PENGAJUAN MASALAH DAN RANCANGAN PEMECAHAN MASALAH

BIAYA DISTRIBUSI DI PT. TRI JAYA ABADI SENTAUSA MALANG

Oleh :

Dewi Susanti 170312612067

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MALANG
MARET 2020
 Pengajuan Masalah dan Rancangan Pemecahan Masalah Biaya Distribusi
di PT. Tri Jaya Abadi Sentausa Malang

PT. Tri Jaya Abadi Sentausa Malang merupakan distributor PT. Pertamina
untuk LPG 3 kg bersubsidi. PT. Tri Jaya Abadi Sentausa Malang bergerak dibidang
distribusi tabung gas LPG 3 kg yang terletak di Jl. Peltu Sujono No 4A, Ciptomulyo,
Kecamatan Sukun, Kota Malang. Perusahaan ini berdiri sejak konversi minyak
tanah ke LPG di tahun 2007-2008. PT. Tri Jaya Abadi Sentausa Malang dipimpin
oleh Bapak Sukamto, dengan jumlah karyawan 11 Orang. Perusahaan ini memiliki
jajaran karyawan meliputi HRD, manager operasional, accounting, staff
administrasi, staff gudang, staff keuangan dan sopir besera kernet.

Berdasarkan jajaran karyawan di atas, pihak yang paling bertanggung jawab

dalam distribusi adalah staff administrasi, staff keuangan, dan sopir beserta kernet.
Apabila terdapat kendala dalam proses distribusi maka berakibat distribusi tidak
sukses dan memperbesar biaya. PT. Tri Jaya Abadi Sentausa Malang
mendistribusikan LPG 3 kg ke lima distrik meliputi Blimbing, Kedungkandang,
Klojen, Sukun, dan Lowokwaru. Distrik Blimbing memiliki 7 sub agen, distrik
Kedungkandang 3 sub agen, distrik Klojen 3 sub agen, distrik Sukun 4 sub agen,
dan distrik Lowokwaru 3 sub agen. Dalam kegiatan pendistribusian LPG 3kg PT.
Tri Jaya Abadi Sentausa Malang memiliki armada berupa mobil L300 yang
mempunyai kecepatan maksimum sekitar 60 KM/jam dengan volume solar 2477
cc. Bahan bakar solar yang digunakan sebanyak 120 liter per bulan.

PT. Tri Jaya Abadi Sentausa Malang melakukan pendistribusian LPG pada
setiap satu distrik ke sub agen menggunakan satu kendaraan. Kegiatan distribusi
dilakukan selama 26 hari (satu bulan) dimulai pukul 08.00 – 16.00 WIB dimana
setiap sub agen dikunjungi tepat satu kali. PT. Tri Jaya Abadi Sentausa Malang
mememiliki kendala dalam hal meminimumkan biaya distribusi. Dimana untuk
permintaan setiap sub agen tetap dapat dipenuhi dengan biaya distribusi yang
minim. Permasalahan semacam ini dapat diselesaikan menggunakan Minimum Cost
Flow.
Berdasarkan uraian di atas, untuk memecahkan permasalahan yang dimiliki
oleh PT. Tri Jaya Abadi Sentausa Malang akan dicari rute terpendek dengan
kendala berupa jarak tempuh dan kapasitas kendaraan. Setelah menentukan rute
terpendek, kemudian akan dicari dicari biaya paling minimal untuk pendistribusian
dengan permasalahan pada biaya pembelian solar. Pendistribusian LPG 3 kg ke
subagen dalam satu distrik dilakukan selama 6 hari kerja. Pendistribusian dari satu
Sub agen ke subagent lainnya memanfaatkan rute terpendek yang telah diperoleh,
Dari permasalahan tersebut akan digunakan alat bantu berupa software GidenV4b
dan layanan Google berupa Maps untuk menentukan jarak setiap sub agen.
PEMODELAN
Minimum Cost Flow didefinisikan sebagai suatu aliran f fungsi pada sisi yang
memiliki aliran layak. Suatu aliran dikatakan layak jika memenuhi:
▪ Kendala kapasitas 𝑓(𝑣, 𝑤) ≤ 𝑢(𝑣, 𝑤)
▪ Kendala nonnegatif 𝑓(𝑣, 𝑤) ≥ 0
▪ Kendala bobot seimbang ∑𝑤:(𝑣,𝑤) 𝑓(𝑣, 𝑤) − ∑𝑣:(𝑤,𝑣) 𝑓(𝑤, 𝑣) = 𝑏(𝑣).
Sehingga biaya aliran f yang mungkin adalah ∑(𝑣,𝑤)∈𝐸 𝑐(𝑣, 𝑤)𝑓(𝑣, 𝑤). Secara garis
besar masalah minimum cost flow bertujuan menemukan aliran maksimum f
dengan minimum biaya.

