PENENTUAN RUTE BUS KARYAWAN MENGGUNAKAN

PEMROGRAMAN LINEAR INTEGER

ZIL’ARIFAH

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
PENENTUAN RUTE BUS KARYAWAN MENGGUNAKAN
PEMROGRAMAN LINEAR INTEGER

ZIL’ARIFAH
G54050899

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
 ABSTRAK

ZIL’ARIFAH. Penentuan Rute Bus Karyawan Menggunakan Pemrograman Linear Integer.

Dibimbing oleh PRAPTO TRI SUPRIYO dan FARIDA HANUM.

Tulisan ini memberikan formulasi masalah penentuan rute bus karyawan menggunakan
pemrograman linear integer. Rute setiap bus berawal dan berakhir di suatu tempat (depot) untuk
menjemput karyawan melalui beberapa pos. Setiap pos dikunjungi tepat sekali oleh suatu bus
dengan memperhatikan kapasitas setiap bus dan jarak tempuh maksimum setiap bus sehingga
dapat dipastikan bahwa bus sampai depot (tempat kerja) sebelum jam kerja dimulai. Fungsi
objektif masalah ini adalah meminimumkan biaya operasional seluruh bus yang dioperasikan.
Biaya operasional setiap bus diasumsikan sepadan dengan biaya perawatan tetap dan biaya
penggunaan yang sesuai dengan jarak perjalanan bus tersebut. Pada contoh studi kasus dengan
menggunakan data hipotetik dalam karya ilmiah ini, biaya yang paling minimum diperoleh jika
digunakan 4 unit bus. Total jarak yang ditempuh oleh keempat unit bus dalam menjemput atau
mengantar karyawan adalah 247 km. Total biaya yang harus dikeluarkan untuk biaya operasional
bus karyawan per harinya adalah 894000 rupiah.
 ABSTRACT

ZIL'ARIFAH. Employee Bus Route Determination Using Integer Linear Programming.

Supervised by PRAPTO TRI SUPRIYO and FARIDA HANUM.

This paper gives formulation of the problem in determining an employee bus route using
integer linear programming. Each bus route begins and ends in one place (depot) to pick some
postal employees. Each post will be visited once by a bus according to the capacity and maximum
mileage of each bus, so it can be ascertained that the bus arrives before work begins. Objective
function of this problem is to minimize operating costs of all of the buses. The result of case study
using hypothetical data shows that the minimum cost is obtained when four buses are used. The
total distance traveled by the four buses is 247 km with total daily operating costs 894,000 rupiahs.
 PENENTUAN RUTE BUS KARYAWAN MENGGUNAKAN
PEMROGRAMAN LINEAR INTEGER

ZIL’ARIFAH
G54050899

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Matematika

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
Judul: Penentuan Rute Bus Karyawan Menggunakan Pemrograman Linear
Integer
Nama : Zil’Arifah
NIM : G54050899

Menyetujui,

Pembimbing I Pembimbing II

Drs. Prapto Tri Supriyo, M.Kom. Dra. Farida Hanum, M.Si.

NIP. 19630715 199002 1 002 NIP. 19651019 199103 2 002

Mengetahui:
Ketua Departemen

Dr. Berlian Setiawaty, M.S.

NIP. 19650505 198903 2 004

Tanggal Lulus :
 KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala nikmat, karunia, izin, dan
pertolongan-Nya, sehingga penulis dapat menyelesaikan karya ilmiah yang berjudul “Penentuan
Rute Bus Karyawan Menggunakan Pemrograman Linear Integer”. Karya ilmiah ini merupakan
syarat untuk menyelesaikan studi pada Departemen Matematika, Fakultas Ilmu Pengetahuan
Alam, Institut Pertanian Bogor.
Terima kasih penulis ucapkan kepada:
1. Sang pencipta, Tuhan semesta alam Allah SWT, atas maha karya-Nya,
2. Nabi besar Muhammad SAW sebagai penutup para nabi,
3. Bapak dan Ibu tercinta; Drs. Ermasdi dan Brata Graha, atas segala dukungan, motivasi,
pembelajaran, masukan, dan segala kasih sayang yang diberikan kepada penulis, juga adik-
adikku tersayang, Rozaanah, Fauzan Aziman, dan Hanifatul Khairiyah, atas segala kasih
sayangnya dan keceriaannya,
4. Bapak Drs. Prapto Tri Supriyo, M. Kom dan Ibu Dra. Farida Hanum, M.Si, selaku dosen
pembimbing, atas segala kesabaran dan masukan serta doanya selama membimbing penulis,
tak lupa kepada Bapak Drs. Siswandi, M. Si selaku penguji yang telah memberikan ilmu, saran,
dan doanya,
5. semua dosen Departemen Matematika, terima kasih atas semua ilmu yang telah diberikan,
6. staf Departemen Matematika: Bapak Yono, Bapak Hery, Bapak Deni, Ibu Ade, Bapak Epul,
Bapak Bono dan Ibu Susi atas semangat dan doanya,
7. keluarga besar Ibu Sulastri, Mama El, Mama Af, Etek Am, Om Eri, Etek Pit, Etek Ira, Etek Eda,
Etek Nel, Etek Adek, Pa Etek Razak, Pa Etek Am, dan Pa Etek Fadly,
8. keluarga besar Bapak M. Yusuf, terutama Ibu Maemunah, Mamang Sabeni, Bibi Lilis, Uwa
Isah, Siska, Syukri, dan Fajar,
9. keluarga besar Bapak Mardani, terutama Ibu Hj. Masna Ulyanah Mardani, Aa Dicky, Mas
Risyad, Aa Fikri, Kang Ade, Wildan, dan Algifari,
10. Chandra yang selalu mendampingi serta memberikan semangat, dukungan, dan doanya,
11. Afat yang selalu memberikan semangat, dan doanya,
12. sahabat-sahabatku tersayang yang selalu memberi semangat; Kiky, Warno, Mega, Dhani, dan
Aa Dede, atas segala tawa dan tangis, manis dan pahit, suka dan duka selama persahabatan kita,
13. teman-teman mahasiswa angkatan 42: Riyu, Ricken, Agnes, Hikmah, Dian, Titi, Mira, Octa,
Rita, Vita, Vera, Gita, Luri, Rima, Hesti, Ayu, Nyoman, Lisda, Ida, Achi, Dewi, Septiwi, Erlin,
Eyyi, Hapsari, Jane, Lela, Lina, Mega, Niken, Nola, Nofi, Oby, Ocoy, Pipit, Siti, Tia, Vino,
Yuni, Ety, Yudi, Danu, Sapto, Dendi, Ardy, Septian, Awi, Eko, Rendy, Boy, Jawa, Arif,
Makinun, Ridwan, Yusep, Bima, Ilyas, Iput, Fachri, Warno, Heri, Acuy, dan Bayu, atas
segenap dukungan, suka duka dan keceriaan selama penulis menempuh studi di Departemen
Matematika IPB,
14. kakak-kakak mahasiswa matematika angkatan 40, terutama kak Rusli, atas segala bantuannya
dalam mengajarkan Lingo; kakak-kakak mahasiswa angkatan 41, terutama kak Aji, atas
bantuannya; adik-adik mahasiswa angkatan 43, terutama Slamet atas bantuannya dan Faizal
yang telah bersedia menjadi pembahas, dan adik-adik mahasiswa angkatan 44,
15. keluarga besar BEM FMIPA IPB angkatan 2006-2007 dan angkatan 2007-2008, atas segenap
dukungan, doa, dorongan semangat, dan warna warni dalam kebersamaan kita,
16. keluarga besar pengurus Gumatika IPB, atas dukungan dan doanya,
17. pembimbing dan asisten pengajar Kumon Taman Yasmin; bu Yani, pak Bambang, mbak Berti,
mbak Eka, mbak Era, mbak Sri, mbak Iis, mbak Nining, mbak Mira, mbak Tina, mbak Titi,
mbak Oy, Susi, Roby, Mia, Dwi, Wiwi, Eyyi, dan Riska,
18. teman-teman penghuni Maharlika Depan; Vina, Ayu, Veza, Yuyun, Icha, Ninu’, Almira dan
Isna,
19. semua pihak yang telah membantu dalam penyusunan karya ilmiah ini.
Penulis menyadari bahwa dalam tulisan ini masih terdapat kekurangan dan jauh dari
kesempurnaan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun dari
pembaca. Semoga tulisan ini dapat bermanfaat.
Bogor, Februari 2012

Zil’Arifah
 RIWAYAT HIDUP

Penulis dilahirkan di Batusangkar pada 23 September 1986 dari pasangan Drs. Ermasdi dan
Brata Graha. Penulis merupakan anak pertama dari empat bersaudara.
Pada tahun 1999 penulis lulus dari SD Negeri 22 Batusangkar kemudian tahun 2002 lulus dari
SLTP Negeri 1 Batusangkar. Tahun 2005 penulis lulus dari SMA Negeri 1 Padang Panjang dan
pada tahun yang sama penulis lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi
Masuk IPB). Pada tahun 2006, penulis memilih Mayor Matematika dan Minor Statistika Industri,
Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis aktif dalam kegiatan kemahasiswaan, di antaranya pada
tahun 2006-2007 menjabat sebagai staf Departemen Pengembangan Sumber Daya Mahasiswa dan
pada tahun 2007-2008 sebagai staf Departemen Sosial Badan Eksekutif Mahasiswa Fakultas
Matematika dan Ilmu Pengetahuan Alam (BEM FMIPA) IPB. Selain itu, penulis juga terlibat
dalam Organisasi Mahasiswa Daerah Ikatan Pelajar Mahasiswa Minang (IPMM) sebagai staf
Dewan Penasehat IPMM tahun 2006-2007 dan tahun 2007-2008. Penulis juga terlibat dalam
organisasi Ikatan Mahasiswa Serambi Makkah dan Pagaruyung (IMASEREMPAG) sebagai
sekretaris pada tahun 2007-2008 dan tahun 2008/2009, serta mengikuti kepanitiaan dari beberapa
kegiatan selama rentang waktu 2006-2008. Pada tahun 2008 penulis pernah mengajar di SMK
IZZATA Depok dan pada tahun 2009 penulis pernah mengajar di SMK Wira Buana Citayam dan
asisten PT KIE Indonesia (Kumon).
 DAFTAR ISI

Halaman 

DAFTAR TABEL viii

DAFTAR GAMBAR viii

DAFTAR LAMPIRAN viii

I PENDAHULUAN
1.1 Latar Belakang 1
1.2 Tujuan 1

II LANDASAN TEORI
2.1 Fungsi Linear dan Pertidaksamaan Linear 1
2.2 Pemrograman Linear 1
2.3 Pemrograman Integer (Integer Programming) 3
2.4 Relaksasi Pemrograman Linear 3
2.5 Graf 3
2.6 Masalah Path Terpendek 4
2.7 Traveling Salesman Problem (TSP) 5
2.8 Metode Branch-and-Bound 6

III DESKRIPSI DAN FORMULASI MASALAH

3.1 Deskripsi Masalah Rute Bus Karyawan 9
3.2 Model Masalah Rute Bus Karyawan 9

IV STUDI KASUS 12

V SIMPULAN DAN SARAN

5.1 Simpulan 15
5.2 Saran 15

DAFTAR PUSTAKA 15

LAMPIRAN 16

vii
 DAFTAR TABEL

Halaman

1 Jarak antarpos penjemputan bus karyawan 12

2 Banyaknya karyawan yang dijemput pada setiap pos 13
3 Rute solusi optimal untuk bus Pertama 14
4 Rute solusi optimal untuk bus kedua 14
5 Rute solusi optimal untuk bus ketiga 14
6 Rute solusi optimal untuk bus keempat 14

