Penyelesaian VRPTW Distribusi Tissue Galon Air Mineral PT Cool Clean Malang Menggunakan Algoritma Sweep dan MILP

PENYELESAIAN VRPTW DISTRIBUSI TISSUE GALON AIR
MINERAL PT COOL CLEAN MALANG MENGGUNAKAN

ALGORITMA SWEEP DAN MILP
SKRIPSI
TEKNIK INDUSTRI
Diajukan untuk memenuhi persyaratan

memperoleh gelar Sarjana Teknik
Disusun oleh :
ANGGINI PANGESTU
NIM. 145060700111019
UNIVERSITAS BRAWIJAYA
FAKULTAS TEKNIK
MALANG
2018
KATA PENGANTAR
Puji dan syukur kami panjatkan kehadirat Allah SWT, karena berkat rahmat dan
hidayah-Nya penulis dapat menyelesaikan penyusunan skripsi yang berjudul “Penyelesaian
VRPTW Distribusi Tissue Galon Air Mineral PT Cool Clean Malang Menggunakan
Algoritma Sweep dan MILP”. Skripsi ini disusun sebagai salah satu persyaratan untuk
menyelesaikan studi dan meraih gelar Strata Satu (S-1) di Jurusan Teknik Industri Fakultas
Teknik Universitas Brawijaya.
Dalam penyusunan skripsi ini banyak hambatan yang penulis alami. Namun berkat
dukungan dan bimbingan dari berbagai pihak, hambatan-hambatan tersebut dapat teratasi.
Oleh karena itu pada kesempatan kali ini penulis ingin mengucapkan terimakasih kepada:
1. Allah SWT yang telah memberikan rahmat, petunjuk dan ridha-Nya sehingga penulis
dapat menyelesaikan skripsi ini.
2. Bapak Oyong Novareza, ST., MT., Ph.D. Selaku Ketua Jurusan Teknik Industri
Fakultas Teknik Universitas Brawijaya dan Ibu Rahmi Yuniarti, ST., MT Selaku
Sekertaris Jurusan Teknik Industri Fakultas Teknik Universita Brawijaya.
3. Ibu Agustina Eunike, ST., MT., M.BA. Selaku Dosen Pembimbing Skripsi dan selaku
Kepala Studio Manajemen Industri atas waktu, petunjuk dan motivasi selama menjalani
seluruh rangkaian proses pengerjaan skripsi hingga saat ini. Terima kasih atas waktu
yang diberikan untuk membimbing penulis dan memberikan masukan serta solusi ketika
penulis membutuhkan bimbingan. Terima kasih karena telah menjadi guru yang baik
bagi penulis.
4. Ibu Ceria Farela Mada Tantrika, ST., MT. dan Bapak Angga Akbar Fanani, ST., MT.
Yang telah memberikan bimbingan, masukan serta solusi dalam menyelesaikan
penelitian ini.
5. Bapak Wisnu Wijayanto, ST., MT. selaku Dosen Pembimbing Akademik yang selalu
memberikan bimbingan, motivasi, arahan, dan ilmu kepada penulis.
6. Bapak dan Ibu Dosen Teknik Industri yang telah dengan ikhlas memberikan ilmu yang
sangat berharga bagi penulis selama menuntut ilmu di Jurusan Teknik Industri serta
Bapak dan Ibu Staff Jurusan Teknik Industri yang banyak membantu dalam kegiatan
akademik maupun non akademik penulis.
7. Ibu Sundari selaku pembimbing lapangan serta seluruh karyawan PT Cool Clean
Malang atas bantuan informasi sehingga membantu penelitian penulis.
i
8. Sahabat sejati penulis, Medi, Bagus, Nana, Nika, Faizal, Ilman, Nadya, Riri, Tita,
Melan, Bayu, Arum, dan Ardan, terima kasih karena selalu ada dan bersedia menjadi
tempat berkeluh kesah selama masa perkuliahan. Terima kasih telah membuat kota
Malang menjadi seperti rumah sendiri bagi penulis.
9. Teman makan dan bercengkerama, Nado, Nika, Nana, Riri, dan Faizal, terima kasih
telah menemani penulis untuk mengisi waktu luang.
10. Keluarga IMS 2014, Nadifa, Thesa, Aisyah, Zein, dan Lidya, terima kasih untuk semua
canda tawa, air mata, kenangan, dan pengalaman yang sangat berharga selama bekerja
sama.
11. Teman satu penelitian penulis Nika Carlinawati yang telah membantu, memberi
motivasi, semangat, saran, diskusi serta kerja sama dalam melakukan penelitian skripsi
kepada penulis.
12. Seluruh teman-teman Teknik Industri Angkatan 2014, yang telah memberikan
dukungan dan doa dalam penyelesaian skripsi penulis.
Penulis menyadari bahwa skripsi ini jauh dari sempurna, oleh karena itu saran dan kritik
sangat diperlukan untuk kebaikan di masa depan. Semoga skripsi ini bermanfaat bagi semua
pihak yang membacanya.
Malang, Mei 2018
Penulis
ii
DAFTAR ISI
KATA PENGANTAR ......................................................................................................... i
DAFTAR ISI ...................................................................................................................... iii
DAFTAR TABEL ............................................................................................................. vii
DAFTAR GAMBAR ......................................................................................................... ix
DAFTAR LAMPIRAN ...................................................................................................... xi
RINGKASAN ................................................................................................................... xiii
SUMMARY ........................................................................................................................ xv
BAB I PENDAHULUAN .................................................................................................... 1
1.1 Latar Belakang ...................................................................................................... 1
1.2 Identifikasi Masalah .............................................................................................. 5
1.3 Rumusan Masalah ................................................................................................. 5
1.4 Batasan Penelitian ................................................................................................. 6
1.5 Asumsi Penelitian ................................................................................................. 6
1.6 Tujuan Penelitian .................................................................................................. 6
1.7 Manfaat Penelitian ................................................................................................ 6
BAB II TINJAUAN PUSTAKA ......................................................................................... 7
2.1 Penelitian Terdahulu ............................................................................................. 7
2.2 Supply Chain Management ................................................................................. 10
2.3 Masalah Distribusi .............................................................................................. 11
2.4 Transportasi ......................................................................................................... 14
2.5 NP-Problems ....................................................................................................... 15
2.6 Vehicle Routing Problem .................................................................................... 16
2.6.1 Macam-Macam Vehicle Routing Problem .............................................. 16
2.6.2 Vehicle Routing Problem with Time Windows (VRPTW) ...................... 18
2.6.3 Metode Penyelesaian Vehicle Routing Problem ..................................... 19
2.7 Cluster First Route Second ................................................................................. 20
2.8 Algoritma Sweep ................................................................................................. 20
2.9 Linear Programming .......................................................................................... 20
2.10Global Positioning System .................................................................................. 21
2.10.1 Google Maps ........................................................................................... 22
2.11 Lingo ................................................................................................................. 22
BAB III METODE PENELITIAN................................................................................... 23
iii
3.1 Jenis Penelitian ....................................................................................................23
3.2 Tempat dan Waktu Penelitian ..............................................................................23
3.3 Data yang Digunakan ..........................................................................................23
3.4 Langkah-Langkah Penelitian ...............................................................................24
3.5 Diagram Alir Penelitian .......................................................................................26
BAB IV HASIL DAN PEMBAHASAN ............................................................................29
4.1 Gambaran Umum Perusahaan .............................................................................29
4.1.1 Sejarah Perusahaan .....................................................................................29
4.1.2 Visi dan Misi Perusahaan ...........................................................................30
4.1.3 Struktur Organisasi Perusahaan ..................................................................30
4.2 Pengumpulan Data ...............................................................................................31
4.2.1 Data Wilayah Distribusi Tissue Galon Air Mineral ...................................32
4.2.2 Data Kendaraan dan kapasitas Kendaraan .................................................34
4.2.3 Data Permintaan Tissue untuk Setiap Rute ................................................36
4.2.4 Data Time Windows ....................................................................................37
4.2.5 Data Pelayanan (Loading/Unloading) di Tiap Wilayah Distribusi ............38
4.2.6 Waktu Tempuh ...........................................................................................38
4.2.7 Data Biaya Pengiriman...............................................................................39
4.3 Pengolahan Data ..................................................................................................40
4.3.1 Model Konseptual Penelitian .....................................................................40
4.3.2 Perhitungan Jarak dan Waktu Tempuh Existing ........................................41
4.3.3 Perhitungan Biaya Distribusi Perusahaan Existing ....................................43
4.3.4 Perhitungan Rute Optimal ..........................................................................44
4.3.4.1 Clustering Rute Menggunakan Algoritma Sweep ..........................44
4.3.4.2 Model matematis Mix Integer Linear Programming .....................48
4.3.4.3 Variabel Keputusan ........................................................................49
4.3.4.4 Fungsi Tujuan .................................................................................50
4.3.4.5 Fungsi Kendala ...............................................................................50
4.3.5 Penyelesaian Model Matematis dengan Mix Integer Linear Programming
....................................................................................................................52
4.3.5.1 Rute Pengiriman Tissue Menggunakan Mix Integer Linear
Programming ..................................................................................53
4.3.5.2 Analisa Time Windows Berdasarkan Output Mix Integer Linear
Programming ...................................................................................56
iv
4.3.5.3 Perhitungan Biaya Distribusi dengan Mix Integer Linear
Programming ................................................................................. 58
4.4 Analisis dan Pembahasan .................................................................................... 59
4.4.1 Perbandingan Rute dan Model Struktur Pendistribusian Produk Tissue ... 60
4.4.2 Perbandingan Jarak Tempuh dan Biaya Distribusi Produk Tissue ............ 60
BAB V PENUTUP ............................................................................................................. 65
5.1 Kesimpulan ......................................................................................................... 65
5.2 Saran.................................................................................................................... 66
DAFTAR PUSTAKA ........................................................................................................ 67
LAMPIRAN
v
Halaman ini sengaja dikosongkan
vi
DAFTAR TABEL
No. Judul Halaman
Tabel 1.1 Wilayah Distribusi PT Cool Clean Malang ................................................... 2
Tabel 1.2 Contoh Perhitungan ....................................................................................... 3
Tabel 2.1 Penelitian Terdahulu dan Perbandingan Penelitian yang Dilakukan ............. 9
Tabel 4.1 Wilayah Distribusi Tissue Galon Air Mineral ............................................. 32
Tabel 4.2 Spesifikasi Kendaraan .................................................................................. 34
Tabel 4.3 Kapasitas Kendaraan .................................................................................... 35
Tabel 4.4 Permintaan Tissue dalam Satu Horizon Perencanaan .................................. 36
Tabel 4.5 Data Waktu Buka dan Tutup Wilayah Distribusi ........................................ 37
Tabel 4.6 Waktu Loading dan Unloading .................................................................... 38
Tabel 4.7 Biaya Distribusi ........................................................................................... 40
Tabel 4.8 Rute Saat ini Distribusi Tissue ..................................................................... 41
Tabel 4.9 Jarak dan Waktu Tempuh Saat Ini ............................................................... 42
Tabel 4.10 Rute dan Biaya Distribusi Existing .............................................................. 43
Tabel 4.11 Titik Universal Transverse Mergator (UTM) Wilayah Distribusi .............. 44
Tabel 4.12 Titik Koordinat Wilayah Distribusi ............................................................. 45
Tabel 4.13 Hasil Perhitungan Sudut Polar Wilayah Distribusi ...................................... 46
Tabel 4.14 Urutan Sudut Polar Wilayah Distribusi ....................................................... 47
Tabel 4.15 Alokasi Wilayah Distribusi kedalam Kendaraan dan Rute.......................... 47
Tabel 4.16 Nomor Node Pusat Distribusi dan Wilayah Distribusi ................................ 49
Tabel 4.17 Hasil Output Lingo 17.0 Untuk Culster 1 .................................................... 53
Tabel 4.18 Urutan Rute Hasil Software Lingo 17.0 Untuk Cluster 1 ............................ 53
Tabel 4.23 Jadwal Pendistribusian Tissue untuk Rute Cluster 1 ................................... 56
Tabel 4.26 Rute dan Biaya Distribusi Tissue Berdasarkan Hasil Analisa Time Windows
...................................................................................................................... 59
vii
Tabel 4.27 Rute dan Biaya Distribusi Tissue Berdasarkan Hasil Analisa Time Windows
......................................................................................................................59
Tabel 4.28 Perbandingan Rute Distribusi Existing dan Rute Hasil Mix Integer Linear
Programming ................................................................................................60
viii
DAFTAR GAMBAR
No. Judul Halaman

Gambar 1.1 Grafik pengiriman produk tissue galon air mineral per minggu .................... 4
Gambar 2.1 Saluran distribusi umum .............................................................................. 11
Gambar 2.2 Manufactured storage with direct shipping ................................................. 12
Gambar 2.3 Manufacturer storage with direct shipping and un-transit merge............... 12
Gambar 2.4 Distributor storage with carrier delivery .................................................... 13
Gambar 2.5 Distributor storage with last-mile delivery .................................................. 13
Gambar 2.6 Manufacturer/distributor warehouse storage with customer pickup........... 14
Gambar 2.7 Variasi VRP ................................................................................................. 17
Gambar 2.8 Bagan algoritma penyelesaian VRP............................................................. 19
Gambar 3.1 Diagram alir penelitian ................................................................................ 27
Gambar 4.1 Produk tissue galon air mineral.................................................................... 29
Gambar 4.2 Struktur organisasi PT Cool Clean Malang ................................................. 30
Gambar 4.3 Pengukuran jarak menggunakan aplikasi google maps ............................... 34
Gambar 4.4 Model struktur distribusi tissue existing ...................................................... 41
Gambar 4.5 Scatter diagram wilayah distribusi tissue .................................................... 46
Gambar 4.6 Solver status penyelesaian rute distribusi tissue cluster 1 dengan mix integer
linear programming ..................................................................................... 52
Gambar 4.7 Model struktur proses pendistribusian hasil mix integer linear programming
...................................................................................................................... 56
Gambar 4.8 Perbandingan model struktur existing dan linear programming ................. 60
ix
x
DAFTAR LAMPIRAN
No. Judul Halaman