Permasalahan Minimum Cost Flow pada pendistribusian LPG di PT Tri

Jaya Abadi Sentausa Malang dapat didefinisikan dengan suatu graph G = (V, E),
dimana 𝑉 = {0, 1, 2, … , 𝑛} merupakan himpunan titik yang mewakili sub-sub agen
LPG yang akan dilayani dengan permintaan yang telah diketahui dan gudang atau
depot PT Tri Jaya Abadi Sentausa Malang berada di titik 0. Ruas jalan yang dilalui
pendistribusian dinyatakan sebagai sisi 𝐸 yang merupakan penghubung antara sub
agen satu dengan yang lainnya 𝐸 = {(𝑖, 𝑗) | 𝑖, 𝑗 ∈ 𝑉, 𝑖 ≠ 𝑗. Rute dimulai dan berakhir
di titik yang sama yaitu 0. Setiap sub agen 𝑖 untuk setiap 𝑖 ∈ 𝑉 memiliki permintaan
𝑑𝑖. Setiap sisi E memiliki jarak tempuh cij dengan cii = cjj = 0.

Berdasarkan permasalahan yang dialami PT Tri Jaya Abadi Sentausa

Malang pendistrubusiak LPG 3 kg dapat dirumuskan sebgai berikut :
Untuk setiap (i, j) ∈ E dimana, 𝑖 ≠ 0, 𝑗 ≠ 0 dengan sejumlah sub agen dengan tujuan
meminimumkan total jarak tempuh serta biaya pendistribusian adalah :
Fungsi objektif :

𝑘
MIN ∑𝑘 ∈𝑉 ∑𝑖∈𝑁 ∑𝑗∈𝑁 𝑐𝑖𝑗 𝑋𝑖𝑗

1, 𝑗𝑖𝑘𝑎𝑘𝑒𝑛𝑑𝑎𝑟𝑎𝑎𝑛 𝑑𝑎𝑟𝑖 𝑘 𝑘𝑒 𝑡𝑖𝑡𝑖𝑘 𝑖 𝑘𝑒 𝑗, 𝑖 ≠ j

Dimana 𝑋𝑖𝑗𝑘 = {
0 𝑢𝑛𝑡𝑢𝑘 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

Dengan kendala dantaranya sebagai berikut:

Kendala 1
Setiap sub agen LPG dikunjungi tepat satu kali oleh satu kendaraan.
𝑘
∑𝑘 ∈𝑉 ∑𝑖∈𝑁 𝑋𝑖𝑗 = 1, ∀𝑘 ∈ 𝑁/{0}

Kendala 2
Total permintaan pada setiap sub agen LPG dalam satu rute tidak melebihi kapasitas
kendaraan.
𝑘
∑𝑖∈𝑁 /{0} ∑𝑗∈𝑁 𝑋𝑖𝑗 ≤ Q, ∀𝑘 ∈ 𝑉

Kendala 3
Setiap kendaraan harus meninggalkan sub agen yang telah dikunjungi.
𝑘 𝑘
∑𝑖∈𝑁 𝑋𝑖𝑗 - ∑𝑗∈𝑁 𝑋𝑖𝑗 = 0, ∀𝑘 ∈ 𝑗/{0} ∀𝑘 ∈ 𝑉
Kendala 4
Setiap kendaraan yang meninggalkan Gudang/depot harus kembali ke
Gudang/depot.
𝑘
∑𝑖∈𝑁/{0} 𝑋0𝑗 = 1, ∀𝑘 ∈ 𝑉
𝑘
∑𝑖∈𝑁/{0} 𝑋𝑖0 = 1, ∀𝑘 ∈ 𝑉

Kendala 5
𝑘
Batas nilai 𝑋𝑖𝑗 ∈ {0,1} ∀𝑖 ∈ 𝑁, 𝑘 ∈ 𝑉

ALGORITMA PADA MINIMUM COST FLOW

Berikut adalah algoritma yang pernah diterapkan pada penelitian sebelumnya.