DAFTAR GAMBAR
Halaman

1 Graf G = (V, E) 3
2 Graf G’ = (V, E) 4
3 Graf berbobot G’ =(V,A) 4
4 Contoh rute dalam traveling salesman problem (TSP) 5
5 Input dari sebuah VRP 5
6 Solusi yang mungkin dari VRP pada Gambar 5 dengan tiga kendaraan 6
7 Daerah fisibel untuk PL-relaksasi dan IP (2.7) 7
8 Daerah fisibel untuk Subproblem 2 dan Subproblem 3 dari IP (2.7) 8
9 Seluruh pencabangan pada metode branch-and-bound untuk menyelesaikan IP (2.7) 9
10 Perjalanan bus yang berupa subrute 11
11 Perjalanan bus yang berupa rute 11
12 Solusi rute perjalanan 14

DAFTAR LAMPIRAN
Halaman

1 Syntax Program LINGO 8.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan
Metode Branch-and-Bound Beserta Hasil yang Diperoleh 17
2 Syntax Program LINGO 8.0 untuk Menyelesaikan Masalah Rute Bus Karyawan 21
3 Hasil Komputasi Program pada Lingo 8.0 untuk Menyelesaikan Masalah Rute Bus Karyawan
23
 

viii
 I PENDAHULUAN

1.1 Latar Belakang dilewatinya setelah melengkapi rute

Masalah penentuan rute bus karyawan
mendapat perhatian dari para peneliti selama
lebih kurang 30 tahun belakangan ini.
Masalah optimisasi rute bus karyawan secara
matematis termasuk dalam kelas
permasalahan yang disebut Vehicle Routing
Problem (VRP). Bentuk dasar VRP berkaitan
dengan masalah penentuan suatu himpunan
rute kendaraan (vehicle) yang melayani suatu
himpunan pelanggan.
Dalam kehidupan sehari-hari banyak
ditemukan 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 bus sekolah.
Karakteristik khusus yang diperhatikan
dalam masalah bus karyawan di antaranya,
bus tidak kembali ke pos yang sudah
perjalanannya tetapi bus mengakhiri
perjalanannya di depot, serta banyaknya
karyawan pada setiap bus tidak melebihi
kapasitas bus.
Tulisan ini akan membahas bagaimana
mengoptimalkan biaya yang berhubungan
dengan pengangkutan karyawan dengan
menggunakan PLI (pemrograman linear
integer) sedemikian sehingga kendala-
kendalanya dipenuhi. Model penentuan rute
bus karyawan pada karya ilmiah ini
berdasarkan pada artikel berjudul “Solving
school bus routing problems through integer
programming” yang ditulis oleh T Bektas dan
Seda Elmastas tahun 2007.
1.2 Tujuan
Tujuan penulisan ini adalah memodelkan
dan menyelesaikan masalah penentuan rute
bus karyawan dengan PLI.

II LANDASAN TEORI

Untuk membuat model penentuan rute bus Sebagai gambaran, f ( x1 , x 2 ) = 2 x1 + x 2

karyawan dan teknik-teknik pemecahan yang merupakan fungsi linear, sementara
digunakan dalam karya tulis ini, diperlukan f ( x1 , x 2 ) = x1 x 2 bukan fungsi linear.
2

pemahaman teori pemrograman linear (PL),

Pemrograman Linear Integer (PLI) atau Definisi 2 (Pertidaksamaan dan Persamaan
Integer Linear Programming (ILP), dan Linear)
metode branch-and-bound. Untuk sembarang fungsi linear
f ( x1 , x 2 ,..., x n ) dan sembarang bilangan b,
2.1Fungsi Linear dan Pertidaksamaan pertidaksamaan f ( x1 , x 2 ,..., x n ) ≤ b dan
Linear f ( x1 , x 2 ,..., x n ) ≥ b adalah pertidaksamaan
Fungsi linear dan pertidaksamaan linear
merupakan salah satu konsep dasar yang harus linear; sedangkan f ( x1 , x 2 ,..., x n ) = b
dipahami terkait dengan konsep pemrograman merupakan persamaan linear.
linear. (Winston 2004)

Definisi 1 (Fungsi Linear) 2.2 Pemrograman Linear

Misalkan f ( x1 , x 2 ,..., x n ) menyatakan Menurut Winston (2004), pemrograman
suatu fungsi dalam variabel-variabel linear (PL) adalah suatu masalah optimisasi
yang memenuhi ketentuan-ketentuan sebagai
x1 , x2 ,..., xn . Fungsi f ( x1 , x 2 ,..., x n ) dikatakan
berikut.
linear jika dan hanya jika untuk suatu a) Tujuan masalah tersebut adalah
himpunan konstanta c1 , c 2 ,..., c n , fungsi f memaksimumkan atau meminimumkan
dapat dituliskan sebagai suatu fungsi linear dari sejumlah variabel
f ( x1 , x 2 ,..., x n ) = c1 x1 + c 2 x 2 + ... + c n x n . keputusan. Fungsi yang akan
(Winston 2004) dimaksimumkan atau diminimumkan ini
disebut fungsi objektif.

b) Nilai variabel-variabel keputusannya harus
memenuhi suatu himpunan kendala. Setiap
kendala harus berupa persamaan linear
atau pertidaksamaan linear.
c) Ada pembatasan tanda untuk setiap
variabel dalam masalah ini. Untuk
sembarang variabel x i , pembatasan tanda
menentukan x i harus taknegatif ( xi ≥ 0)
atau tidak dibatasi tandanya (unrestricted
in sign).
Suatu PL mempunyai bentuk standar seperti
yang didefinisikan sebagai berikut.
Definisi 3 (Bentuk Standar PL)
Pemrograman linear
min z = cTx
terhadap Ax = b
x≥0 (2.1)
dikatakan PL dalam bentuk standar, dengan x
dan c vektor-vektor berukuran n, vektor b
berukuran m, dan A matriks berukuran m × n
yang disebut sebagai matriks kendala, dengan
m ≤ n.
(Nash & Sofer 1996)
Sebagai catatan, yang dimaksud dengan
vektor berukuran n adalah vektor yang
memiliki dimensi (ukuran) n × 1.
Solusi Pemrograman Linear
Suatu masalah PL dapat diselesaikan
dalam berbagai teknik, salah satunya adalah
metode simpleks. Metode ini dapat
menghasilkan suatu solusi optimal bagi
masalah PL dan telah dikembangkan oleh
Dantzig sejak tahun 1947, dan dalam
perkembangannya merupakan metode yang
paling umum digunakan untuk menyelesaikan
PL. Metode ini berupa metode iteratif untuk
menyelesaikan PL berbentuk standar.
Pada masalah PL (2.1), vektor x yang
memenuhi kendala Ax = b disebut solusi PL
(2.1). Misalkan matriks A dapat dinyatakan
sebagai A = ( B N ) , dengan B adalah
matriks berukuran m × m yang elemennya
berupa koefisien variabel basis dan N
merupakan matriks berukuran m × (n − m)
yang elemen-elemennya berupa koefisien
variabel nonbasis pada matriks kendala.
Dalam hal ini matriks B disebut matriks
basis untuk PL (2.1).
Misalkan x dapat dinyatakan sebagai
⎛x ⎞
vektor x = ⎜ B ⎟ , dengan xB adalah vektor
⎝ xN ⎠
2
variabel basis dan x N adalah vektor variabel
nonbasis, maka Ax = b dapat dinyatakan
⎛x ⎞
sebagai Ax = ( B N ) ⎜ B ⎟
⎝ xN ⎠
= Bx B + Nx N = b. (2.2)
Karena matriks B adalah matriks taksingular,
maka B memiliki invers, sehingga dari (2.2)
xB dapat dinyatakan sebagai:
xB = B-1b – B-1NxN. (2.3)
Definisi 4 (Daerah Fisibel)
Daerah fisibel suatu PL adalah himpunan
semua titik yang memenuhi semua kendala
dan pembatasan tanda pada PL tersebut.
(Winston 2004)
Definisi 5 (Solusi Basis)
Solusi dari suatu PL disebut solusi basis
jika memenuhi syarat berikut:
i. solusi tersebut memenuhi kendala
pesamaan pada PL,
ii. kolom-kolom dari matriks kendala yang
berpadanan dengan komponen taknol dari
solusi tersebut adalah bebas linear.
(Nash & Sofer 1996)
Definisi 6 (Solusi Fisibel Basis)
Solusi fisibel basis adalah solusi basis
pada PL yang semua variabel-variabelnya
taknegatif.
(Winston 2004)
Definisi 7 (Solusi Optimal)
Untuk masalah maksimisasi, solusi
optimal suatu PL adalah suatu titik dalam
daerah fisibel dengan nilai fungsi objektif
terbesar. Untuk masalah minimisasi, solusi
optimal suatu PL adalah suatu titik dalam
daerah fisibel dengan nilai fungsi objektif
terkecil.
(Winston 2004)
Ilustrasi solusi basis dan solusi fisibel basis
diberikan dalam Contoh 1.
Contoh 1
Misalkan diberikan PL (2.4) berikut:
min z = −2x1 – 3x2
terhadap −2x1 + x2 + x3 = 4
−x1 + 2x2 + x4 = 11 (2.4)
x1 + x5 = 5
x1, x2, x3, x4, x5 ≥ 0
Dari PL (2.4) diperoleh:

