1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
ABSTRAK
Indikator keberhasilan dari penenggulangan bencana dapat dilihat dari sistem logistik bencana. Salah satu cara untuk
merancang sistem logistik bencana yang baik adalah dengan membuat jaringan distribusi yang efektif dan efisien.
Permasalahan yang sesuai dengan perancangan jaringan ini adalah vehicle routing problem. Fungsi tujuan dari
permasalahan adalah penentuan rute optimal untuk mendistribusikan bantuan dari gudang ke para korban dengan durasi
waktu yang minimum. Metode pemecahan untuk menyelesaikan permasalahan menggunakan algoritma branch and bound,
insertion heuristic, dan local search. Hasil yang didapatkan dengan algoritma branch and bound dan algoritma local
search bersifat optimal global yaitu dengan waktu tempuh 1,0562 jam. Namun waktu komputasi menggunakan algoritma
branch and bound sangat lama hingga 22 jam sedangkan algoritma local search hanya membutuhkan waktu 60 detik.
Algoritma insertion heuristic juga menghasilkan solusi dengan waktu tempuh 1,1030 jam. Solusi ini bersifat optimal lokal,
namun waktu komputasinya sangat singkat yaitu hanya 0,001 detik.
Kata kunci: Bencana, Vehicle Routing Problem, Branch and Bound, Insertion Heuristic, Local Search
ABSTRACT
The success indicators of disaster mitigation can be seen from the disaster logistics system. Effective and efficient
distribution network can make a good disaster logistics system. The problem that related to the design of this network is the
vehicle routing problem. The objective is determined optimal route of relief distribution from warehouse to victims with
minimum time duration. The problem is solved by branch and bound, insertion heuristic, and local search algorithms. The
results obtained by branch and bound and local search algorithm are optimal global. Time duration of vehicle using these
algoritm is 1.0562 hours. However, computation time using branch and bound algorithm is very long until 22 hours while
local search algorithm only takes 60 seconds. The insertion heuristic algorithm also produces a good solution. Time
duration of vehicle using this algoritm is 1,1030 hours. This solution is local optimal, but the computation time is very
short, only 0.001 seconds.
Keywords: Disaster, Vehicle Routing Problem, Branch and Bound, Insertion Heuristic, Local Search
Page | 75
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
bencana gempa bumi dan Tsunami di Aceh pada Namun, ketersediaan tersebut juga tidak bagus jika
tahun 2004 silam yang menelan korban ribuan jiwa. penyaluran bantuan tidak lancar.
Berbagai bantuan sandang dan pangan datang baik
dari dalam maupun dari luar negeri. Bantuan- Menurut Thomas dan Kopczak (2005) masalah
bantuan itu sukses didistribusikan ke korban, namun utama yang sering dihadapi dalam sistem logistik
ada hal-hal yang harus dibenahi jika sewaktu-waktu bencana bukanlah jumlah pasokannya, namun
terjadi bencana alam yang serupa, misalnya pendistribusian yang lambat dan tidak tepat.
ketepatan dan kecepatan waktu pendistribusian Seringkali dalam pendistribusian bantuan tidak
bantuan dari gudang bencana ke para korban. merata sehingga terjadi kesenjangan logistik antar
korban bencana. Pendistribusian yang lambat bisa
Bencana adalah permasalahan yang komprehensif disebabkan karena informasi yang lambat,
dan tidak pernah habisnya. Untuk menyikapi penerimaan dan perencanaan yang tidak tepat dan
bencana gempa bumi yang sering terjadi di Aceh, proses pendistribusian yang lambat.
