.24) memastikan bahwa tidak terdapat subrute dan kendala
(2.25) menjamin bahwa xij merupakan integer biner.
Contoh solusi dari TSP dapat dilihat pada Gambar 4.
Rute
Kota
Depot
Gambar 4 Contoh penyelesaian TSP.

13
2.6 Vehicle Routing Problem (VRP)

Kallehauge et al. (2001) mendefinisikan permasalahan m-TSP sebagai salah
satu variasi dari TSP, di mana terdapat m salesman yang mengunjungi sejumlah
kota dan tiap kota hanya dapat dikunjungi oleh tepat satu salesman saja. Tiap
salesman berawal dari suatu depot dan pada akhir perjalanannya juga harus
kembali ke depot tersebut.
Permasalahan m-TSP ini dikenal sebagai Vehicle Routing Problem (VRP).
Jadi VRP berkaitan dengan penentuan rute optimal untuk permasalahan yang
melibatkan lebih dari satu kendaraan (vehicle) dengan kapasitas tertentu untuk
melayani sejumlah konsumen sesuai dengan permintaannya masing-masing.
Dalam masalah VRP ini, setiap kota diasosiasikan sebagai lokasi konsumen dan
tiap kendaraan yang digunakan untuk mengunjungi sejumlah konsumen memiliki
kapasitas tertentu. Total jumlah permintaan pelanggan dalam suatu rute tidak
melebihi kapasitas kendaraan yang ditugasi melayani rute tersebut dan setiap
pelanggan dikunjungi hanya satu kali oleh satu kendaraan. Pada masalah VRP
juga terdapat suatu depot di mana tiap kendaraan harus berangkat dan kembali ke
depot itu. Permasalahan VRP bertujuan meminimalkan total jarak tempuh
kendaraan atau total biaya dari setiap rute perjalanan, selain itu bisa juga bertujuan
meminimalkan banyaknya kendaraan yang digunakan (m). Sebagai contoh,
penyelesaian masalah VRP dengan satu depot ditunjukkan dalam gambar berikut:
Pelanggan
Depot
Rute
Gambar 5 Contoh penyelesaian VRP satu depot dengan 3 rute.

14
Permasalahan VRP yang dituliskan oleh Toth and Vigo (2002) menjelaskan
bahwa VRP adalah masalah penentuan rute kendaraan dalam mendistribusikan
barang dari tempat produksi yang dinamakan depot ke konsumen dengan tujuan
meminimumkankan total jarak tempuh kendaraan. Untuk mencapai tujuan
tersebut perlu diperhatikan beberapa batasan yang harus dipenuhi yaitu setiap
kendaraan yang akan mendistribusikan barang ke konsumen harus memulai rute
perjalanan dari tempat produksi (depot), setiap pelanggan hanya boleh dilayani
satu kali oleh satu kendaraan, setiap pelanggan mempunyai permintaan yang harus
dipenuhi dan diasumsikan permintaaan tersebut sudah diketahui sebelumnya.
Setiap kendaraan memiliki batasan kapasitas tertentu artinya setiap kendaraan
akan melayani pelanggan sesuai dengan kapasitasnya. Selanjutnya juga harus
dipenuhi bahwa tidak terdapat subrute untuk setiap kendaraan.
Menurut Toth and Vigo (2002), secara matematis VRP dapat dinyatakan
sebagai suatu digraf G=(V, A) dengan V={0,1,..., n} adalah himpunan simpul yang
menunjukkan lokasi pelanggan dan A={(i, j) | i, j V, i ≠ j} yaitu himpunan sisi
berarah yang menyatakan jalan penghubung antarlokasi pelanggan. Simpul 0
menunjukkan depot, yaitu tempat menyimpan kendaraan yang digunakan untuk
distribusi dan merupakan tempat dimulainya suatu rute kendaraan. Banyaknya
kendaraan yang tersedia di depot adalah K dengan kapasitas kendaraan ke-k
adalah Ck. Setiap pelanggan i memiliki permintaan sebanyak di.
Toth and Vigo (2002) memformulasikan VRP dalam bentuk pemrograman
linear integer dengan tujuan meminimalkan total biaya atau total jarak tempuh
dari rute perjalanan pendistribusian barang/jasa adalah sebagai berikut:
dengan kendala:
Kendala ini untuk memastikan bahwa setiap konsumen dikunjungi tepat satu
kali oleh satu kendaraan.
15
Batasan tersebut untuk menjamin bahwa terdapat K kendaraan yang beroperasi

yang memulai rute dari depot.
Batasan ini memastikan bahwa setiap konsumen akan dikunjungi oleh

kendaraan yang sudah dijadwalkan untuk konsumen tersebut.
Kendala tersebut menjamin bahwa total permintaan konsumen dalam setiap

rute tidak melebihi kapasitas kendaraan.
Kendala ini memastikan bahwa tidak terdapat subrute pada formulasi yang
ada.
Batasan ini memastikan bahwa variabel keputusan merupakan integer

biner.
Batasan ini menjamin variabel keputusan merupakan integer biner.

Dengan variabel keputusan:
dengan:
V = himpunan node
A = himpunan sisi berarah (arc),
cij = jarak/biaya perjalanan dari konsumen i ke konsumen j
di = jumlah permintaan konsumen i
Ck = kapasitas kendaraan ke- k
K = banyaknya kendaraan yang tersedia
16
Permasalahan VRP yang dikemukakan oleh Kallehauge et al. (2001) adalah

menyangkut masalah distribusi barang dari tempat produksi (depot) ke sejumlah
konsumen yang tersebar di sejumlah tempat. Tujuannya adalah untuk
meminimalkan total jarak tempuh (total biaya) dari rute perjalanan kendaraan
dalam mendistribusikan barang. Rute yang dibentuk harus memenuhi batasan-
batasan yaitu setiap pelanggan hanya dikunjungi satu kali oleh satu kendaraan,
semua pelanggan harus dilayani sesuai dengan permintaannya masing-masing
yang diketahui sebelumnya. Kendaraan yang digunakan adalah homogen dan
memiliki batasan kapasitas tertentu sehingga rute yang dilalui tidak melebihi
kapasitasnya. Setiap rute kendaraan berawal dari depot dan pada akhirnya juga
harus kembali ke depot.
Secara matematis Kallehauge et al. (2001) mendefinisikan VRP sebagai
suatu digraf G=(N,A), dengan N merupakan simpul yang terdiri atas gabungan
himpunan pelanggan C dan depot. Himpunan C berupa simpul 1 sampai n
sedangkan simpul depot adalah 0 dan n+1. A adalah himpunan sisi berarah yaitu
penghubung antarsimpul yang merupakan jaringan jalan yang digunakan oleh
kendaraan. Semua rute berawal dari simpul 0 dan berakhir di impul n+1.
Himpunan kendaraan V merupakan kumpulan kendaraan yang homogen dengan
kapasitas q. Setiap pelanggan atau simpul i untuk setiap i anggota C memiliki
permintaan sebesar di, sehingga panjang rute yang dilalui oleh setiap kendaraan
dibatasi oleh kapasitas kendaraan. Setiap sisi (i,j) pada graf memiliki jarak tempuh
cij yaitu jarak dari simpul i ke simpul j dan diasumsikan jarak tempuh cij=cji.
Tujuannya adalah menentukan himpunan rute dengan total jarak tempuh
atau biaya perjalanan yang minimum dengan syarat setiap rute berawal di simpul
0 dan berakhir di simpul n+1, setiap pelanggan dilayani tepat satu kali oleh satu
kendaraan dan memenuhi kendala kapasitas kendaraan. Kallehauge et al. (2001)
memodelkan masalah VRP tersebut ke dalam model matematis sebagai berikut:
dengan kendala-kendala:
17
Batasan ini menjamin bahwa tiap pelanggan hanya dapat dikunjungi tepat satu
kali oleh satu kendaraan.
Batasan tersebut untuk memastikan bahwa total jumlah permintaan pelanggan

dalam satu rute tidak melebihi kapasitas kendaraan.
Batasan tersebut menjamin bahwa setiap kendaraan memulai rute perjalanan

dari depot.
Batasan ini memastikan bahwa setiap kendaraan yang mengunjungi suatu

pelanggan, setelah selesai melayani akan meninggalkan pelanggan tersebut.
Kendala tersebut memastikan bahwa setiap rute perjalanan kendaraan berakhir

di depot.
Batasan variabel keputusan merupakan integer biner

Dengan variabel keputusan:
dengan:
V = himpunan kendaraan dengan kapasitas yang identik
C = himpunan konsumen/pelanggan
N = himpunan node/vertex (simpul), {0,1,...,n+1}
di = total jumlah permintaan konsumen i
q = kapasitas kendaraan
Formulasi model matematis yang dibuat oleh Kallehauge et al. dan Toth
&Vigo mempunyai tujuan yang sama yaitu meminimumkan total jarak
18
tempuh/biaya dari setiap rute perjalanan. Perbedaannya adalah Toth &Vigo hanya
memperhitungkan biaya perjalanan untuk perjalanan awal dari depot, kemudian
mengunjungi semua konsumen, tanpa memperhitungkan perjalanan kembali ke
depot pada akhir perjalanan tersebut; sedangkan Kallehauge et al.
memperhitungkan biaya perjalanan untuk perjalanan awal dari depot, kemudian
mengunjungi semua konsumen dan perjalanan kembali ke depot.
2.7 Capacitated Vehicle Routing Problem (CVRP)

Capacitated Vehicle Routing Problem (CVRP) merupakan salah satu variasi
dari masalah VRP dengan penambahan kendala kapasitas kendaraan yang identik.
Setiap kendaraan yang melayani konsumen disyaratkan memiliki batasan
kapasitas sehingga banyaknya konsumen yang dilayani oleh setiap kendaraan
dalam satu rute bergantung pada kapasitas kendaraan. Permasalahan CVRP
bertujuan meminimumkan total jarak tempuh rute perjalanan kendaraan dalam
mendistribusikan barang dari tempat produksi yang dinamakan dengan depot ke
sejumlah konsumen.
Menurut Kara et al. (2004) masalah CVRP adalah masalah pengoptimalan
jarak tempuh perjalanan kendaraan dalam pendistribusian barang dari tempat
poduksi (depot) ke sejumlah agen pelanggan sehingga menghasilkan rute dengan
total jarak tempuh yang minimum. Penentuan rute kendaraan tersebut harus
memperhatikan beberapa batasan yaitu setiap kendaraan harus memulai rute
perjalanan dari depot dan setelah melayani sejumlah konsumen juga harus
kembali ke depot. Setiap konsumen hanya dilayani tepat satu kali oleh satu
kendaraan. Terdapat sejumlah kendaraan di depot dengan kapasitas yang identik
yang digunakan untuk melayani konsumen. Kendaraan-kendaraan tersebut
memiliki kapasitas tertentu sehingga panjang rute yang dilalui oleh setiap
kendaraan dalam melayani setiap konsumen sesuai dengan kapasitasnya. Setiap
rute kendaraan tidak memiliki subrute sehingga rute yang terbentuk adalah
sebanyak kendaraan yang dioperasikan.
Kara et al. (2004) mendefinisikan Capacitated Vehicle Routing Problem
(CVRP) sebagai suatu graf berarah G=(N,A) dengan adalah
himpunan simpul (vertex), menyatakan depot yaitu tempat kendaraan memulai
dan mengakhiri rute perjalanan dan menyatakan konsumen (C).
19
Sedangkan adalah himpunan sisi berarah (arc)