⎛ −2 1 1 0 0 ⎞ ⎛4⎞
⎜ ⎟ ⎜ ⎟
A = ⎜ −1 2 0 1 0 ⎟ , b = ⎜ 11⎟ .
⎜ 1 0 0 0 1⎟ ⎜5⎟
⎝ ⎠ ⎝ ⎠
Misalkan dipilih
xB = ( x3 x5 ) dan xN = ( x1 x2 ) ,
T T
x4
maka matriks basisnya adalah
⎛1 0 0⎞
⎜ ⎟
B = ⎜0 1 0⎟ .
⎜0 0 1⎟
⎝ ⎠
Dengan menggunakan matriks basis di atas
didapatkan
x N = ( 0 0 ) , x B = B −1b = ( 4 11 5 ) . (2.5)
T T
Solusi (2.5) merupakan solusi basis,
karena memenuhi kendala pada PL (2.4) dan
kolom-kolom pada matriks kendala yang
berpadanan dengan komponen taknol dari
(2.5), yaitu B , bebas linear. Solusi (2.5) juga
merupakan solusi fisibel basis, karena nilai-
nilai variabelnya lebih dari atau sama dengan
nol.
PL (2.1) dapat dinyatakan dalam bentuk
xB dan x N sebagai berikut
min z = c TB x B + c TN x N
terhadap Bx B + Nx N = b
x ≥ 0,
dengan cB vektor koefisien variabel basis pada
fungsi objektif dan cN vektor koefisien
variabel nonbasis pada fungsi objektif. Jika
persamaan (2.3) disubstitusikan ke dalam
fungsi objektif PL (2.6) maka akan didapat
z = cTB (B−1b − B−1 NxN ) + cTN xN
= cTB B−1b + (cTN − cTB B−1 N)xN .
(Winston 2004)
2.3 Pemrograman Integer (Integer
Programming)
pemrograman integer (PI) atau Integer
programming (IP) adalah suatu model
pemrograman linear dengan variabel yang
digunakan berupa bilangan bulat (integer).
Jika semua variabel harus berupa integer,
maka masalah tersebut dinamakan pure
integer programming. Jika hanya sebagian
yang harus berupa integer, maka disebut
mixed integer programming. IP dengan semua
variabelnya harus bernilai 0 atau 1 disebut 0-1
IP.
(Garfinkel & Nemhauser 1972)
3
2.4 Relaksasi Pemrograman Linear
Konsep relaksasi pemrograman linear atau
relaksasi-PL diberikan dalam definisi berikut
ini.
Definisi 8 (Relaksasi Pemrograman Linear)
Pemrograman linear relaksasi atau sering
disebut relaksasi-PL merupakan suatu
pemrograman linear yang diperoleh dari suatu
IP dengan menghilangkan kendala integer
atau kendala 0-1 pada setiap variabelnya.
Untuk masalah maksimisasi, nilai optimal
fungsi objektif relaksasi-PL lebih besar atau
sama dengan nilai optimal fungsi objektif IP,
sedangkan untuk masalah minimisasi, nilai
optimal fungsi objektif relaksasi-PL lebih
kecil atau sama dengan nilai optimal fungsi
objektif IP.
(Winston 1995)
2.5 Graf
Konsep graf yang digunakan dalam karya
ilmiah ini meliputi definisi-definisi berikut ini.
Definisi 9 (Graf)
Suatu graf G adalah pasangan terurut (V,
E) dengan V himpunan takkosong dan
berhingga yang anggota-anggotanya disebut
simpul (node/vertex) dan E merupakan
himpunan berhingga garis yang
(2.6) menghubungkan simpul-simpul anggota V
yang disebut dengan sisi (edge). Sisi yang
menghubungkan simpul i dengan simpul j
dinyatakan dengan {i, j}.
(Foulds 1992)
Graf seperti disebutkan pada definisi di
atas disebut juga graf tak berarah. Ilustrasi
graf tak berarah dapat dilihat pada Gambar 1
berikut:
G:
1
4
2
5 
3
Gambar 1 Graf G = (V, E)
Pada Gambar 1 di atas diperlihatkan bahwa
V = {1, 2,3, 4,5} dan
E = {{1, 2},{1, 3},{1, 4},{2, 3},{3, 4},{3, 5}}.
Definisi 10 (Graf Berarah)
Dalam suatu graf, jika sisi yang
menghubungkan simpul-simpulnya berarah
 4

maka graf tersebut dinamakan graf berarah Definisi 14 (Path Berarah)

(directed graph/digraph). Sisi yang Path berarah pada graf berarah G’ adalah
menghubungkan simpul i dengan simpul j suatu walk berarah yang semua simpulnya
berarah dinyatakan dengan {i, j}. berbeda.
(Foulds 1992) (Foulds 1992)

Ilustrasi graf berarah dapat dilihat pada Ilustrasi walk dan path berarah diberikan
gambar berikut sebagai berikut. Pada graf berarah G ' yang
G ' :  terdapat dalam Gambar 2, contoh walk
berarah adalah 1,3, 2,1, 4,3,5 , dan contoh
1
path berarah adalah 2,1, 4,3,5 .
4

2 Definisi 15 (Graf Berbobot)

5 Suatu graf G = (V, E) atau graf berarah
3  G ' = (V , A) dikatakan berbobot jika terdapat
fungsi w : E → ℜ atau l : A → ℜ (dengan
Gambar 2 Graf G ' = (V , A). ℜ himpunan bilangan real) yang
memberikan bobot pada setiap elemen E atau
Pada Gambar 2 diperlihatkan bahwa A.
V = {1, 2,3, 4,5} dan (Foulds 1992)
A = {(1, 2), (1, 3), (1, 4), (2,1), (3, 2), (3, 5), (4,3)}.
Ilustrasi graf berbobot diberikan dalam
Gambar 3.
Definisi 11 (Walk)
Suatu walk pada graf G = (V, E) adalah G':
1 2 
suatu barisan simpul dan sisi dari G dengan
bentuk: 1 4
v1 , {v1 , v2 } , v2 , {v2 , v3 } ,..., {vn −1 , vn } , vn ,
0
2 3 
atau ditulis dengan ringkas : ‐2 3 5 
v1 , v2 ,..., vn atau v1 , v2 ,..., vn . Walk tersebut 0 

menghubungkan simpul v1 dengan simpul Gambar 3 Graf berbobot G ' = (V , A).

vn .
(Foulds 1992) Misalkan diberikan l : A → ℜ untuk graf
berbobot G ' = (V , A) pada Gambar 3, maka
Definisi 12 (Path) l((4,3)) = 3 atau dapat pula ditulis
Path pada suatu graf G adalah suatu walk
l 4,3 = 3; l 2,1 = 1; l 1,3 = l 3,5 = 0; l 3, 2 = − 2;
dengan semua simpulnya berbeda.
(Foulds 1992) l 1, 4 = 2.

Ilustrasi walk dan path diberikan sebagai
berikut. Pada graf G yang terdapat dalam
Gambar 1, salah satu contoh walk adalah
1, 2,3,4,3,5 , sedangkan 1,2,3,5 adalah
salah satu contoh path.
Definisi 13 (Walk Berarah)
Walk berarah pada suatu graf berarah
G ' = (V , A) adalah suatu barisan terurut
simpul dan sisi pada G ' yang berbentuk
v0 , a1 , v1 ,...,an , vn , dengan setiap sisi
berarah ai menghubungkan simpul-simpul vi-1
dan vi secara berurutan.
(Foulds 1992)
2.6 Masalah Path Terpendek
Masalah penentuan rute perjalanan dengan
biaya minimum merupakan aplikasi dari
masalah penentuan path terpendek dalam
suatu graf berbobot. Didefinisikan panjang
untuk sembarang path berarah dalam suatu
network sebagai jumlah biaya semua sisi
berarah dalam path tersebut. Dalam masalah
ini akan dicari suatu path terpendek, yakni
path berarah dari suatu simpul asal ke simpul
tujuan dengan panjang terkecil.
Dalam bab ini, juga dijelaskan tentang
traveling salesman problem (TSP) yang
merupakan dasar dari vehicle routing problem
(VRP), kemudian akan diperlihatkan

penggunaan pemrograman linear integer (PLI)
untuk mencari solusi dari kasus VRP.
2.7 Traveling Salesman Problem (TSP)
Dalam TSP, seorang salesman harus
mengunjungi seluruh kota yang ada dan
diharuskan kembali ke kota awal pada akhir
perjalanannya. Tujuan dari TSP adalah
menetukan rute perjalanan yang fisibel
sedemikian sehingga jarak tempuh yang
melalui rute tersebut minimum.
Definisi 16 (m-TSP)
m-TSP adalah salah satu variasi dari TSP.
Dalam m-TSP terdapat m salesman
mengunjungi seluruh kota tetapi setiap kota
hanya dapat dikunjungi oleh tepat satu
salesman saja. Setiap salesman berangkat dari
suatu depot dan pada akhir perjalanannya juga
harus kembali ke depot tersebut. Tujuan dari
m-TSP adalah meminimumkan total jarak dari
setiap rute.
Masalah m-TSP dikenal juga sebagai
vehicle routing problem (VRP). Dalam
masalah tersebut, sebuah kota diasosiasikan
sebagai konsumen dan tiap kendaraan
memiliki kapasitas tertentu. Total jumlah
permintaan dalam suatu rute tidak boleh
melebihi kapasitas dari kendaraan yang
beroperasi.
(Larsen 1999)
Contoh solusi dari TSP dapat dilihat pada
Gambar 4.
+ +
+ +
+ +
Depot
+
+ +
Gambar 5 Input dari sebuah VRP.
5
Konsumen
Rute
Depot
Gambar 4 Contoh rute dalam traveling
salesman problem (TSP).
Vehicle Routing Problem (VRP)
VRP merupakan masalah pendistribusian
setiap kendaraan yang terletak di depot untuk
memenuhi permintaan para pelanggan yang
tersebar di banyak tempat. Masalah utama
dari VRP adalah membuat rute yang fisibel
dengan biaya yang rendah untuk setiap
kendaraan dengan ketentuan bahwa setiap
kendaraan memulai dan mengakhiri
perjalanan dari depot.
Misalkan V’ adalah himpunan pelanggan
yang harus dilayani. Fungsi objektif dari
sebuah VRP adalah mencari sebanyak m buah
rute kendaraan dengan total biaya yang
minimum sehingga setiap pelanggan di V’
dikunjungi oleh tepat satu kendaraan. Sebuah
rute Ri dikatakan fisibel jika setiap pelanggan
dikunjungi tepat satu kali oleh sebuah
kendaraan.
Gambar berikut mencoba menjelaskan
input dari sebuah VRP dan solusi yang
mungkin terjadi.
+ Pelanggan
+
+ +
+

Rute kendaraan
+ +
+ +
+ +
+ +
Gambar 6 Solusi yang mungkin dari VRP pada Gambar 5 dengan tiga kendaraan.
Tujuan dari VRP adalah menentukan
sejumlah rute untuk melakukan pengiriman
pada setiap konsumen, dengan mengikuti
beberapa ketentuan antara lain :
1. setiap rute berawal dan berakhir di depot,
2. setiap konsumen dikunjungi tepat satu
kali oleh tepat satu kendaraan,
3. jumlah permintaan tiap rute tidak
melebihi kapasitas kendaraan,
4. meminimumkan biaya perjalanan,
(Cordeau et al. 2002)
Definisi 17 (Capacitated Vehicle Routing
Problem)
Capacitated Vehicle Routing Problem
(CVRP) merupakan salah satu variasi dari
masalah VRP dengan penambahan kendala
kapasitas kendaraan. Setiap kendaraan yang
melayani konsumen disyaratkan memiliki
batasan kapasitas sehingga banyaknya
konsumen yang dilayani oleh setiap
kendaraan dalam satu rute bergantung pada
kapasitas kendaraan. CVRP bertujuan
meminimumkan waktu tempuh rute
perjalanan kendaraan dalam mendistribusikan
barang dari tempat produksi yang dinamakan
dengan depot ke sejumlah konsumen dan
memenuhi batasan kapasitas.
2.8 Metode Branch-and-Bound
Dalam karya ilmiah ini, untuk
memperoleh solusi optimum dari masalah PLI
digunakan software LINGO 8.0, yaitu sebuah
program yang dirancang untuk menentukan
solusi model linear, taklinear, dan optimisasi
integer. Software LINGO 8.0 ini
menggunakan metode branch-and-bound
untuk menyelesaikan masalah PLI.
6
+
+
+ +
+
Depot
Prinsip dasar metode branch-and-bound
adalah memecah daerah fisibel dari masalah
relaksasi-PL dengan membuat subproblem-
subproblem. Terdapat dua konsep dasar dalam
algoritme branch-and-bound.
• Branch (Cabang)
Branching (pencabangan) adalah proses
membagi permasalahan menjadi subproblem-
subproblem yang mungkin mengarah ke
solusi fisibel.
• Bound (Batas)
Bounding (pembatasan) adalah suatu proses
untuk mencari atau menghitung batas atas
(dalam masalah minimisasi) dan batas bawah
(dalam masalah maksimisasi) untuk solusi
optimum pada subproblem yang mengarah ke
solusi.
(Taha 1975)
Metode branch-and-bound diawali dari
menyelesaikan relaksasi-PL dari suatu
pemrograman linear integer. Jika semua nilai
variabel keputusan solusi optimal sudah
berupa integer, maka solusi tersebut
merupakan solusi optimal PLI. Jika tidak,
dilakukan pencabangan dan penambahan
batasan pada relaksasi-PLnya kemudian
diselesaikan.
Winston (2004) menyebutkan bahwa
untuk masalah maksimisasi nilai fungsi
objektif optimum untuk PLI ≤ nilai fungsi
objektif optimum untuk relaksasi-PL,
sehingga nilai fungsi objektif optimum
relaksasi-PL merupakan batas atas bagi nilai
fungsi objektif optimum untuk masalah PLI.
Diungkapkan pula oleh Winston (2004) untuk