pemikiran terhadap penanggulangan bencana yang
tepat dan cepat harus dipahami dan Berdasarkan studi lapangan, jumlah bantuan yang
diimplementasikan oleh semua pihak terutama yang datang ketika terjadi bencana cukup banyak,
pemerintah. Sebagaimana telah dijelaskan dalam bahkan gudang penampung sudah tidak mampu
Undang-undang tentang penanggulangan bencana, menampung bantuan yang datang. Jika dilihat dari
pemerintah daerah merupakan penanggung jawab jumlah bantuan yang datang, sudah seharusnya
penyelenggaraan penanggulangan bencana. tidak mungkin terjadi kesenjangan logistik diantara
para korban. Permasalahan yang sering dihadapi
Salah satu indikator yang mempengaruhi sukses adalah waktu kedatangan bantuan yang terlalu lama
atau tidaknya penanggulangan sistem bencana dapat di penampungan para korban. Untuk mempercepat
dilihat dari sistem logistik bencana (Bintaro, 2012). waktu kedatangan, dapat dilakukan dengan
Sistem logistik yang baik, akan memperlancar merencanakan rute kendaraan pengangkut bantuan
proses pemberian bantuan untuk para korban. yang efektif dan efisien. Dalam ilmu logistik
Menurut Haghani dan Afshar (2009) penyaluran permasalahan ini biasa disebut dengan vehicle
barang bantuan harus dilakukan dengan cepat dan routing problem (VRP).
efisien sehingga memaksimalkan tingkat
keselamatan penduduk. Oleh sebab itu, pemerintah VRP merupakan suatu permasalahan dalam dunia
perlu memperhatikan penyelenggaran sistem transportasi untuk membentuk rute-rute optimal
logistik bencana agar dapat berjalan sesuai rencana. supaya meminimumkan biaya yang berhubungan
dengan transportasi (Toth & Vigo, 2014). Dalam
Sistem logistik bencana atau biasa disebut dengan SCM konvensional, biaya yang dapat
Disaster Relief Operation (DRO) meliputi diminimumkan adalah biaya yang berhubungan
perencanaan, pendistribusian, dan penerimaan di dengan kendaraan seperti penggunaan bahan bakar
tempat tujuan. Aktivitas ini mirip dengan aktifitas dengan cara menyeimbangkan rute-rute yang
supply chain management (SCM) komersial memperhatikan waktu dan muatan kendaraan serta
sehingga secara prinsip pendekatan dan teknik SCM biaya pinalti akibat keterlambatan. Namun, dalam
dapat diterapkan untuk sistem logistik bencana. DRO biaya ini dapat diwakilkan oleh waktu tempuh
Perbedaan DRO dengan SCM komersial adalah kendaraan dalam satu rute.
tujuan yang ingin dicapai. Pada SCM komersial,
bertujuan memberikan pelayanan kepada pelanggan Penelitian lain yang berhubungan dengan penelitian
dengan cara yang menguntungkan, sedangkan pada ini telah dilakukan oleh Mahendra (2015) dimana
DRO berfokus pada pemenuhan kebutuhan bantuan dalam penelitiannya ditemukan solusi optimal
dengan cepat dan tepat. Ketersediaan pasokan yang dalam
tinggi merupakan hal yang penting dalam logistik Travelling Salesman Problem (TSP) untuk
bencana (Pujawan, Kurniati dan Wessiani, 2009). penentuan rute distribusi bantuan bencana erupsi
gunung Merapi di Yogyakarta, namun asumsi yang
Page | 76
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
digunakan adalah tidak mempertimbangkan Aceh dan studi literatur. Studi literatur dilakukan
jenis logistik yang dikirimkan dan kapasitas juga untuk mendapatkan model matematis dan
kendaraan selalu dapat mencukupi kebutuhan yang metode pemecahan masalah yang relevan sehingga
ada. Pada kenyataannya menurut Situmorang dengan metode tersebut akan didapatkan solusi
(2014), kebutuhan logistik medis yang menjadi terbaik yang menjawab permasalahan. Setelah
salah satu kebutuhan critical, dan dalam kondisi permasalahan teridentifikasi, ditetapkan tujuan dan
darurat selalu terdapat keterbatasan kapasitas manfaat yang akan diperoleh dari hasil penelitian.
distribusi dari kendaraan yang tersedia, hal ini juga Selanjutnya ditetapkan batasan masalah dan asumsi
sesuai dengan hasil penelitian dari Ozdamar dkk. untuk menyederhanakan real system yang dihadapi.