yang merupakan himpunan sisi yang menghubungkan antarsimpul. Setiap simpul
memiliki permintaan (demand) sebesar dengan adalah integer
positif. Himpunan V={1,2,...,K} merupakan kumpulan kendaraan yang homogen
dengan kapasitas yang identik yaitu Q, sehingga panjang setiap rute dibatasi oleh
kapasitas kendaraan. Setiap arc memiliki jarak tempuh yaitu jarak dari
simpul i ke simpul j. Jarak perjalanan ini diasumsikan simetrik yaitu dan
. Permasalahan dari CVRP adalah menentukan himpunan dari K rute
kendaraan yang memenuhi kondisi berikut: (1) setiap rute berawal dan berakhir
di depot, (2) setiap konsumen harus dilayani tepat satu kali oleh satu kendaraan,
(3) total permintaan konsumen dari setip rute tidak melebihi kapasitas kendaraan,
dan (4) total jarak dari semua rute diminimumkan.
Permasalahan tersebut kemudian diformulasikan ke dalam model
matematika dengan tujuan meminimumkan total jarak tempuh perjalanan
kendaraan. Variabel adalah variabel keputusan yang bernilai 1 jika arc
merupakan solusi dari masalah CVRP dan bernilai 0 jika bukan solusi,
dan variabel merupakan integer yang dihubungkan dengan setiap konsumen
. Variabel keputusan hanya akan terdefinisi jika .
Adapun formulasinya adalah sebagai berikut:
dengan kendala
Batasan ini memastikan bahwa tiap pelanggan hanya dikunjungi tepat satu kali
oleh satu kendaraan.
Batasan tersebut menjamin bahwa setiap rute perjalanan kendaraan berawal

dari depot.
20
Batasan bahwa setiap rute perjalanan kendaraan berakhir di depot.
Batasan ini memastikan bahwa tidak terdapat subrute pada setiap rute yang
terbentuk.
Variabel keputusan hanya akan terdefinisi jika Jika
maka kendala (2.46)
tidak mengikat, sehingga dan Sedangkan jika
maka kendala tersebut menunjukkan bahwa sehingga
batasan subtour elimination terpenuhi.
Variabel keputusan merupakan integer biner
Variabel keputusannya adalah:
dengan:
V = {1,...,K} = himpunan kendaraan dengan kapasitas yang identik
K = banyaknya kendaraan yang digunakan
N = himpunan node (simpul)
C = himpunan konsumen/pelanggan
di = total jumlah permintaan konsumen i
= kapasitas kendaraan
uik = muatan kendaraan ke- k setelah mengunjungi konsumen ke- i
Formulasi model matematis CVRP Kara et al. (2004) tersebut pada intinya
menekankan pada batasan subtour elimination yaitu mengeliminasi subtour
supaya tidak terdapat subrute pada rute-rute yang terbentuk yang dikaitkan
21
dengan batasan kapasitas kendaraan. Variabel keputusan hanya akan terdefinisi

jika jumlah permintaan konsumen i dan konsumen j tidak melebihi kapasitas
kendaraan.
22
III ALUR PENELITIAN
Penelitian ini dibagi menjadi empat tahap yaitu (1) pendeskripsian dan
formulasi masalah, (2) pemodelan, (3) penentuan solusi model, dan (4)
implementasi model.
3.1 Pendeskripsian dan Formulasi Masalah

Tahap pertama dalam pemodelan adalah menentukan tujuan penentuan rute
kendaraan dalam mendistribusikan barang. Secara umum tujuan masalah
penentuan rute kendaraan dalam mendistribusikan barang adalah meminimumkan
total jarak tempuh kendaraan dengan mempertimbangkan kapasitas kendaraan,
jumlah permintaan setiap pelanggan dan jarak antarpelanggan.
Dalam masalah penentuan rute kendaraan ini, variabel keputusan akan
dibatasi oleh beberapa batasan. Batasan tersebut terdiri atas beberapa batasan
umum yang mencakup permasalahan penentuan rute kendaraan dalam
mendistribusikan barang dari depot ke setiap pelanggannya.
3.2 Pemodelan
Setelah tahapan formulasi masalah, selanjutnya formulasi masalah tersebut
dipresentasikan ke dalam model matematik. Model ini mendeskripsikan masalah
menjadi suatu sistem persamaan atau pertidaksamaan atau ekspresi matematik
lainnya. Masalah penetuan rute kendaraan dapat dimodelkan sebagai model
Integer Linear Programming (ILP).
3.3 Penentuan Solusi Model

Penyelesaian model matematik yang sederhana dapat diselesaikan secara
manual, namun untuk model matematik yang lebih kompleks menyangkut dengan
masalah nyata akan membutuhkan bantuan komputer. Penentuan solusi model
masalah rute kendaraan digunakan metode branch and bound dengan bantuan
software LINGO 8.0. Selanjutnya solusi yang diperoleh merupakan solusi yang
memenuhi semua batasan dan meminimumkan fungsi tujuan.
23
3.4 Implementasi Model

Implementasi model dilakukan dengan cara menyimulasikan model dengan
menggunakan data pendistribusian koran harian Serambi Indonesia Nanggroe
Aceh Darussalam depot percetakan Banda Aceh.
24
IV DESKRIPSI DAN PEMODELAN MASALAH VEHICLE

ROUTING PROBLEM DISTRIBUSI KORAN
4.1 Data
Data yang digunakan dalam penelitian ini adalah data kegiatan distribusi
koran harian Serambi Indonesia Nanggroe Aceh Darussalam pada depot
percetakan Banda Aceh. Data yang diambil adalah jarak antara depot dengan agen
pelanggan dan jarak antaragen pelanggan yang dibuat dalam bentuk matriks jarak
antarlokasi (Lampiran 2), jumlah permintaan untuk setiap agen pelanggan dan
jumlah kendaraan yang digunakan.
Data diperoleh dari wawancara dengan pihak terkait dan pencatatan dari
dokumen di kantor harian Serambi Indonesia Banda Aceh. Pengambilan data
dilakukan pada bulan April 2009.
4.2 Deskripsi Masalah

Koran harian Serambi Indonesia merupakan salah satu harian pagi yang
terbit tiap hari di Nanggroe Aceh Darussalam. Koran harian ini mulai diterbitkan
pertama kali pada tanggal 17 Pebruari 1989 oleh PT Aceh Media Grafika yang
merupakan induk perusahaan dari harian Serambi Indonesia. Pada saat didirikan,
perusahaan ini hanya mempunyai satu buah percetakan yaitu percetakan di
Banda Aceh yang melayani pengiriman koran ke seluruh Aceh bahkan sampai ke
Sumatera Utara. Namun seiring dengan perkembangan dan persaingan bisnis surat
kabar yang semakin ketat, maka pada bulan Juni tahun 2003 dioperasikan lagi
sebuah percetakan di Lhokseumawe untuk melayani konsumen di wilayah timur
Aceh dan terakhir pada bulan Maret 2007 dioperasikan lagi percetakan di Blang
Pidie untuk melayani konsumen yang berada di wilayah barat dan selatan Aceh.
Penambahan percetakan ini dilakukan untuk memenuhi permintaan
konsumen agar koran sampai ke tangan pembaca tepat pada waktunya. Terlebih
lagi pada industri surat kabar yang mengharuskan produk bisa sampai ke
pelanggan dengan tepat waktu, karena surat kabar merupakan produk yang
menjual informasi tentang kejadian-kejadian yang terjadi di berbagai negara. Hal
ini sangat penting karena mengingat media surat kabar memuat berita-berita yang
25
terbaru dan menarik sehingga kedatangan barang tepat waktu sangat diperlukan.
Oleh karena itu kemampuan untuk mengelola jaringan distribusi dalam
penyaluran hasil produksi saat ini merupakan salah satu komponen yang sangat
penting agar semua permintaan pelanggan dapat terlayani dengan baik dan pada
akhirnya keuntungan yang diperoleh akan optimal.
Masalah pendistribusian surat kabar Harian Serambi Indonesia ke seluruh
agen pelanggan merupakan tanggung jawab bagian sirkulasi yang dikepalai oleh
seorang manajer. Dalam pelaksanaan distribusi ini bagian sirkulasi didukung oleh
6 unit kendaraan roda empat yang tersebar pada masing-masing tempat percetakan
sesuai dengan kebutuhannya dalam melayani konsumen. Di percetakan Banda
Aceh terdapat 2 unit kendaraan, percetakan Lhokseumawe 2 unit kendaraan dan
percetakan Blang Pidie mempunyai 2 unit kendaraan. Setiap kendaraan
mempunyai kapasitas yang sama yaitu 10000 eksemplar koran.
Mengingat bisnis surat kabar ini ada hubungannya dengan waktu, maka
kedatangan barang tepat waktu menjadi salah satu pilar utama pemasaran. Agar
ketepatan waktu dapat dicapai maka koran yang telah dicetak sekitar pukul 02.00
pagi langsung didistribusikan kepada konsumen dengan menggunakan jalur yang
terbagi dalam beberapa wilayah pengiriman sesuai dengan permintaan dan
kapasitas kendaraan kecuali jika ada berita-berita penting yang harus ditunggu.
Tujuan distribusi tersebut adalah untuk menjamin koran datang tepat waktu di
lokasi konsumen yang berbeda, jumlah koran tidak berkurang atau tidak ada koran
yang rusak, serta memudahkan agen pelanggan untuk mendapatkan koran sesuai
dengan yang dipesan.
Penentuan rute kendaraan dalam mendistribusikan koran Serambi Indonesia
ke setiap agen pelanggan, selama ini hanya berdasarkan pengalaman pengemudi.
Untuk permasalahan rute, pengemudi terlebih dahulu memilih rute yang terdekat
dengan depot/percetakan, sehingga total jarak yang ditempuh dari seluruh rute
perjalanan belum tentu menghasilkan rute optimal. Oleh karena itu perlu dibuat
suatu model matematis dalam pendistribusian koran Serambi Indonesia yang akan
memberikan informasi mengenai urutan rute kendaraan, sehingga menghasilkan
rute dengan total jarak yang minimum dengan mempertimbangkan kendala
26
kapasitas kendaraan, setiap rute berawal dan berakhir di depot dan setiap
pelanggan dikunjungi tepat satu kali oleh satu kendaraan.
Pada penelitian ini sebagai data simulasi model diambil data distribusi koran
Serambi Indonesia pada depot/percetakan Banda Aceh, karena pada dasarnya
model itu berlaku untuk semua depot/percetakan, hanya saja perlu penyesuaian
dengan data-data yang ada pada masing-masing depot/percetakan tersebut.
4.3 Formulasi Masalah