1. Nama Jurnal : Electronic Notes in Discrete Mathematics

Judul Artikel : A Branch and Bound Algorithm for the Minimum
Cost BipartitemPerfect Matching Problem with
Conflict Pair Constraints
Tahun : 2018
Penulis : Temel Oncan dan Kuban Altinel
Sumber : https://doi.org/10.1016/j.endm.2018.01.002

Algoritma B&B (Branch and Bound)

Merupakan algoritma salah satu algoritma yang digunakan untuk pencarian
jalur. Algoritma ini memilki dua prinsip, yaitu Branching akan melakukan
perhitungan secara rekursif, memecahkan masalah ke dalam masalah-masalah
kecil, namun tetap menghitung nilai terendah. Jika branching diterapkan secara
sendirian maka hasilnya akan tetap mencari kemungkinan nilai terendah.
Kemudian untuk menungkatkan performa, akan dilakukan pencatatan biaya
minimum sebagai Bound dalam setia perhitungan. Sehingga untuk calon hasil solusi
yang diperkirakan yang melebihi Bound akan dibuang.

Adapun penyelesaian masalah MCF menggunakan algoritma B&B adalah

sebagai berikut, langkah – langkah:
Input: suatu graph G = (V, E) dengan sisi biaya 𝑐𝑖𝑗 , untuk { i, j} ∈ E dan kendala
himpunan P = {({i, j}), {k,l}) : {i, j}, {k,l}∈ E {i, j} ≠ {k,l}.
▪ Langkah 0 (inisialisasi): 𝑧̅ ← +∞ dan MCBPMPC(0) ← MCBPMPC, L={
MCBPMPC(0)}
▪ Langkah 1 (tes terminasi): jika L = ∅ maka lanjut ke langkah 5
▪ Langkah 2 (seleksi submasalah): pilih dan hapus masalah dari L, pilih
MCBPMPC(i) dan selesaikan MCBPMPC relasi MCBPMPC(i) jika
MCBPMPC(i) adalah mungkin, maka misalkan M(i) dan 𝑧(i) dinotasikan
sebagai solusi optimal dan nilai solusi secara berturut-turut else himpunan
𝑧(i) ← +∞ .
▪ Langkah 3 (pemotongan):
a) Jika 𝑧(i) ≥ 𝑧̅ maka kembali ke langkah 1
b) Jika M(i) berlawanan sisi maka lanjut ke langkah 4
 c) Jika M(i) adalah masalah perfect mathing bebas dan 𝑧(i) maka
himpunan 𝑧̅ = 𝑧(i) dan M* ← M(i) kembali ke langkah 1
▪ Langkah 4 (Branching): pilih pasangan sisi berlawanan dalam perfect
mathing M(i) dan tuliskan disjungsi menggunakan informasi yang tersedia.
Misalkan{ MCBPMPC(ij) untuk j = 1,2 dan kembali ke langkah 1.
▪ Langkah 5 solusi (masalah perfect mathing bebas biaya minimum) Output
solusi nilai optimum 𝑧̅ dan perfect mathing M*.

2. Judul Laporan PKL : Penerapan Algoritma Penghapusan Sikel pada

Minimum Cost Flow dalam Menyelesaikan
Masalah Pendstribusian Surat dan Barang di PT Pos
Indinesia (Pesero) Blitar
Tahun : 2010
Penulis : Yosy Akrabia

Algoritma Penghapusan Sikel

Algoritma penghapusan sikel merupakan salah satu metode
dalammenyelesaikan masalah optimal model jaringan. Algoritma penghapusan
sikel didasarkan dari kondisi optimal sikel negatif, yang dimulai dengan aliran
fisibel dan penambahan berturut-turut sikel negatif dalam jaringan sisaan sampai
jaringan sisaan tersebut tidak memuat sikel negatif. Berikut ini adalah algoritma
penghapusan sikel :
a. Tentukan nilai aliran (xij) berdasarkan 0 ≤ xij ≤ uij dan bi = Σxij - Σxji.
b. Ganti arc (i,j) dengan dua arc (i,j) dan (j,i). Arc (i,j) memiliki harga cij
dan kapasitas sisaan rij = uij - xij. Sedang arc (j,i) memiliki harga –cij
dan kapasitas rij = xij. Jika rij = 0 hapus arc yang bersesuaian.
c. Cari sikel negatif. Jika tidak ada maka sikel optimal.
d. Jika ada, tambah aliran sepanjang sikel negatif terpilih dengan rij
terkecil pada sikel tersebut. Kurangi uij disepanjang sikel dan naikkan
kapasitas arc sebaliknya dari sikel tersebut sebesar rij terkecil dalam
sikel.
e. Ulangi langkah 3 sampai tidak ada sikel negatif maka solusi optimal.