masalah maksimisasi bahwa nilai fungsi
objektif optimal untuk suatu kandidat solusi
merupakan batas bawah nilai fungsi objektif
optimum untuk masalah PLI asalnya. Suatu
kandidat solusi diperoleh jika solusi dari suatu
subproblem sudah memenuhi kendala integer
pada masalah PLI, artinya fungsi objektif dan
semua variabelnya sudah bernilai integer.
Sebelumnya akan dibahas terlebih dulu
pengertian subproblem yang terukur. Menurut
Winston (2004), suatu subproblem dikatakan
terukur (fathomed) jika terdapat situasi
sebagai berikut:
a. Subproblem tersebut takfisibel, sehingga
tidak dapat menghasilkan solusi optimum
untuk PLI.
b. Subproblem tersebut menghasilkan suatu
solusi optimum dengan semua variabelnya
bernilai integer. Jika solusi optimum ini
mempunyai nilai fungsi objektif yang
lebih baik daripada solusi fisibel yang
diperoleh sebelumnya, maka solusi ini
menjadi kandidat solusi optimum dan nilai
fungsi objektifnya menjadi batas bawah
(dalam masalah maksimisasi) dan batas
atas (dalam masalah minimisasi) nilai
fungsi objektif optimum bagi masalah PLI
pada saat itu, bisa jadi subproblem ini
menghasilkan solusi optimum untuk
masalah PLI.
c. Nilai fungsi objektif optimum untuk
subproblem tersebut tidak melebihi batas
bawah saat itu (untuk masalah
maksimisasi), maka subproblem ini dapat
dieliminasi.
Berikut ini adalah langkah-langkah
penyelesaian suatu masalah maksimisasi
dengan metode branch-and-bound.
• Langkah 0
Didefinisikan z sebagai batas bawah dari nilai
fungsi objektif (solusi) PLI yang optimum.
Pada awalnya ditetapkan z = −∞ dan i = 0.
• Langkah 1
Subproblem PL(i) dipilih sebagai bagian
masalah berikutnya untuk diteliti. Subproblem
PL(i) diselesaikan dan diukur dengan kondisi
yang sesuai.
a) Jika PL(i) terukur, batas bawah z
diperbarui jika solusi PLI yang lebih baik
ditemukan. Jika tidak, bagian masalah
(subproblem) baru i dipilih dan langkah 1
diulangi. Jika semua subproblem telah
diteliti, maka proses dihentikan.
b) Jika PL(i) tidak terukur, proses dilanjutkan
ke langkah 2 untuk melakukan
pencabangan PL(i).
7
• Langkah 2
Dipilih salah satu variabel xj dengan nilai
optimumnya adalah xj* yang tidak memenuhi
batasan integer dalam solusi PL(i). Bidang [xj*]
< xj < [xj*] + 1 disingkirkan dengan membuat
dua subproblem PL yang berkaitan menjadi
dua subproblem yang tidak dapat dipenuhi
secara bersamaan, yaitu
xj ≤ [xj*] dan xj ≥ [xj*] + 1,
dengan [xj*] didefinisikan sebagai integer
terbesar yang kurang dari atau sama dengan
xj*. Jika PL(i) masih tidak terukur, maka
kembali ke Langkah 1.
(Taha 1996)
Untuk memudahkan pemahaman metode
branch-and-bound diberikan contoh sebagai
berikut.
Contoh 3 (Metode Branch-and-Bound)
Misalkan diberikan integer programming
(IP) berikut:
maks z = 5x1 + 4x2
terhadap x1 + x2 ≤ 5
10x1 + 6x2 ≤ 45 (2.7)
x1, x2 ≥ 0
x1, x2 integer.
Solusi optimal relaksasi-PL dari masalah
IP (2.7) adalah x1 = 3.75, x2 = 1.25, dan
z = 23.75 (yang dapat dilihat di Lampiran 1).
Batas atas nilai optimal fungsi objektif
masalah ini adalah z = 23.75. Daerah fisibel
masalah (2.7) ditunjukkan pada Gambar 7.
Gambar 7 Daerah fisibel untuk relaksasi-PL
dari IP (2.7).
Keterangan :
= solusi optimal relaksasi-PL IP (2.7)
= titik-titik fisibel bagi IP (2.7)
Langkah berikutnya adalah memartisi
daerah fisibel relaksasi-PL menjadi dua
bagian berdasarkan variabel yang bernilai

pecahan (non-integer). Karena nilai dari
kedua variabel yang diperoleh bukan integer,
maka dipilih salah satu variabel untuk dasar
pencabangan. Misalkan dipilih x1 sebagai
dasar pencabangan. Jika masalah relaksasi-PL
diberi nama Subproblem 1, maka
pencabangan tersebut menghasilkan 2
subproblem, yaitu:
• Subproblem 2: Subproblem 1 ditambah
kendala x1 ≥ 4;
• Subproblem 3: Subproblem 1 ditambah
kendala x1 ≤ 3.
Hal ini diilustrasikan secara grafis pada
Gambar 8.
Subproblem 2
Subproblem 3
Gambar 8 Daerah fisibel untuk Subproblem 2
dan Subproblem 3 dari IP (2.7).
Setiap titik (solusi) fisibel dari IP (2.7)
termuat dalam daerah fisibel Subproblem 2
atau Subproblem 3. Setiap subproblem ini
saling lepas. Subproblem 2 dan Subproblem 3
dikatakan dicabangkan oleh x1.
Sekarang dipilih subproblem yang belum
diselesaikan. Misalkan dipilih Subproblem 2,
kemudian diselesaikan. Solusi optimal untuk
Subproblem 2 ini adalah x1 = 4, x2 = 0.83,
dan z = 23.33 (lihat Lampiran 1). Karena
solusi optimal yang dihasilkan Subproblem 2
bukan solusi integer, maka dipilih
pencabangan pada Subproblem 2 atas x2 ,
sehingga diperoleh dua subproblem lagi,
yakni:
• Subproblem 4: Subproblem 2 ditambah
kendala x2 ≥ 1;
• Subproblem 5: Subproblem 2 ditambah
kendala x2 ≤ 0.
Saat ini subproblem yang belum
diselesaikan adalah Subproblem 3, 4, dan 5.
Salah satu subproblem dipilih, misalnya
8
dengan aturan LIFO (Last In First Out).
Dengan adanya aturan ini berarti dipilih
Subproblem 4 atau Subproblem 5. Karena
Subproblem 4 takfisibel (lihat pada Lampiran
1), maka subproblem ini tidak dapat
menghasilkan solusi optimal, yang tersisa
adalah Subproblem 3 dan Subproblem 5.
Karena aturan LIFO, dipilih Subproblem
5, yang kemudian menghasilkan solusi
optimal x1 = 4.5, x2 = 0, dan z = 22.5 (lihat
pada Lampiran 1). Karena x1 = 4.5 bukan
integer, maka dilakukan kembali pencabangan
atas x1, sehingga diperoleh:
• Subproblem 6: Subproblem 5 ditambah
kendala x1 ≥ 5;
• Subproblem 7: Subproblem 5 ditambah
kendala x1 ≤ 4.
Misalkan dipilih Subproblem 6. Ternyata
subproblem ini juga takfisibel (lihat pada
Lampiran 1), sehingga tidak dapat
menghasilkan solusi optimal. Dengan
demikian subproblem-subproblem yang
belum diselesaikan adalah Subproblem 3 dan
Subproblem 7. Karena aturan LIFO, dipilih
Subproblem 7. Subproblem ini kemudian
menghasilkan solusi optimal x1 = 4, x2 = 0,
dan z = 20 (lihat pada Lampiran 1). Dapat
dilihat bahwa solusi optimal subproblem ini
semuanya berupa integer, sehingga
merupakan kandidat solusi untuk IP (2.7).
Nilai z pada kandidat solusi ini merupakan
batas bawah bagi nilai optimal IP.
Penyelesaian Subproblem 3 menghasilkan
solusi optimal x1 = 3, x2 = 2, dan z = 23
(lihat pada Lampiran 1). Batas bawah yang
ditetapkan dari solusi optimal Subproblem 7
terlalu lemah dan tidak lebih baik dari nilai
solusi optimal yang dihasilkan oleh
Subproblem 3. Dengan demikian, nilai solusi
optimal Subproblem 3, yakni z = 23 menjadi
batas bawah yang baru. Semua solusi optimal
telah berupa integer dan tidak perlu lagi
dilakukan pencabangan, sehingga solusi
optimal dari Subproblem 3 merupakan solusi
optimal IP (2.7), yakni x1 = 3, x2 = 2, dan
z = 23. Pohon pencabangan yang
menunjukkan penyelesaian masalah IP (2.7)
secara keseluruhan ditunjukkan pada Gambar
9.
 9

Subproblem 1
x1 = 3.75, x2 = 1.25, z = 23.75
t=1
Batas atas = 23.75
x1 ≥ 4 x1 ≤ 3

Subproblem
Subproblem2 2 Subproblem 3*
x1 = 4, x2 = 0.83, z = 23.33 x1 = 3, x2 = 2, z = 23
t=2 x1 = 4, x2 = 0.83, z = 23.33 t =7
Batas bawah = 23
Solusi Optimal
x2 ≥ 1  x2 ≤ 0
 
Subproblem 4
t=3
takfisibel Subproblem 55
Subproblem
x1 = 4.5, x2 = 0, z = 22.5 t=4
x1 = 4.5, x2 = 0, z = 22.5

x1 ≥ 5 x1 ≤ 4

Subproblem 6 Subproblem 7*
t=5 x1 = 4, x2 = 0, z = 20
takfisibel t=6
Batas bawah = 20
Kandidat Solusi

Gambar 9 Seluruh pencabangan pada metode branch-and-bound untuk

menyelesaikan IP (2.7).
 

Pada Gambar 9, solusi Subproblem 3 dan
Subproblem 7 adalah kandidat solusi terbaik
karena semua variabelnya bernilai integer.
Namun, karena nilai z untuk Subproblem 3
lebih besar dari Subproblem 7 maka solusi
dari Subproblem 3 merupakan solusi optimum
untuk masalah IP pada Contoh 3. Tanda (*)
pada Subproblem 3 dan Subproblem 7
menyatakan kandidat solusi untuk masalah IP
tersebut.