Lampiran 1 Matriks Jarak ................................................................................................ 69
Lampiran 2 Matriks Waktu Tempuh ............................................................................... 70
Lampiran 3 Sintaks Program Lingo 17.0 Proses Pendistribusian Tissue untuk Cluster 1
...................................................................................................................... 71
...................................................................................................................... 73
...................................................................................................................... 75
Lampiran 6 Hasil Solve Lingo Variabel xij untuk Cluster 1 ............................................ 77
xi
xii
RINGKASAN
Anggini Pangestu, Jurusan Teknik Industri, Fakultas Teknik, Universitas Brawijaya, Mei
2018, Penyelesaian VRPTW Distribusi Tissue Galon Air Mineral PT Cool Clean Malang
Menggunakan Algoritma Sweep dan MILP. Dosen Pembimbing: Agustina Eunike, ST., MT.,
M. BA.
PT Cool Clean Malang merupakan perusahaan manufaktur yang bergerak dalam

pembuatan tissue, dengan salah satu produk tissue yang diproduksi adalah tissue galon air
mineral. Dalam menjalankan bisnisnya PT Cool Clean Malang melakukan proses distribusi
ke 16 titik wilayah distribusi. Saat ini proses pendistribusian produk tissue dilakukan oleh
tiga kendaraan dan pengiriman dilakukan dalam jam kerja masing-masing wilayah
distribusi. Penentuan rute yang diterapkan saat ini hanya berdasarkan subjektivitas dari
perusahaan sendiri dan belum mempertimbangkan faktor biaya dalam pengiriman. Oleh
karena itu perlu digunakan suatu metode khusus untuk mengatasi masalah tersebut, sehingga
penelitian ini bertujuan untuk menentukan rute yang efisien dan diperoleh biaya distribusi
yang optimal.
Penentuan rute untuk mendapatkan biaya yang optimal dilakukan dengan menggunakan
dua metode yaitu dengan metode heuristik algoritma sweep dan metode eksak mix integer
linear programming. Metode Algoritma Sweep digunakan untuk menentukan rute yang akan
ditempuh, sedangkan metode mix integer linear programming akan menghasilkan nilai
global optimal dari seluruh kemungkinan yang ada untuk menentukan urutan rute yang akan
ditempuh. Penggunaan metode heuristik adalah untuk mengurangi kompleksitas
permasalahan yang ada, sedangkan dengan metode mix integer linear programming
penyelesaian permasalahan dapat dilakukan secara optimal berdasarkan analisis dari model
matematis. Pada metode mix integer linear programming ini akan dibuat model matematis
yang terdiri dari variabel keputusan, fungsi tujuan dan fungsi kendala. Formulasi yang telah
dibuat akan di solve dengan bantuan software Lingo. Sebelum melakukan solve, formulasi
yang ada harus diterjemahkan dalam sintaks software Lingo terlebih dahulu. Hasil
komputasi dari proses solve menggunakan software Lingo akan di interpretasi untuk melihat
nilai biaya optimal.
Rute optimal dari proses pengiriman produk tissue galon di PT Cool Clean Malang
adalah rute hasil mix integer linear programming. Rute yang diperoleh berdasarkan
perhitungan algoritma sweep adalah tiga cluster. Selanjutnya dari masing-masing cluster
tersebut diolah menggunakan mix integer linear programming dengan bantuan software
Lingo 17.0 untuk mengurutkan rute yang diperoleh dari hasil algoritma sweep. Perbedaan
rute existing dan rute mix integer linear programming yang diperoleh sangat signifikan.
Hasil mix integer linear programming dapat meminimumkan total jarak tempuh sebesar
2309,4 km, minimum waktu tempuh sebesar 22,76 jam dan total biaya distribusi sebesar Rp
2.373.994,8. Persentase penghematan total yang diperoleh ketika menerapkan rute hasil
algoritma sweep dan mix integer linear programming adalah total jarak tempuh sebesar
50,05%, total waktu tempuh sebesar 17,97% dan total biaya distribusi sebesar 40,9%. Selain
itu hasil yang diperoleh juga mampu meminimumkan biaya tetap tenaga kerja, karena Pada
rute awal masing-masing kendaraan melakukan pengiriman lebih dari satu rute kecuali
kendaraan 2. Sedangkan pada rute usulan dengan mempertimbangkan keadaan geografis
wilayah distribusi, jarak tempuh, dan waktu tempuh, maka semua kendaraan cukup
melakukan satu kali pengiriman untuk dapat memenuhi semua permintaan secara tepat
waktu.
Kata Kunci: VRPTW, Algoritma Sweep, Biaya Optimal, Mix Integer Linear Programming.
xiii
xiv
SUMMARY
Anggini Pangestu, Department of Industrial Engineering, Faculty of Engineering,
University of Brawijaya, Mei 2018, Completion of VRPTW On Tissue Galon Air Mineral
Distribution with Sweep Algorithm and MILP. Academic Supervisor: Agustina Eunike, ST.,
MT., M. BA.
PT Cool Clean Malang is a manufacturing company that produce tissue, one of the tissue
products that is being produced in PT Cool Clean Malang is a tissue gallon of mineral water.
PT Cool Clean Malang perform distribution process to 16 points of distribution area. PT
Cool Clean Malang uses 3 vehicles in distribute the products. The delivery is done within
hours of each distribution area. The current route determination is based on the subjectivity
of the company and not considered the cost factor in shipping process. Based on this
problem, it is necessary to use a method to overcome the problem, then the goal of this study
was to get a more efficient route with optimal cost.
This study proposes combination of two methods to determine optimal route. The
methods are heuristic method of sweep algorithm and exact method of mix integer linear
programming. Sweep Algorithm Method clusters the destinations into several tours. The mix
integer linear programming method produces global optimal value of all available
possibilities to determine the sequence of routes to be taken. The heuristic method is used to
reduce the complexity of existing problems, whereas the mix integer linear programming
method is used to complete the problems with an optimal solution based on the anlysis of
mathematical model. The mix integer linear programming method be made a mathematical
model consisting of decision variables, objective function and constraint function.
Formulations that have been made will be solved with the Lingo software. Before
performing the solve, the existing formulation must be translated in the syntax of Lingo
software. The computing results of the solve process using Lingo software will be interpreted
to see the optimal cost value.
The optimal route delivery of the products is a route of mix integer linear programming
results. The calculation of the sweep algorithm produces three clusters. Each cluster will be
process using mix integer linear proramming with Lingo 17.0 software to determine the
sequence of routes based on sweep algorithm results. The differences of existing routes and
mix integer linear programming routes are significant. Mix integer linear programming
method can minimize the total distance of 2309,4 km, minimum travel time of 22,76 hours
and total distribution cost of Rp 2.373.994,8. The percentage of total saving obtained when
applying the route of sweep algorithm and mix integer linear programming is total distance
of 50,05%, total travel time 17,97% and total distribution cost 40,9%. In addition, the results
of this research can minimize the total of labor cost, in the existing route each vehicle
delivered the products more than one route except vehicle 2, while on the proposed route all
vehicles delivered the products in one route to satisfy customer demand in the right time.
Keywords: VRPTW, Sweep Algorithm, Optimal Cost, Mix Integer Linear Programming
xv
xvi
BAB I
PENDAHULUAN
Pada bab ini menggambarkan mengenai kerangka penelitian yang dijelaskan melalui
latar belakang, identifikasi masalah, rumusan masalah, tujuan penelitian, manfaat penelitian,
batasan masalah, dan asumsi penelitian.
1.1 Latar Belakang

Persaingan dalam dunia manufaktur semakin ketat seiring dengan kemajuan teknologi
dan perkembangan ilmu pengetahuan. Oleh karena itu perusahaan juga dituntut untuk
mampu berkembang, yang pada akhirnya dapat terbentuk keunggulan kompetitif bagi
perusahaan yang tercermin melalui proses bisnis dengan biaya seminimal mungkin dan dapat
memperoleh keutungan yang maksimum atau dapat disebut dengan produktivitas tinggi
(Pujawan, 2005:4). Untuk memperoleh hal tersebut sebuah perusahaan harus
mengoptimalkan rantai pasoknya atau supply chain, dimana supply chain management atau
manajemen rantai pasok terdiri dari semua pihak yang terlibat langsung maupun tidak
langsung, dalam memenuhi permintaan pelanggan. Supply chain tidak hanya meliputi
produsen dan pemasok, tetapi juga transporter, gudang, pengecer, dan bahkan pelanggan itu
sendiri (Chopra dan Meindl, 2013:13). Jadi dapat disimpulkan bahwa supply chain adalah
suatu proses aliran material, informasi, jasa dan uang yang melibatkan banyak pihak dari
pemasok, pengecer, gudang, agent dan pihak lain yang termasuk di dalamnya untuk
pemenuhan permintaan pelanggan.
PT Cool Clean Malang merupakan perusahaan yang bergerak dalam pembuatan tissue
basah atau dengan istilah wet tissue, sanitizer tissue, cologne tissue, refreshing tissue, moist
towelette, tissue botol, tissue galon dan sebagainya. Pada penelitian ini fokus peneliti adalah
pada produk tissue galon air mineral. Tentu saja dalam menjalankan bisnisnya PT Cool
Clean Malang harus menjaga rantai pasoknya agar produk yang diproduksi sampai ditangan
konsumen dengan tepat. Proses distribusi yang efektif dan efisien menjadi salah satu faktor
yang posisinya mulai sejajar dengan indikator-indikator yang lain dalam usahanya untuk
mencapai kepuasan pelanggan. Semakin tingginya tingkat persaingan dalam dunia industri,
menuntut perusahaan untuk dapat membuat strategi-strategi distribusi yang lebih baik. Salah
satu strategi yang dapat digunakan adalah perencanaan dan penentuan rute secara tepat,
sehingga produk akan diterima pelanggan dalam jumlah tepat dan biaya yang rendah. Oleh
1
2
karena itu hal yang harus dilakukan oleh perusahaan adalah pemilihan rute distribusi yang
optimal.
Pendistribusikan produk tissue galon air mineral dilakukan ke beberapa pelangan yang
ada di wilayah Indonesia, sehingga PT Cool Clean Malang diharapkan mampu untuk
menciptakan kinerja pengiriman yang dapat diandalkan. Selama ini proses distribusi yang
telah dilakukan sudah baik, namun belum mempertimbangkan faktor biaya dalam
pengirimannya. Selain itu proses distribusi yang dilakukan saat ini hanya berdasarkan
subjektivitas dari perusahaan sendiri yaitu berdasarkan pengaruh jarak antar wilayah
distribusi, ketika wilayah distribusi yang akan dituju berdekatan maka akan dikirimkan
sejumlah wilayah yang berdekatan akan tetapi ketika wilayah distribusi yang dituju tidak
berdekatan akan dilakukan distribusi untuk masing-masing wilayah. Selain itu belum adanya
rute distribusi yang tetap diterapkan oleh PT Cool Clean Malang. Untuk itu diharapkan
perusahaan dapat memiliki perencanaan dalam menentukan rute distribusi sehingga proses
pendistribusian produk dapat berjalan secara optimal. Tabel 1.1 berikut merupakan wilayah
distribusi produk tissue galon air mineral PT Cool Clean Malang.
Tabel 1.1
Wilayah Distribusi PT Cool Clean Malang
No Wilayah Distribusi
1 Surabaya
2 Pandaan
3 Pasuruan
4 Sidoarjo
5 Semarang
6 Yogyakarta
7 Solo
8 Cirebon
9 Bogor
10 Bandung
11 Denpasar
12 Singaraja
13 Lombok
14 Balikpapan
15 Banjarmasin
16 Pontianak
17 Ujung Pandang
18 Sorong
Sumber: PT Cool Clean Malang
Proses distribusi produk tissue galon air mineral kepada pelanggan dilakukan dengan
menggunakan tiga kendaraan, serta pengiriman harus dilakukan dalam jam kerja masing-
masing wilayah distribusi. Pengiriman dilakukan 2 hari dalam seminggu yaitu pada hari
selasa dan Jumat. Akan tetapi dalam setiap kali pengiriman rute yang ditempuh berbeda dan
3
tidak disesuaikan dengan kapasitas kendaraan, hanya berdasarkan kebutuhan pengiriman

saat itu saja. Hal tersebut tentu saja menyebabkan perbedaan biaya distribusi untuk setiap
kali rute pengiriman. Tabel 1.2 merupakan visualisasi pengiriman tissue galon air mineral
dengan merk aqua. Pada tanggal 24 Oktober 2017 dilakukan pengiriman dengan rute
distribusi ke Aqua Pasuruan, Aqua Surabaya dan DC surabaya. Total permintaan dari ketiga
wilayah distribusi sebesar 162 coli dengan kapasitas kendaraan 480 coli. Sedangkan pada
tanggal 27 Oktober 2017 pengiriman dilakukan diwilayah Semarang sebesar 28 coli dengan
kapasitas kendaraan 80 coli. Pengiriman juga dilakukan pada wilayah Yogyakarta dan pada
tanggal 31 Oktober 2017 sebesar 28 coli dengan kapasitas kendaraan 80 coli. Coli
merupakan satuan kemasan produk tissue yang digunakan oleh perusahaan, setiap coli berisi
864 pieces tissue. Berdasarkan permasalahan tersebut utilitas kendaraan dalam hal
kapasitasnya belum diperhatikan. Pengiriman ke wilayah surabaya dan pasuruan dapat
dimaksimalkan dengan mengirimkan ke wilayah lain yang searah dengan rute tersebut
karena kapasitas kendaraan yang digunakan masih mencukupi. Sedangkan untuk pengiriman
ke wilayah Semarang dan Yogyakarta dapat dijadikan satu rute pengiriman. Sehingga biaya
pengiriman yang dihasilkan juga lebih murah dibandingkan dengan mengirimkan dengan
rute yang berbeda. Total biaya yang dihasilkan diperoleh dari biaya pekerja yang ditetapkan
oleh perusahaan dan biaya bahan bakar kendaraan.Tabel 1.2 merupakan visualisasi rute
pengiriman produk di PT Cool Clean Malang.
Tabel 1.2
Contoh Perhitungan
Kapasitas
Waktu Permintaan Rute Biaya
No Kendaraan Kendaraan
Pengiriman (coli) Distribusi (Rupiah)
(coli)
DC
106
Surabaya
Kendaraan Selasa, 24 Aqua
1 480 28 518.759,125
1 Oktober 2017 Surabaya
Aqua
28
Pasuruan
Kendaraan Jumat, 27 Oktober Aqua
2 80 28 578.759,125
3 2017 Semarang
Kendaraan Selasa, 31 Aqua
3 80 28 547.759,125
3 Oktober 2017 Yogyakarta
Permasalahan rute ini termasuk dalam Vehicle Routing Problem (VRP) yaitu
permasalahan penentuan rute kendaraan untuk melayani beberapa pelanggan. Bentuk dasar
VRP secara umum berkaitan dengan masalah penentuan suatu rute kendaraan (vehicle) yang
melayani suatu pelanggan yang diasosiasikan dengan node dengan demand atau permintaan
4
yang diketahui dan rute yang menghubungkan depot dengan pelanggan, dan antar pelanggan
yang lainnya (Toth & Vigo, 2002).
Selain meminimasi biaya pengiriman, penentuan rute yang dilakukan harus sesuai
dengan jumlah permintaan. Hal ini bertujuan untuk memastikan bahwa rute yang digunakan
saat ini sesuai dengan rute pada permintaan pada bulan berikutnya, karena jumlah
permintaan untuk setiap bulan berbeda-beda. Gambar 1.1 merupakan grafik pengiriman per
minggu yang dilakukan oleh PT Cool Clean Malang.
PENGIRIMAN (Pcs)
Minggu Permintaan
300000
JUMLAH PENGIRIMAN
250000
200000
150000
100000
50000
0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93
WAKTU PENGIRIMAN (MINGGU)
Gambar 1.1 Grafik pengiriman produk tissue galon air mineral per minggu
Berdasarkan Gambar 1.1 dapat diketahui bahwa jumlah pengiriman per minggu
cenderung tidak stabil, hal tersebut terjadi karena jumlah permintaan untuk masing-masing
wilayah distribusi tidak tetap. Akan tetapi jumlahnya masih dalam batas antara 200.000 –
250.000 pieces. Sehingga untuk penentuan rute saat ini dapat digunakan untuk bulan
berikutnya dengan batasan jumlah permintaan tidak terlalu jauh dari range yang
digambarkan dalam Gambar 1.1.
Pada penelitian ini akan digunakan metode heuristik yaitu algoritma sweep untuk
menentukan rute wilayah distribusi kemudian akan dilanjutkan dengan metode mix integer
linear programming untuk mengurutkan rute yang dibentuk dari metode heuristik.
Penggunaan metode heuristik pada penelitian ini adalah untuk mengurangi kompleksitas
permasalahan, sehingga permasalahan dapat dipecah menjadi sub-sub tertentu dan dapat
diselesaikan dengan software dalam waktu komputerisasi yang singkat. Sedangkan mix
integer linear programming merupakan teknik pencarian jalan atau solusi terbaik (optimal)
diantara aktivitas-aktivitas dengan mengalokasikan sumber daya yang terbatas (Lieberman
& Hiller, 2001:24). Mix Integer Linear Programming dinilai tepat untuk menyelesaikan
5
masalah ini karena mix integer linear programming dapat mempertimbangkan kendala-
kendala yang ada antara lain waktu maksimal yang diperbolehkan untuk distribusi tissue
galon dan kapasitas kendaraan. Penyelesaian dengan menggunakan metode mix integer
linear programming akan dibantu dengan penggunaan software Lingo 17.0 untuk
penyelesaian permasalahan.
Diharapkan penelitian ini akan menghasilkan rute yang optimal untuk aktivitas
distribusi tissue galon dengan kendala-kendala yang ada sehingga didapatkan biaya
distribusi, jarak tempuh dan waktu tempuh yang optimal.
1.2 Identifikasi Masalah