Fungsi tujuan dari model penentuan rute kendaraan dalam pendistribusian
koran pada penelitian ini adalah meminimumkan total jarak tempuh dari rute
perjalanan kendaraan dengan memperhatikan batasan-batasan (kendala-kendala)
yang ada sehingga rute-rute yang terbentuk merupakan rute-rute dengan jarak
yang minimum yang memenuhi semua kendala-kendala tersebut.
Adapun kendala-kendala yang dihadapi adalah:
1. Setiap konsumen hanya dapat dikunjungi tepat satu kali oleh satu
kendaraan.
2. Total jumlah permintaan konsumen dalam satu rute tidak melebihi
kapasitas kendaraan yang melayani rute tersebut.
3. Setiap rute perjalanan kendaraan berawal dari depot
4. Setiap rute perjalanan kendaraan berakhir di depot.
5. Kekontinuan rute, artinya setiap kendaraan yang mengunjungi suatu
konsumen, setelah selesai melayani akan meninggalkan konsumen tersebut
6. Tidak terdapat subtour pada formulasi yang dibuat.
Untuk menyederhanakan masalah maka dalam penelitian ini digunakan
asumsi-asumsi sebagai berikut:
1. Semua permintaan pelanggan dapat dipenuhi.
2. Jumlah permintaan pelanggan sudah diketahui sebelumnya.
3. Kendaraan yang digunakan mempunyai kapasitas yang sama yaitu 10000
eksemplar koran.
4. Kecepatan kendaraan konstan yaitu 60 km/jam.
5. Jarak antarlokasi adalah simetrik, artinya jarak dari konsumen i ke
konsumen j sama dengan jarak dari konsumen j ke konsumen i.
27
Tabel 1 Data agen pelanggan PT Harian Serambi Indonesia untuk percetakan di Banda
Aceh
Jumlah Permintaan
No. Nama Pelanggan
(Eksemplar)
0 PT. Harian Serambi Indonesia 0
1 Trimora Agency Banda Aceh 3950
2 Dadang Supriadi Lampriet 1480
3 Darussalam Post 1621
4 Azra Agency Krueng Raya 1892
5 Joni Sukandar Seutui 1175
6 Nila Agency Lhoknga 635
7 Montasik Raya Post Lambaro Kafee 655
8 Abrah Agency Sibreh 612
9 Makmu Beusaree Indrapuri 595
10 Barona Agency Seulimum 493
11 Saree Agency 250
12 Syahril Agency Padang Tiji 520
13 Mulyadi Agency Sigli 1850
14 Sunaryati Agency Beureunun 1610
15 M. Jafar Lueng Putu 325
16 Rusli Ismail Meureudu 367
17 Kios Waspada Ulee Glee 673
Total Permintaan 18703
4.4 Model
Tujuan dari model matematik penentuan rute kendaraan yang dibuat adalah
meminimumkan total jarak tempuh kendaraan dalam mendistribusikan koran dari
tempat percetakan ke sejumlah agen pelanggan yang tersebar di sejumlah tempat.
Total jarak yang minimum dari rute-rute kendaraan dapat meminimumkan biaya
dan dapat mengurangi biaya operasional namun tetap memenuhi ketentuan-
ketentuan dari manajemen perusahaan.
Berdasarkan formulasi masalah penentuan rute pendistribusian koran di
atas, maka secara matematis dapat dibuat dalam model berikut:
Misalkan didefinisikan:
V = {1,...,K} = himpunan kendaraan dengan kapasitas yang identik
28
K = banyaknya kendaraan yang digunakan

N = himpunan simpul (node) = {0,1,...,17}
C = himpunan konsumen/pelanggan = {1,2,...,17}
A = himpunan sisi berarah (arc) = {(i,j) | i,j ∈ N, i≠j}
= jarak dari konsumen i ke konsumen j
= total jumlah permintaan konsumen i
= kapasitas kendaraan = 10000 eksemplar
= muatan kendaraan ke-k setelah mengunjungi konsumen ke-i
Variabel keputusan:
Fungsi tujuan dari permasalahan penentuan rute distribusi koran adalah

meminimumkan total jarak tempuh/total biaya dari rute perjalanan.
Kendala-kendala:
1. Setiap konsumen hanya dapat dikunjungi tepat satu kali oleh satu
kendaraan.

3. Setiap rute perjalanan kendaraan berawal dari depot.

29

konsumen, setelah selesai melayani akan meninggalkan konsumen tersebut
6. Tidak terdapat subtour pada semua rute.
Variabel keputusan hanya akan terdefinisi jika

Jika maka kendala
tidak mengikat, sehingga dan Sedangkan
jika maka kendala tersebut menunjukkan bahwa
sehingga batasan subtour elimination terpenuhi.
7. Variabel keputusan merupakan integer biner.
30
V HASIL DAN PEMBAHASAN
5.1 Implementasi Model

Model yang telah diperoleh kemudian diimplementasikan dengan cara
menyimulasikan model. Simulasi tersebut menggunakan data jarak antarlokasi
pelanggan, jumlah permintaan pelanggan, dan jumlah kendaraan yang digunakan
PT Harian Serambi Indonesia pada percetakan (depot) Banda Aceh.
Rute kendaraan yang diharapkan adalah:
1. Setiap agen pelanggan hanya dikunjungi satu kali oleh satu kendaraan.
2. Setiap kendaraan melayani agen pelanggan sesuai dengan batasan
kapasitasnya.
3. Setiap rute kendaraan berawal dari depot.
4. Setiap rute kendaraan berakhir di depot.
5. Setelah melayani agen pelanggan, kendaraan akan meninggalkan agen
pelanggan tersebut.
6. Tidak terdapat subrute pada setiap rute yang ada.
Pemodelan dari permasalahan tersebut adalah sebagai berikut:

Fungsi tujuannya adalah meminimumkan total jarak tempuh dari rute perjalanan
kendaraan.
dengan kendala-kendala:
1. Setiap konsumen dikunjungi tepat satu kali oleh satu kendaraan.

31
3. Setiap rute perjalanan kendaraan berawal dari depot.

konsumen, setelah selesai melayani akan meninggalkan konsumen
tersebut.
6. Tidak terdapat subtour pada semua rute
Variabel keputusan hanya akan terdefinisi jika

Jika maka kendala
tidak mengikat, sehingga dan
Sedangkan jika maka kendala tersebut menunjukkan bahwa
sehingga batasan subtour elimination terpenuhi.
7. Variabel keputusan merupakan integer biner.
5.2 Hasil Penentuan Rute Kendaraan

Setelah model matematik diformulasikan dengan bentuk integer linear
programming maka selanjutnya diproses dengan menggunakan software LINGO
8.0 dengan metode branch and bound (lihat Lampiran 3), sehingga dihasilkan rute
kendaraan untuk percetakan Banda Aceh yang dapat meminimumkan total jarak
tempuh kendaraan dalam mendistribusikan koran setiap harinya. Rute kendaraan
tersebut memberikan informasi tentang perbandingan rute kendaraan yang ada
sekarang dengan rute yang dihasilkan dari pemodelan yang dibuat. Pada Tabel 2
dan Tabel 3 diberikan solusi optimal yang diperoleh dari masalah penentuan rute
yang dibuat.
32
Tabel 2 Rute solusi optimal untuk kendaraan pertama

Jumlah permintaan
No. Nama pelanggan
(Eksemplar)
11 Saree Agency 250
Tabel 3 Rute solusi optimal untuk kendaraan kedua

Jumlah permintaan
No. Nama pelanggan
(Eksemplar)
Berdasarkan kedua tabel di atas, dapat dijelaskan bahwa untuk melayani

seluruh agen pelanggan sesuai dengan permintaannya masing-masing maka
dibutuhkan dua unit kendaraan. Untuk kendaraan pertama, rute yang dilalui
adalah berawal dari depot percetakan, pelanggan 5, pelanggan 6, pelanggan 7,
pelanggan 8, pelanggan 9, pelanggan 13, pelanggan 16, pelanggan 17, pelanggan
15, pelanggan 14, pelanggan 12, pelanggan 11, pelanggan 10 kemudian kembali
33
ke depot percetakan. Total jarak tempuh kendaraan pertama adalah 364 km

dengan membawa total muatan 9760 eksemplar; sedangkan rute yang dilalui
kendaraan kedua adalah meliputi depot percetakan, pelanggan 2, pelanggan 4,
pelanggan 3, pelanggan 1 kemudian kembali ke depot percetakan dengan total
jarak tempuh 75 km dan membawa total muatan sebanyak 8943 eksemplar.
Total jarak yang ditempuh oleh kedua unit kendaraan tersebut dalam
melayani seluruh agen pelanggan adalah 439 km dan total permintaan seluruh
agen pelanggan adalah 18703 eksemplar.
Rute solusi optimal dapat dilihat pada Gambar 6:
0 7 8 9 10 11 12 13 14 15 16 17
Kendaraan 1
Kendaraan 2
Gambar 6 Rute solusi optimal.
Rute solusi optimal di atas kemudian dibandingkan dengan data di lapangan.

Rute kendaraan pada perusahaan dalam melayani 17 agen pelanggan adalah
seperti pada Tabel 4 dan Tabel 5 berikut:
Tabel 4 Rute saat ini untuk kendaraan pertama
Jumlah permintaan
No. Nama pelanggan
(Eksemplar)
34
Tabel 4 Rute saat ini untuk kendaraan pertama (lanjutan)

Jumlah permintaan
No. Nama pelanggan
(Eksemplar)
11 Saree Agency 250
Tabel 5 Rute saat ini untuk kendaraan kedua