3. Judul Laporan PKL : Optimalisasi Biaya Distribusi Tbaung Elpiji pada

PT Gading Mas Indah dengan Menerapkan
Algoritma pada Minimum Cost Flow
Tahun : 2009
Penulis : Martha Yulian S, Vrida Krisdanar W, Thereziea L

Algoritma Lintasan Pendek Berulang

Algoritma ini merupakan salah satu metode lain dalam menyelesaikan
masalah optimasi model jaringan. Algoritma lintasan ini didasarkan dari kondisi
optimal jaringan sisaan, dimulai dengan digraph awal yang telah disederhanakan
dan berturut-turut mencari lintasan terpendek sampai muatan pada titiknya bernilai
nol. Berikut ini adalah Algoritma Lintasan Terpendek Berulang:
 a. Cari lintasan dari s ke t pada jaringan kerja
b. Cari sebarang lintasan terpendek dari s ke t sebut P
c. Cari δ = min{b(s),-b(t), min{rij I (i,j) є P}}
d. Kurangi uij pada lintasan terpendek P dengan δ
e. Ulangi langkah 2 sampai b(s) dan b(t) sama dengan nol.

4. Judul Artikel : Algoritma Capacity Scaling dalam

Menyelesaikan Minimum Cost Flow dan
Implementasi Programnya
Tahun :-
Penulis : Reni Dian Saputri, Sapti Wahyuningsih, Darmawan
Satyananda

Algoritma Capacity Scaling

Algoritma ini dimulai dari fungsi biaya nol dan sebarang maksimum flow.
Setia p tingkatan scaling kita mulai dari residual arc (𝜀) dari hasil optimalisasi
𝜀
maksimum flow ke (2) optimal maksimum flow. Untuk memulai tiap tingkatan
scalling kita akan menjenuhkan semua biaya negatif dari residual arc. Kebaikan dari
algoritma ini adalah bisa digunakan untuk menghitung kapasitas yang bukan
merupakan bilangan bulat.
Langkah – langkah:
Input: suatu network N yang telah diketahui bobot masing-masing titik b(i), biaya
dari suatu titik ke titik yang lain cij , dan kapasitas pengiriman dari suatu titik ke
titik lain uij.
1. Menentukan jaringan sisa, dengan mengalirkan aliran setiap sisinya x ij
= 0 dan potensial setiap titiknya adalah n(i) = 0. Sehingga dari jaringan
𝜋
sisa tersebut akan didapatkan ketakseimbangan titik biaya 𝑒(i), sisa 𝑐𝑖𝑗 ,
dan kapasitas sisa rij.
2. Tentukan nilai ∆ = 2[2log 𝑈 ] . ∆ nantinya akan menjadi banyaknya unit yang
dilirkan pada setiap lintasan yang terpilih. Jika ∆ ≥ 1 maka lanjut ke
langkah 3, jika ∆ < 1 maka algoritma berhenti.
3. Apabila kapasitas sisa lebih dari atau sama dengan ∆ (rij ≥ ∆) dan biaya
𝜋
sisa kurang dari 0 (𝑐𝑖𝑗 < 0) maka alirkan sebanyak rij dan update
ketakseimbangan titik 𝑒(i), aliran xij, dan kapasitas sisa xij dan lanjut
ke langkah 4. Apabila tidak terjadi kasus tersebut, maka langsung ke
langkah 4.
4. Tentukan S(∆) dan T(∆) dengan: S(∆) merupakan himpunan titik yang
mempunyai ketakseimbangan titik sebanyak lebih dari atau sama dengan ∆
atau merupakan himpunan titik pengirim. Sedangkan T(∆) merupakan
himpunan titik yang memiliki ketakseimbangan titik sebanyak kurang dari
atau sama dengan −∆ atau merupakan himpunan titik penerima.
S(∆) = {i ∈ N: e(i) ≥ ∆}
T(∆) = {i ∈ N: e(i) ≤ −∆}
Apabila S(∆) ≠ ∅ dan T( ∆) ≠ ∅ maka lanjut ke langkah 5. Apabila S (∆) =
∅ dan T (∆) = ∅ maka langsung ke langkah 7.
5. Ketika S(∆) ≠ ∅ dan T( ∆) ≠ ∅ maka lakukan langkah berikut:
 a. Pilih k ∈ S(∆) dan l ∈ T(∆).
𝜋
b. Update biaya sisa 𝑐𝑖𝑗 = 𝑐𝑖𝑗 - 𝜋(i) − 𝜋(j)
𝜋
c. Update jarak d(j) = d(i) + 𝑐𝑖𝑗
d. Pilih P yang merupakan lintasan terpendek dari titik k ke titik l pada
jaringan sisa-∆. Pemilihan lintasan dilakukan dengan cara
melihat d(l), yaitu dengan mencari lintasan dengan biaya sisa
minimum yang sama dengan d( l).
Update potensial titik 𝜋(i) = 𝜋 (i) − d( i).
e. Alirkan sebanyak ∆ pada lintasan terpilih P.
f. Update ketakseimbangan titik e( i) = b( i) + ∑ xji − ∑ xij.
g. Update kapasitas sisa rij = rij − ∆. Apabila pada lintasan ada
sisi (j, i), maka rij = rij + ∆
h. Update xij = xij + ∆. Apabila pada lintasan ada sisi (j, i), maka
xij = xij − ∆.
6. Lakukan langkah 5 sampai T(∆) terpilih semua.
7. Apabila T(∆) sudah terpilih semua, update ∆ dengan ∆= ∆/ 2.
8. Kembali ke langkah 3
9. Output: jumlah dari aliran xij yang masing-masing dikalikan dengan
biaya sisinya cij , ∀( i, j) ∈ A.