Identifikasi masalah dalam penelitian ini adalah:
1. Rute distribusi atau pengiriman tissue galon air mineral yang digunakan pada PT Cool
Clean masih belum mempertimbangkan minimasi biaya, hanya mempertimbangkan
jumlah permintaan dan jarak antar wilayah distribusi.
2. Belum ada sistem distribusi yang tetap dalam setiap kali pengiriman di PT Cool Clean
Malang.
1.3 Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah:
1. Bagaimana rute distribusi produk tissue galon air mineral yang optimal?
2. Bagaimana perbandingan total biaya distribusi tissue galon air mineral saat ini dan total
biaya distribusi tissue galon air mineral yang optimal?
1.4 Batasan Masalah

Batasan masalah pada penelitian ini merupakan penelitian ini adalah:
1. Kapasitas kendaraan untuk setiap kali pengiriman tidak selalu dimaksimalkan dan
bergantung pada titik distribusi yang dituju.
2. Waktu mulai pelayanan di titik wilayah distribusi dari rute ususlan diperoleh
berdasarkan analisa terhadap output MILP dan digunakan untuk memperoleh total
waktu tempuh dari rute usulan.
1.5 Asumsi Penelitian

Asumsi penelitian yang digunakan dalam penelitian ini adalah:
6
1. Kendaraan dalam keadaan normal tanpa ada kerusakan ketika melakukan proses
distribusi.
2. Jalan yang dilalui pada rute distribusi berdasarkan rute dan waktu yang digunakan pada
aplikasi Google maps.
3. Lama waktu unloading di semua wilayah distribusi sama.
4. Jarak wilayah distribusi 1 ke wilayah distribusi 2 sama dengan jarak wilayah distribusi
2 ke wilayah distribusi 1.
5. Kecepatan rata-rata kendaraan adalah 40 km/jam.
1.6 Tujuan Penelitian

Tujuan dari penelitian ini adalah:
1. Mengoptimalkan rute distribusi produk tissue galon air mineral kepada konsumen saat
ini.
2. Membandingkan total biaya distribusi produk tissue galon air mineral saat ini dan total
biaya distribusi dengan rute yang optimal.
1.7 Manfaat Penelitian

Manfaat dari penelitian ini adalah:
1. Memberikan alternatif solusi yang optimal kepada PT Cool Clean Malang dalam hal
rute distribusi produk tissue galon air mineral kepada konsumen.
2. Meminimasi total biaya distribusi produk tissue galon air mineral di PT Cool Clean
Malang.
BAB II
TINJAUAN PUSTAKA
Pada bagian ini diuraikan berbagai teori atau referensi yang terkait dengan
permasalahan. Referensi tersebut berkaitan dengan penenelitian-penelitian terdahulu, supply
chain management, masalah distribusi, vehicle routing problem, dan linear programming.
2.1 Penelitian Terdahulu

Penelitian ini menggunakan teori-teori serta tinjauan pustaka yang bersumber dari buku,
jurnal ilmiah, internet, penelitian, laporan tugas akhir yang telah ada, dan sumber lainnya
yang relevan serta dapat dipertanggungjawabkan isinya. Berikut merupakan beberapa
referensi yang digunakan pada penelitian ini.
1. Suwansuksamran & Ongkunaruk (2013) melakukan penelitian untuk memperbaiki
manajemen transportasi di sebuah perusahaan yang memproduksi bumbu bubuk.
Sebelumnya terdapat dua masalah utama di departemen logistik yaitu biaya transportasi
yang tinggi dan waktu penjadwalan transportasi yang lama. Dengan demikian, tujuan
dari penelitian ini adalah untuk mengurangi biaya transportasi dan waktu penjadwalan.
Pengiriman dilakukan di wilayah Bangkok dan pusat kota, dimana penelitian ini
termasuk dalam vehicle routing problem with time windows. Kemudian digunakan
metode mix integer linear programming untuk meminimalkan fix cost dan variable cost
dari kendaraan dan transportasi. Setelah merumuskan kendala interval waktu sebagai
masalah VRPTW, kemudian didefinisikan parameter biner untuk mewakili apakah
pelanggan memiliki kendala dengan waktu pengiriman. Kemudian, digunakan CPLEX
untuk memecahkan masalah. Hasilnya menunjukkan bahwa setelah menerapkan MIP,
biaya transportasi bulanan berkurang 23% atau 9.413 baht per minggu dan waktu
perencanaan berkurang sebesar 67%.
2. Yulia, & Singgih (2012) melakukan penelitian tentang optimasi produksi dan distribusi
di perusahaan gas cair di Jawa Timur dengan menggunakan metode linear programming
dan cross entropy. Penelitian yang dilakukan menggunakan deterministic model untuk
mengoptimasikan produksi dan distribusi, serta inventory dan distribusi. Selanjutnya,
penelitian yang dilakukan adalah mengintegrasikan sistem produksi dan distribusi
dengan mempertimbangkan faktor ketidakpastian demand. Akan tetapi, dalam
penelitian tersebut tidak dipertimbangkan masalah inventory. Kemudian, penelitian
7
8
yang dilakukan dengan menggunakan simulasi dan matematikal optimasi untuk

mengintegrasikan sistem produksi, distribusi, dan inventory. Hasil yang didapatkan dari
penelitian ini menunjukkan hasil yang baik dengan adanya pengurangan biaya
operasional perusahaan yang cukup signifikan.
3. Savitri (2017) melakukan penelitian di CV Jogja Transport yang merupakan salah satu
mata rantai distribusi PT. Nippon Indosari Corporindo dalam mendistribusikan produk
Sari Roti di Daerah Istimewa Yogyakarta khususnya Kab. Bantul. Saat ini, sistem
pendistribusian perusahaan menggunakan sistem zona dengan cara membagi peta
wilayah Bantul menjadi 6 bagian atau sesuai jumlah sales, untuk kemudian pada setiap
zona ditugaskan seorang sales. Pendistribusian dengan cara tersebut belum menjamin
bahwa rute yang ditempuh kendaraan optimal. Untuk mendapatkan rute kendaraan yang
optimal dalam proses pendistribusian, maka digunakan modifikasi Algoritma Sweep
untuk pengelompokkan customer dan Mix Integer Linear Programming (MILP) untuk
menentukan rute kendaraan pada masing-masing kelompok atau cluster. Berdasarkan
hasil pengelompokkan menggunakan modifikasi Algoritma Sweep, customer terbagi
menjadi 6 cluster, dan berdasarkan MILP diperoleh rute dengan jarak tempuh minimal
cluster atau kendaraan 1,2,3,4,5 dan 6 berturut-turut yakni sejauh 22.316 km, 14.75 km,
53.05 km, 41.45 km, 27.54 km dan 26.3 km. Secara keseluruhan, rute usulan
berdasarkan Modifikasi Algoritma Sweep dan MILP mampu menurunkan jarak tempuh
sebesar 10.95%, waktu tempuh sebesar 2.60%, dan ongkos bahan bakar sebesar 10.95%.
4. Anggini (2018) melakukan penelitian tentang penentuan rute distribusi optimal di PT
Cool Clean Malang. Penentuan rute distribusi perusahaan saat ini hanya berdasarkan
subjektivitas dari pihak perusahaan dan belum mempertimbangan aspek biaya.
Sehingga penelitian ini bertujuan untuk menentukan rute yang optimal agar diperoleh
biaya distribusi, waktu tempuh dan jarak tempuh yang optimal pula. Untuk menentukan
rute optimal digunakan metode heuristik yaitu algoritma sweep untuk menentukan rute
yang akan dikunjungi dan metode eksak yaitu mix integer linear programming untuk
menentukan urutan rute yang akan dikunjungi. Hasil algoritma sweep diperoleh tiga
cluster atau tiga rute distribusi tissue galon. Kemudian dari hasil algoritma sweep
tersebut akan ditentukan urutan rute untuk masing-masing cluster dengan metode mix
integer linear programming dengan bantuan software Lingo 17.0. Berdasarkan hasil mix
integer linear programming dapat meminimumkan total jarak tempuh sebesar 2357,5
km, minimum waktu tempuh sebesar 53,05 jam dan total biaya distribusi sebesar Rp
2.415.072,20 dari rute yang diterapkan perusahaan saat ini. Persentase penghematan
9
total yang diperoleh ketika menerapkan rute hasil algoritma sweep dan mix integer
linear programming adalah total jarak tempuh sebesar 51,10%, total waktu tempuh
sebesar 46,01% dan total biaya distribusi sebesar 41,6%. Selain itu hasil yang diperoleh
juga mampu meminimumkan biaya tetap tenaga kerja, karena Pada rute awal masing-
masing kendaraan melakukan pengiriman lebih dari satu rute kecuali kendaraan 2.
Sedangkan pada rute usulan dengan mempertimbangkan keadaan geografis wilayah
distribusi, jarak tempuh, dan waktu tempuh, maka semua kendaraan cukup melakukan
satu kali pengiriman untuk dapat memenuhi semua permintaan secara tepat waktu.
Tabel perbandingan penelitian penelitian terdahulu dapat dilihat pada Tabel 2.1.
Tabel 2.1
Penelitian Terdahulu dan Perbandingan Penelitian yang Dilakukan
No Peneliti Objek Metode Hasil
1 Suwansuksamran A Thai Vehicle Routing Rute yang dihasilkan mampu
& Ongkunaruk Seasoning Problem with Time menurunkan total pengiriman
(2013) Company Windows sebesar 23% dan menurunkan
(VRPTW), Mix overtime sebesar 50% yang
Integer disebabkan penjadwalan manual
Programming
(MIP)
2 Yulia, & Singgih Perusahaan Linear Berdasarkan pengerjaan optimasi
(2012) Gas Cair di Programming, produksi yang dilakukan,
Jawa Timur Algoritma Cross didapatkan hasil peningkatan
Entropy profit manufaktur perusahaan dari
bulan Januari 2010 sampai bulan
Mei 2010. Serta untuk hasil
optimasi distribusi yang
diperoleh, dihasilkan minimasi
jarak pengiriman untuk masing-
masing pabrik. Adanya minimasi
jarak pengiriman yang terjadi ini
berdampak pada biaya
pengiriman dari masing-masing
DC ke konsumen
3 Savitri (2017) CV. Jogja Vehicle Routing Rute Pengiriman Produk Sari Roti
Transport Problem with Time di Wilayah Bantul, DIY dengan
Windows Jarak Tempuh Minimum
(VRPTW),
Modifikasi
Algoritma Sweep,
MILP
5 Penelitian ini PT Cool VRPTW, Pada penelitian ini dengan
Clean Algoritma Sweep, menggunakan metode heuristik
Malang MILP algoritma sweep dan mix integer
linear programming mampu
menghemat biaya distribusi, jarak
tempuh dan waktu tempuh
dibandingkan dengan rute
existing.
10
2.2 Supply Chain Management

Supply Chain merupakan jaringan perusahaan-perusahaan yang secara bersama-sama
bekerja untuk menciptakan dan mengantarkan suatu produk ke tangan pemakai akhir.
Perusahaan-perusahaan tersebut biasanya termasuk supplier, pabrik, distributor, toko atau
ritel, serta perusahaan-perusahaan pendukung seperti perusahaan jasa logistik (Pujawan,
2010).
Dalam supply chain ada beberapa pemain utama yang merupakan perusahaan yang
mempunyai kepentingan yang sama, yaitu:
- Supplies
- Manufactures
- Distribution
- Retail Outlet
- Customers
1. Chain 1: Supplier. Jaringan bermula dari sini, yang merupakan sumber yang
menyediakan bahan pertama, dimana rantai penyaluran baru akan mulai. Bahan pertama
ini bisa dalam bentuk bahan baku, bahan mentah, bahan penolong, barang dagangan,
suku cadang.
2. Chain 1-2-3: Supplier-Manufactures Distribution. Barang yang sudah dihasilkan oleh
manufactures sudah mulai harus disalurkan kepada pelanggan. Walaupun sudah tersedia
banyak cara untuk menyalurkan barang kepada pelanggan, yang umum adalah melalui
distributor dan ini biasanya ditempuh oleh sebagian besar supply chain.
3. Chain 1-2-3-4: Supplier-Manufactures Distribution-Retail Outlet. Pedagang besar
biasanya mempunyai fasilitas gudang sendiri atau dapat juga menyewa dari pihak lain.
Gudang ini digunakan untuk menyimpan barang sebelum disalurkan lagi ke pihak
pengecer. Disini ada kesempatan untuk memperoleh penghematan dalam bentuk jumlah
inventoris dan biaya gudang dengan cara melakukan desain kembali pola pengiriman
barang baik dari gudang manufacture maupun ke toko pengecer.
4. Chain 1-2-3-4-5: Supplier-Manufactures Distribution-Retail Outlet-Customer. Para
pengecer atau retailer menawarkan barang langsung kepada para pelanggan atau
pembeli atau pengguna barang langsung. Beberapa contoh retail outlet adalah toko
kelontong, supermarket, warung-warung.
11
2.3 Masalah Distribusi

Distribusi adalah suatu kegiatan untuk memindahkan produk dari pihak supplier ke
pihak konsumen dalam suatu supply chain (Chopra, S. & Meindl, P., 2010). Distribusi terjadi
di antara tahapan dari supply chain. Aliran bahan baku yang diperlukan berpindah dari
supplier menuju suatu perusahaan pembuat produk dan perusahaan tersebut akan
memindahkan barang jadi yang dihasilkan ke tangan konsumen. Distribusi merupakan suatu
kunci dari keuntungan yang akan diperoleh perusahaan karena distribusi secara langsung
akan mempengaruhi biaya dari supply chain dan kebutuhan konsumen. Jaringan distribusi
yang tepat dapat digunakan untuk mencapai berbagai macam tujuan dari supply chain, mulai
dari biaya yang rendah sampai respon yang tinggi terhadap permintaan dari pelanggan
(Chopra, S. & Meindl, P., 2010).
Menurut Bowersox (1996), saluran distribusi adalah kegiatan dari sekelompok pelaku
bisnis yang memfasilitasi pertukaran produk dari pemilik awal produk (bahan baku dari
supplier) sampai ke konsumen akhir. Gambar saluran distribusi menurut Bowersox (1996).
Gambar 2.1 Saluran distribusi umum

Sumber: Bowersox (1996)
Dalam menentukan rute distribusi, perusahaan harus mempertimbangkan 2 hal yaitu:
1. Apakah produk akan dikirim kelokasi dimana konsumen berada atau konsumen
mengambil sendiri produk yang ia pesan?
2. Apakah produk dari perusahaan langsung dikirim ke konsumen atau lewat media
perantara?
Dari pertimbangan-pertimbangan diatas, cara pendistribusian produk dapat
diklasifikasikan menjadi 6 desain jaringan distribusi (Copra, S. & Meindl, P., 2010), yaitu:
1. Manufacturer Storage with Direct Shipping
Pada desain ini, produk dikirim secara langsung dari perusahaan menuju konsumen
akhir dengan melangkahi pengecer dimana mereka yang mengambil pesanan dari
12
pelanggan. Aliran informasi bermula dari pesanan pelanggan ke pengecer. Lalu

pengecer memberitahukan kepada perusahaan tentang pesanan dari konsumen. Setelah
itu perusahaan mengirimkan produk yang dipesan langsung ke konsumen. Ilustrasi dari
desain ini dapat dilihat pada Gambar 2.2.
Gambar 2.2 Manufactured storage with direct shipping