(2004).
2.2 Implementasi Model Matematis
Permasalahan VRP dapat dipecahkan dengan Berdasarkan studi literatur yang telah dilakukan,
metode analitik maupun heuristik. Pemecahan maka ditetapkan satu model matematis acuan.
menggunakan metode analitik akan membutuhkan Model matematis acuan akan dimodifikasi sesuai
waktu yang lama jika jumlah titik pengungsi terlalu kebutuhan berdasarkan permasalahan, selanjutnya
banyak. Hal ini disebabkan CVRP merupakan akan dilakukan verifikasi untuk memeriksa
permasalahan NP-hard. Permasalahan ini kebenaran dari model yang digunakan. Model
merupakan permasalahan yang membutuhkan matematis akan dieksekusi pada perangkat lunak
waktu yang sangat lama jika dipecahkan dengan optimisasi LINGO 11.0 menggunakan algoritma
metode analitik. Semakin kompleks permasalahan, eksak branch-and-bound (BB).
waktu yang dibutuhkan untuk memecahkan kasus
tersebut akan semakin tinggi. Hubungan antara 2.3 Perancangan Algoritma
kompleksitas dan waktu dapat digambarkan secara Algoritma eksak, memiliki kekurangan yaitu waktu
eksponensial. Oleh karena itu untuk pemecahan komputasi yang sangat lama untuk mendapatkan
permasalahan NP-hard dengan waktu komputasi solusi global optimum. Oleh karena itu untuk
singkat dan tidak mengabaikan kualitas solusi yang mendapatkan solusi yang mendekati solusi global
akan diperoleh, dalam penelitian ini akan dirancang optimum dengan waktu yang cepat, akan dirancang
sebuah metode metaheuristik yang cukup populer algoritma heuristik untuk pemecahan masalah.
digunakan untuk menyelesaikan kasus VRP. Algoritma IH akan digunakan untuk mendapatkan
Metode tersebut adalah algoritma local search (LS). solusi awal, kemudian algoritma LS digunakan
untuk mecari solusi yang lebih baik atau sebagai
Suprayogi dan Priyandari (2009) menerapkan improvement. Selanjutnya algoritma yang dirancang
algoritma LS untuk varian VRP yang berbeda, juga akan dilakukan verifikasi untuk memeriksa
solusi awal yang digunakan didapatkan dari apakah solusi yang didapatkan feasible (layak) atau
algoritma penyisipan sekuensial Suprayogi dan tidak. Algoritma akan dirancang pada bahasa
Priyandari (2007). Dalam penelitian ini, juga akan pemograman MATLAB 2015a.
digunakan algoritma insertion heuristic (IH) sebagai
algoritma kontruksi, kemudian algoritma LS 2.4 Implementasi dan Analisis
sebagai algoritma perbaikan. Pencarian solusi dari algoritma BB, algoritma IH
dan algoritma LS, akan dijalankan pada komputer
dengan spesifikasi: prosesor Intel® Core™ i5-3470
2. METODE PENELITIAN CPU@3.20GHz (4CPUs), ~3.2GHz, GB RAM, dan
system type 64 bit. Waktu pencarian solusi akan
2.1 Identifikasi Kebutuhan Penelitian dibatasi selama 24 jam. Analisis dilakukan dengan
Bagian ini akan menjelaskan tahapan-tahapan membandingkan hasil dari algoritma BB, algoritma
penelitian yang telah dilakukan. Tahap awal adalah IH dan algoritma LS dari data yang digunakan.
melakukan identifikasi kebutuhan penelitian.