Jumlah permintaan
No. Nama pelanggan
(Eksemplar)
Tabel 4 dan Tabel 5 di atas memperlihatkan bahwa untuk melayani seluruh

agen pelanggan sesuai dengan permintaannya masing-masing maka dibutuhkan
dua unit kendaraan. Untuk kendaraan pertama, rute yang dilalui adalah berawal
dari depot percetakan, pelanggan 2, pelanggan 6, pelanggan 5, pelanggan 9,
pelanggan 10, pelanggan 11, pelanggan 12, pelanggan 13, pelanggan 14,
pelanggan 15, pelanggan 16, pelanggan 17 lalu kembali ke depot percetakan
dengan total jarak tempuh adalah 369 km dan membawa total muatan 9973
eksemplar koran, sedangkan rute yang dilalui kendaraan kedua adalah meliputi
depot percetakan, pelanggan 7, pelanggan 8, pelanggan 3, pelanggan 4, pelanggan
35
1 kemudian kembali ke depot percetakan. Kendaraan kedua menempuh jarak 91

km dan membawa total muatan sebanyak 8730 eksemplar koran.
Total jarak yang ditempuh oleh kedua unit kendaraan tersebut dalam
melayani seluruh agen pelanggan adalah 460 km dan total permintaan seluruh
agen pelanggan adalah 18703 eksemplar.
Rute kendaraan saat ini dapat dilihat pada Gambar 7:
0 7 8 9 10 11 12 13 14 15 16 17
Kendaraan 1
Kendaraan 2
Gambar 7 Rute kendaraan saat ini.
5.3 Perbandingan Rute Solusi Optimal dengan Rute Saat Ini
Perbandingan rute hasil solusi optimal dengan rute saat ini dilakukan
dengan membandingkan rute kendaraan solusi optimal dengan rute kendaraan saat
ini berdasarkan muatan kendaraan dan total jarak tempuh kendaraan. Hal tersebut
dapat dilihat pada Tabel 6.
Tabel 6 Perbandingan rute solusi optimal dan rute saat ini berdasarkan muatan dan
jarak tempuh kendaraan
Muatan Kapasitas max Jarak Tempuh
(Eksemplar) (Eksemplar) (kilometer)
Keadaan saat ini:
Kendaraan ke-1 9973 (99.73 %) 10000 369 (80.2174 %)
Kendaraan ke-2 8730 (87.30 %) 10000 91 (19.7826 %)
Solusi optimal:
Kendaraan ke-1 9760 (97.60 %) 10000 364 (82.9157 %)
Kendaraan ke-2 8943 (89.43 %) 10000 75 (17.0843 %)
36
Berdasarkan Tabel 6 dapat disimpulkan bahwa masing-masing rute

kendaraan pada solusi optimal memiliki total jarak tempuh yang lebih pendek
dibandingkan dengan total jarak tempuh rute kendaraan saat ini. Pada rute solusi
optimal, total jarak tempuh untuk kedua kendaraan adalah 439 kilometer,
sedangkan total jarak tempuh untuk kedua kendaraan saat ini adalah 460
kilometer, sehingga ada penghematan jarak tempuh 21 kilometer. Dengan kata
lain, total jarak tempuh kendaraan pada solusi optimal adalah 95.4348 % dari
total jarak tempuh kendaraan saat ini. Total muatan yang dibawa oleh kendaraan
pertama pada solusi optimal lebih sedikit dari total muatan yang dibawa
kendaraan pertama saat ini yaitu masing-masing 97.60 % dan 99.73 % dari total
muatan kendaraan, sedangkan total muatan yang dibawa kendaraan kedua pada
solusi optimal lebih banyak dari total muatan yang dibawa oleh kendaraan kedua
saat ini yaitu masing-masing 89.43 % dan 87.30 % dari total muatan kendaraan.
Perbedaan antara rute kendaraan solusi optimal dengan rute kendaraan saat
ini dapat dilihat pada Gambar 8.
0 7 8 9 10 11 12 13 14 15 16 17
6
Rute Optimal Kendaraan 1
Rute Optimal Kendaraan 2
Rute Saat ini Kendaraan 1
Rute Saat ini Kendaraan 2
Gambar 8 Rute solusi optimal dan rute saat ini.
Dari hasil perbandingan rute kendaraan solusi optimal dan rute kendaraan
saat ini, perbedaan total jarak tempuh semua armada kendaraan dapat menjadi
pertimbangan bagi PT Harian Serambi Indonesia untuk memilih rute kendaraan
yang dipakai guna meminimalkan biaya distribusi koran.
37
VI SIMPULAN DAN SARAN
6.1 Simpulan
Berdasarkan hasil pembahasan yang didapatkan dalam penelitian ini, maka
dapat dibuat beberapa simpulan:
1. Masalah distribusi barang dapat diformulasikan dalam model
Capacitated Vehicle Routing Problem.
2. Pengembangan model penentuan rute kendaraan dalam
mendistribusikan koran harian Serambi Indonesia menghasilkan total
jarak tempuh yang lebih pendek daripada rute yang diterapkan saat ini.
3. Total jarak tempuh kendaraan dalam mendistribusikan koran dapat
menjadi pertimbangan bagi PT Harian Serambi Indonesia untuk memilih
rute kendaraan yang dapat digunakan untuk efisiensi perusahaan.
6.2 Saran
1. Penelitian ini dapat dikembangkan untuk menyelesaikan masalah
penentuan rute kendaraan dengan jumlah data yang lebih banyak.
2. Penelitian ini juga dapat dikembangkan untuk menyelesaikan masalah
penentuan rute kendaraan dengan mempertimbangkan kendala waktu.
DAFTAR PUSTAKA
Foulds LR. 1992. Graph Theory Applications. New York: Springer-Verlag.
Garfinkel RS, Nemhauser GL. 1972. Integer Programming. New York: John
Wiley & Sons.
Kallehauge B, Larsen J, Marsen OBG. 2001. Lagrangean Duality Applied on

Vehicle Routing Problem with Time Windows. Technical Report. IMM.
Technical University of Denmark.
Kara I, Laporte G, Bektas T. 2004. A Note on the lifted Miller-Tucker-Zemlin

subtour elimination constraints for the capacitated vehicle routing problem.
European Journal of Operational Research 158: 793-795.
Larsen J. 2001. Parallelization of the Vehicle Routing with Time Windows [Ph. D
Thesis]. Denmark: Department of Mathematical Modelling, University of
Denmark.
Nash SG, A. Sofer. 1996. Linear and Nonlinear Programming. McGraw-Hill,

New York.
Rardin RL. 1998. Optimization in Operations Research. Prentice Hall

International. New Jersey.
Rich JL. 1999. A Computational Study of Vehicle Routing Applications. [Ph. D

Thesis]. Texas: Rice University.
Taha HA. 1975. Integer Programming: Theory, Applications, and Computations.

Academic Press. New York.
Taha HA. 2003. Operations Research: An Introduction. Ed. ke-7. Pearson

Education International. New Jersey.
Toth P, Vigo D. 2002. An overview of vehicle routing problems. Di dalam Toth,

P et al., editor. The Vehicle Routing Problem. Philadelphia: Siam. hlm.
1−26.
Winston WL. 1995. Introduction to Mathematical Programming. Ed. ke-2. New

York: Duxbury.
Winston WL. 2004. Operations Research: Applications and Algorithms. Ed ke-4.

New York: Duxbury.
40
Lampiran 1 Pemecahan masalah pencabangan pada contoh dengan menggunakan

LINGO 8.0*
a. Pemecahan LP0
Dituliskan dalam LINGO 8.0 sebagai berikut:

MODEL:
TITLE Persamaan 1;
SETS:
VARIABEL/1 2/:X;
ENDSETS
!FUNGSI OBJEKTIF;
MAX=(X(1)+X(2));
!TERHADAP KENDALA-KENDALA;
(2*X(1)+5*X(2))<=16;
(6*X(1)+5*X(2))<=27;
END
Hasil yang diperoleh sebagai berikut:

Global optimal solution found at iteration: 2
Objective value: 4.850000
Model Title: Persamaan 1
Variable Value Reduced Cost

X( 1) 2.750000 0.000000
X( 2) 2.100000 0.000000
Row Slack or Surplus Dual Price

1 4.850000 1.000000
2 0.000000 0.5000000E-01
3 0.000000 0.1500000
b. Pemecahan LP1
*
Dalam program LINGO 8.0, tanda desimal dinyatakan dengan titik.
41

MODEL:
TITLE Persamaan 2;
SETS:
VARIABEL/1 2/:X;
ENDSETS
!FUNGSI OBJEKTIF;
MAX=(X(1)+X(2));
(2*X(1)+5*X(2))<=16;
(6*X(1)+5*X(2))<=27;
X(1)<=2;
END

X( 1) 2.000000 0.000000
X( 2) 2.400000 0.000000

1 4.400000 1.000000
2 0.000000 0.2000000
3 3.000000 0.000000
4 0.000000 0.6000000
c. Pemecahan LP2

MODEL:
TITLE Persamaan 3;
SETS:
VARIABEL/1 2/:X;
ENDSETS
!FUNGSI OBJEKTIF;
MAX=(X(1)+X(2));
(2*X(1)+5*X(2))<=16;
(6*X(1)+5*X(2))<=27;
X(1)>=3;
END
42


X( 1) 3.000000 0.000000
X( 2) 1.800000 0.000000

1 4.800000 1.000000
2 1.000000 0.000000
3 0.000000 0.2000000
4 0.000000 -0.2000000
d. Pemecahan LP3

MODEL:
TITLE Persamaan 4;
SETS:
VARIABEL/1 2/:X;
ENDSETS
!FUNGSI OBJEKTIF;
MAX=(X(1)+X(2));
(2*X(1)+5*X(2))<=16;
(6*X(1)+5*X(2))<=27;
X(1)<=2;
X(2)<=2;
END

X( 1) 2.000000 0.000000
X( 2) 2.000000 0.000000

43
1 4.000000 1.000000
2 2.000000 0.000000
3 5.000000 0.000000
4 0.000000 1.000000
5 0.000000 1.000000
e. Pemecahan LP4

MODEL:
TITLE Persamaan 5;
SETS:
VARIABEL/1 2/:X;
ENDSETS
!FUNGSI OBJEKTIF;
MAX=(X(1)+X(2));
(2*X(1)+5*X(2))<=16;
(6*X(1)+5*X(2))<=27;
X(1)<=2;
X(2)>=3;
END

X( 1) 0.5000000 0.000000
X( 2) 3.000000 0.000000

1 3.500000 1.000000
2 0.000000 0.5000000
3 9.000000 0.000000
4 1.500000 0.000000
5 0.000000 -1.500000
44
Lampiran 2 Matriks jarak antarlokasi
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0 0 5 7 12 35 7 19 3 8 30 48 75 95 105 119 131 155 163
1 0 3 8 31 2 14 8 13 35 53 80 100 110 124 136 160 168
2 0 5 28 5 17 10 15 37 55 82 102 112 126 138 162 170
3 0 27 10 22 15 20 42 60 87 107 117 131 143 167 175
4 0 33 45 38 43 65 83 110 130 140 154 166 190 198
5 0 12 10 15 37 55 82 102 112 126 138 162 170
6 0 22 27 49 67 94 114 124 138 150 174 182
7 0 5 27 45 72 92 102 116 128 152 160
8 0 22 40 67 87 97 111 123 147 155
9 0 18 45 65 75 89 101 125 133
10 0 27 47 57 71 83 107 115
11 0 20 30 44 56 80 88
12 0 10 24 36 60 68
13 0 14 26 50 58
14 0 12 36 44
15 0 24 32
16 0 8
17 0
45
Lampiran 3 Program penyelesaian masalah penentuan rute kendaraan distribusi

koran Serambi Indonesia depot percetakan Banda Aceh dengan
menggunakan Software LINGO 8.0
MODEL:
TITLE PENENTUAN RUTE KENDARAAN PENDISTRIBUSIAN KORAN SERAMBI