Sumber: Chopra, S. & Meindl, P. (2010)
Keuntungan terbesar dari desain ini adalah pemusatan inventori barang di pabrik
perusahaan. Namun desain ini juga memiliki kekurangan yaitu tingginya biaya transportasi
karena rata-rata jarak dari pabrik ke konsumen akhir sangat jauh.
2. Manufacturer Storage with Direct Shipping and In-Transit Merge
Pada desain ini, konsumen dari berbagai lokasi memesan produk-produk dari pabrik-
pabrik yang berbeda. Aliran informasi mengalir dari konsumen akhir ke pengecer.
Kemudian pengecer memberitahukan pesanan-pesanan konsumen ke pabrik-pabrik
yang memproduksi pesanan dari pelanggan. Setelah itu, produk-produk tersebut
dikirimkan dari pabrik-pabrik menuju suatu tempat (carrier), lalu produk-produk
tersebut dikirimkan ke konsumen akhir. Ilustrasi dari desain ini dapat dilihat pada
Gambar 2.3.
Gambar 2.3 Manufacturer storage with direct shipping and un-transit merge
13
3. Distributor Storage with Package Carrier Delivery

Pada desain ini, penyimpanan tidak terletak pada pabrik melainkan di distributor pusat.
Produk yang sudah dibuat oleh produsen dikirimkan ke distributor pusat, kemudian
distributor akan menyalurkannya ke konsumen. Aliran informasi dari desain ini hanya
terjadi dari konsumen ke distributor. Lalu distributor merespon informasi tersebut
dengan melakukan pengiriman pesanan tersebut ke konsumen. Ilustrasi dari desain ini
dapat dilihat pada Gambar 2.4.
Gambar 2.4 Distributor storage with carrier delivery

4. Distributor Storage with last-mile Delivery
Pada desain ini, pabrik mendistribusikan produknya ke distributor-distributor yang
dekat dengan konsumennya. Dengan begitu, pengiriman dari distributor ke konsumen
lebih cepat tetapi biaya penyimpanan dari distributor tidaklah kecil karena distributor
harus menyimpan produk-produk dari berbagai pabrik. Aliran informasi mengalir dari
pesanan konsumen ke distributor yang terdekat dengan mereka. Lalu distributor tersebut
merespon pesanan mereka dengan mengirimkan produk pesanannya tersebut. Ilustrasi
dari desain ini dapat dilihat pada Gambar 2.5.
Gambar 2.5 Distributor storage with last-mile delivery

14
5. Manufacturer/ Distributor Storage with Customer Pickup

Desain ini berbeda dengan desain-desain yang dijelaskan sebelumnya. Pada desain ini,
konsumen melakukan pesanan ke pengecer (baik lewat telepon atau web) dan konsumen
sendiri yang mengambil barangnya tersebut disuatu tempat (pickup point). Aliran
informasi pada desain ini dimulai dari konsumen ke pengecer. Setelah itu, pengecer
malanjutkan informasinya tersebut ke pabrik-pabrik. Pabrik-pabrik tersebut merespon
permintaan konsumen dengan mengirimkan barangnya ke distributor. Kemudian
distributor mengirim produk-produk dari pabrik itu ke pickup point dimana pelanggan
mengambil sendiri barang pesanannya. Ilustrasi dari desain ini dapat dilihat pada
Gambar 2.6.
Gambar 2.6 Manufacturer/distributor warehouse storage with customer pickup

6. Retail Storage with Customer Pickup
Desain ini merupakan desain yang sering orang-orang temukan dimana inventory
disimpan oleh pengecer. Kemudian konsumen datang ke pengecer untuk memilih produk
yang ia inginkan lalu membelinya.
2.4 Transportasi
Transportasi merupakan pergerakan suatu produk dari suatu lokasi ke lokasi lain yang
merepresentasikan awal dari suatu rangkaian supply chain sampai kepada konsumen (Copra,
2010). Tiga hal yang sangat penting dalam mengukur kinerja transportasi, yaitu:
1. Biaya
Biaya dari transportasi adalah suatu pengeluaran yang terjadi saat melakukan pengirman
dari suatu tempat ke tempat lain. Biaya ini dapat berupa biaya bahan bakar, biaya
perawatan mobil, ataupun biaya dari pengemudi. Sistem logistik sebaiknya dapat
meningkatkan utilitas dari alat transportasi yang digunakan untuk meminimalkan total
15
biaya.
5. Kecepatan
Kecepatan transportasi adalah waktu yang dibutuhkan untuk melakukan pergerakan dari
suatu tempat ke tempat lain. Kecepatan dan biaya dalam transportasi berkaitan dalam
dua hal. Pertama, suatu perusahaan transportasi dapat menawarkan layanan yang lebih
cepat dengan mengenakan tarif yang tinggi. Kedua, semakin cepat layanan transportasi,
maka semakin pendek pula waktu yang dibutuhkan dalam perjalanan dan semakin
cepatnya persediaan produk habis. Dari kedua hal tersebut dapat terlihat bahwa faktor
kritikal dari metode transportasi adalah menyeimbangkan antara kecepatan dan biaya.
2. Konsistensi
Konsistensi dari transportasi mengacu pada variasi waktu yang dibutuhkan untuk
mengukur spesifikasi pergerakan dari beberapa pengiriman. Maksudnya adalah waktu
yang diperlukan untuk melakukan pengiriman hendaknya konsisten. Misalnya apabila
pengiriman diantara 2 lokasi tertentu membutuhkan waktu 3 hari, maka pengiriman
selanjutnya dengan lokasi yang sama pun seharusnya membutuhkan waktu 3 hari juga.
Apabila terjadi perubahan dalam waktu pengiriman tetapi lokasi yang dituju sama,
mengakibatkan masalah dalam supply chain. Jika terjadi inkonsistensi dalam
transportasi, maka berdampak pada inventory baik dari pihak supplier maupun
konsumen.
2.5 NP-Problems
NP-Problems dibedakan menjadi kelas P, NP, NP-Complete, dan NP-Hard.
1. Permasalahan kelas P. Dikatakan P ketika terdapat suatu algoritma yang dapat
menyelesaikannya dalam waktu polinomial. Artinya, jika ada algoritma untuk
permasalahan tersebut dengan waktu penyelesaian kasus terburuk dari n masalah adalah
kurang dari F(n) untuk beberapa rumus polinomial F. Dalam bahasa umum, himpunan
P berisi masalah yang dapat dengan mudah dipecahkan, misalnya masalah Minimum
Spanning Tree.
2. Permasalahan kelas NP. Dikatakan NP ketika dapat diselesaikan oleh beberapa
algoritma (tanpa klaim tentang waktu penyelesaian) dan solusi apapun dapat diverifikasi
dalam waktu polinomial oleh beberapa algoritma lainnya. P merupakan bagian dari NP,
karena pemecah polinomial juga dapat digunakan untuk memverifikasi solusi dalam
waktu polinomial.
16
3. Permasalahan kelas NP-complete. Dikatakan NP-complete ketika termasuk kelas NP

dan masalah lain dalam NP dapat direduksi menjadi masalah ini oleh suatu algoritma
yang berjalan dalam waktu polinomial. Dalam prakteknya NP-complete
merepresentasikan permasalahan sulit yang muncul sepanjang waktu.
4. Permasalahan kelas NP-Hard. Dikatakan NP-Hard ketika termasuk kedalam NP-
Complete yang sulit (jadi semua masalah dalam NP-complete dapat dikurangi menjadi
satu dalam NP-hard), tetapi solusinya tidak dapat selalu diverifikasi dalam waktu
polinomial. Salah satu contohnya adalah halting problem.
2.6 Vehicle Routing Problem

Salah satu permasalahan dalam transportasi adalah Vehicle Routing Problem (VRP).
Menurut Toth and Vigo (2002) VRP adalah merancang m set rute kendaraan dengan biaya
rendah dimana tiap kendaraan berawal dan berakhir di depot, setiap konsumen hanya
dikunjungi sekali, serta total permintaan yang dibawa tidak melebihi kapasitas kendaraan.
VRP pertama kali dikenalkan oleh Dantzig dan Ramser pada tahun 1959. Solusi dari sebuah
VRP yaitu menentukan sejumlah rute, yang masing-masing dilayani oleh suatu kendaraan
yang berasal dan berakhir pada depot, sehingga kebutuhan pelanggan terpenuhi, semua
permasalahan operasional terselesaikan dan biaya transportasi secara umum diminimalkan.
VRP tergolong dalam persoalan NP-Hard dan digunakan manjemen supply chain dalam
pengiriman fisik dari barang maupun jasa. Walaupun tergolong NP-Hard, VRP banyak
dipelajari karena penerapannya yang luas dan peran pentingnya dalam menentukan strategi
yang efisien untuk mengurangi biaya operasional dalam jaringan distribusi (Kumar &
Panneerselvam, 2012).
2.6.1 Macam-Macam Vehicle Routing Problem

Seringkali permasalahan VRP yang ditemui lebih rumit dengan beberapa batasan
dengan beberapa batasan yang kemudian memunculkan beberapa variasi. Gambar 2.7
merupakan gambaran beberapa variasi VRP (Sandhya & Kumar, 2013).
17
Gambar 2.7 Variasi VRP

Sumber: Sandhya & Kumar (2013)
Vehicle routing and schedulling diklasifikasikan menjadi permasalahan Arc (busur) dan
node (titik). VRP termasuk kedalam permasalahan node dimana permintaan pelayanan
terkait dengan node (sandhya & Kumar, 2013). Berikut merupakan variasi VRP:
1. Time Dependent Vehicle Routing Problem (TDVRP), yaitu VRP dimana waktu
perjalanan atau biaya perjalanan antara dua lokasi bergantung pada waktu dalam sehari
(Toth & Vigo, 2014).
2. Capacitated Vehicle Routing Problem (CVRP), yaitu setiap kendaraan punya kapasitas
yang terbatas (Solomon, 1987).
3. Split Delivery Vehicle Routing Problem (SDVRP), yaitu pelanggan dilayani dengan
kendaraan berbeda (Solomon, 1987).
4. Vehicle Routing Problem with Backhaul (VRPB), yaitu perluasan CVRP dimana
customer dibagi menjadi dua bagian yakni linehaul customer (masing-masing customer
menerima barang yang dikirimkan) dan backhaul customer (barang harus diambil dari
customer) (Toth & Vigo, 2014).
5. VRP with Time Windows (VRPTW), yaitu setiap pelanggan harus disuplai dalam jangka
waktu tertentu (Solomon, 1987).
6. Vehicle Routing Problem with Pick-up and Delivery (VRPPD), yaitu perluasan CVRP
dimana barang diambil dari suatu lokasi (jemput) untuk kemudian diantar ke lokasi yang
lain (antar) oleh kendaraan yang sama (Toth & Vigo, 2014).
7. Vehicle Routing Problem with Backhaul and Time Windows (VRPBTW), yaitu VRP
dengan linehaul dan backhaul customer dimana customer harus dilayani dalam interval
waktu tertentu (Toth & Vigo, 2014).
18
8. Vehicle Routing Problem with Pick-up and Delivery and Time Windows (VRPPDTW),
yaitu VRP dimana barang diambil dari suatu customer/lokasi (jemput) untuk kemudian
diantar ke customer/lokasi yang lain (antar) oleh kendaraan yang sama dengan tambahan
batasan bahwa tiap customer/lokasi memiliki waktu interval pelayanan masing-masing
(Toth & Vigo, 2014).
Selain beberapa variasi di atas, menurut Toth & Vigo (2014) terdapat pula variasi lain
dari VRP yakni Periodic VRP (PVRP) atau perluasan VRP dimana customer dikunjungi
beberapa kali selama horizon perencanaan, Heterogeneous or Mixed Fleet VRP atau VRP
dengan kendala bahwa kendaraan pengangkut memiliki kapasitas dan biaya yang berbeda,
Stochastic VRP atau VRP dimana terdapat random value yang bisa berasal dari permintaan,
customer, atau waktu perjalanan dan Dynamic VRP atau VRP dimana kendaraan melayani
permintaan yang sudah diketahui sebelumnya dan permintaan yang baru diketahui secara
real time.
2.6.2 Vehicle Routing Problem with Time Windows (VRPTW)

Vehicle Routing Problem with Time Windows (VRPTW) prinsipnya sama dengan VRP
hanya saja mengalami perluasan dimana tiap-tiap konsumen dibatasi time windows tertentu.
Untuk VRPTW, selain adanya keterbatasan kapasitas kendaraan, terdapat tambahan kendala
yang mengharuskan setiap titik (tujuan) dilayani oleh kendaraan pada time frame tertentu.
Kendaraan tidak diperbolehkan untuk datang setelah waktu tiap-tiap titik (tujuan) berakhir.
Kendaraan boleh datang sebelum waktu mulai tiap-tiap titik (tujuan), tetapi titik (tujuan)
tersebut tidak dapat dilayani sampai pada waktu mulai titik tersebut siap dilayani. Oleh
karena itu Kallehauge (2001) memodelkan VRPTW sebagai:
Fungsi tujuan:
Min ∑K N+1 N+1
k=1 ∑i=0 ∑j=0 Cij .xijk (2-1)
Dengan kendala- kendala:
∑K N+1
k=1 ∑j=0 xijk =1 i=1, 2, …, N (2-2)
∑N N+1
i=1 di ∑j=0 xijk ≤vk ; k=1, 2, …, K (2-3)
∑N+1
j=0 x0jk =1 ; k=1, 2, …, K (2-4)
∑N+1 N+1
i=0 xihk - ∑j=0 xhjk =0 ; h=1, 2, …, N ; k=1, 2, …, K (2-5)
∑N+1
i=0 xi, N+1 ,k =1 ; k=1, 2, …, K (2-6)
xijk∈{0,1} ; i=1, 2, …, N+1 ; k=1, 2, …, K (2-7)
19
ti + tij - M(1-xij )≤ tj ; i,j=0, 1, …, N+1 ; k=1, 2, …, K (2-8)

ei ≤ti ≤ li ; i=0, 1, …, N+1 (2-9)
Keterangan:
i = sumber j = tujuan
k = nomor kendaraan K = jumlah kendaraan
N = jumlah titik (tujuan) xij = rute i ke j
xijk = rute i ke j dengan kendaraan k di = permintaan di depot i
vk = kapasitas kendaraan k ti = waktu tiba di titik i
tj = waktu tiba dititik j tij = waktu perjalan dari titik i ke
ei = awal time windows titik i li = akhir time windows titik i
Persamaan (2-2) untuk menunjukkan bahwa setiap titik (tujuan) hanya dilayani oleh 1
kendaraan. Persamaan (2-3) menunjukkan bahwa total demand yang diangkut oleh
kendaraan tidak boleh melebihi kapasitas kendaraan k tersebut. Persamaan (2-4) – (2-6)
2.6.3 Metode Penyelesaian Vehicle Routing Problem

Permasalahan VRP dapat diselesaikan dengan menggunakan beberapa metode
diantaranya dengan algoritma eksak, heuristik, dan metaheuristik. Saat ini, algoritma eksak
memiliki keterbatasan hanya dapat merespon 50 hingga 100 titikcustomer berdasarkan
variasi VRP dan waktu yang diperlukan untuk penyelesaian. Menurut Sandhya & Kumar
(2013) menggambarkan algoritma solusi permasalahan VRP dalam bagan pada Gambar 2.8
berikut.
Gambar 2.8 Bagan Algoritma Penyelesaian VRP