III DESKRIPSI DAN FORMULASI MASALAH

3.1 Deskripsi Masalah Rute Bus Karyawan
Masalah rute bus karyawan adalah
masalah penentuan rute bus untuk menjemput
karyawan dari pos-pos yang sudah ditentukan
menuju perusahaan dan mengantarkan
karyawan dari perusahaan ke pos-pos,
kemudian bus tersebut kembali ke tempat
asalnya, yaitu perusahaan (depot), dengan
biaya yang minimum sehingga kendala
kapasitas atau kendala waktu tempuh
terpenuhi.
Untuk meminimumkan biaya operasional
bus, hal yang harus dipertimbangkan adalah
biaya perjalanan setiap bus dan biaya tetap
untuk mengirimkan bus.
3.2 Model Masalah Rute Bus Karyawan
Dalam model ini, rute untuk menjemput
karyawan dari pos-pos menuju perusahaan
dan rute untuk mengantarkan karyawan dari
perusahaan ke pos-pos, diasumsikan sama
karena pos-pos penjemputan dan pengantaran
karyawan adalah sama.
Masalah penentuan rute bus karyawan
sangat berhubungan dengan VRP dan graf.
Secara matematis VRP dapat dinyatakan
sebagai suatu digraf G = (V, A) dengan V =
{0, 1, ... , n} adalah himpunan simpul yang
menunjukkan pos-pos antar-jemput karyawan
dan A={(i, j) | i, j ∈ V, i ≠ j} yaitu himpunan
sisi berarah yang menyatakan jalan
penghubung antarpos. Pos 0 menunjukkan

depot, yaitu tempat menyimpan bus yang
digunakan untuk mengangkut karyawan dan
merupakan tempat dimulainya suatu rute bus.
Intermediate node (simpul penghubung)
menunjukkan pos ke-i yang dilewati oleh
setiap bus untuk menjemput
mengantarkan karyawan. Misalkan banyaknya
dan
bus yang tersedia di depot adalah k dengan
kapasitas setiap bus diasumsikan sama, yaitu
Q, dan jarak tempuh maksimum setiap bus
adalah T. Permasalahannya ialah menentukan
rute yang fisibel (yang mungkin dapat dilalui)
sehingga biaya dari setiap bus yang melalui
rute tersebut adalah minimum.
Toth dan Vigo (2002) memformulasikan
VRP dalam bentuk ILP dengan tujuan
meminimalkan total biaya atau total jarak
tempuh dari rute perjalanan.
Untuk mendefinisikan masalah rute bus
karyawan, dimisalkan:
Q = kapasitas bus
T = jarak tempuh maksimum dari setiap bus
V = himpunan pos yang dilalui oleh bus
I = himpunan intermediate node (simpul
penghubung)
k = banyaknya bus yang tersedia
f = biaya tetap untuk setiap pengiriman satu
bus per hari
qi = banyaknya karyawan yang harus
dijemput di pos i
ui = banyaknya karyawan di bus tepat setelah
pos i
dij = jarak tempuh dari pos i ke pos j
vi = total panjang perjalanan bus dari depot
sampai pada pos i
cij = biaya dari pos i ke pos j
α = biaya yang dikeluarkan tiap-tiap bus per
kilometer
Variabel keputusan :
⎧1 ; jika bus berangkat dari pos i ke pos j
xij = ⎨
⎩0 ; jika selainnya
Fungsi objektif dari permasalahan ini adalah
meminimumkan biaya yang dikeluarkan oleh
pengelola bus karyawan. Setiap bus yang
dijadwalkan berangkat dari depot ke pos-pos
yang sudah ditentukan, akan dikenakan biaya
sesuai dengan jauhnya perjalanan bus
ditambah dengan biaya tetap untuk semua bus
yang dikirim sehingga dimodelkan sebagai
berikut: min z = ∑ ∑ cij xij + f .k
i∈V ' j∈V '
dengan cij = αdij dan V’ = V U {0}. Dalam
model ini, yang dipakai hanya rute
penjemputan saja karena diasumsikan bahwa
rute penjemputan karyawan sama dengan rute
pengantaran karyawan.
10
Kendala-kendala :
1. Setiap rute perjalanan bus berawal dari
depot dengan pembatasan bahwa paling
banyak k bus yang meninggalkan pos 0
menuju pos i
∑ x0i ≤ k
i∈I
2. Setiap rute perjalanan bus berakhir di
depot dengan pembatasan bahwa paling
banyak k bus yang meninggalkan pos i
menuju depot
∑ xi 0 ≤ k
i∈I
3. Setiap pos hanya dapat dikunjungi tepat
satu kali oleh satu bus
∑ xij = 1 ∀i ∈ I
j ∈I , j ≠ i
∑ xij = 1 ∀j ∈ I
i∈ I , i ≠ j
4. Kendala kapasitas
ui − uj + Qxij ≤ Q − qj (3.1)
∀ i ≠ j ∈I
ui ≥ q i , ∀i ∈ I (3.2)
ui − qix0i + Qx0i ≤ Q ∀i ∈ I
(3.3)
Variabel xij dan xji hanya akan terdefinisi
jika qi + qj ≤ Q. Jika xij = 0 maka kendala
ui – uj + Qxij ≤ Q − qj akan menunjukkan
bahwa ui + qj ≤ Q + uj. Jika xij = 1 maka
kendala tersebut menunjukkan bahwa uj ≥
ui + qj.
Formulasi (3.1) dan (3.2) memastikan
bahwa tidak terdapat subrute pada setiap
rute yang terbentuk, karena kapasitas bus
sangat mempengaruhi rute yang ada.
Formulasi (3.3) menunjukkan kapasitas
bus yang dimulai dari depot ke pos
pertama dalam rute perjalanannya.
Formulasi kendala (4) pada intinya
menekankan pada batasan subrute yaitu
mengeliminasi subrute supaya tidak
terdapat subrute pada rute-rute yang
terbentuk yang dikaitkan dengan batasan
kapasitas bus. Perjalanan yang memuat
suatu subrute merupakan solusi yang
tidak fisibel. Variabel keputusan hanya
akan terdefinisi jika banyaknya karyawan
yang dijemput pada pos i dan pos j tidak
melebihi kapasitas bus.
Ilustrasi :
Misalkan diberikan pos 1, 2, 3, 4, dan 5
yang akan dilalui oleh satu bus karyawan,

dan perjalanan bus yang diberikan seperti
gambar berikut:
1 3
4
2 5
Gambar 10 Perjalanan bus yang berupa
subrute.
Gambar 10 merupakan subrute yang
terdiri atas (1-2-1) dan (1-3-4-5-1), dan
diasumsikan bahwa pos 1 adalah depot.
Pada Gambar 10, nilai x13 = x34 = x45 =
x51 = x12 = x21 = 1. Misalkan diambil
subrute (1-2-1) dengan q1 = 0, q2 = 15, q3
= 10, q4 = 21, q5 = 8, dengan Q = 40. q3 +
q4 + q5 = 10 + 21 + 8 = 39. Sedangkan q2
= 15, sehingga q3 + q4 + q5 + q2 = 10 +
21 + 8 +15 = 54 > 40 (kapasitas bus).
Akibatnya dari pos 5, bus harus kembali
lagi ke depot untuk menurunkan
karyawan terlebih dahulu baru
menjemput karyawan lagi. Rute bus
seperti ini tidak diinginkan, sehingga
harus dieliminasi.
Representasi pertaksamaan kendala (4)
terhadap sisi berarah dalam subcycle ini
adalah :
u1 − u2 + Qx12 ≤ Q − q2 (1)
dan
u2 − u1+ Qx21≤ Q − q1 (2)
sehingga dari (1) dan (2) didapat :
Q(x12 + x21) ≤ 2Q − q2 − q1 (3)
Hasil (3) bertentangan dengan
x12 = x21 = 1
yaitu, Q(1 + 1) ≤ 2Q − q2 – q1
2Q ≤ 2Q − q2 – q1
80 ≤ 80 – 15 – 0
5. Kendala Jarak
80 ≤ 65
Berdasarkan hasil di atas perjalanan
yang memuat suatu subrute merupakan
solusi yang tidak fisibel.
Ilustrasi :
Misalkan diberikan pos 1, 2, 3, 4, dan 5
yang akan dilalui oleh satu bus karyawan,
dan perjalanan bus yang diberikan seperti
gambar berikut:
11
1 3
2 4
5
Gambar 11 Perjalanan bus yang berupa
rute.
Dari Gambar 11 diasumsikan bahwa
pos 1 merupakan pos pertama dari
perjalanan bus (pada akhirnya semua pos
akan dikunjungi). Misalkan ui =
banyaknya karyawan di bus tepat setelah
pos i dan qi = banyaknya karyawan yang
harus dijemput di pos i.
Sebagai gambaran, akan
dipertimbangkan rute yang diperoleh dari
Gambar 11, yaitu 1-3-4-5-2-1, kemudian
dipilih q1 = 0, q2 = 15, q3 = 10, q4 = 21,
q5 = 8, dengan Q = 40 sehingga x13 = x34
= x45 = x52 = x21 = 1.
Dengan pemilihan tersebut akan
dibuktikan pertidaksamaan (4) terpenuhi.
Pertama, pemilihan tersebut sesuai
untuk sebuah sisi berarah dengan xij = 1.
Sebagai contoh, pembatasan untuk x34
adalah u3 – u4 + 40 x34 ≤ 40 – q4 dengan
u3 = 10 dan u4 = 31 sehingga
10 − 31 + 40 x34 ≤ 40 – 21
10 − 31 + 40 (1) ≤ 40 − 21
19 ≤ 19
Kedua, pemilihan rute di atas juga
memenuhi kendala xij = 0. Sebagai contoh
untuk untuk x34 adalah u3 – u4 + 40 x34 ≤
40 – q4 dengan u3 = 10 dan u4 = 31
sehingga
10 – 31 + 40 x34 ≤ 40 – 21
10 – 31 + 40 (0) ≤ 40 − 21
31 ≤ 71
vi − vj + (T − di0 − d0j + dij) xij + (T − di0 −
d0j − dji) xji ≤ T − dio − doj ∀i≠j ∈ I
vi − d0i x0i ≥ 0, ∀i∈ I
vi − d0i x0i + T x0i ≤ T, ∀i∈ I
dengan d0i + dij + dj0 ≤ T bagi setiap
pasangan (i, j).
Jika xij = 1 dan xji = 0, maka kendala
tersebut menunjukkan bahwa vi – vj + dij
≤ 0 sehingga vi + dij ≤ vj. Jika xji = 1 dan
xij = 0, maka kendala ini menunjukkan
 12

bahwa vi − vj − dji ≤ 0 sehingga vi ≤ vj + Jarak sangat menentukan dalam

dji.
Formulasi model pada kendala (5)
memastikan bahwa panjang perjalanan
bus tidak melebihi jarak tempuh
maksimumnya sehingga dapat dipastikan
bahwa bus akan kembali ke depot tepat
sebelum jam kerja dimulai. Variabel
keputusan hanya akan terdefinisi jika
jauhnya perjalanan bus yang dimulai dari
pos i ke pos j tidak melebihi jarak tempuh
maksimum yang ditempuh oleh setiap
bus.
menentukan waktu yang dibutuhkan
untuk mengantarkan dan menjemput
karyawan ke perusahaan. Semakin jauh
jarak yang ditempuh, semakin lama
waktu yang dibutuhkan bus dalam
menjemput karyawan. Sebaliknya,
semakin dekat jarak yang ditempuh,
semakin sedikit waktu yang dibutuhkan
bus dalam menjemput karyawan.
6. Variabel keputusan xij adalah integer
biner.
xij ∈ {0, 1}, ∀ i, j ∈ V’

IV STUDI KASUS

Studi kasus berikut berdasarkan data
hipotetik dengan kendala-kendala sebagai
berikut:
1. Setiap pos hanya dikunjungi satu kali oleh
satu bus.
2. Setiap bus mengangkut karyawan sesuai
dengan batasan kapasitasnya. Setiap bus
mempunyai kapasitas maksimum 40
orang.
3. Setiap rute bus berawal dari perusahaan.
4. Setiap rute bus berakhir di perusahaan.
5. Setelah menjemput karyawan dari pos, bus
akan meninggalkan pos tersebut.
6. Tidak terdapat subrute pada setiap rute
yang ada.
7. Jarak maksimum yang ditempuh oleh
setiap bus adalah 100 km.
8. Biaya tetap untuk setiap pengiriman satu
bus per hari adalah 100000 rupiah.
9. Biaya yang dikeluarkan tiap-tiap bus per
kilometer adalah 2000 rupiah.
Pengelola bus karyawan tersebut telah
melakukan survei ke beberapa tempat yang
dianggap strategis untuk dijadikan pos
sehingga semua karyawan dapat menjangkau
pos tersebut dengan mudah. Pos-pos ini yang
nantinya menjadi tempat bus untuk
menjemput karyawan. Pos dibagi menjadi:
Pos A, Pos B, Pos C, Pos D, Pos E, Pos F, Pos
G, Pos H, Pos I, dan Pos J. Setiap pos hanya
dikunjungi oleh satu bus. Data jarak antarpos
dan jarak dari perusahaan ke setiap pos
diberikan pada Tabel 1 (dalam kilometer).