INDONESIA DEPOT BANDA ACEH ;
SETS:
VESSEL/V1,V2/;
CUSTOMER/C0 . .C17/:DEMAND;
LOAD(CUSTOMER,VESSEL):U;
LINK1(CUSTOMER,CUSTOMER):C;
LINK2(CUSTOMER,CUSTOMER,VESSEL):X;
ENDSETS
DATA:
DEMAND=
0 3950 1480 1621 1892 1175 635 655 612 595 493 250 520 1850 1610 325 367 673
;
C=
0 5 7 12 35 7 19 3 8 30 48 75 95 105 119 131 155 163
5 0 3 8 31 2 14 8 13 35 53 80 100 110 124 136 160 168
7 3 0 5 28 5 17 10 15 37 55 82 102 112 126 138 162 170
12 8 5 0 27 10 22 15 20 42 60 87 107 117 131 143 167 175
35 31 28 27 0 33 45 38 43 65 83 110 130 140 154 166 190 198
7 2 5 10 33 0 12 10 15 37 55 82 102 112 126 138 162 170
19 14 17 22 45 12 0 22 27 49 67 94 114 124 138 150 174 182
3 8 10 15 38 10 22 0 5 27 45 72 92 102 116 128 152 160
8 13 15 20 43 15 27 5 0 22 40 67 87 97 111 123 147 155
30 35 37 42 65 37 49 27 22 0 18 45 65 75 89 101 125 133
48 53 55 60 83 55 67 45 40 18 0 27 47 57 71 83 107 115
75 80 82 87 110 82 94 72 67 45 27 0 20 30 44 56 80 88
95 100 102 107 130 102 114 92 87 65 47 20 0 10 24 36 60 68
105 110 112 117 140 112 124 102 97 75 57 30 10 0 14 26 50 58
119 124 126 131 154 126 138 116 111 89 71 44 24 14 0 12 36 44
131 136 138 143 166 138 150 128 123 101 83 56 36 26 12 0 24 32
155 160 162 167 190 162 174 152 147 125 107 80 60 50 36 24 0 8
163 168 170 175 198 170 182 160 155 133 115 88 68 58 44 32 8 0
;
Q=10000;
ENDDATA
!FUNGSI OBJEKTIF;
!MEMINIMUMKAN TOTAL JARAK TEMPUH DARI RUTE PERJALANAN;
MIN=@SUM(VESSEL(K):@SUM(CUSTOMER(I):@SUM(CUSTOMER(J)|J#NE#I:C(I,J)
*X(I,J,K))));
46
!KENDALA1;
!SETIAP KONSUMEN HANYA DAPAT DIKUNJUNGI TEPAT SATU KALI OLEH SATU
KENDARAAN;
@FOR(CUSTOMER(I)|I#GT#0:@SUM(VESSEL(K):@SUM(CUSTOMER(J)|J#NE#I:X(I
,J,K)))=1);
@FOR(CUSTOMER(J)|J#GT#0:@SUM(VESSEL(K):@SUM(CUSTOMER(I)|I#NE#J:X(I
,J,K)))=1);
!KENDALA2;
!TOTAL JUMLAH PERMINTAAN KONSUMEN DALAM SATU RUTE TIDAK MELEBIHI
KAPASITAS KENDARAAN YANG MELAYANI RUTE TERSEBUT;
@FOR(VESSEL(K):@SUM(CUSTOMER(I)|I#GT#0:@SUM(CUSTOMER(J)|J#NE#I:DEM
AND(I)*X(I,J,K)))<=Q);
!KENDALA3;
!SETIAP RUTE BERAWAL DARI DEPOT;
@FOR(VESSEL(K):@FOR(CUSTOMER(I)|I#EQ#0:@SUM(CUSTOMER(J)|J#GT#0:X(I
,J,K))=1));
!KENDALA4;
!SETIAP RUTE BERAKHIR DI DEPOT;
@FOR(VESSEL(K):@FOR(CUSTOMER(J)|J#EQ#0:@SUM(CUSTOMER(I)|I#GT#0:X(I
,J,K))=1));
!KENDALA5;
!KEKONTINUAN RUTE, ARTINYA SETIAP KENDARAAN YANG MENGUNJUNGI SUATU
KONSUMEN,SETELAH SELESAI MELAYANI AKAN MENINGGALKAN KONSUMEN
TERSEBUT;
@FOR(VESSEL(K):@FOR(CUSTOMER(H)|H#GT#0:@SUM(CUSTOMER(I)|I#NE#H:X(I
,H,K))-@SUM(CUSTOMER(J)|J#NE#H:X(H,J,K))=0));
!KENDALA6;
!TIDAK TERDAPAT SUBTOUR;
@FOR(VESSEL(K):@FOR(CUSTOMER(I)|I#GT#0:@FOR(CUSTOMER(J)|J#GT#0
#AND# J#NE#I:U(I,K)-U(J,K)+Q*X(I,J,K)<=Q-DEMAND(J))));
@FOR(VESSEL(K):@FOR(CUSTOMER(I)|I#GT#0:U(I,K)>=DEMAND(I)));
@FOR(VESSEL(K):@FOR(CUSTOMER(I)|I#GT#0:U(I,K)<=Q));
!KENDALA7;
!VARIABEL KEPUTUSAN MERUPAKAN INTEGER 0 DAN 1;
@FOR(LINK2:@BIN(X));
END
47
Lampiran 4 Hasil Solusi LINGO 8.0 masalah penentuan rute kendaraan distribusi koran
Serambi Indonesia pepot percetakan Banda Aceh