Sumber: Sandhya & Kumar (2013)
20
2.7 Cluster First Route Second

Menurut Cordeau et al. (2007) salah satu metode penyelesaian VRP yakni dengan
metode heuristik dua fase. Metode tersebut berdasarkan penguraian proses penentuan solusi
VRP kedalam dua permasalahan terpisah yakni:
1. Clustering atau pengelompokkan, menentukan bagian customer kedalam kelompok
masing-masing sesuai rute.
2. Menentukan rute, menentukan urutan customer yang dikunjungi untuk masing-masing
rute.
Pada metode cluster first route second, customer dikelompokkan kedalam cluster-
cluster terlebih dahulu untuk kemudian ditentukan urutan customer yang dikunjungi.
Terdapat beberapa teknik berbeda dalam melakukan pengelompokkan, sementara penentuan
rute dilakukan dengan TSP. Pengelompokkan tersebut dapat menggunakan Algoritma
Sweep, Algoritma Fisher dan Jaikumar, dan Algoritma Petal.
2.8 Algoritma Sweep

Menurut Nurcahyo et al (2002), Algoritma Sweep terdiri dari dua tahap yaitu clustering
pada tahap pertama dan dilanjutkan dengan pembangkitan rute pada tahap kedua. Algoritma
sweep pertama kali dikenalkan oleh Gillet & Miller pada 1974 dimana tahap clustering
diawali dengan menempatlan depot sebagai titik pusat koordinat dan node customer
mengelilingi secara tersebar dan acak sesuai dengan letak geografisnya. Langkah selanjutnya
yaitu “menyapu” mulai dari depot yang dilanjutkan dengan node terdekat atau node yang
memiliki sudut polar terkecil hingga terbesar, secara kontinyu dilanjutkan hingga kapasitas
kendaraan terpenuhi. Kemudia setelah cluster terbentuk, dilanjutkan dengan pembangkitan
rute. Algoritma sweep dapat diimplementasikan menggunakan dua metode yang berbeda
yaitu forward sweep dan backward sweep. Pada forward sweep sapuan dilakukan searah
jarum jam, sementara pada backward sweep sapuan dilakukan secara berlawanan arah jarum
jam.
2.9 Linear Programming

Linear programming merupakan bentuk aplikasi yang umum dari constrained
optimization. Constrained optimization lebih sulit bila dibandingkan unconstrained
optimization sebab selain mencari solusi atau hasil yang terbaik, diharuskan juga bisa
memenuhi constraint-constraint yang ada. Model linear programming memiliki tiga
komponen dasar, yaitu:
21
1. Decision variable yang ditentukan dan dicari jumlahnya.

2. Objective goal yang dioptimasi (maximize or minimize).
3. Constraints yang harus dipenuhi kondisi atau syaratnya oleh solusi yang dihasilkan,
dengan memenuhi semua konstrain, solusi dikatakan feasible.
Menurut Daskin (1995) Terdapat beberapa permasalahan yang dapat diselesaikan
dengan linear programming, salah satunya adalah permasalahan transportasi. Contoh
permasalahan transportasi adalah sebagai berikut: terdapat beberapa titik suppy sejumlah Si,
sejumlah titik permintaan Dj dan biaya dari titik supply i ke titik permintaan j Cij. Tentukan
rute pengiriman agar semua permintaan terpenuhi dengan biaya yang minimal. Maka
permasalahan tersebut dapat diformulasikan secara matematis sebagai berikut:
Inputs
Si = Titik supply i
Dj = Titik permintaan j
Cij = Biaya pengiriman dari titik supply i ke titik permintaan j
Decision variable
Xij = Jumlah yang dikirimkan dari titik supply i ke titik permintaan j
Formulation
Minimize ∑i ∑j Cij Xij (2-10)
Subject To ∑j Xij ≤ Sj , untuk semua titik i (2-11)
∑i Xij ≥ Dj , untuk semua titik j (2-12)
Xij ≤ 0, untuk semua titik i,j (2-13)
2.10 Global Positioning System

Global Positioning System (GPS) merupakan suatu sistem radio navigasi yang
menggunakan satelit yang saling berhubungan dan beredar pada orbitnya. Satelit-satelit yang
beredar pada bumi dan digunakan untuk sistem GPS tersebut merupakan milik Departemen
Pertahanan (Departemen of Defense) Amerika Serikat yang pertama kali diperkenalkan
mulai tahun 1978 dan pada tahun 1994 sudah memakai 24 satelit. Saat ini satelit tersebut
sudah dapat digunakan untuk kepentingan umum (Hasanuddin, 2002). Untuk mengetahui
suatu posisi maka digunakanlah GPS receiver yang berguna untuk menangkap sinyal dari
satelit. Setiap posisi pada permukaan bumi diwakilkan dengan titik koordinat berupa lintang
dan bujur. Satelit-satelit inilah yang beredar mengelilingi bumi dan mengirimkan sinyal
informasi berupa koordinat lintang dan bujur kepada GPS receiver.
22
2.10.1 Google Maps

Google Maps adalah layanan aplikasi dan teknologi peta berbasis web yang disediakan
oleh Google secara gratis. Google Maps dapat diakses melalui website
http://maps.google.com. merupakan aplikasi suatu peta dunia yang dapat kita gunakan untuk
melihat suatu daerah. Google Maps dapat digunakan untuk mencari jarak dari suatu kota ke
kota lain. Pada awal tampilan Google Maps, kita harus mengetikkan nama kota awal kita
pada search bar yang dilingkari biru. Klik tanda search di sebelahnya untuk mencari kota
yang kita tuju.
Langkah berikutnya adalah mencari tempat tujuan. Tempat tujuan bisa kita tambahkan
dengan cara klik pada tanda plus (+) yang dilingkari merah. Kemudian akan muncul kotak
search bar baru dibawah kotak pertama yang menjadi titik awal tadi. Isi kotak search bar
yang baru dengan nama tempat tujuan. Langkah terakhir adalah klik enter untuk mencari
jarak antara kedua tempat tersebut. Hasil yang ditampilkan adalah jarak antara kedua tempat
tersebut pada lingkaran berwarna biru.
2.11 Lingo
Lingo merupakan suatu alat komprehensif yang dirancang untuk memecahkan masalah
Linear, Nonlinear (convex dan nonconvex/ global), Quadratic, Quadratically Constrained,
Second Order Cone, Stochastic, dan model optimisasi integer dengan lebih cepat, lebih
mudah, dan lebih efisien. Beberapa hal yang perlu diperhatikan pada model Lingo menurut
Lindo (2011):
1. Comment pada model ini harus dimulai dengan tanda seru (!) dan muncul dalam teks
berwarna hijau.
2. Fungsi operator yang telah ditetapkan dalam Lingo muncul dalam teks berwarna biru.
3. Teks lainnya muncul dalam teks berwarna hitam.
4. Setiap pernyataan dalam Lingo harus diakhiri dengan tanda ( ; ).
5. Nama variabel harus dimulai dengan sebuah huruf (A-Z). Karakter lainnya dalam nama
variabel bisa menggunakan huruf-huruf atau kata, atau karakter underscore ( _ ). Nama
variabel dapat mencapai panjang hingga 32 karakter.
BAB III
METODE PENELITIAN
Pada bagian ini akan menjelaskan mengenai langkah-langkah terstruktur penelitian

yang akan dilakukan mulai dari observasi pendahuluan, studi literatur, identifikasi masalah
hingga pengolahan data, dan penyelesaian masalah.
3.1 Jenis Penelitian

Jenis penelitian yang digunakan adalah penelitian deskriptif, dimana menurut
Sukmadinata (2006), penelitian deskriptif merupakan suatu bentuk penelitian yang ditujukan
untuk menggambarkan kejadian-kejadian yang ada baik kejadian alamiah maupun kejadian
buatan manusia. Penelitian deskriptif tidak hanya terbatas pada pengumpulan dan
penyusunan data tetapi juga meliputi analisis dan interpretasi tentang arti data tersebut.
Penelitian deskriptif melakukan analisis dan penyajian fakta secara sistematik sehingga
dapat lebih mudah dipahami dan disimpulkan. Pada penelitian ini akan dilakukan
perhitungan dan analisis terhadap data permasalahan yang ada untuk selanjutnya ditarik
kesimpulan berdasarkan perhitungan dan analisis data yang telah dilakukan.
3.2 Tempat dan Waktu Penelitian

Penelitian ini dilaksanakan di PT Cool Clean malang pada bulan Oktober 2017 sampai
selesai.
3.3 Data yang Digunakan

Penelitian ini dilakukan dengan menggunakan dua jenis data yaitu:
1. Data primer, merupakan data yang diperoleh peneliti secara langsung (dari tangan
pertama). Penelitian ini menggunakan data primer berupa hasil wawancara peneliti
dengan narasumber terkait dengan informasi sistem distribusi produk tissue galon air
mineral di PT Cool Clean Malang dan data rute pengiriman. Data primer yang
digunakan berupa data jarak antar rute pengiriman dan sistem distribusi existing di PT
Cool Clean Malang.
2. Data sekunder, merupakan data yang diperoleh peneliti dari sumber yang sudah ada.
Data sekunder yang digunakan adalah data permintaan, jumlah dan jenis armada
transportasi yang digunakan, data wilayah distribusi, serta data kapasitas kendaraan.
23
24
3.4 Langkah-Langkah Penelitian

Langkah-Langkah yang digunakan dalam penelitian ini digambarkan dalam diagram
alir pada Gambar 3.1 dan berikut merupakan penjelasan mengenai Langkah-langkah
penelitian yang dibutuhkan.
1. Observasi Pendahuluan
Penelitian dimulai dengan melakukan observasi langsung untuk mengetahui
permasalahan yang ada. Penelitian ini dilakukan di PT Cool Clean Malang dan fokus
penelitian yang dilakukan adalah pada proses distribusi atau pengiriman produk tissue
galon air mineral yaitu pada bagian rute pengirimannya.
2. Studi Literatur
Studi literatur adalah tahap pengkajian teori-teori yang terkait dengan permasahalan.
Manfaat dari studi literatur adalah untuk menentukan kesesuaian metode yang dipilih
dengan konsep teoritis yang sudah ada. Studi literatur berisi kajian-kajian literatur yang
berasal dari buku, jurnal, artikel ilmiah dan lain-lain yang kebenarannya dapat
dipertanggungjawabkan. Studi literatur terkait dengan penelitian ini diantaranya
mengenai supply chain management, masalah distribusi, vehicle routing problem,
penelitian terdahulu yang terkait dengan penelitian yang dilakukan.
3. Identifikasi Masalah
Setelah dilakukan observasi selanjutnya adalah melakukan identifikasi permasalahan
yang terdapat pada objek penelitian. Masalah dalam penelitian ini adalah rute distribusi
atau pengiriman tissue galon air mineral yang digunakan pada PT Cool Clean masih
berdasarkan perkiraan dari perusahaan sendiri serta belum mempertimbangkan masalah
biaya dalam melakukan distribusi.
4. Perumusan Masalah
Rumusan masalah digunakan agar peneliti dan pengguna hasil penelitian mempunyai
pandangan yang sama terhadap penelitian yang dihasilkan. Berdasarkan observasi yang
dilakukan terhadap proses pengiriman tissue galon air mineral di PT Cool Clean masih
berdasarkan perkiraan dari perusahaan sendiri serta belum mempertimbangkan masalah
biaya dalam pengiriman. Sehingga rumusan masalah yang dapat diambil adalah
bagaimana rute distribusi produk tissue galon air mineral yang optimal dan bagaimana
perbandingan total biaya distribusi tissue galon air mineral saat ini dan total biaya
distribusi tissue galon air mineral yang optimal.
5. Tujuan Penelitian
25
Pada tahap ini ditentukan tujuan yang akan dicapai melalui penelitian yang dilakukan
yaitu mengoptimalkan rute distribusi produk tissue galon air mineral kepada konsumen
saat ini dan membandingkan total biaya distribusi produk tissue galon air mineral saat
ini dan total biaya distribusi dengan rute yang optimal.
6. Pengumpulan Data
Data-data yang dikumpulkan peneliti untuk mendukung penelitian ini yaitu:
a. Data Wilayah Distribusi atau Pengiriman Produk Tissue galon air mineral melalui
hasil wawancara dengan pihak PT Cool Clean Malang.
b. Data Permintaan masing-masing pelanggan, data permintaan yang digunakan
adalah data historis perusahaan pada bulan Oktober 2017 – Desember 2017.
c. Data Jumlah Kendaraan Pengiriman Tissue galon air mineral, data tersebut
diperoleh dari hasil wawancara dengan pihak PT Cool Clean Malang.
d. Data Kapasitas Kendaraan yang diperoleh dari hasil wawancara dengan pihak PT
Cool Clean Malang.
e. Data Biaya Pengiriman berupa biaya pekerja dan biaya bahan bakar kendaraan.
f. Data waktu loading/unloading disetiap wilayah distribusi.
g. Data jam buka dan jam tutup wilayah distribusi.
7. Pengolahan Data
Setelah data telah dikumpulkan, maka dilakukan proses pengolahan data dengan
menggunakan mix integer linear programming yaitu:
a. Algoritma sweep. Pada metode ini dilakukan dua tahap yaitu clustering dan
pembangkitan rute yang didasarkan sapuan pada urutan sudut polar pada keadaan
geografis masing-masing wilayah distribusi. Clustering yang dilakukan
berdasarkan kapasitas kendaraan, jika permintaan melebihi kapasitas akan
dilanjutkan ke cluster selanjutnya.
b. Menghitung total biaya pengiriman produk tissue galon air mineral existing yang
diperoleh dari gaji karyawan dan konsumsi bahan bakar kendaraan yang digunakan.
c. Membuat formulasi matematis untuk mengurutkan rute yang telah dihasilkan dari
metode heuristik algoritma sweep yaitu dengan cara:
1) Menentukan variabel keputusan berupa variabel biner yang menunjukkan
bahwa wilayah distribusi j dikunjungi setelah wilayah distribusi i.
2) Menentukan fungsi tujuan berupa minimasi total biaya pengiriman.
26
3) Menentukan fungsi kendala yaitu kendala yang terkait dengan kunjungan

wilayah distribusi, kendala rute yang dilewati, dan kendala terkait time
windows.
d. Menyelesaikan model mix integer linear programming menggunakan software
Lingo 17.0.
e. Melakukan analisa terhadap output dari mix integer linear programming terkait
dengan time windows di titik wilayah distribusi dari masing-masing rute usulan dan
digunakan untuk memperoleh total waktu tempuh masing-masing rute.
f. Menentukan rute pengiriman optimal dan total biaya pengiriman dengan rute
optimal.
8. Analisis dan Pembahasan
Setelah melakukan pengolahan data, maka selanjutnya melakukan analisis yang
mendalam berdasarkan hasil pengolahan data tersebut. Analisis yang dilakukan
mengarah pada tujuan penelitian dan akan menjawab pertanyaan pada rumusan masalah.
Analisis data pada penelitian ini adalah membandingkan rute pengiriman dan total biaya
pengiriman existing dengan rute pengiriman dan total biaya pengiriman dengan model
mix integer linear programming. Sehingga diperoleh rute yang optimal dengan biaya
yang optimal pula.
9. Kesimpulan dan Saran
Tahap ini merupakan hasil dari penelitian yang dilakukan, dimana telah diperoleh
kesimpulan dan alternatif yang sesuai untuk objek penelitian. Memberikan saran untuk
bahan pertimbangan objek penelitian dan pembaca atau penulis lain sebagai referensi.
3.5 Diagram Alir Penelitian

Diagram alir penelitian digunakan untuk memudahkan pembaca dalam memahami
penelitian yang dilakukan secara singkat. Diagram alir penelitian akan disajikan pada
Gambar 3.1.
27
Mulai
Observasi Awal pada PT