Tabel 1 Jarak antarpos penjemputan bus karyawan

POS 0 A B C D E F G H I J

0 0 23 25 17 23 19 21 24 24 23 25
A 23 0 15 8 13 13 14 14 18 15 15
B 25 15 0 10 12 14 17 18 18 17 17
C 17 8 10 0 10 16 16 10 18 15 13
D 23 13 12 10 0 11 12 12 16 13 11
E 19 13 14 16 11 0 12 12 16 13 11
F 21 14 17 16 12 12 0 9 13 14 15
G 24 14 18 10 12 12 9 0 14 11 11
H 24 18 18 18 16 16 13 14 0 11 11
I 23 15 17 15 13 13 14 11 11 0 12
J 25 15 17 13 11 11 15 11 11 12 0
 13

Tabel 2 Banyaknya karyawan yang dijemput pada setiap pos

POS Banyaknya karyawan yang dijemput di pos i

A 10
B 12
C 13
D 14
E 15
F 16
G 17
H 18
I 19
J 20

Formulasi model PLI dari data pada Tabel i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

1 adalah sebagai berikut:
Minimumkan ∑ ∑ cij xij + f .k
i∈V ' j∈V '
terhadap kendala berikut:
1. Setiap rute perjalanan bus berawal dari
depot dengan pembatasan bahwa paling
banyak k bus yang meninggalkan pos 0
menuju pos i
∑ x0i ≤ k
i∈I
i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
2. Setiap rute perjalanan bus berakhir di
depot dengan pembatasan bahwa paling
banyak k bus yang meninggalkan node i
menuju depot
∑ xi 0 ≤ k
i∈I
i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
3. Setiap pos hanya dapat dikunjungi tepat
satu kali oleh satu bus
∑ xij = 1 ∀i ∈ I
j ∈I , j ≠ i
∑ xij = 1 ∀j ∈ I
i∈ I , i ≠ j
i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
j = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
4. Kendala Kapasitas
ui − uj + Qxij ≤ Q − qj
∀ i ≠ j ∈I
ui ≥ q i ,
ui − qix0i + Qx0i ≤ Q
j = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
5. Kendala Jarak
vi − vj + (T − di0 − d0j + dij) xij + (T − di0 −
d0j − dji) xji ≤ T − dio − doj ∀i≠j ∈ I
vi – d0i x0i ≥ 0, ∀i∈ I
vi – d0i x0i + T x0i ≤ T, ∀i∈ I
i = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
j = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
6. Variabel keputusan xij merupakan integer
biner.
⎧1 ; jika bus berangkat dari pos i ke pos j
xij = ⎨
⎩0 ; jika selainnya
Model dalam bentuk integer linear
programming selanjutnya diselesaikan
menggunakan software LINGO 8.0 dengan
metode branch and bound (lihat Lampiran 2),
sehingga dihasilkan rute kendaraan untuk
menjemput dan mengantar karyawan yang
meminimumkan total jarak tempuh. Setelah
melakukan beberapa kali iterasi dengan
mengganti nilai k, biaya yang paling
minimum diperoleh jika digunakan 4 unit bus
untuk dapat menjemput karyawan dengan rute
setiap bus diberikan pada Tabel 3, Tabel 4,
Tabel 5, Tabel 6, dan Gambar 12.
∀i ∈ I
∀i ∈ I
 14

Tabel 3 Rute solusi optimal untuk bus Tabel 5 Rute solusi optimal untuk bus ketiga
pertama Pos i Banyaknya karyawan yang dijemput di
Pos i Banyaknya karyawan yang dijemput di pos i
pos i 0 0
0 0 H 18
C 13 J 20
B 12 0 0
E 15
0 0 Tabel 6 Rute solusi optimal untuk bus
keempat
Tabel 4 Rute solusi optimal untuk bus kedua Pos i Banyaknya karyawan yang dijemput di
Pos i Banyaknya karyawan yang dijemput di pos i
pos i 0 0
0 0 I 19
F 16 G 17
D 14 0 0
A 10
0 0

B
C F

D
Depot (0)
E Keterangan :
A Bus 1
Bus 2
G J Bus 3
Bus 4
I H

Gambar 12 Solusi rute perjalanan.

Rute yang dilalui bus pertama berawal dari
depot, pos C, pos B, pos E, lalu kembali ke
depot dengan total jarak tempuh 60 km dan
mengangkut karyawan sejumlah 40 orang.
Rute yang dilalui oleh bus kedua adalah
meliputi depot, pos F, pos D, pos A, kemudian
kembali ke depot dengan total jarak tempuh
69 km dan mengangkut karyawan sejumlah 40
orang. Rute yang dilalui oleh bus ketiga
meliputi depot, pos H, pos J, dan kembali ke
depot dengan total jarak tempuh 60 km dan
mengangkut karyawan sejumlah 38 orang.
Sedangkan rute yang dilalui oleh bus keempat
meliputi depot, pos I, pos G, dan kembali ke
depot dengan total jarak tempuh 58 km dan
mengangkut karyawan sejumlah 36 orang. 
Total jarak yang ditempuh oleh keempat
unit bus tersebut dalam menjemput atau
mengantar karyawan adalah 247 km. Total
biaya yang harus dikeluarkan untuk biaya
operasional bus karyawan per harinya adalah
894000 rupiah.

V SIMPULAN DAN SARAN
5.1 Simpulan
Dalam karya ilmiah ini telah diperlihatkan
masalah penentuan rute bus karyawan.
Masalah ini dipandang sebagai masalah PLI
dengan fungsi objektif meminimumkan biaya
operasional bus.
Rute yang diperoleh sangat bergantung
pada kapasitas bus dan jarak antarpos
penjemputan karyawan. Penentuan rute bus
DAFTAR PUSTAKA
Bektas T, Elmastas S. 2007. Solving school
bus routing problems through integer
programming. Journal of Operational
Research Society 58: 1599-1604.
Cordeau JF, Gendreau M, Laporte, Potvin JY,
Semet F. 2002. A guide to vehicle
routing heuristics. Journal of
Operational Research Society 53: 512-
522.
Foulds LR. 1992. Graph Theory Applications.
Springer-Verlag, New York.
Garfinkel RS, Nemhauser GL. 1972. Integer
Programming. Jo Ghn Wiley & Sons,
New York.
Larsen J. 1999. Vehicle routing with times
windows [Ph. D Thesis]. Denmark :
Department of Mathematical
Modelling, University of Denmark.
Nash SG, Sofer A. 1996. Linear and
Nonlinear Programming. McGraw-
Hill, New York.
15
karyawan dengan menggunakan PLI sangat
fleksibel, di mana pengguna dapat dengan
mudah menambahkan data maupun kendala-
kendala baru yang diperlukan.
.
5.2 Saran
Tulisan ini dapat dikembangkan untuk
menyelesaikan masalah penentuan rute bus
dengan mempertimbangkan kendala waktu.
Taha HA. 1975. Integer Programming:
Theory, Applications, and
Computations. Academic Press, New
York.
Taha HA. 1996. Pengantar Riset Operasi.
Alih Bahasa: Daniel Wirajaya.
Binarupa Aksara, Jakarta. Terjemahan
dari: Operations Research.
Toth P, Vigo D. 2002. An overview of vehicle
routing problems. Di dalam: Toth P,
Vigo D, editor. The Vehicle Routing
Problem. Philadelphia: Siam. Hlm. 1-
26.
Winston WL. 1995. Introduction to
Mathematical Programming 2nd ed.
Duxbury, New York.
Winston WL. 2004. Operations Research
Applications and Algorithms 4th ed.
Duxbury, New York.
 

LAMPIRAN
 17 
 

Lampiran 1.

Syntax Program LINGO 8.0 untuk Menyelesaikan Masalah Pemrograman Linear dengan Metode
Branch-and-Bound Beserta Hasil yang Diperoleh

1) PL‐relaksasi masalah (2.7)
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1>=0;
x2>=0;

Hasil yang diperoleh :

Global optimal solution found at iteration: 4
Objective value: 23.75000

Variable Value Reduced Cost

X1 3.750000 0.000000
X2 1.250000 0.000000

Row Slack or Surplus Dual Price

1 23.75000 1.000000
2 0.000000 2.500000
3 0.000000 0.2500000
4 3.750000 0.000000
5 1.250000 0.000000
2) Subproblem 2:
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1>=4;
x2>=0;

Hasil yang diperoleh :

Global optimal solution found at iteration: 5
Objective value: 23.33333

Variable Value Reduced Cost

X1 4.000000 0.000000
X2 0.8333333 0.000000

Row Slack or Surplus Dual Price

1 23.33333 1.000000
2 0.1666667 0.000000
3 0.000000 0.6666667
4 0.000000 -1.666667
5 0.8333333 0.000000

3) Subproblem 4 :
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1>=4;
x2>=1;
 18 
 

hasil yang diperoleh: takfisibel, sebagaimana ditunjukkan di bawah ini

4) Subproblem 5:
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1>=4;
x2<=0;

Hasil yang diperoleh :

Global optimal solution found at iteration: 3
Objective value: 22.50000

Variable Value Reduced Cost

X1 4.500000 0.000000
X2 0.000000 0.000000

Row Slack or Surplus Dual Price

1 22.50000 1.000000
2 0.5000000 0.000000
3 0.000000 0.5000000
4 0.5000000 0.000000
5 0.000000 1.000000
 19 
 

5) Subproblem 6:
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1>=5;
x2<=0;

hasil yang diperoleh: takfisibel, sebagaimana ditunjukkan di bawah ini

6) Subproblem 7:
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1<=4;
x1>=4;
x2<=0;
 20 
 

Hasil yang diperoleh :

Global optimal solution found at iteration: 2
Objective value: 20.00000

Variable Value Reduced Cost

X1 4.000000 0.000000
X2 0.000000 0.000000

Row Slack or Surplus Dual Price

1 20.00000 1.000000
2 1.000000 0.000000
3 5.000000 0.000000
4 0.000000 5.000000
5 0.000000 4.000000

7) Subproblem 3:
max=5*x1+4*x2;
x1+x2<=5;
10*x1+6*x2<=45;
x1<=3;
x2>=0;

Hasil yang diperoleh :

Global optimal solution found at iteration: 3
Objective value: 23.00000

Variable Value Reduced Cost

X1 3.000000 0.000000
X2 2.000000 0.000000

Row Slack or Surplus Dual Price

1 23.00000 1.000000
2 0.000000 4.000000
3 3.000000 0.000000
4 0.000000 1.000000
5 2.000000 0.000000
 21 
 

Lampiran 2.