Identifikasi masalah dilakukan dengan cara studi
lapangan, wawancara dengan pihak BPBA di Banda
Page | 77
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
2.5 Penarikan Kesimpulan dan Saran untuk penelitian selanjutnya supaya permasalahan
Setelah semua tahapan penelitian dilakukan, maka yang dihadapi lebih mendekati real system.
akan diambil kesimpulan terhadap penelitian yang
telah dilakukan. Selanjutnya akan diberikan saran
Studi pendahuluan
Penetapan acuan Perancangan
untuk model model
matematis matematis Model sudah
Identifikasi dan terverifikasi?
perumusan masalah
Ya
Tidak
Penetapan tujuan
dan manfaat
penelitian PERANCANGAN ALGORITMA IMPLEMENTASI DAN
ANALISIS
Literatur
Perancangan Pencarian solusi
algoritma LS
algoritma LS
terpilih
Studi literatur
Analisis
Page | 78
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
Page | 79
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
Gudang 1 3 Gudang
Gudang 4 2 5 Gudang
Page | 80
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
Tabel 3. Pemeriksaan solusi terhadap pembatas algoritma pemecahan yang lain kemudian
dibandingkan dengan algoritma LS untuk kasus
Pembatas Satus yang lebih besar.
(2) Tidak terlanggar
(3) Tidak terlanggar
(4) Tidak terlanggar 5. UCAPAN TERIMA KASIH
(5) Tidak terlanggar
(6) Tidak terlanggar Peneliti sangat berterima kasih kepada Badan
Penanggulangan Bencana Aceh (BPPA) yang telah
Setelah hasil solusi telah didapatkan, maka memberikan data dan informasi untuk kelancaran
dilakukan pemeriksaan solusi terhadap batasan. penelitian ini.
Berdasarkan tabel 3, setelah pemeriksaan tidak ada
batasan yang terlanggar baik menggunakan 6. DAFTAR PUSTAKA
algoritma BB, IH maupun LS, sehingga solusi
sudah layak digunakan. [1] Bintaro, A.G. (2012). Pengembangan logistik
4. KESIMPULAN bencana: Pembelajaran dari Penanganan
bencana erupsi merapi, Prosiding Seminar
Sistem logistik bencana sangat penting untuk diteliti Nasional Teknologi Industri, Fakultas
karena berhubungan dengan hajat hidup korban Teknologi Industri Universitas Trisakti,
bencana. Salah satu cara untuk mengoptimalkan Jakarta.
sistem logistik bencana adalah dengan membentuk
rute-rute optimal pendistribusian bantuan untuk [2] Haghani, Ali dan Afshar, Abbas M. (2009).
korban bencana. Pembentukan rute optimal Supply chain management in disaster
dilakukan dengan fungsi tujuan meminimumkan response, Final Project Report,
waktu tempuh kendaraan pengangkut bantuan. Departement of Civil & Environmental
Berdasarkan studi kasus pendistribusian bantuan
pasca bencana di Banda Aceh, dapat digolongkan Engineering University of Maryland.
dalam permasalahan VRP yang mempertimbangkan
[3] Pujawan, I. N., Kurniati, N., dan Wessiani, N. A.
kapasitas. Dari hasil model matematis
menggunakan algoritma BB dan LS didapatkan (2009). Supply Chain Management for
solusi optimal global, namun algoritma BB Disaster Relief Operation: Principles and
membutuhkan waktu yang sangat lama yaitu 22 Case Studies. International Journal of
jam. Sedangkan algoritma LS hanya membutuhkan Logistics System and Management, 5(6),
waktu 1 menit. Selain itu untuk membangkitkan 679-692.
solusi awal juga dirancang algoritma IH, solusi
yang ditawarkan tidak begitu bagus namun waktu [4] Thomas, A. S. dan Kopczak, L. R. (2005). From
komputasinya sangat singkat yaitu 0, 001 detik. Logistic to Supply Chain Management: The
Path Forward in The Humanitarian Sector.