Cool Clean Malang
Studi Literatur
Identifikasi
Masalah
Perumusan
Masalah
Tujuan Penelitian
Tahap Pendahuluan
Pengumpulan Data:
1. Data wilayah distribusi atau pengiriman produk tissue galon air
mineral
2. Data permintaan masing-masing pelanggan
3. Data jarak tiap-tiap pelanggan
4. Data Jumlah Kendaraan pengiriman tissue galon air mineral
5. Data kapasitas kendaraan pengiriman
6. Data biaya pengiriman yang terdiri dari biaya pekerja dan biaya
bahan bakar
7. Data waktu loading/unloading disetiap wilayah distribusi Tahap Pengumpulan
8. Data jam buka dan jam tutup wilayah distribusi Data
Menentukan
pengelompokan rute
menggunakan algoritma
sweep
Menghitung total biaya

dengan rute pengiriman
existing
Pembuatan formulasi matematis berdasarkan

rute yang terbentuk dari algoritma sweep:
a. Penentuan variabel keputusan
b. Penentuan fungsi tujuan
c. Penentuan fungsi kendala
Menyelesaikan dengan model

mix integer linear
programming dengan
software LINGO 17.0
Melakukan analisa time

windows
Menghitung total biaya rute

usulan berdasarkan analisa
output mix integer linear
programming Tahap Pengolahan Data
Analisis dan
Pembahasan
Kesimpulan dan Tahap Analisis dan Pembahasan

Saran serta Penarikan Kesimpulan dan
Saran
Selesai
Gambar 3.1 Diagram alir penelitian

28

BAB IV
HASIL DAN PEMBAHASAN
Pada bab hasil dan pembahasan berisi data yang telah dikumpulkan dan selanjutnya
dilakukan pengolahan data berdasarkan metode penelitian dan penyelesaian yang digunakan.
Kemudian hasil yang diperoleh digunakan untuk analisis dan pembahasan dalam penelitian
ini.
4.1 Gambaran Umum Perusahaan

Pada sub-bab ini akan dijelaskan mengenai gambaran perusahaan secara umum yang
menjadi objek penelitian.
4.1.1 Sejarah Perusahaan

PT Cool Clean malang merupakan salah satu perusahaan Badan Usaha Milik Swasta
(BUMS) di Indonesia yang bergerak dalam pembuatan tissue basah atau dengan istilah wet
tissue, sanitizer tissue, cologne tissue, refreshing tissue, moist towelette, tissue botol, tissue
galon dan lain-lain. PT Cool Clean Malang berdiri pada tahun 1980 oleh Bapak Djoko
Pramono, dimana pada awal berdirinya perusahaan ini merupakan industri rumahan dengan
luas tanah kurang dari 300 m2 dan berlokasi di Jalan Lakon 14 Malang. Kemudian pada
tanggal 17 April 1985 PT Cool Clean Malang mendapat izin usaha oleh Departemen
Perindustrian Nomor 108/1985 dan memperluas area mereka hingga 700 m2. Mulai dari
tanggal 23 Oktober 2007 berpindah lokasi di Jalan Raya Candi V 75 Malang dengan luas
area 2200 m2.
PT Cool Clean Malang memproduksi refreshing tissue dan sanitizer tissue non parfum,
yang menjadi dasar pertimbangan perusahaan untuk memilih produk tersebut karena
semakin meningkatnya jumlah sarana pelayanan yang ada dimasyarakat, seperti rumah
makan, hotel, penginapan, perusahaan angkutan udara, dan lain-lain. Akan tetapi sampai saat
ini PT Cool Clean malang juga mencoba untuk memproduksi tissue cologne.
Gambar 4.1 Produk tissue galon air mineral

Sumber: website PT Cool Clean Malang
29
30
4.1.2 Visi dan Misi Perusahaan

Visi yang dimiliki PT Cool Clean Malang adalah “Perusahaan Cologne tissue “Cool
Clean” dalam memproduksi selalu mengutamakan kepuasan konsumen terhadap kesesuaian
spesifikasi produk, kesesuaian harga dan ketepatan waktu penyerahan”. Sedangkan untuk
misi yang dimiliki oleh PT Cool Clean malang adalah “Perusahaan Cologne tissue “Cool
Clean” bertekad untuk mengurangi tingkat kerusakan produk menjadi dibawah 1% dalam 1
tahun.
4.1.3 Struktur Organisasi Perusahaan

Struktur organisasi adalah suatu susunan dan hubungan antara tiap bagian serta posisi
yang ada pada suatu organisasi atau perusahaan dalam menjalankan kegiatan operasional
untuk mencapai tujuan yang diharapkan dan diingkan. Struktur organisasi meggambarkan
dengan jelas pemisahan kegiatan pekerjaan antara yang satu dengan yang lain dan
bagaimana batas antar aktivitas dan fungsi tersebut.
PT Cool Clean Malang memiliki struktur organisasi fungsional yang terdiri dari
pimpinan perusahaan, wakil pimpinan perusahaan, kepala bagian pembelian, kepala bagian
pemasaran, kepala bagian produksi, kepala bagian maintenance, dan kepala bagian umum.
Gambar 4.2 merupakan struktur organisasi PT Cool Clean Malang.
Pimpinan
Perusahaan
Wakil Pempinan
Perusahaan
Kepala Pembelian Kepala Pemasaran Kepala Produksi Kepala Mintenance Kepala Umum
Gambar 4.2 Struktur organisasi PT Cool Clean Malang

Proses produksi PT Cool Clean Malang terbagi menjadi 2 yaitu, produksi semi-otomatis
dan produksi manual. Berdasarkan struktur organisasi diatas, berikut ini merupakan
penjelasan job description dari masing-masing posisi jabatan di PT Cool Clean Malang.
1. Pimpinan Perusahaan
Tugas dari pimpinan perusahaan diantaranya:
a. Memegang kendali perusahaan dan membuat perencanaan aktivitas perusahaan
secara menyeluruh.
b. Mewakili perusahaan dalam hubungan eksternal.
31
c. Melakukan koordinasi dan memberikan tugas kepada bawahan dalam melakukan

tugas.
d. Mengontrol perkembangan perusahaan secara umum.
2. Wakil Pimpinan Perusahaan
Wakil pimpinan perusahaan bertugas untuk membantu pimpinan perusahaan dalam
perencanaan aktivitas secara menyeluruh, dengan memberikan pertimbangan data-data
yang relevan.
3. Bagian Pembelian
Tugas dari bagian pembelian diantaranya:
a. Melakukan perencanaan pembelian bahan baku.
b. Bertanggung jawab terhadap ketersediaan bahan baku yang akan diproduksi.
4. Bagian Pemasaran
Tugas dari bagian pemasaran diantaranya:
a. Melakukan pengawasan mengenai distribusi produk yang diproduksi perusahaan.
b. Melayani dan bertanggung jawab atas pemesanan yang telah dibuat oleh klien.
c. Mencari peluang pasar baru untuk bekerja sama dengan perusahaan.
5. Bagian Produksi
Tugas dari bagian produksi diantaranya:
a. Mengatur kelancaran dari proses produksi yang berjalan.
b. Mengontrol proses produksi dan mengawasi kualitas hasil produk.
6. Bagian Maintenance
Tugas bagian maintenance diantaranya:
a. Melakukan kegiatan pemeliharaan mesin-mesin yang digunakan.
b. Melakukan perbaikan mesin jika mengalami kerusakan.
7. Bagian Umum
Tugas bagian umum diantaranya:
a. Melakukan pengawasan yang berhubungan dengan pegawai dan tugasnya.
b. Membuat laporan keuangan dan pembukuan perusahaan.
c. Mengolah keuangan perusahaan, termasuk pembayaran upah.
4.2 Pengumpulan Data

Pada sub-bab ini akan dijelaskan mengenai pengambilan data terkait penelitian, dimana
untuk penelitian ini data yang dibutuhkan adalah data wilayah pengiriman, data permintaan,
data kendaraan beserta kapasitasnya, dan data jarak antar wilayah pengiriman.
32
4.2.1 Data Wilayah Distribusi Tissue Galon Air Mineral

Wilayah distribusi tissue galon air mineral terletak diberbagai kota di Indonesia, namun
terdapat dua wilayah yang menjadi pusat distribusi PT Cool Clean Malang. Wilayah tersebut
adalah Distribution Center Jakarta dan Pelabuhan Tanjung Priuk Surabaya. Distribution
Center Jakarta akan mengirimkan produk Cool Clean kepada pelanggan yang berada di
sekitar Jakarta, sedangkan dari Pelabuhan Tanjung Priuk Surabaya selanjutnya produk akan
dikirimkan kepada pelanggan melalui pihak ketiga. Selain DC Jakarta dan Tanjung Priuk
Surabaya, terdapat beberapa wilayah distribusi tissue galon air mineral seperti PT Tirta
Investama dengan merk “aqua”, PT Sariguna Primatirta dengan merk “cleo”, dan PT Tirta
Sukses Perkasa dengan merk “Club” yang ada diberbagai daerah di Indonesia. Tabel 4.1
merupakan wilayah distribusi tissue galon air mineral PT Cool Clean Malang.
Tabel 4.1
Wilayah Distribusi Tissue Galon Air Mineral
Kode Kode
Tujuan Alamat
Nomor Wilayah
Jl. Raya Candi V No.754, Karangbesuki,
PT Cool Clean Malang 1 PCC
Sukun, Kota Malang, Jawa Timur
West Perak, Krembangan, Surabaya City,
DC Surabaya 2 DCs
Jawa Timur
Jalan H. Musirin 1 No. 14 Kedoya Sel.
DC Jakarta 3 DCj
Kb. Jeruk Jakarta Barat
Jl. Rungkut Industri III No.9, Kutisari,
Aqua Surabaya 4 Aqs
Tenggilis Mejoyo, Kota SBY, Jawa Timur
Jl. Kelasi, No. 1-3, Surabaya, North
Club Surabaya 5 CLs Krembangan, Pabean Cantian, Surabaya
City, East Java
Jl. Raya Malang - Surabaya No.9, Karang
Aqua Pasuruan 6 Aqps
Jati, Pandaan, Pasuruan, Jawa Timur
Jl. Raya Malang - Surabaya KM.52,
Cleo Pasuruan 7 Cps Ngadimulyo, Sukorejo, Pasuruan, Jawa
Timur
JL. Raya Pasuruan, Km. 53, Gadingrejo,
Club Pasuruan 8 CLps
Kota Pasuruan, Jawa Timur
Jakarta Industrial Estate Pulogadung, Jl.
Pulo Lentut No 3 Pulogadung Jaktim,
Aqua Jakarta 9 Aqj
RW.3, Rawa Terate, Cakung, RW.3, Rw.
Terate, Cakung, Kota Jakarta Timur
Jl. Mayor Oking No. 92B, Citeureup,
Cleo Jakarta 10 Cj Karang Asem Barat, Karang Asem Bar.,
Citeureup, Bogor, Jawa Barat
Jl. Meruya Ilir Utara 1-3 Kav. DKI
Meruya Utara Kembangan Jakarta Barat
Club Jakarta 11 CLj
DKI Jakarta, RT.3/RW.6, Meruya Utara,
Kembangan, Kota Jakarta Barat
Jl. Ahmad Yani No.41-43, Gedangan,
Cleo Sidoarjo 12 Csd
Kabupaten Sidoarjo, Jawa Timur
33
Kode Kode Alamat

Tujuan Nomor Wilayah
Kawasan Industri Candi Blok A/B No.13-
Aqua Semarang 13 Aqsm 15, Manyaran, Semarang Barat, Ngaliyan,
Semarang, Kota Semarang, Jawa Tengah
Jl. Raya Magelang KM.8 No.89, Triharjo,
Aqua Yogyakarta 14 Aqyg Kec. Sleman, Kabupaten Sleman, Daerah
Istimewa Yogyakarta
JL. Jenderal Ahmad Yani, No. 179,
Aqua Solo 15 Aqso Kartosuro, Kartosuro, 57167, Gilingan,
Banjarsari, Kota Surakarta, Jawa Tengah
Jl. Mayjen HE. Sukma Km. 15, Ciherang
Aqua Bogor 16 Aqbg Pondok, Caringin, Ciherang Pd., Caringin,
Bogor, Jawa Barat
Jl. Soekarno Hatta No.608, Sekejati,
Aqua Bandung 17 Aqbd
Kiaracondong, Kota Bandung, Jawa Barat
Data lokasi tiap wilayah distribusi pada PT Cool Clean akan digunakan untuk
mengetahui jarak dari PT Cool Clean Malang ke masing-masing wilayah distribusi, serta
jarak antar wilayah distribusi. Jarak yang diperoleh akan dibuat matriks jarak yang akan
digunakan dalam pengolahan data.
Matriks jarak diperoleh berdasarkan bantuan software google maps dan konversi
koordinat di google maps. Penggunaan aplikasi google maps karena memiliki bantuan untuk
mengukur jarak dua titik yang disebut measurement distance tool. Sistem pengukuran
aplikasi ini dilakukan dengan mengikuti alur jalan yang tersedia pada peta, sehingga jarak
yang diukur bisa cukup akurat dengan jarak aktual, tanpa harus mengukur secara langsung.
Pengukuran data jarak antar lokasi dengan google maps dilakukan dengan cara memasukkan
dua titik atau nama lokasi yang ingin diketahui. Selanjutnya google maps akan menampilkan
beberapa pilihan rute yang dapat dilalui antar dua lokasi tersebut. Gambar 4.3 Merupakan
contoh penggunaan aplikasi google maps untuk pengukuran jarak.
Berdasarkan gambar 4.3 Terdapat dua jalur yang dapat dilalui dari PT Cool Clean
Malang menuju aqua pasuruan dengan jarak tempuh 44,9 dan 52,0. Rute yang dipilih adalah
yang berwarna biru karena memiliki jarak tempuh yang lebih pendek sehingga akan
menghasilkan waktu tempuh terpendek dan biaya distribusi juga akan lebih murah.
Pengukuran dengan cara yang sama juga dilakukan untuk mencari jarak ke wilayah distribusi
lain. Tabel matriks jarak ditampilkan pada Lampiran 1.
Matriks jarak menunjukkan jarak dari pusat cool clean Malang ke masing-masing
wilayah distribusi, dimana jarak dari pusat cool clean ke wilayah distribusi j diasumsikan
sama dengan jarak dari wilayah distribusi j ke pusat cool clean. Jarak dari pusat cool clean
malang ke masing-masing wilayah distribusi maupun jarak antar wilayah distribusi akan
34
digunakan untuk menghitung biaya distribusi saat ini serta sebagai input dalam software
Lingo 17.0.
Gambar 4.3 Pengukuran jarak menggunakan aplikasi google maps
4.2.2 Data Kendaraan dan Kapasitas Kendaraan