5. Judul Skripsi : Metode Out of Kilter Menentukan Minimal Cost

pada Persoalan Network
Tahun : 2009
Penulis : Afni Devina Sari Siregar

Algoritma Out of Kilter

Algoritma out of kilter adalah algoritma yang menghitung solusi untuk
masalah aliran biaya minimum dalam jaringan aliran. Ide dari algoritma ini adalah
untuk mengidentifikasi busur keluar dari kilter dan memodifikasi jaringan aliran
sampai semua busur dalam kilter dan aliran biaya minimum telah tercapai. Secara
umum terdiri dari 3 tahap meliputi : tahap permulaan(initiation phase), tahap
primal(primal phase), dan tahap dual (dual phase).
Langkah – langkah:
1. Mulai dari kekekalan aliran (node masuk sama dengan node yang keluar)
Masing-masing xij = 0, dan solusi yang layak untuk dual masing-masing wi
= 0, dengan vij = Maksimum {0, - (zij – cij)}, hij = Maksimum {0, zij – cij}.
Identifikasi keadaan kilter dan hitung biaya kilter.
2. Jika pada network memiliki arc out of kilter makalakukan tahap primal
algoritma. Selama tahap ini arc out of kilter terpilih dan mencoba membuat
bentuk kekekalan aliran baru sedemikian bilangan kilter tidak ada arc
memburuk dan arc terpilih ditingkatkan.
3. Ketika ditentukan bahwa tidak ada aliran yang meningkat terbangun selama
tahap primal, algoritma membuta solusi dual yang baru sedemikian
sehingga tidak ada bilangan kilter yang memburuk(worsened) dan ulangi
tahap 2.
4. Iterasi antara tahap 2 dan tahap 3, algoritma secepatnya membangun solusi
optimal atau menentukan tidak ada solusi layak.
 6. Judul Laporan PKL : Optimalisasi Biaya Distribusi Tbaung Elpiji pada
PT Gading Mas Indah dengan Menerapkan
Algoritma pada Minimum Cost Flow
Tahun : 2009
Penulis : Martha Yulian S, Vrida Krisdanar W, Thereziea L
Algoritma Jaringan Simplek
Algoritma Jaringan Simplek adalah spesialisasi teori graph dari algoritma
simpleks. Algoritma ini biasanya dirumuskan dalam hal masalah aliran biaya
minimum dan dapat diselesaikan secara efisien. Langkah – langkah:
a. Pilih sebarang spanning tree(T).
b. Cari aliran 𝑥𝑖𝑗 dan potensial titik 𝜋.
c. Jika ada arc non basis (non tree) melanggar komplementary slackness
kondisi optimal, pilih untuk masuk tree dan keluarkan arc basis dengan
𝑥𝑖𝑗 yang bila ditambahkan ke kapasitasnya menjadi batas atas.
d. Ulangi langkah 2 sampai tidak ada arc yang melanggar complementary
slackness kondisi optimal.

ALAT BANTU YANG DIPAKAI

Alat bantu yang digunakan untuk menyelesaikan permasalahan di PT. Tri
Jaya Abadi Sentausa Malang adalah aplikasi GidenV4b. Berikut langkah-langkah
menggunakan aplikasi GidenV4b.

Tampilan awal
Pilih menu -> file -> new

Untuk menggambar titik, pilih new node

Untuk menggambar sisi, pilih new edge

Untuk merubah nama titik dan sisi, pilih Edit Value

Pilih solvers -> minimum cost flow -> pilih algoritma yang diperoleh -> muncul hasil
yang diinginkan
Contoh:

Tampilan akhir (algoritma capacity scaling)