Syntax Program LINGO 8.0 untuk Menyelesaikan Masalah Rute Bus Karyawan

SETS:
NODE/1..11/:KRWN,CAP,V;
LINK(NODE,NODE):DIST,X,C;
ENDSETS
DATA:
DIST =
0 23 25 17 23 19 21 24 24 23 25
23 0 15 8 13 13 14 14 18 15 15
25 15 0 10 12 14 17 18 18 17 17
17 8 10 0 10 16 16 10 18 15 13
23 13 12 10 0 11 12 12 16 13 11
19 13 14 16 11 0 12 12 16 13 11
21 14 17 16 12 12 0 9 13 14 15
24 14 18 10 12 12 9 0 14 11 11
24 18 18 18 16 16 13 14 0 11 11
23 15 17 15 13 13 14 11 11 0 12
25 15 17 13 11 11 15 11 11 12 0
;
KRWN=
0
10
12
13
14
15
16
17
18
19
20
;
ALPHA = 2000;F = 100000;K = 4 ;T = 100;Q= 40;

ENDDATA

MAX = @SUM(LINK(I,J)|I#NE#J:C(I,J)*X(I,J))+ F*K;

!BIAYA;
@FOR(LINK(I,J)|I#NE#J:C(I,J) = ALPHA * DIST(I,J));
!KENDALA
!SETIAP RUTE BERAWAL DAN BERAKHIR DI DEPOT;
@FOR(NODE(I)|I#EQ#1:@SUM(NODE(J)| J#GT#1 : X(I,J))<=K);
@FOR(NODE(J)|J#EQ#1:@SUM(NODE(I)| I#GT#1 : X(I,J))<=K);
!SETIAP POS HANYA DAPAT DIKUNJUNGI TEPAT SATU KALI OLEH SATU BIS;
@FOR(NODE(I)|I#GT#1:@SUM(NODE(J) |I#NE#J: X(I,J))=1);
@FOR(NODE(J)|J#GT#1:@SUM(NODE(I) |J#NE#I: X(I,J))=1);
!VARIABEL KEPUTUSAN;
@FOR(LINK:@BIN(X));
!KAPASITAS;
@FOR(LINK(I,J)|I#GT#1 #AND# J#GT#1 #AND# I#NE#J:CAP(I)-CAP(J)+Q*X(I,J)<=Q-
KRWN(J));
 22 
 

@FOR(NODE(I)|I#GT#1 : CAP(I) >= KRWN(I));

@FOR(LINK(I,J)|I#EQ#1 #AND# J#GT#1 : CAP(I)- KRWN(I)*X(I,J)+Q*X(I,J)<=Q);
@FOR(LINK(I,J)| I #NE# J : KRWN(I)+ KRWN(J)<=Q );
!JARAK;
@FOR(LINK(I,J)|I#GT#1 #AND# J#GT#1 #AND# I#NE#J: V(I)-V(J)+(T-DIST(I,1)-
DIST(1,I)+DIST(I,J))*X(I,J)+(T-DIST(I,1)-DIST(1,I)-DIST(J,I))*X(J,I)<=T-
DIST(I,1)-DIST(1,J));
@FOR(NODE(I)|I#GT#1 :V(I)-DIST(1,I)*X(1,I)>=0);
@FOR(NODE(I)|I#GT#1 :V(I)-DIST(1,I)*X(1,I)+T*X(1,I)<=T);
@FOR(LINK(I,J)|I#GT#1 #AND# J#GT#1 #AND#
I#NE#J:DIST(1,J)+DIST(I,J)+DIST(I,1)<=T);

END
 23 
 

Lampiran 3

Hasil Komputasi Program pada LINGO 8.0 untuk Menyelesaikan Masalah Bus Karyawan

Global optimal solution found at iteration: 13357043

Objective value: 894000.0

Variable Value Reduced Cost

ALPHA 2000.000 0.000000
F 100000.0 0.000000
K 4.000000 0.000000
T 100.0000 0.000000
Q 40.00000 0.000000
KRWN( 1) 0.000000 0.000000
KRWN( 2) 10.00000 0.000000
KRWN( 3) 12.00000 0.000000
KRWN( 4) 13.00000 0.000000
KRWN( 5) 14.00000 0.000000
KRWN( 6) 15.00000 0.000000
KRWN( 7) 16.00000 0.000000
KRWN( 8) 17.00000 0.000000
KRWN( 9) 18.00000 0.000000
KRWN( 10) 19.00000 0.000000
KRWN( 11) 20.00000 0.000000
CAP( 1) 0.000000 0.000000
 24 
 

CAP( 2) 40.00000 0.000000

CAP( 3) 25.00000 0.000000
CAP( 4) 13.00000 0.000000
CAP( 5) 30.00000 0.000000
CAP( 6) 40.00000 0.000000
CAP( 7) 16.00000 0.000000
CAP( 8) 17.00000 0.000000
CAP( 9) 40.00000 0.000000
CAP( 10) 22.00000 0.000000
CAP( 11) 40.00000 0.000000
V( 1) 0.000000 0.000000
V( 2) 48.00000 0.000000
V( 3) 35.00000 0.000000
V( 4) 17.00000 0.000000
V( 5) 35.00000 0.000000
V( 6) 43.00000 0.000000
V( 7) 21.00000 0.000000
V( 8) 24.00000 0.000000
V( 9) 35.00000 0.000000
V( 10) 23.00000 0.000000
V( 11) 36.00000 0.000000
DIST( 1, 1) 0.000000 0.000000
DIST( 1, 2) 23.00000 0.000000
DIST( 1, 3) 25.00000 0.000000
DIST( 1, 4) 17.00000 0.000000
DIST( 1, 5) 23.00000 0.000000
DIST( 1, 6) 19.00000 0.000000
DIST( 1, 7) 21.00000 0.000000
DIST( 1, 8) 24.00000 0.000000
DIST( 1, 9) 24.00000 0.000000
DIST( 1, 10) 23.00000 0.000000
DIST( 1, 11) 25.00000 0.000000
DIST( 2, 1) 23.00000 0.000000
DIST( 2, 2) 0.000000 0.000000
DIST( 2, 3) 15.00000 0.000000
DIST( 2, 4) 8.000000 0.000000
DIST( 2, 5) 13.00000 0.000000
DIST( 2, 6) 13.00000 0.000000
DIST( 2, 7) 14.00000 0.000000
DIST( 2, 8) 14.00000 0.000000
DIST( 2, 9) 18.00000 0.000000
DIST( 2, 10) 15.00000 0.000000
DIST( 2, 11) 15.00000 0.000000
DIST( 3, 1) 25.00000 0.000000
DIST( 3, 2) 15.00000 0.000000
DIST( 3, 3) 0.000000 0.000000
DIST( 3, 4) 10.00000 0.000000
DIST( 3, 5) 12.00000 0.000000
DIST( 3, 6) 14.00000 0.000000
DIST( 3, 7) 17.00000 0.000000
DIST( 3, 8) 18.00000 0.000000
DIST( 3, 9) 18.00000 0.000000
DIST( 3, 10) 17.00000 0.000000
DIST( 3, 11) 17.00000 0.000000
DIST( 4, 1) 17.00000 0.000000
DIST( 4, 2) 8.000000 0.000000
DIST( 4, 3) 10.00000 0.000000
 25 
 

DIST( 4, 4) 0.000000 0.000000

DIST( 4, 5) 10.00000 0.000000
DIST( 4, 6) 16.00000 0.000000
DIST( 4, 7) 16.00000 0.000000
DIST( 4, 8) 10.00000 0.000000
DIST( 4, 9) 18.00000 0.000000
DIST( 4, 10) 15.00000 0.000000
DIST( 4, 11) 13.00000 0.000000
DIST( 5, 1) 23.00000 0.000000
DIST( 5, 2) 13.00000 0.000000
DIST( 5, 3) 12.00000 0.000000
DIST( 5, 4) 10.00000 0.000000
DIST( 5, 5) 0.000000 0.000000
DIST( 5, 6) 11.00000 0.000000
DIST( 5, 7) 12.00000 0.000000
DIST( 5, 8) 12.00000 0.000000
DIST( 5, 9) 16.00000 0.000000
DIST( 5, 10) 13.00000 0.000000
DIST( 5, 11) 11.00000 0.000000
DIST( 6, 1) 19.00000 0.000000
DIST( 6, 2) 13.00000 0.000000
DIST( 6, 3) 14.00000 0.000000
DIST( 6, 4) 16.00000 0.000000
DIST( 6, 5) 11.00000 0.000000
DIST( 6, 6) 0.000000 0.000000
DIST( 6, 7) 12.00000 0.000000
DIST( 6, 8) 12.00000 0.000000
DIST( 6, 9) 16.00000 0.000000
DIST( 6, 10) 13.00000 0.000000
DIST( 6, 11) 11.00000 0.000000
DIST( 7, 1) 21.00000 0.000000
DIST( 7, 2) 14.00000 0.000000
DIST( 7, 3) 17.00000 0.000000
DIST( 7, 4) 16.00000 0.000000
DIST( 7, 5) 12.00000 0.000000
DIST( 7, 6) 12.00000 0.000000
DIST( 7, 7) 0.000000 0.000000
DIST( 7, 8) 9.000000 0.000000
DIST( 7, 9) 13.00000 0.000000
DIST( 7, 10) 14.00000 0.000000
DIST( 7, 11) 15.00000 0.000000
DIST( 8, 1) 24.00000 0.000000
DIST( 8, 2) 14.00000 0.000000
DIST( 8, 3) 18.00000 0.000000
DIST( 8, 4) 10.00000 0.000000
DIST( 8, 5) 12.00000 0.000000
DIST( 8, 6) 12.00000 0.000000
DIST( 8, 7) 9.000000 0.000000
DIST( 8, 8) 0.000000 0.000000
DIST( 8, 9) 14.00000 0.000000
DIST( 8, 10) 11.00000 0.000000
DIST( 8, 11) 11.00000 0.000000
DIST( 9, 1) 24.00000 0.000000
DIST( 9, 2) 18.00000 0.000000
DIST( 9, 3) 18.00000 0.000000
DIST( 9, 4) 18.00000 0.000000
DIST( 9, 5) 16.00000 0.000000
 26 
 