Model Title: PENENTUAN RUTE KENDARAAN PENDISTRIBUSIAN KORAN SERAMBI INDONESIA DEPOT BANDA
ACEH

X( C0, C0, V1) 0.000000 0.000000 X( C0, C12, V2) 0.000000 95.00000
X( C0, C0, V2) 0.000000 0.000000 X( C0, C13, V1) 0.000000 105.0000
X( C0, C1, V1) 0.000000 5.000000 X( C0, C13, V2) 0.000000 105.0000
X( C0, C1, V2) 0.000000 5.000000 X( C0, C14, V1) 0.000000 119.0000
X( C0, C2, V1) 0.000000 7.000000 X( C0, C14, V2) 0.000000 119.0000
X( C0, C2, V2) 1.000000 7.000000 X( C0, C15, V1) 0.000000 131.0000
X( C0, C3, V1) 0.000000 12.00000 X( C0, C15, V2) 0.000000 131.0000
X( C0, C3, V2) 0.000000 12.00000 X( C0, C16, V1) 0.000000 155.0000
X( C0, C4, V1) 0.000000 35.00000 X( C0, C16, V2) 0.000000 155.0000
X( C0, C4, V2) 0.000000 35.00000 X( C0, C17, V1) 0.000000 163.0000
X( C0, C5, V1) 1.000000 7.000000 X( C0, C17, V2) 0.000000 163.0000
X( C0, C5, V2) 0.000000 7.000000 X( C1, C0, V1) 0.000000 5.000000
X( C0, C6, V1) 0.000000 19.00000 X( C1, C0, V2) 1.000000 5.000000
X( C0, C6, V2) 0.00000 19.00000 X( C1, C1, V1) 0.000000 0.000000
X( C0, C7, V1) 0.000000 3.000000 X( C1, C1, V2) 0.000000 0.000000
X( C0, C7, V2) 0.000000 3.000000 X( C1, C2, V1) 0.000000 3.000000
X( C0, C8, V1) 0.000000 8.000000 X( C1, C2, V2) 0.000000 3.000000
X( C0, C8, V2) 0.000000 8.000000 X( C1, C3, V1) 0.000000 8.000000
X( C0, C9, V1) 0.000000 30.00000 X( C1, C3, V2) 0.000000 8.000000
X( C0, C9, V2) 0.000000 30.00000 X( C1, C4, V1) 0.000000 31.00000
X( C0, C10, V1) 0.000000 48.00000 X( C1, C4, V2) 0.000000 31.00000
X( C0, C10, V2) 0.000000 48.00000 X( C1, C5, V1) 0.000000 2.000000
X( C0, C11, V1) 0.000000 75.00000 X( C1, C5, V2) 0.000000 2.000000
X( C0, C11, V2) 0.000000 75.00000 X( C1, C6, V1) 0.000000 14.00000
X( C0, C12, V1) 0.000000 95.00000 X( C1, C6, V2) 0.000000 14.00000
48
X( C1, C7, V1) 0.000000 8.000000 X( C3, C8, V1) 0.000000 20.00000
X( C1, C7, V2) 0.000000 8.000000 X( C3, C8, V2) 0.000000 20.00000
X( C1, C8, V1) 0.000000 13.00000 X( C3, C9, V1) 0.000000 42.00000
X( C1, C8, V2) 0.000000 13.00000 X( C3, C9, V2) 0.000000 42.00000
X( C1, C9, V1) 0.000000 35.00000 X( C3, C10, V1) 0.000000 60.00000
X( C1, C9, V2) 0.000000 35.00000 X( C3, C10, V2) 0.000000 60.00000
X( C1, C10, V1) 0.000000 53.00000 X( C3, C11, V1) 0.000000 87.00000
X( C1, C10, V2) 0.000000 53.00000 X( C3, C11, V2) 0.000000 87.00000
X( C1, C11, V1) 0.000000 80.00000 X( C3, C12, V1) 0.000000 107.0000
X( C1, C11, V2) 0.000000 80.00000 X( C3, C12, V2) 0.000000 107.0000
X( C1, C12, V1) 0.000000 100.0000 X( C3, C13, V1) 0.000000 117.0000
X( C1, C12, V2) 0.000000 100.0000 X( C3, C13, V2) 0.000000 117.0000
X( C1, C13, 0.000000 110.0000 X( C3, C14, V1) 0.000000 131.0000
X( C1, C13, V2) 0.000000 110.0000 X( C3, C14, V2) 0.000000 131.0000
X( C1, C14, V1) 0.000000 124.0000 X( C3, C15, V1) 0.000000 143.0000
X( C1, C14, V2) 0.000000 124.0000 X( C3, C15, V2) 0.000000 143.0000
X( C1, C15, V1) 0.000000 136.0000 X( C3, C16, V1) 0.000000 167.0000
X( C1, C15, V2) 0.000000 136.0000 X( C3, C16, V2) 0.000000 167.0000
X( C1, C16, V1) 0.000000 160.0000 X( C3, C17, V1) 0.000000 175.0000
X( C1, C16, V2) 0.000000 160.0000 X( C3, C17, V2) 0.000000 175.0000
X( C1, C17, V1) 0.000000 168.0000 X( C4, C0, V1) 0.000000 35.00000
X( C1, C17, V2) 0.000000 168.0000 X( C4, C0, V2) 0.000000 35.00000
X( C2, C0, V1) 0.000000 7.000000 X( C4, C1, V1) 0.000000 31.00000
X( C2, C0, V2) 0.000000 7.000000 X( C4, C1, V2) 0.000000 31.00000
X( C2, C1, V1) 0.000000 3.000000 X( C4, C2, V1) 0.000000 28.00000
X( C2, C1, V2) 0.000000 3.000000 X( C4, C2, V2) 0.000000 28.00000
X( C2, C2, V1) 0.000000 0.000000 X( C4, C3, V1) 0.000000 27.00000
X( C2, C2, V2) 0.000000 0.000000 X( C4, C3, V2) 1.000000 27.00000
X( C2, C3, V1) 0.000000 5.000000 X( C4, C4, V1) 0.000000 0.000000
X( C2, C3, V2) 0.000000 5.000000 X( C4, C4, V2) 0.000000 0.000000
X( C2, C4, V1) 0.000000 28.00000 X( C4, C5, V1) 0.000000 33.00000
X( C2, C4, V2) 1.000000 28.00000 X( C4, C5, V2) 0.000000 33.00000
X( C2, C5, V1) 0.000000 5.000000 X( C4, C6, V1) 0.000000 45.00000
X( C2, C5, V2) 0.000000 5.000000 X( C4, C6, V2) 0.000000 45.00000
X( C2, C6, V1) 0.000000 17.00000 X( C4, C7, V1) 0.000000 38.00000
X( C2, C6, V2) 0.000000 17.00000 X( C4, C7, V2) 0.000000 38.00000
X( C2, C7, V1) 0.000000 10.00000 X( C4, C8, V1) 0.000000 43.00000
X( C2, C7, V2) 0.000000 10.00000 X( C4, C8, V2) 0.000000 43.00000
X( C2, C8, V1) 0.000000 15.00000 X( C4, C9, V1) 0.000000 65.00000
X( C2, C8, V2) 0.000000 15.00000 X( C4, C9, V2) 0.000000 65.00000
X( C2, C9, V1) 0.000000 37.00000 X( C4, C10, V1) 0.000000 83.00000
X( C2, C9, V2) 0.000000 37.00000 X( C4, C10, V2) 0.000000 83.00000
X( C2, C10, V1) 0.000000 55.00000 X( C4, C11, V1) 0.000000 110.0000
X( C2, C10, V2) 0.000000 55.00000 X( C4, C11, V2) 0.000000 110.0000
X( C2, C11, V1) 0.000000 82.00000 X( C4, C12, V1) 0.000000 130.0000
X( C2, C11, V2) 0.000000 82.00000 X( C4, C12, V2) 0.000000 130.0000
X( C2, C12, V1) 0.000000 102.0000 X( C4, C13, V1) 0.000000 140.0000
X( C2, C12, V2) 0.000000 102.0000 X( C4, C13, V2) 0.000000 140.0000
X( C2, C13, V1) 0.000000 112.0000 X( C4, C14, V1) 0.000000 154.0000
X( C2, C13, V2) 0.000000 112.0000 X( C4, C14, V2) 0.000000 154.0000
X( C2, C14, V1) 0.000000 126.0000 X( C4, C15, V1) 0.000000 166.0000
X( C2, C14, V2) 0.000000 126.0000 X( C4, C15, V2) 0.000000 166.0000
X( C2, C15, V1) 0.000000 138.0000 X( C4, C16, V1) 0.000000 190.0000
X( C2, C15, V2) 0.000000 138.0000 X( C4, C16, V2) 0.000000 190.0000
X( C2, C16, V1) 0.000000 162.0000 X( C4, C17, V1) 0.000000 198.0000
X( C2, C16, V2) 0.000000 162.0000 X( C4, C17, V2) 0.000000 198.0000
X( C2, C17, V1) 0.000000 170.0000 X( C5, C0, V1) 0.000000 7.000000
X( C2, C17, V2) 0.000000 170.0000 X( C5, C0, V2) 0.000000 7.000000
X( C3, C0, V1) 0.000000 12.00000 X( C5, C1, V1) 0.000000 2.000000
X( C3, C0, V2) 0.000000 12.00000 X( C5, C1, V2) 0.000000 2.000000
X( C3, C1, V1) 0.000000 8.000000 X( C5, C2, V1) 0.000000 5.000000
X( C3, C1, V2) 1.000000 8.000000 X( C5, C2, V2) 0.000000 5.000000
X( C3, C2, V1) 0.000000 5.000000 X( C5, C3, V1) 0.000000 10.00000
X( C3, C2, V2) 0.000000 5.000000 X( C5, C3, V2) 0.000000 10.00000
X( C3, C3, V1) 0.000000 0.000000 X( C5, C4, V1) 0.000000 33.00000
X( C3, C3, V2) 0.000000 0.000000 X( C5, C4, V2) 0.000000 33.00000
X( C3, C4, V1) 0.000000 27.00000 X( C5, C5, V1) 0.000000 0.000000
X( C3, C4, V2) 0.000000 27.00000 X( C5, C5, V2) 0.000000 0.000000
X( C3, C5, V1) 0.000000 10.00000 X( C5, C6, V1) 1.000000 12.00000
X( C3, C5, V2) 0.000000 10.00000 X( C5, C6, V2) 0.000000 12.00000
X( C3, C6, V1) 0.000000 22.00000 X( C5, C7, V1) 0.000000 10.00000
X( C3, C6, V2) 0.000000 22.00000 X( C5, C7, V2) 0.000000 10.00000
X( C3, C7, V1) 0.000000 15.00000 X( C5, C8, V1) 0.000000 15.00000
X( C3, C7, V2) 0.000000 15.00000 X( C5, C8, V2) 0.000000 15.00000
49
X( C5, C9, V1) 0.000000 37.00000 X( C7, C10, V1) 0.000000 45.00000
X( C5, C9, V2) 0.000000 37.00000 X( C7, C10, V2) 0.000000 45.00000
X( C5, C10, V1) 0.000000 55.00000 X( C7, C11, V1) 0.000000 72.00000
X( C5, C10, V2) 0.000000 55.00000 X( C7, C11, V2) 0.000000 72.00000
X( C5, C11, V1) 0.000000 82.00000 X( C7, C12, V1) 0.000000 92.00000
X( C5, C11, V2) 0.000000 82.00000 X( C7, C12, V2) 0.000000 92.00000
X( C5, C12, V1) 0.000000 102.0000 X( C7, C13, V1) 0.000000 102.0000
X( C5, C12, V2) 0.000000 102.0000 X( C7, C13, V2) 0.000000 102.0000
X( C5, C13, V1) 0.000000 112.0000 X( C7, C14, V1) 0.000000 116.0000
X( C5, C13, V2) 0.000000 112.0000 X( C7, C14, V2) 0.000000 116.0000
X( C5, C14, V1) 0.000000 126.0000 X( C7, C15, V1) 0.000000 128.0000
X( C5, C14, V2) 0.000000 126.0000 X( C7, C15, V2) 0.000000 128.0000
X( C5, C15, V1) 0.000000 138.0000 X( C7, C16, V1) 0.000000 152.0000
X( C5, C15, V2) 0.000000 138.0000 X( C7, C16, V2) 0.000000 152.0000
X( C5, C16, V1) 0.000000 162.0000 X( C7, C17, V1) 0.000000 160.0000
X( C5, C16, V2) 0.000000 162.0000 X( C7, C17, V2) 0.000000 160.0000
X( C5, C17, V1) 0.000000 170.0000 X( C8, C0, V1) 0.000000 8.000000
X( C5, C17, V2) 0.000000 170.0000 X( C8, C0, V2) 0.000000 8.000000
X( C6, C0, V1) 0.000000 19.00000 X( C8, C1, V1) 0.000000 13.00000
X( C6, C0, V2) 0.000000 19.00000 X( C8, C1, V2) 0.000000 13.00000
X( C6, C1, V1) 0.000000 14.00000 X( C8, C2, V1) 0.000000 15.00000
X( C6, C1, V2) 0.000000 14.00000 X( C8, C2, V2) 0.000000 15.00000
X( C6, C2, V1) 0.000000 17.00000 X( C8, C3, V1) 0.000000 20.00000
X( C6, C2, V2) 0.000000 17.00000 X( C8, C3, V2) 0.000000 20.00000
X( C6, C3, V1) 0.000000 22.00000 X( C8, C4, V1) 0.000000 43.00000
X( C6, C3, V2) 0.000000 22.00000 X( C8, C4, V2) 0.000000 43.00000
X( C6, C4, V1) 0.000000 45.00000 X( C8, C5, V1) 0.000000 15.00000
X( C6, C4, V2) 0.000000 45.00000 X( C8, C5, V2) 0.000000 15.00000
X( C6, C5, V1) 0.000000 12.00000 X( C8, C6, V1) 0.000000 27.00000
X( C6, C5, V2) 0.000000 12.00000 X( C8, C6, V2) 0.000000 27.00000
X( C6, C6, V1) 0.000000 0.000000 X( C8, C7, V1) 0.000000 5.000000
X( C6, C6, V2) 0.000000 0.000000 X( C8, C7, V2) 0.000000 5.000000
X( C6, C7, V1) 1.000000 22.00000 X( C8, C8, V1) 0.000000 0.000000
X( C6, C7, V2) 0.000000 22.00000 X( C8, C8, V2) 0.000000 0.000000
X( C6, C8, V1) 0.000000 27.00000 X( C8, C9, V1) 1.000000 22.00000
X( C6, C8, V2) 0.000000 27.00000 X( C8, C9, V2) 0.000000 22.00000
X( C6, C9, V1) 0.000000 49.00000 X( C8, C10, V1) 0.000000 40.00000
X( C6, C9, V2) 0.000000 49.00000 X( C8, C10, V2) 0.000000 40.00000
X( C6, C10, V1) 0.000000 67.00000 X( C8, C11, V1) 0.000000 67.00000
X( C6, C10, V2) 0.000000 67.00000 X( C8, C11, V2) 0.000000 67.00000
X( C6, C11, V1) 0.000000 94.00000 X( C8, C12, V1) 0.000000 87.00000
X( C6, C11, V2) 0.000000 94.00000 X( C8, C12, V2) 0.000000 87.00000
X( C6, C12, V1) 0.000000 114.0000 X( C8, C13, V1) 0.000000 97.00000
X( C6, C12, V2) 0.000000 114.0000 X( C8, C13, V2) 0.000000 97.00000
X( C6, C13, V1) 0.000000 124.0000 X( C8, C14, V1) 0.000000 111.0000
X( C6, C13, V2) 0.000000 124.0000 X( C8, C14, V2) 0.000000 111.0000
X( C6, C14, V1) 0.000000 138.0000 X( C8, C15, V1) 0.000000 123.0000
X( C6, C14, V2) 0.000000 138.0000 X( C8, C15, V2) 0.000000 123.0000
X( C6, C15, V1) 0.000000 150.0000 X( C8, C16, V1) 0.000000 147.0000
X( C6, C15, V2) 0.000000 150.0000 X( C8, C16, V2) 0.000000 147.0000
X( C6, C16, V1) 0.000000 174.0000 X( C8, C17, V1) 0.000000 155.0000
X( C6, C16, V2) 0.000000 174.0000 X( C8, C17, V2) 0.000000 155.0000
X( C6, C17, V1) 0.000000 182.0000 X( C9, C0, V1) 0.000000 30.00000
X( C6, C17, V2) 0.000000 182.0000 X( C9, C0, V2) 0.000000 30.00000
X( C7, C0, V1) 0.000000 3.000000 X( C9, C1, V1) 0.000000 35.00000
X( C7, C0, V2) 0.000000 3.000000 X( C9, C1, V2) 0.000000 35.00000
X( C7, C1, V1) 0.000000 8.000000 X( C9, C2, V1) 0.000000 37.00000
X( C7, C1, V2) 0.000000 8.000000 X( C9, C2, V2) 0.000000 37.00000
X( C7, C2, V1) 0.000000 10.00000 X( C9, C3, V1) 0.000000 42.00000
X( C7, C2, V2) 0.000000 10.00000 X( C9, C3, V2) 0.000000 42.00000
X( C7, C3, V1) 0.000000 15.00000 X( C9, C4, V1) 0.000000 65.00000
X( C7, C3, V2) 0.000000 15.00000 X( C9, C4, V2) 0.000000 65.00000
X( C7, C4, V1) 0.000000 38.00000 X( C9, C5, V1) 0.000000 37.00000