PT Cool Clean Malang dalam melakukan distribusinya menggunakan 3 armada
kendaraan yang berbeda. Masing-masing kendaraan digunakan berdasarkan kebutuhan
pengiriman yang dilakukan. Tabel 4.2 merupakan spesifikasi kendaraan yang digunakan
oleh PT Cool Clean Malang.
Tabel 4.2
Spesifikasi Kendaraan
No Kendaraan Spesifikasi
Ukuran Panjang:
Jarak Sumbu roda 4.200 mm
Panjang Keseluruhan 7.015 mm
Lebar Keseluruhan 2080 mm
Mitsubishi Colt Diesel turbo Tinggi keseluruhan 3150 mm
1 Intercooler 12 PS FE 74 L Tinggi minimal dari tanah 210 mm
Tahun 2008 jarak roda depan kiri-kanan 1.400 mm
Jarak roda belakang kiri-kanan 1.495 mm
Berat:
Berat chasis dengan kabin 2.345 kg
Max G.V.W 7.500 kg
35
No Kendaraan Spesifikasi
Kekuatan:
Kecepatan maksimum 120 km/jam
Daya Tanjak 32 tan
Radius Putar minimum 8.6 m
Mesin:
Model 4034-2ATB
Tipe : 4 langkah, direct injection, mesin idesel pendingin
air dengan turbo intercooler
Jumlah silinder : 4 sejajar
Diameter x langkah : 104 x 115 mm
Isi silinder : 3.908 cc
Daya maksimum : 125 PS/2.900 rpm
torsi maksimum : 33 kg.m/1.600 rpm
Dimensi dan Kapasitas:
Panjang: 4870 mm
Lebar: 1700 mm
Tinggi: 1845 mm
Jarak Sumbu Roda: 2200 mm
2 Mitsubishi L300 Box
Berat Bersih: 1165 kg
Performansi:
Kapasitas Mesin: 2477 cc
Tenaga: 86 hp
Torsi: 133 Nm
Dimensi dan Bobot Mobil:
Panjang keseluruhan: 4320 mm
Lebar Keseluruhan: 1560 mm
Tinggi Keseluruhan: 1825 mm
Jarak Sumbu Roda: 1970 mm
Jarak Roda Depan Kiri-Kanan: 1345 mm
Jarak Roda Belakang Kiri-Kanan: 1330 mm
Jarak Terendah dari Tanah: 180 mm
3 Mitsubishi T 120 SS Pick up Berat Chasis termasuk Kabin: 790 kg
Maksimum G.V.W: 1.760 kg
Spesifikasi Mesin:
Model atau tipe mesin: 4G15-12 Valve (4 silinder 4
stroke)
Kapasitas Silinder: 1468 CC
Diameter x Langkah: 75,5 x 82 (mm)
Daya Maksimum: 86 PS/5.750 rpm
Torsi Maksimum: 12.3 kgm/3.750 rpm
Tabel 4.3 merupakan kapasitas masing-masing kendaraan yang digunakan pada
perusahaan.
Tabel 4.3
Kapasitas Kendaraan
No Jenis Kendaraan Kapasitas Kendaraan (p x l x t) Kapasitas Pengiriman
1 Kendaraan 1 6210 mm x 2080 mm x 3150 480 coli
2 Kendaraan 2 4160 mm x 1700 mm x 2240 mm 130 coli
3 Kendaraan 3 3540 mm x 1375 mm x 1730 mm 80 coli
36
Kapasitas kendaraan didapatkan dengan melihat spesifikasi dari jenis kendaraan.

sebagai contoh Mitsubishi colt diesel memiliki kapasitas volume yaitu panjang 2080 mm,
lebar 3150 mm dan tinggi 7500 mm. Sehingga untuk menyesuaikan dengan kapasitas produk
yang dapat ditampung adalah dengan mengalikan panjang, lebar dan tinggi box kendaraan
kemudian dibagi dengan panjang, lebar dan panjang produk. Ukuran produk adalah 580 x
330 x 350, sehingga untuk memperoleh kapasitas kendaraan adalah sebagai berikut:
(2080 x 3150 x 7500)
Kapasitas Mitsubishi colt diesel = = 480 coli (4-1)
(580 x 330 x 350)
Perhitungan yang sama juga digunakan untuk menghitung kapasitas mitsubishi L300 box
dan mitsubshi T 120 SS pick up.
4.2.3 Data Permintaan Tissue untuk Setiap Rute

Permintaan produk tissue oleh pelanggan kepada PT Cool Clean Malang dikirimkan
dalam satuan box atau coli. Pada penelitian ini, data permintaan yang digunakan merupakan
rata-rata permintaan untuk satu horizon perencanaan. Dalam satu horizon perencanaan
pengiriman dilakukan setiap satu minggu untuk masing-masing wilayah distribusi. Jumlah
permintaan dinyatakan dalam satuan coli, dimana coli merupakan satuan volume yaitu m3.
Penggunaan satuan volume bertujuan agar penataan produk dalam kendaraan dapat
disesuaikan dengan dimensi panjang, lebar dan tinggi kendaraan itu sediri karena produk
juga dikemas dalam bentuk balok. Satu coli berisi 36 pack plastik, dimana masing-masing
plastik berisi 24 piecies tissue, sehingga jumlah total dalam satu coli adalah 864 piecies
tissue. Pengiriman produk ke masing-masing wilayah distribusi dibedakan berdasarkan jenis
produk, dimana produk asli dari PT Cool Clean itu sendiri yaitu ISO dan CC dan hanya
dikirimkan ke DC Surabaya dan DC Jakarta. Sedangkan untuk produk lain seperti Aqua,
Cleo dan Club akan dikirimkan ke masing-masing wilayah distribusinya. Permintaan untuk
masing-masing wilayah dalam satu kali horizon perencanaan atau satu kali pengiriman
dinyatakan seperti pada Tabel 4.4.
Tabel 4.4
Permintaan Tissue dalam Satu Horizon Perencanaan
Wilayah Distribusi Jumlah Permintaan (coli)
PT Cool Clean Malang 0
DC Surabaya 106
DC Jakarta 195
Aqua Surabaya 28
Club Surabaya 20
Aqua Pasuruan 28
Cleo Pasuruan 10
37
Wilayah Distribusi Jumlah Permintaan (coli)

Club Pasuruan 4
Aqua Jakarta 28
Cleo Jakarta 8
Club Jakarta 14
Cleo Sidoarjo 8
Aqua Semarang 28
Aqua Yogyakarta 28
Aqua Solo 28
Aqua Bogor 28
Aqua Bandung 28
4.2.4 Data Time Windows

Proses pengiriman yang dilakukan tidak hanya terkendala dengan adanya batasan
kendaraan yang dimiliki, tetapi juga terkendala time windows atau keterbatasan waktu.
Time0windows menyatakan adanya batasan waktu pada jam buka0dan0tutup di PT Cool
Clean malang maupun wilayah distribusi. Dalam hal ini wilayah distribusi hanya dapat
dilayani oleh kendaraan dalam kurun waktu diantara jam buka dan tutup tersebut.
Penelitian ini menggunakan satuan menit untuk menentukan nilai time windows. Nilai
menit yang digunakan diperoleh berdasarkan perkalian antara nilai jam dengan 60. Titik 0
pada perhitungan menit adalah pada waktu minimal jam buka diantara semua wilayah
distribusi yaitu pada pukul 07.00 WIB. Jika waktu buka wilayah distribusi pada pukul 07.30
WIB, maka ditulis dalam satuan menit dengan nilai (07.30 – 07.00) x 60 = 30. Tabel 4.5
merupakan data buka dan tutup pada masing-masing wilayah distribusi.
Tabel 4.5
Data Waktu Buka dan Tutup Wilayah Distribusi
Buka (a) Tutup (b)
Titik
Nama Wilayah Distribusi Menit
awal Jam Menit ke- Jam
ke-
1 PT Cool Clean Malang 07.30 30 15.30 510
2 DC Surabaya 07.00 0 16.00 540
3 DC Jakarta 07.30 30 15.30 510
4 Aqua Surabaya 07.00 0 17.00 600
5 Club Surabaya 08.00 60 18.00 660
6 Aqua Pasuruan 07.00 0 17.00 600
7 Cleo Pasuruan 07.00 0 17.00 600
8 Club Pasuruan 07.00 0 17.00 600
9 Aqua Jakarta 08.00 60 17.00 600
10 Cleo Jakarta 08.00 60 16.00 540
11 Club Jakarta 07.30 30 17.00 600
12 Cleo Sidoarjo 08.00 60 16.00 540
13 Aqua Semarang 08.00 60 16.00 540
14 Aqua Yogyakarta 08.00 60 16.00 540
15 Aqua Solo 08.00 60 16.00 540
38
Buka (a) Tutup (b)

Titik
Nama Wilayah Distribusi Menit
awal Jam Menit ke- Jam
ke-
16 Aqua Bogor 08.00 60 16.00 540
17 Aqua Bandung 08.00 60 16.00 540
4.2.5 Waktu Pelayanan (Loading/Unloading) di Tiap Wilayah Distribusi

Waktu pelayanan atau loading dan unloading di setiap wilayah distribusi juga
diperhitungkan dalam penentuan rute optimum dengan batasan time windows. Waktu
loading hanya diperhitungkan di PT Cool Clean Malang, dimana waktu yang digunakan
untuk loading barang adalah 40 menit. Sedangkan waktu unloading pada setiap wilayah
distribusi adalah konstan yaitu selama 30 menit. Waktu loading adalah waktu untuk
memasukkan produk kedalam kendaraan sampai kendaraan siap berangkat menuju ke
masing-masing wilayah distribusi. Waktu unloading digunakan untuk menurunkan produk
dari kendaraan di setiap wilayah distribusi. Setelah proses tersebut kendaraan akan langsung
melanjutkan perjalanan menuju kewilayah distribusi berikutnya. Tabel 4.6 merupakan waktu
loading dan unloading disetiap wilayah distribusi.
Tabel 4.6
Waktu loading dan unloading
Kode Wilayah Waktu Loading Waktu Unloading
No Wilayah Distribusi
Distribusi (menit) (menit)
1 Pusat (Cool Clean) PCC 40 -
2 DC Surabaya DCs - 30
3 DC Jakarta DCj - 30
4 Aqua Surabaya AQs - 30
5 Club Surabaya CLs - 30
6 Aqua Pasuruan AQps - 30
7 Cleo Pasuruan Cps - 30
8 Club Pasuruan CLps - 30
9 Aqua Jakarta Aqj - 30
10 Cleo Jakarta Cj - 30
11 Club Jakarta CLj - 30
12 Cleo Sidoarjo Csd - 30
13 Aqua Semarang AQsm - 30
14 Aqua Yogyakarta Aqyg - 30
15 Aqua Solo AQso - 30
16 Aqua Bogor AQbg - 30
17 Aqua Bandung Aqbd - 30
4.2.6 Waktu Tempuh

Waktu tempuh digunakan untuk mengetahui lama perjalanan untuk masing-masing
wilayah distribusi. Waktu tempuh juga digunakan untuk mengetahui apakah waktu tempuh
39
menuju wilayah distribusi masih berada dalam rentang waktu time windows. Waktu tempuh
diperoeh dari pembagian antara jarak tempuh dan kecepatan rata-rata kendaraan yang
digunakan yaitu 40 km/jam. Pada penelitian ini satuan yang digunakan untuk waktu tempuh
adalah menit. Berikut merupakan contoh perhitungan waktu tempuh dari PT Cool Clean
Malang menuju Aqua Pasuruan.
Jarak antara (PCC) dan (AQps) = 44,9 km
Kecepatan kendaraan = 40 km/jam
jarak tempuh 44,9 km
Waktu tempuh = kecepatan rata-rata = =1,1225 jam
40 km/jam
= 67,35 menit (4-2)

Perhitungan waktu tempuh untuk wailayah distribusi yang lain akan disajikan dalam
matrix waktu tempuh pada Lampiran 2.
4.2.7 Data Biaya Pengiriman

Pada penelitian ini perhitungan biaya distribusi atau pengiriman produk tissue di PT
Cool Clean Malang mencakup dua aspek biaya yakni biaya tetap dan biaya variabel. Biaya
tetap yang digunakan adalah perhitungan biaya tenaga kerja dalam satu kali perjalanan
pengiriman. Biaya pengiriman yang mencakup biaya bahan bakar dan biaya lain seperti
biaya tol dan biaya tenaga kerja. Namun pada penelitian ini biaya pengiriman dihitung
berdasarkan biaya bahan bakar. Biaya tenaga kerja diperoleh dari biaya standar yang
ditetapkan oleh perusahaan yaitu sebesar Rp 2.200.000,00 per bulan untuk driver dan Rp
2.000.000,00 per bulan untuk co-driver, dimana satu minggu pekerja melakukan pengiriman
produk sebanyak 2 kali yaitu pada hari Selasa dan Jumat. Sehingga dalam satu bulan setiap
pekerja melakukan pengiriman produk sebanyak 8 kali perjalanan untuk mengirimkan
produk. Kebutuhan pekerja untuk setiap kendaraan adalah 1 driver dan 1 co-driver. Sehingga
kebutuhan biaya pekerja dalam satu kali pengiriman adalah sebagai berikut:
Biaya pekerja = 1 x biaya driver +1 x biaya co-driver
= 1 x (Rp 2.200.000,00/8) + 1 x (Rp 2.000.000,00/8)
= 1 x Rp 275.000,00 + 1 x Rp 250.000,00
= Rp 525.000,00 (4-3)
Biaya variabel yang digunakan adalah perhitungan biaya bahan bakar kendaraan
pengiriman produk. Biaya bahan bakar tersebut berbeda untuk setiap jenis kendaraan.
Berdasarkan pada hasil pengolahan data perhitungan km/liter solar diketahui bahwa rata-rata
kendaraan 1 dapat menempuh jarak sejauh 6 km dengan 1 liter solar, sedangkan kendaraan
40
2 dan kendaraan 3 dapat menempuh jarak sejauh 9 km dengan 1 liter solar. Harga solar yang
berlaku saat ini adalah Rp 5.150,00 sehingga perhitungan biaya per satu km jarak tempuh
kendaraan adalah sebagai berikut:
Rp 5150 /liter
Biaya per km kendaraan 1 = = Rp 853,33 /km = 854/km (4-4)
6
Rp 5150 /liter
Biaya per km kendaraan 2 dan kendaraan 3 = = Rp 572,22 /km = 573 (4-5)
9
Daftar biaya distribusi yang harus dikeluarkan oleh PT Cool Clean Malang dapat dilihat pada
Tabel 4.7.
Tabel 4.7
Biaya Distribusi
No Keterangan Biaya
1 Biaya Tetap Biaya Tenaga kerja = Rp 525.000,00
Bahan Bakar kendaraan 1 = Rp 854/km
2 Biaya Variabel
Bahan Bakar kendaraan 2 dan kendaraan 3 = Rp 573/km
4.3 Pengolahan Data

Setelah dilakukan pengumpulan data, pada sub-bab ini akan dilakukan pengolahan data
yang telah dikumpulkan pada sub-bab sebelumnya. Pengolahan data dilakukan untuk
menentukan rute distribusi optimal PT Cool Clean Malang sesuai dengan metodologi
penelitian yang ada pada bab III. Pengolahan data dimulai dengan menghitung biaya
distribusi pada kondisi existing di perusahaan. Sebelum melakukan perhitungan biaya,
terlebih dahulu membuat model struktur dari rute distribusi existing untuk memudahkan
perhitungan. Selanjutnya untuk menentukan rute yang optimal dilakukan pengelompokkan
rute dengan Algoritma Sweep, setelah itu menentukan formulasi model matematis dengan
fungsi tujuan minimasi Z, variabel keputusan dan fungsi kendala. Untuk memperoleh biaya
distribusi yang minimal, maka perlu dilakukan penyelesaian terhadap sistem distribusi
berdasarkan data yang ada menggunakan Mix Integer Linear Programming dengan bantuan
software Lingo 17.0.
4.3.1 Model Konseptual Penelitian