Dalam penelitian ini, masih banyak menggunakan
asumsi, misalnya kendaraan homogen, jenis Fritlz Institute, 15, 1-15.
bantuannya hanya satu jenis, karakteristik
kebutuhan deterministik, jarak yang digunakan [5] Toth, P., & Vigo, D. (2014). Vehicle Routing
eucledian dan asumsi kecepatan tetap. Untuk Problem, Methods, and Application (2nd
penelitian selanjutnya dapat melanggar asumsi- ed.), Philadelphia: Society for Industrial and
asumsi tersebut, mengingat sistem logistik bencana Applied Mathematics Philadelphia (SIAM).
itu sangat kompleks dan bersifat stokastik.
Penelitian selanjutnya juga dapat merancang
Page | 81
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
[6] Mahendra, M. Y. (2015). Optimasi rute [9] Suprayogi dan Priyandari, Y. (2009). Vehicle
distribusi bantuan logistik korban bencana routing problem with multiple trips, time
merapi se-daerah Istimewa Yogyakarta. windows, and simultaneous delivery and
Skripsi, Departemen Teknik Mesin dan pickup services, Proceedings of Asia
Industri: UGM. Pacific Conference on Industrial
Engineering and Management, Kitakyushu,
[7] Situmorang, F. A. (2014). Identifikasi daftar Japan, 1543-1552.
kebutuhan pada korban bencana alam [10] Suprayogi, Priyandari, Y. (2007). Teknik
gunung meletus dan gempa bumi. Skripsi, penyisipan sekuensial untuk penentuan rute
Departemen Teknik Mesin dan Industri: kendaraan, dengan karakteristik banyak
UGM trip, jendela waktu dan pengantaran-
[8] Ozdamar, L., Ekinci, E., dan Kucukyazici, B., pengambilan simultan, Jurnal Teknik dan
(2004). Emergency logistic planning in Manajemen Industri, 27 (3), 103-124
natural disasters, Annals of Operations
Research, 129, 217-245.
LAMPIRAN
Gudang 1 2 3 4 5 6 7 8 9 10 11 12
1 9,53 0
2 10,14 3,84 0
3 14,86 3,79 7,15 0
4 13,21 4,31 7,68 1,10 0
5 14,64 4,05 6,63 0,91 1,69 0
6 13,12 3,50 5,62 2,32 3,07 1,38 0
7 9,52 1,59 3,98 5,03 6,33 4,63 3,69 0
8 9,18 9,73 7,13 11,91 13,21 11,51 10,57 8,42 0
9 7,60 6,28 4,55 8,96 11,49 8,56 7,62 5,02 9,44 0
10 6,96 6,00 4,10 8,57 9,84 8,11 7,17 4,57 8,99 1,63 0
11 6,87 2,95 6,48 7,02 7,55 7,60 6,49 4,63 11,38 5,00 3,47 0
12 9,53 5,36 10,07 7,38 6,56 8,10 8,19 6,76 13,32 7,60 6,08 4,98
No Lokasi Pengungsian
0 Gudang
1 Lapangan Neusu
Page | 82
JURNAL MANAJEMEN INDUSTRI DAN LOGISTIK VOL. 2 NO.1, MEI 2018
POLITEKNIK APP JAKARTA, KEMENTERIAN PERINDUSTRIAN
ISSN 2598-5795; http://jurnal.poltekapp.ac.id
No Lokasi Pengungsian
Jumlah Kebutuhan
No Lokasi Pengungsian
Pengungsi beras/minggu
(karung)
1 Lapangan Neusu 409 77
2 Lapangan Bola Lambuk 558 105
3 Escape Building Lambung 95 18
4 Escape Building Ulee Lheu 47 9
5 Escape Building Deah Glumpang 41 8
6 Escape Building Alue Deah Tengoh 38 8
7 Gedung Sosial 59 12
8 Mesjid Jamik Darussalam 413 78
9 Terminal Baru 952 178
10 Mesjid Cot Masjid 293 55
11 Stadion Lhong Raya 799 150
12 TVRI 295 56
Page | 83