X( C7, C4, V2) 0.000000 38.00000 X( C9, C5, V2) 0.000000 37.00000
X( C7, C5, V1) 0.000000 10.00000 X( C9, C6, V1) 0.000000 49.00000
X( C7, C5, V2) 0.000000 10.00000 X( C9, C6, V2) 0.000000 49.00000
X( C7, C6, V1) 0.000000 22.00000 X( C9, C7, V1) 0.000000 27.00000
X( C7, C6, V2) 0.000000 22.00000 X( C9, C7, V2) 0.000000 27.00000
X( C7, C7, V1) 0.000000 0.000000 X( C9, C8, V1) 0.000000 22.00000
X( C7, C7, V2) 0.000000 0.000000 X( C9, C8, V2) 0.000000 22.00000
X( C7, C8, V1) 1.000000 5.000000 X( C9, C9, V1) 0.000000 0.000000
X( C7, C8, V2) 0.000000 5.000000 X( C9, C9, V2) 0.000000 0.000000
X( C7, C9, V1) 0.000000 27.00000 X( C9, C10, V1) 0.000000 18.00000
X( C7, C9, V2) 0.000000 27.00000 X( C9, C10, V2) 0.000000 18.00000
50
X( C9, C11, V1) 0.000000 45.00000 X( C11, C12, V1) 0.000000 20.00000
X( C9, C11, V2) 0.000000 45.00000 X( C11, C12, V2) 0.000000 20.00000
X( C9, C12, V1) 0.000000 65.00000 X( C11, C13, V1) 0.000000 30.00000
X( C9, C12, V2) 0.000000 65.00000 X( C11, C13, V2) 0.000000 30.00000
X( C9, C13, V1) 1.000000 75.00000 X( C11, C14, V1) 0.000000 44.00000
X( C9, C13, V2) 0.000000 75.00000 X( C11, C14, V2) 0.000000 44.00000
X( C9, C14, V1) 0.000000 89.00000 X( C11, C15, V1) 0.000000 56.00000
X( C9, C14, V2) 0.000000 89.00000 X( C11, C15, V2) 0.000000 56.00000
X( C9, C15, V1) 0.000000 101.0000 X( C11, C16, V1) 0.000000 80.00000
X( C9, C15, V2) 0.000000 101.0000 X( C11, C16, V2) 0.000000 80.00000
X( C9, C16, V1) 0.000000 125.0000 X( C11, C17, V1) 0.000000 88.00000
X( C9, C16, V2) 0.000000 125.0000 X( C11, C17, V2) 0.000000 88.00000
X( C9, C17, V1) 0.000000 133.0000 X( C12, C0, V1) 0.000000 95.00000
X( C9, C17, V2) 0.000000 133.0000 X( C12, C0, V2) 0.000000 95.00000
X( C10, C0, V1) 1.000000 48.00000 X( C12, C1, V1) 0.000000 100.0000
X( C10, C0, V2) 0.000000 48.00000 X( C12, C1, V2) 0.000000 100.0000
X( C10, C1, V1) 0.000000 53.00000 X( C12, C2, V1) 0.000000 102.0000
X( C10, C1, V2) 0.000000 53.00000 X( C12, C2, V2) 0.000000 102.0000
X( C10, C2, V1) 0.000000 55.00000 X( C12, C3, V1) 0.000000 107.0000
X( C10, C2, V2) 0.000000 55.00000 X( C12, C3, V2) 0.000000 107.0000
X( C10, C3, V1) 0.000000 60.00000 X( C12, C4, V1) 0.000000 130.0000
X( C10, C3, V2) 0.000000 60.00000 X( C12, C4, V2) 0.000000 130.0000
X( C10, C4, V1) 0.000000 83.00000 X( C12, C5, V1) 0.000000 102.0000
X( C10, C4, V2) 0.000000 83.00000 X( C12, C5, V2) 0.000000 102.0000
X( C10, C5, V1) 0.000000 55.00000 X( C12, C6, V1) 0.000000 114.0000
X( C10, C5, V2) 0.000000 55.00000 X( C12, C6, V2) 0.000000 114.0000
X( C10, C6, V1) 0.000000 67.00000 X( C12, C7, V1) 0.000000 92.00000
X( C10, C6, V2) 0.000000 67.00000 X( C12, C7, V2) 0.000000 92.00000
X( C10, C7, V1) 0.000000 45.00000 X( C12, C8, V1) 0.000000 87.00000
X( C10, C7, V2) 0.000000 45.00000 X( C12, C8, V2) 0.000000 87.00000
X( C10, C8, V1) 0.000000 40.00000 X( C12, C9, V1) 0.000000 65.00000
X( C10, C8, V2) 0.000000 40.00000 X( C12, C9, V2) 0.000000 65.00000
X( C10, C9, V1) 0.000000 18.00000 X( C12, C10, V1) 0.000000 47.00000
X( C10, C9, V2) 0.000000 18.00000 X( C12, C10, V2) 0.000000 47.00000
X( C10, C10, V1) 0.000000 0.000000 X( C12, C11, V1) 1.000000 20.00000
X( C10, C10, V2) 0.000000 0.000000 X( C12, C11, V2) 0.000000 20.00000
X( C10, C11, V1) 0.000000 27.00000 X( C12, C12, V1) 0.000000 0.000000
X( C10, C11, V2) 0.000000 27.00000 X( C12, C12, V2) 0.000000 0.000000
X( C10, C12, V1) 0.000000 47.00000 X( C12, C13, V1) 0.000000 10.00000
X( C10, C12, V2) 0.000000 47.00000 X( C12, C13, V2) 0.000000 10.00000
X( C10, C13, V1) 0.000000 57.00000 X( C12, C14, V1) 0.000000 24.00000
X( C10, C13, V2) 0.000000 57.00000 X( C12, C14, V2) 0.000000 24.00000
X( C10, C14, V1) 0.000000 71.00000 X( C12, C15, V1) 0.000000 36.00000
X( C10, C14, V2) 0.000000 71.00000 X( C12, C15, V2) 0.000000 36.00000
X( C10, C15, V1) 0.000000 83.00000 X( C12, C16, V1) 0.000000 60.00000
X( C10, C15, V2) 0.000000 83.00000 X( C12, C16, V2) 0.000000 60.00000
X( C10, C16, V1) 0.000000 107.0000 X( C12, C17, V1) 0.000000 68.00000
X( C10, C16, V2) 0.000000 107.0000 X( C12, C17, V2) 0.000000 68.00000
X( C10, C17, V1) 0.000000 115.0000 X( C13, C0, V1) 0.000000 105.0000
X( C10, C17, V2) 0.000000 115.0000 X( C13, C0, V2) 0.000000 105.0000
X( C11, C0, V1) 0.000000 75.00000 X( C13, C1, V1) 0.000000 110.0000
X( C11, C0, V2) 0.000000 75.00000 X( C13, C1, V2) 0.000000 110.0000
X( C11, C1, V1) 0.000000 80.00000 X( C13, C2, V1) 0.000000 112.0000
X( C11, C1, V2) 0.000000 80.00000 X( C13, C2, V2) 0.000000 112.0000
X( C11, C2, V1) 0.000000 82.00000 X( C13, C3, V1) 0.000000 117.0000
X( C11, C2, V2) 0.000000 82.00000 X( C13, C3, V2) 0.000000 117.0000
X( C11, C3, V1) 0.000000 87.00000 X( C13, C4, V1) 0.000000 140.0000
X( C11, C3, V2) 0.000000 87.00000 X( C13, C4, V2) 0.000000 140.0000
X( C11, C4, V1) 0.000000 110.0000 X( C13, C5, V1) 0.000000 112.0000
X( C11, C4, V2) 0.000000 110.0000 X( C13, C5, V2) 0.000000 112.0000
X( C11, C5, V1) 0.000000 82.00000 X( C13, C6, V1) 0.000000 124.0000
X( C11, C5, V2) 0.000000 82.00000 X( C13, C6, V2) 0.000000 124.0000
X( C11, C6, V1) 0.000000 94.00000 X( C13, C7, V1) 0.000000 102.0000
X( C11, C6, V2) 0.000000 94.00000 X( C13, C7, V2) 0.000000 102.0000
X( C11, C7, V1) 0.000000 72.00000 X( C13, C8, V1) 0.000000 97.00000
X( C11, C7, V2) 0.000000 72.00000 X( C13, C8, V2) 0.000000 97.00000
X( C11, C8, V1) 0.000000 67.00000 X( C13, C9, V1) 0.000000 75.00000
X( C11, C8, V2) 0.000000 67.00000 X( C13, C9, V2) 0.000000 75.00000
X( C11, C9, V1) 0.000000 45.00000 X( C13, C10, V1) 0.000000 57.00000
X( C11, C9, V2) 0.000000 45.00000 X( C13, C10, V2) 0.000000 57.00000
X( C11, C10, V1) 1.000000 27.00000 X( C13, C11, V1) 0.000000 30.00000
X( C11, C10, V2) 0.000000 27.00000 X( C13, C11, V2) 0.000000 30.00000
X( C11, C11, V1) 0.000000 0.000000 X( C13, C12, V1) 0.000000 10.00000
X( C11, C11, V2) 0.000000 0.000000 X( C13, C12, V2) 0.000000 10.00000
51
X( C13, C13, V1) 0.000000 0.000000 X( C15, C14, V1) 1.000000 12.00000
X( C13, C13, V2) 0.000000 0.000000 X( C15, C14, V2) 0.000000 12.00000
X( C13, C14, V1) 0.000000 14.00000 X( C15, C15, V1) 0.000000 0.000000
X( C13, C14, V2) 0.000000 14.00000 X( C15, C15, V2) 0.000000 0.000000
X( C13, C15, V1 0.000000 26.00000 X( C15, C16, V1) 0.000000 24.00000
X( C13, C15, V2) 0.000000 26.00000 X( C15, C16, V2) 0.000000 24.00000
X( C13, C16, V1) 1.000000 50.00000 X( C15, C17, V1) 0.000000 32.00000
X( C13, C16, V2) 0.000000 50.00000 X( C15, C17, V2) 0.000000 32.00000
X( C13, C17, V1) 0.000000 58.00000 X( C16, C0, V1) 0.000000 155.0000
X( C13, C17, V2) 0.000000 58.00000 X( C16, C0, V2) 0.000000 155.0000
X( C14, C0, V1) 0.000000 119.0000 X( C16, C1, V1) 0.000000 160.0000
X( C14, C0, V2) 0.000000 119.0000 X( C16, C1, V2) 0.000000 160.0000
X( C14, C1, V1) 0.000000 124.0000 X( C16, C2, V1) 0.000000 162.0000
X( C14, C1, V2) 0.000000 124.0000 X( C16, C2, V2) 0.000000 162.0000
X( C14, C2, V1) 0.000000 126.0000 X( C16, C3, V1) 0.000000 167.0000
X( C14, C2, V2) 0.000000 126.0000 X( C16, C3, V2) 0.000000 167.0000
X( C14, C3, V1) 0.000000 131.0000 X( C16, C4, V1) 0.000000 190.0000
X( C14, C3, V2) 0.000000 131.0000 X( C16, C4, V2) 0.000000 190.0000
X( C14, C4, V1) 0.000000 154.0000 X( C16, C5, V1) 0.000000 162.0000
X( C14, C4, V2) 0.000000 154.0000 X( C16, C5, V2) 0.000000 162.0000
X( C14, C5, V1) 0.000000 126.0000 X( C16, C6, V1) 0.000000 174.0000
X( C14, C5, V2) 0.000000 126.0000 X( C16, C6, V2) 0.000000 174.0000
X( C14, C6, V1) 0.000000 138.0000 X( C16, C7, V1) 0.000000 152.0000
X( C14, C6, V2) 0.000000 138.0000 X( C16, C7, V2) 0.000000 152.0000
X( C14, C7, V1) 0.000000 116.0000 X( C16, C8, V1) 0.000000 147.0000
X( C14, C7, V2) 0.000000 116.0000 X( C16, C8, V2) 0.000000 147.0000
X( C14, C8, V1) 0.000000 111.0000 X( C16, C9, V1) 0.000000 125.0000
X( C14, C8, V2) 0.000000 111.0000 X( C16, C9, V2) 0.000000 125.0000
X( C14, C9, V1) 0.000000 89.00000 X( C16, C10, V1) 0.000000 107.0000
X( C14, C9, V2) 0.000000 89.00000 X( C16, C10, V2) 0.000000 107.0000
X( C14, C10, V1) 0.000000 71.00000 X( C16, C11, V1) 0.000000 80.00000
X( C14, C10, V2) 0.000000 71.00000 X( C16, C11, V2) 0.000000 80.00000
X( C14, C11, V1) 0.000000 44.00000 X( C16, C12, V1) 0.000000 60.00000
X( C14, C11, V2) 0.000000 44.00000 X( C16, C12, V2) 0.000000 60.00000
X( C14, C12, V1) 1.000000 24.00000 X( C16, C13, V1) 0.000000 50.00000
X( C14, C12, V2) 0.000000 24.00000 X( C16, C13, V2) 0.000000 50.00000
X( C14, C13, V1) 0.000000 14.00000 X( C16, C14, V1) 0.000000 36.00000
X( C14, C13, V2) 0.000000 14.00000 X( C16, C14, V2) 0.000000 36.00000
X( C14, C14, V1) 0.000000 0.000000 X( C16, C15, V1) 0.000000 24.00000
X( C14, C14, V2) 0.000000 0.000000 X( C16, C15, V2) 0.000000 24.00000
X( C14, C15, V1) 0.000000 12.00000 X( C16, C16, V1) 0.000000 0.000000
X( C14, C15, V2) 0.000000 12.00000 X( C16, C16, V2) 0.000000 0.000000
X( C14, C16, V1) 0.000000 36.00000 X( C16, C17, V1) 1.000000 8.000000
X( C14, C16, V2) 0.000000 36.00000 X( C16, C17, V2) 0.000000 8.000000
X( C14, C17, V1) 0.000000 44.00000 X( C17, C0, V1) 0.000000 163.0000
X( C14, C17, V2) 0.000000 44.00000 X( C17, C0, V2) 0.000000 163.0000
X( C15, C0, V1) 0.000000 131.0000 X( C17, C1, V1) 0.000000 168.0000
X( C15, C0, V2) 0.000000 131.0000 X( C17, C1, V2) 0.000000 168.0000
X( C15, C1, V1) 0.000000 136.0000 X( C17, C2, V1) 0.000000 170.0000
X( C15, C1, V2) 0.000000 136.0000 X( C17, C2, V2) 0.000000 170.0000
X( C15, C2, V1) 0.000000 138.0000 X( C17, C3, V1) 0.000000 175.0000
X( C15, C2, V2) 0.000000 138.0000 X( C17, C3, V2) 0.000000 175.0000
X( C15, C3, V1) 0.000000 143.0000 X( C17, C4, V1) 0.000000 198.0000
X( C15, C3, V2) 0.000000 143.0000 X( C17, C4, V2) 0.000000 198.0000
X( C15, C4, V1) 0.000000 166.0000 X( C17, C5, V1) 0.000000 170.0000
X( C15, C4, V2) 0.000000 166.0000 X( C17, C5, V2) 0.000000 170.0000
X( C15, C5, V1) 0.000000 138.0000 X( C17, C6, V1) 0.000000 182.0000
X( C15, C5, V2) 0.000000 138.0000 X( C17, C6, V2) 0.000000 182.0000
X( C15, C6, V1) 0.000000 150.0000 X( C17, C7, V1) 0.000000 160.0000
X( C15, C6, V2) 0.000000 150.0000 X( C17, C7, V2) 0.000000 160.0000
X( C15, C7, V1) 0.000000 128.0000 X( C17, C8, V1) 0.000000 155.0000
X( C15, C7, V2) 0.000000 128.0000 X( C17, C8, V2) 0.000000 155.0000
X( C15, C8, V1) 0.000000 123.0000 X( C17, C9, V1) 0.000000 133.0000
X( C15, C8, V2) 0.000000 123.0000 X( C17, C9, V2) 0.000000 133.0000
X( C15, C9, V1) 0.000000 101.0000 X( C17, C10, V1) 0.000000 115.0000
X( C15, C9, V2) 0.000000 101.0000 X( C17, C10, V2) 0.000000 115.0000
X( C15, C10, V1) 0.000000 83.00000 X( C17, C11, V1) 0.000000 88.00000
X( C15, C10, V2) 0.000000 83.00000 X( C17, C11, V2) 0.000000 88.00000
X( C15, C11, V1) 0.000000 56.00000 X( C17, C12, V1) 0.000000 68.00000
X( C15, C11, V2) 0.000000 56.00000 X( C17, C12, V2) 0.000000 68.00000
X( C15, C12, V1) 0.000000 36.00000 X( C17, C13, V1) 0.000000 58.00000
X( C15, C12, V2) 0.000000 36.00000 X( C17, C13, V2) 0.000000 58.00000
X( C15, C13, V1) 0.000000 26.00000 X( C17, C14, V1) 0.000000 44.00000
X( C15, C13, V2) 0.000000 26.00000 X( C17, C14, V2) 0.000000 44.00000
52
X( C17, C15, V1) 1.000000 32.00000