DIST( 9, 6) 16.00000 0.000000

DIST( 9, 7) 13.00000 0.000000
DIST( 9, 8) 14.00000 0.000000
DIST( 9, 9) 0.000000 0.000000
DIST( 9, 10) 11.00000 0.000000
DIST( 9, 11) 11.00000 0.000000
DIST( 10, 1) 23.00000 0.000000
DIST( 10, 2) 15.00000 0.000000
DIST( 10, 3) 17.00000 0.000000
DIST( 10, 4) 15.00000 0.000000
DIST( 10, 5) 13.00000 0.000000
DIST( 10, 6) 13.00000 0.000000
DIST( 10, 7) 14.00000 0.000000
DIST( 10, 8) 11.00000 0.000000
DIST( 10, 9) 11.00000 0.000000
DIST( 10, 10) 0.000000 0.000000
DIST( 10, 11) 12.00000 0.000000
DIST( 11, 1) 25.00000 0.000000
DIST( 11, 2) 15.00000 0.000000
DIST( 11, 3) 17.00000 0.000000
DIST( 11, 4) 13.00000 0.000000
DIST( 11, 5) 11.00000 0.000000
DIST( 11, 6) 11.00000 0.000000
DIST( 11, 7) 15.00000 0.000000
DIST( 11, 8) 11.00000 0.000000
DIST( 11, 9) 11.00000 0.000000
DIST( 11, 10) 12.00000 0.000000
DIST( 11, 11) 0.000000 0.000000
X( 1, 1) 0.000000 0.000000
X( 1, 2) 0.000000 46000.00
X( 1, 3) 0.000000 50000.00
X( 1, 4) 1.000000 34000.00
X( 1, 5) 0.000000 46000.00
X( 1, 6) 0.000000 38000.00
X( 1, 7) 1.000000 42000.00
X( 1, 8) 1.000000 48000.00
X( 1, 9) 0.000000 48000.00
X( 1, 10) 1.000000 46000.00
X( 1, 11) 0.000000 50000.00
X( 2, 1) 1.000000 46000.00
X( 2, 2) 0.000000 0.000000
X( 2, 3) 0.000000 30000.00
X( 2, 4) 0.000000 16000.00
X( 2, 5) 0.000000 26000.00
X( 2, 6) 0.000000 26000.00
X( 2, 7) 0.000000 28000.00
X( 2, 8) 0.000000 28000.00
X( 2, 9) 0.000000 36000.00
X( 2, 10) 0.000000 30000.00
X( 2, 11) 0.000000 30000.00
X( 3, 1) 0.000000 50000.00
X( 3, 2) 0.000000 30000.00
X( 3, 3) 0.000000 0.000000
X( 3, 4) 0.000000 20000.00
X( 3, 5) 0.000000 24000.00
X( 3, 6) 1.000000 28000.00
X( 3, 7) 0.000000 34000.00
 27 
 

X( 3, 8) 0.000000 36000.00
X( 3, 9) 0.000000 36000.00
X( 3, 10) 0.000000 34000.00
X( 3, 11) 0.000000 34000.00
X( 4, 1) 0.000000 34000.00
X( 4, 2) 0.000000 16000.00
X( 4, 3) 1.000000 20000.00
X( 4, 4) 0.000000 0.000000
X( 4, 5) 0.000000 20000.00
X( 4, 6) 0.000000 32000.00
X( 4, 7) 0.000000 32000.00
X( 4, 8) 0.000000 20000.00
X( 4, 9) 0.000000 36000.00
X( 4, 10) 0.000000 30000.00
X( 4, 11) 0.000000 26000.00
X( 5, 1) 0.000000 46000.00
X( 5, 2) 1.000000 26000.00
X( 5, 3) 0.000000 24000.00
X( 5, 4) 0.000000 20000.00
X( 5, 5) 0.000000 0.000000
X( 5, 6) 0.000000 22000.00
X( 5, 7) 0.000000 24000.00
X( 5, 8) 0.000000 24000.00
X( 5, 9) 0.000000 32000.00
X( 5, 10) 0.000000 26000.00
X( 5, 11) 0.000000 22000.00
X( 6, 1) 1.000000 38000.00
X( 6, 2) 0.000000 26000.00
X( 6, 3) 0.000000 28000.00
X( 6, 4) 0.000000 32000.00
X( 6, 5) 0.000000 22000.00
X( 6, 6) 0.000000 0.000000
X( 6, 7) 0.000000 24000.00
X( 6, 8) 0.000000 24000.00
X( 6, 9) 0.000000 32000.00
X( 6, 10) 0.000000 26000.00
X( 6, 11) 0.000000 22000.00
X( 7, 1) 0.000000 42000.00
X( 7, 2) 0.000000 28000.00
X( 7, 3) 0.000000 34000.00
X( 7, 4) 0.000000 32000.00
X( 7, 5) 1.000000 24000.00
X( 7, 6) 0.000000 24000.00
X( 7, 7) 0.000000 0.000000
X( 7, 8) 0.000000 18000.00
X( 7, 9) 0.000000 26000.00
X( 7, 10) 0.000000 28000.00
X( 7, 11) 0.000000 30000.00
X( 8, 1) 0.000000 48000.00
X( 8, 2) 0.000000 28000.00
X( 8, 3) 0.000000 36000.00
X( 8, 4) 0.000000 20000.00
X( 8, 5) 0.000000 24000.00
X( 8, 6) 0.000000 24000.00
X( 8, 7) 0.000000 18000.00
X( 8, 8) 0.000000 0.000000
X( 8, 9) 0.000000 28000.00
 28 
 

X( 8, 10) 0.000000 22000.00

X( 8, 11) 1.000000 22000.00
X( 9, 1) 1.000000 48000.00
X( 9, 2) 0.000000 36000.00
X( 9, 3) 0.000000 36000.00
X( 9, 4) 0.000000 36000.00
X( 9, 5) 0.000000 32000.00
X( 9, 6) 0.000000 32000.00
X( 9, 7) 0.000000 26000.00
X( 9, 8) 0.000000 28000.00
X( 9, 9) 0.000000 0.000000
X( 9, 10) 0.000000 22000.00
X( 9, 11) 0.000000 22000.00
X( 10, 1) 0.000000 46000.00
X( 10, 2) 0.000000 30000.00
X( 10, 3) 0.000000 34000.00
X( 10, 4) 0.000000 30000.00
X( 10, 5) 0.000000 26000.00
X( 10, 6) 0.000000 26000.00
X( 10, 7) 0.000000 28000.00
X( 10, 8) 0.000000 22000.00
X( 10, 9) 1.000000 22000.00
X( 10, 10) 0.000000 0.000000
X( 10, 11) 0.000000 24000.00
X( 11, 1) 1.000000 50000.00
X( 11, 2) 0.000000 30000.00
X( 11, 3) 0.000000 34000.00
X( 11, 4) 0.000000 26000.00
X( 11, 5) 0.000000 22000.00
X( 11, 6) 0.000000 22000.00
X( 11, 7) 0.000000 30000.00
X( 11, 8) 0.000000 22000.00
X( 11, 9) 0.000000 22000.00
X( 11, 10) 0.000000 24000.00
X( 11, 11) 0.000000 0.000000
C( 1, 1) 0.000000 0.000000
C( 1, 2) 46000.00 0.000000
C( 1, 3) 50000.00 0.000000
C( 1, 4) 34000.00 0.000000
C( 1, 5) 46000.00 0.000000
C( 1, 6) 38000.00 0.000000
C( 1, 7) 42000.00 0.000000
C( 1, 8) 48000.00 0.000000
C( 1, 9) 48000.00 0.000000
C( 1, 10) 46000.00 0.000000
C( 1, 11) 50000.00 0.000000
C( 2, 1) 46000.00 0.000000
C( 2, 2) 0.000000 0.000000
C( 2, 3) 30000.00 0.000000

C( 2, 4) 16000.00 0.000000
C( 2, 5) 26000.00 0.000000
C( 2, 6) 26000.00 0.000000
C( 2, 7) 28000.00 0.000000
C( 2, 8) 28000.00 0.000000
C( 2, 9) 36000.00 0.000000
C( 2, 10) 30000.00 0.000000
 29 
 

C( 2, 11) 30000.00 0.000000

C( 3, 1) 50000.00 0.000000
C( 3, 2) 30000.00 0.000000
C( 3, 3) 0.000000 0.000000
C( 3, 4) 20000.00 0.000000
C( 3, 5) 24000.00 0.000000
C( 3, 6) 28000.00 0.000000
C( 3, 7) 34000.00 0.000000
C( 3, 8) 36000.00 0.000000
C( 3, 9) 36000.00 0.000000
C( 3, 10) 34000.00 0.000000
C( 3, 11) 34000.00 0.000000
C( 4, 1) 34000.00 0.000000
C( 4, 2) 16000.00 0.000000
C( 4, 3) 20000.00 0.000000
C( 4, 4) 0.000000 0.000000
C( 4, 5) 20000.00 0.000000
C( 4, 6) 32000.00 0.000000
C( 4, 7) 32000.00 0.000000
C( 4, 8) 20000.00 0.000000
C( 4, 9) 36000.00 0.000000
C( 4, 10) 30000.00 0.000000
C( 4, 11) 26000.00 0.000000
C( 5, 1) 46000.00 0.000000
C( 5, 2) 26000.00 0.000000
C( 5, 3) 24000.00 0.000000
C( 5, 4) 20000.00 0.000000
C( 5, 5) 0.000000 0.000000
C( 5, 6) 22000.00 0.000000
C( 5, 7) 24000.00 0.000000
C( 5, 8) 24000.00 0.000000
C( 5, 9) 32000.00 0.000000
C( 5, 10) 26000.00 0.000000
C( 5, 11) 22000.00 0.000000
C( 6, 1) 38000.00 0.000000
C( 6, 2) 26000.00 0.000000
C( 6, 3) 28000.00 0.000000
C( 6, 4) 32000.00 0.000000
C( 6, 5) 22000.00 0.000000
C( 6, 6) 0.000000 0.000000
C( 6, 7) 24000.00 0.000000
C( 6, 8) 24000.00 0.000000
C( 6, 9) 32000.00 0.000000
C( 6, 10) 26000.00 0.000000
C( 6, 11) 22000.00 0.000000
C( 7, 1) 42000.00 0.000000
C( 7, 2) 28000.00 0.000000
C( 7, 3) 34000.00 0.000000
C( 7, 4) 32000.00 0.000000
C( 7, 5) 24000.00 0.000000
C( 7, 6) 24000.00 0.000000
C( 7, 7) 0.000000 0.000000
C( 7, 8) 18000.00 0.000000
C( 7, 9) 26000.00 0.000000
C( 7, 10) 28000.00 0.000000
C( 7, 11) 30000.00 0.000000
C( 8, 1) 48000.00 0.000000
 30 
 

C( 8, 2) 28000.00 0.000000
C( 8, 3) 36000.00 0.000000
C( 8, 4) 20000.00 0.000000
C( 8, 5) 24000.00 0.000000
C( 8, 6) 24000.00 0.000000
C( 8, 7) 18000.00 0.000000
C( 8, 8) 0.000000 0.000000
C( 8, 9) 28000.00 0.000000
C( 8, 10) 22000.00 0.000000
C( 8, 11) 22000.00 0.000000
C( 9, 1) 48000.00 0.000000
C( 9, 2) 36000.00 0.000000
C( 9, 3) 36000.00 0.000000
C( 9, 4) 36000.00 0.000000
C( 9, 5) 32000.00 0.000000
C( 9, 6) 32000.00 0.000000
C( 9, 7) 26000.00 0.000000
C( 9, 8) 28000.00 0.000000
C( 9, 9) 0.000000 0.000000
C( 9, 10) 22000.00 0.000000
C( 9, 11) 22000.00 0.000000
C( 10, 1) 46000.00 0.000000
C( 10, 2) 30000.00 0.000000
C( 10, 3) 34000.00 0.000000
C( 10, 4) 30000.00 0.000000
C( 10, 5) 26000.00 0.000000
C( 10, 6) 26000.00 0.000000
C( 10, 7) 28000.00 0.000000
C( 10, 8) 22000.00 0.000000
C( 10, 9) 22000.00 0.000000
C( 10, 10) 0.000000 0.000000
C( 10, 11) 24000.00 0.000000
C( 11, 1) 50000.00 0.000000
C( 11, 2) 30000.00 0.000000
C( 11, 3) 34000.00 0.000000
C( 11, 4) 26000.00 0.000000
C( 11, 5) 22000.00 0.000000
C( 11, 6) 22000.00 0.000000
C( 11, 7) 30000.00 0.000000
C( 11, 8) 22000.00 0.000000
C( 11, 9) 22000.00 0.000000
C( 11, 10) 24000.00 0.000000
C( 11, 11) 0.000000 0.000000