X( C17, C15, V2) 0.000000 32.00000
X( C17, C16, V2) 0.000000 8.000000
X( C17, C16, V1) 0.000000 8.000000
X( C17, C17, V1) 0.000000 0.000000
X( C17, C17, V2) 0.000000 0.000000

2010 Isk

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

2010 Isk

Diunggah oleh

Hak Cipta:

Format Tersedia

MODEL OPTIMASI VEHICLE ROUTING PROBLEM DAN

Bogor, Juni 2010

ISKANDAR. Optimization Model of Vehicle Routing Problem and Its

A class of distribution of commodities problem can be modeled

Keywords: optimization, distribution, vehicle routing problem, branch and bound

ISKANDAR. Model Optimasi Vehicle Routing Problem dan Implementasinya.

Dr. Ir.Amril Aman, M.Sc. Dra. Farida Hanum, M.Si.

Ketua Program Studi Dekan Sekolah Pascasarjana

Tanggal Ujian: 21 Mei 2010 Tanggal Lulus:

Bogor, Juni 2010

Penulis dilahirkan di Bireuen Nanggroe Aceh Darussalam pada tanggal 30

1.1 Latar Belakang

Pada penelitian ini dibuat formulasi masalah pendistribusian barang ke

1.2 Tujuan Penelitian

1.3 Manfaat Penelitian

Untuk memahami permasalahan yang berhubungan dengan penentuan rute

2.2 Linear Programming

Definisi 2 (Bentuk standar suatu LP)

dengan cj, aij dan bi merupakan konstanta yang nilainya diketahui.

2.2.1 Solusi Suatu Linear Programming (LP)

2.3 Integer Linear Programming

Definisi 3 (Linear Programming Relaksasi)

Linear programming relaksasi dari suatu integer programming merupakan

2.4 Metode Branch and Bound

Untuk memperoleh solusi optimal dari masalah integer programming dapat

Dalam hal ini akan muncul dua kasus yaitu:

Solusi optimum dari LP-relaksasi contoh tersebut (LP0) adalah z = 4.85,

- Ruang LP2= ruang LP0 + kendala (x1 ≥ 3)

4• Solusi optimum LP0

Gambar 1 Daerah fisibel LP.

Gambar 2 Grafik ruang LP1 dan LP2.

Diperoleh solusi optimum untuk masalah LP di atas, yaitu z = 4.4 , x1 = 2,

Penggunaan metode branch and bound untuk menyelesaikan masalah IP

z = 4.85, x1 =2.75, dan x2 =2.1

z = 4, x1 =2, dan x2 =2 z = 3.5, x1 =0.5, dan x2 =3

Gambar 3 Pencabangan dengan metode branch and bound untuk menemukan

2.5 Traveling Salesman Problem (TSP)

salesman memulai perjalanan. Misalkan adalah jarak tempuh (biaya

maka TSP dapat diformulasikan secara matematis sebagai berikut:

Persamaan (2.21) merupakan fungsi tujuannya yaitu meminimumkan total

Gambar 4 Contoh penyelesaian TSP.

2.6 Vehicle Routing Problem (VRP)

Gambar 5 Contoh penyelesaian VRP satu depot dengan 3 rute.

Batasan tersebut untuk menjamin bahwa terdapat K kendaraan yang beroperasi

Batasan ini memastikan bahwa setiap konsumen akan dikunjungi oleh

Kendala tersebut menjamin bahwa total permintaan konsumen dalam setiap

Batasan ini memastikan bahwa variabel keputusan merupakan integer

Batasan ini menjamin variabel keputusan merupakan integer biner.

Permasalahan VRP yang dikemukakan oleh Kallehauge et al. (2001) adalah

Batasan tersebut untuk memastikan bahwa total jumlah permintaan pelanggan

Batasan tersebut menjamin bahwa setiap kendaraan memulai rute perjalanan

Batasan ini memastikan bahwa setiap kendaraan yang mengunjungi suatu

Kendala tersebut memastikan bahwa setiap rute perjalanan kendaraan berakhir

Batasan variabel keputusan merupakan integer biner

2.7 Capacitated Vehicle Routing Problem (CVRP)

Sedangkan adalah himpunan sisi berarah (arc)

Batasan tersebut menjamin bahwa setiap rute perjalanan kendaraan berawal

Batasan bahwa setiap rute perjalanan kendaraan berakhir di depot.

Variabel keputusan merupakan integer biner

Variabel keputusannya adalah:

dengan batasan kapasitas kendaraan. Variabel keputusan hanya akan terdefinisi

III ALUR PENELITIAN

3.1 Pendeskripsian dan Formulasi Masalah