Dalam distribusi tissue perusahaan memiliki beberapa batasan yang digunakan. Batasan
tersebut antara lain heterogeneous fleet dan time windows.
1. Heterogeneous Fleet
Kendaraan yang digunakan untuk distribusi memiliki kapasitas yang berbeda-beda.
Masing-masing kendaraan juga memiliki batasan yang berbeda, baik itu dilihat dari
41
ukuran kapasitas muatan, biaya tetap per kendaraan seperti biaya bahan bakar yang
dikeluarkan per km perjalanannya dan lain sebagainya.
2. Time windows
Satu kendaraan dapat melayani lebih dari satu pelanggan atau wilayah distribusi dalam
satu kali rute perjalanan.
Penentuan rute distribusi tissue yang dilakukan oleh PT Cool Clean Malang saat ini
masih menggunakan subjektivitas dari pihak perusahaan. Rute yang dilalui oleh masing-
masing kendaraan dapat dilihat pada Tabel 4.8.
Tabel 4.8
Rute Saat ini Distribusi Tissue
Kendaraan Jumlah Permintaan (coli) Rute
Kendaraan 1 142 PCC → AQj → CLj → DCj → Cj → PCC
Kendaraan 2 28 PCC → AQbd → AQbg → PCC
Kendaraan 1 120 PCC → Csd → AQs → DCs → CLs → PCC
Kendaraan 3 40 PCC → AQps → Cps → CLps → PCC
Kendaraan 3 42 PCC → AQsm → AQso → AQyg → PCC
Sumber: Data PT Cool Clean Malang (2017)
Sebelum melakukan optimasi rute distribusi, untuk mengetahui gambaran awal maka
dibuat model struktur distribusi tissue saat ini. Model struktur distribusi tissue PT Cool Clean
Malang dapat dilihat pada gambar 4.4.
CLj DCj Cj
AQbd
AQj AQbg
AQsm
CLs
Keterangan: AQso
PT Cool Clean Malang PCC DCs
Wilayah Distribusi AQyg
Rute Distribusi AQs
Kendaraan 1 Csd
Kendaraan 2 AQps
Kendaraan 3
Cps CLps
Gambar 4.4 Model struktur distribusi tissue existing

Berdasarkan Gambar 4.4 dapat diketahui bahwa kendaraan yang mendistribusikan tissue
berangkat dari PT Cool Clean Malang dan akan mengakhiri perjalanannya dititik yang sama
pula. Setiap wilayah distribusi dalam satu kali pengiriman akan dilayanani oleh satu atau
beberapa kendaraan dengan rute yang berbeda.
4.3.2 Perhitungan Jarak dan Waktu Tempuh Existing

Penentuan rute dalam distribusi tissue yang dilakukan PT Cool Clean Malang saat ini
masih berdasarkan subjektivitas perusahaan. Waktu tempuh merupakan waktu yang
42
dibutuhkan suatu kendaraan dari satu titik ke titik lainnya. Waktu tempuh pada penelitian ini
merupakan perhitungan dari kecepatan kendaraan dan jarak antar node. Sehingga waktu
tempuh merupakan pembagian dari jarak tempuh dengan kecepatan kendaraan. Berdasarkan
hasil wawancara dengan operator yang melakukan pengiriman kecepatan rata-rata
kendaraan yang digunakan adalah 40 km/jam. Kecepatan rata-rata tersebut diasumsikan
sama ketika kendaraan membawa muatan ataupun dalam keadaan kosong. Perhitungan
waktu tempuh yang dihasilkan pada perhitungan merupakan waktu tempuh dalam keadaan
lancar atau tidak dalam kondisi kemacetan lalu lintas. Perhitungan waktu tempuh bertujuan
untuk mengetahui penghematan waktu tempuh, sehingga dapat diasumsikan bahwa
kepadatan lalu lintas setiap harinya adalah normal dengan kecepatan kendaraan konstan.
Jarak dan waktu tempuh pada kondisi saat ini dapat dilihat pada Tabel 4.9.
Tabel 4.9
Jarak dan Waktu Tempuh Saat ini
Kapasitas Jumlah Jarak Waktu
Kecepatan
No Kendaraan Rute Permintaan Tempuh Tempuh
Kendaraan
(coli) (coli) (km) (Jam)
1 1 → 3 → 9 → 10 → 11 →
K1 (480) 142 1665,1 44,29
1
2 K2 (130) 1 → 16 → 17 → 1 28 1823 47,24
40 km/jam
3 K1 (480) 1 → 2 → 4 → 5 → 12 → 1 120 224,3 8,27
4 K3 (80) 1→6→7→8→1 40 86,2 4,32
5 K3 (80) 1 → 13 → 15 → 14 → 1 42 814,9 22,53
Total 4613,5 126,65
Keterangan:
CCp =1 Cj = 10
DCs =2 CLj = 11
DCj =3 CLs = 12
Aqs =4 Aqsm = 13
CLs =5 Aqyg = 14
Aqps = 6 Aqso = 15
Cps =7 Aqbg = 16
CLps = 8 Aqbd = 17
Aqj =9
Perhitungan jarak dan waktu tempuh rute saat ini untuk rute 1 adalah sebagai berikut:
1. Jarak CCp ke DCj = 784 km
2. Jarak DCj ke Aqj = 11,2 km
3. Jarak Aqj ke Cj = 13,5 km
4. Jarak Cj ke CLj = 47,4 km
43
5. Jarak CLj ke CCp = 809 km

6. Total jarak tempuh = 784 km+11,2 km+13,5 km+47,4 km+809 km = 1665,1 km
Jarak tempuh
7. Waktu tempuh rute 1 = + total waktu pelayanan = 44,29 jam
kecepatan
Berdasarkan Tabel 4.9 dapat diketahui total jarak yang harus ditempuh untuk memenuhi
semua permintaan adalah sebesar 4613,5 km dengan kecepatan rata-rata kendaraan konstan
yaitu 40 km/jam dan waktu tempuh total dari semua rute yang dihasilkan adalah sebesar
126,65 jam. Waktu tempuh tersebut merupakan waktu tempuh yang dilalui kendaraan dari
masing-masing wilayah. Sedangkan waktu tempuh yang digunakan adalah waktu tempuh
total dari setiap rute termasuk dengan waktu unloading barang dan waktu istirahat serta
pergantian operator kendaraan ketika melakukan pengiriman lebih dari jam kerja.
4.3.3 Perhitungan Biaya Distribusi Perusahaan Existing

Penentuan rute pengiriman produk menuju wilayah distribusi selama ini ditentukan oleh
perusahaan. Setiap kendaraan mengirimkan produk dari PT Cool Clean Malang menuju
masing-masing wilayah distribusi.
Tabel 4.10
Rute dan Biaya Distribusi Existing
Biaya Biaya
Jarak Waktu
Jumlah Tenaga Bahan Total Biaya
No Rute Tempuh Tempuh
Permintaan Kerja Bakar (rupiah)
(km) (jam)
(rupiah) (rupiah)
1 1→3→9→
142 1665,1 44,29 525.000 1.421.995,4 1.946.995,40
10 → 11 → 1
2 1 → 16 → 17
28 1823 47,24 525.000 1.044.579 1.569.579
→1
3 1→2→4→
120 224,3 8,27 525.000 191.552,2 716.552,20
5 → 12 → 1
4 1→6→7→
40 86,2 4,32 525.000 49.392,6 574.392,60
8→1
5 1 → 13 → 15
42 814,9 22,53 525.000 466.937,7 991.937,70
→ 14 → 1
Total Biaya Distribusi 5.799.996,90
Berdasarkan Tabel 4.10 jumlah permintaan diperoleh dari total permintaan dari masing-
masing wilayah distribusi dalam satu kali pengiriman, jarak tempuh yang diperoleh dari
aplikasi Google Maps dan waktu tempuh diperoleh dari perhitungan waktu tempuh dan
kecepatan rata-rata. Contoh perhitungan biaya pengiriman saat ini untuk rute 1 → 3 → 9 →
10 → 11 → 1 adalah sebagai berikut:
1. Biaya Tenaga Kerja = Rp 525.000,00
2. Biaya Bahan Bakar = Jarak tempuh (km) x biaya bahan bakar
44
= 1665,1 km x Rp 854,00
= Rp 1.421.995,40
3. Total Biaya Distribusi = Biaya tenaga kerja + Biaya bahan bakar
= Rp 525.000,00 + Rp 1.421.995,40
= Rp 1.946.995,40
Sehingga total biaya distribusi dengan rute saat ini adalah sebesar Rp 5.799.996,90
dimana total biaya ini yang akan dibandingkan dengan total biaya distribusi dengan linear
programming.
4.3.4 Perhitungan Rute Optimal

Perhitungan rute optimal dilakukan dengan dua tahap yaitu clustering atau
pengelompokkan rute dengan algoritma sweep dan pembentukan rute dengan Lingo 17.0.
4.3.4.1 Clustering Rute Menggunakan Algoritma Sweep

Dalam melakukan pengelompokan atau clustering rute distribusi tissue menggunakan
algoritma sweep berikut merupakan langkah-langkah yang dilakukan.
1. Langkah pertama adalah mencari titik koordinat geografis masing-masing wilayah
distribusi. Titik koordinat geografis diperoleh dengan bantuan software google maps
dan menetapkan PT Cool Clean Malang sebagai pusat koordinat. Langkah-langkah
untuk menggambarkan peta dalam sistem koordinat adalah dengan menggunakan
konversi titik geografis menjadi titik Universal Transverse Mergator (UTM) dari
Google Earth. UTM merupakan metode berbasis grid untuk menentukan lokasi
permukaan bumi. Rangkaian proyeksi Transverse Mergator untuk global dimana bumi
dibagi menjadi 60 bagian zona. Setiap zona mengangkup 6 derajat bujur (longitude) dan
memiliki meridian tengah tersendiri. Berbeda dengan koordinat geografis yang satuan
unitnya adalah derajat, koordinat UTM menggunakan satuan unit meter. Setiap zona
memiliki panjang x sebesar 500.000 meter dan panjang y sebesar 10.000.000 meter.
Tabel 4.11 merupakan data titik UTM dari masing-masing wilayah distribusi.
Tabel 4.11
Titik Universal Transverse Mergator (UTM) Wilayah Distribusi
Titik Wilayah
Easting (X) Northing (Y)
Distribusi
1 676139,77914602 9120308,64385631
2 690232,06956185 9201395,16743077
3 694930,73765194 9316568,78221044
4 693364,70612093 9188843,07950725
5 691674,77777002 9200446,06347010
45
Titik Wilayah
Easting (X) Northing (Y)
Distribusi
6 687567,45131806 9151965,91556936
7 688601,38107911 9148946,20353663
8 709075,71032818 9155648,85922394
9 711473,06200472 9315536,37006321
10 707584,47626655 9282439,36658633
11 693308,20661507 9314884,68775496
12 690508,08672176 9183090,84881453
13 428580,32716568 9225483,53138735
14 427997,09700256 9148925,39549703
15 480413,70149976 9165146,45824225
16 703450,29519804 9259589,09219321
17 794193,78436871 9231863,60230174
2. Setelah diketahui titik UTM masing-masing wilayah distribusi, selanjutnya adalah
memasukkan nilai UTM tersebut kedalam diagram kartesius untuk mengetahui titik
koordinat (x,y) dari masing-masing wilayah distribusi. Tabel 4.12 merupakan data titik
koordinat (x,y) masing-masing wilayah distribusi.
Tabel 4.12
Titik Koordinat Wilayah Distribusi
Titik Wilayah
x y
Distribusi
1 -7,96 112,60
2 -7,22 112,72
3 -6,18 106,76
4 -7,33 112,75
5 -7,23 112,74
6 -7,67 112,70
7 -7,70 112,71
8 -7,63 112,90
9 -7,96 112,60
10 -6,19 106,91
11 -6,49 106,88
12 -6,20 106,75
13 -7,39 112,73
14 -7,01 110,35
15 -7,70 110,35
16 -7,55 110,82
17 -6,69 106,84
Titik koordinat tersebut selanjutnya digambarkan dalam bentuk scatter diagram agar
lebih jelas letak dari masing-masing titik wilayah distribusinya. Gambar 4.5 merupakan
scatter diagram dari titik wilayah distribusi tissue.
46
Gambar 4.5 Scatter diagram wilayah distribusi tissue

3. Menentukan semua koordinat polar dari masing-masing wilayah distribusi yang
berhubungan dengan depot atau PT Cool Clean Malang. Langkah untuk mengubah
koordinat (x,y) menjadi koordinat polar (𝑟,𝜃) adalah dengan menggunakan rumus:
𝑟= √(x)2 +(y)2 ; (4-6)

y
𝜃 = 𝑎𝑟𝑐 tan ( ) (4-7)
x
Gontoh perhitungan untuk mengubah koordinat (-7,22, 112,72) menjadi koordinat
polar:
0 (-7,22, 112,72) ↔ 𝑟= √(-7,22)2 +(112,72)2 = 12713,01 (4-8)
112,72
𝜃 = 𝑎𝑟𝑐 tan ( ) = 203,87o (4-9)
-7,22
Tabel 4.13 menampilka koordinat polar dari masing-masing wilayah distribusi.

Tabel 4.13
Hasil Perhitungan Sudut Polar Wilayah DIstribusi
Nama Wilayah Distribusi Titik Wilayah Distribusi Sudut Polar (o)
DC Surabaya 2 203,87
DC Jakarta 3 121,13
Aqua Surabaya 4 208,13
Club Surabaya 5 204,99
Aqua Pasuruan 6 213,89
Cleo Pasuruan 7 217,56
Club Pasuruan 8 237,04
Aqua Jakarta 9 121,47
Cleo Jakarta 10 118,60
Club Jakarta 11 120,96
Cleo Sidoarjo 12 206,91
Aqua Semarang 13 127,13
Aqua Yogyakarta 14 110,71
Aqua Solo 15 116,99
Aqua Bogor 16 116,56
47
Nama Wilayah Distribusi Titik Wilayah Distribusi Sudut Polar (o)

Aqua Bandung 17 115,82
4. Melakukan “sapuan” terhadap seluruh retailer sesuai dengan peningkatan sudut polar.
Melakukan “sapuan” terhadap seluruh retailer dimulai dari sudut polar terkecil hingga
sudut polar terbesar terhadap depot. Tabel 4.14 merupakan urutan sudut polar
berdasarkan “sapuan” dari yang terkecil hingga terbesar.
Tabel 4.14
Urutan Sudut Polar Wilayah DIstribusi
Titik Wilayah
Nama Wilayah Distribusi Sudut Polar (o)
Distribusi
Aqua Yogyakarta 14 121,13
Aqua Bandung 17 208,13
Aqua Bogor 16 204,99
Aqua Solo 15 213,89
Cleo Jakarta 10 217,56
Club Jakarta 11 237,04
DC Jakarta 3 121,47
Aqua Jakarta 9 118,60
Aqua Semarang 13 120,96
DC Surabaya 2 206,91
Club Surabaya 5 127,13
Cleo Sidoarjo 12 110,71
Aqua Surabaya 4 116,99
Aqua Pasuruan 6 116,56
Cleo Pasuruan 7 115,82
Club Pasuruan 8 203,87
5. Melakukan pengelompokkan (clustering) ke dalam urutan sapuan
Tahap ini dilakukan untuk mengelompokkan setiap wilayah distribusi berdasarkan
urutan sudut polar. Pada algoritma sweep, pengelompokkan dilakukan berdasarkan
“sapuan” dari satu wilayah distribusi ke wilayah distribusi lain (sesuai urutan sudut
polar) hingga kapasitas kendaraan terpenuhi. Ketika kapasitas kendaraan tidak
mengukupi, wilayah distribusi akan dimasukkan ke dalam cluster selanjutnya. Begitu
selanjutnya hingga seluruh wilayah distribusi tersapu. Dimulai dari wilayah distribusi
yang memiliki sudut polar terkecil dan seterusnya berurutan sampai wilayah distribusi
yang memiliki sudut polar terbesar dengan memperhatikan kapasitas kendaraan. Urutan
wilayah distribusi dari sudut polar terkecil sampai sudut polar terbesar dituliskan dalam
Tabel 4.15 sebagai berikut.
Tabel 4.15
Alokasi Wilayah Distribusi kedalam Kendaraan dan Rute
Cluster Kendaraan Rute Akumulasi Permintaan Jumlah Kapasitas
14 28
1 Kendaraan 1 17 56 358 480
16 84
48
Cluster Kendaraan Rute Akumulasi Permintaan Jumlah Kapasitas

15 112
10 120
11 134
3 329
9 357
13 385
2 106
2 Kendaraan 2 126 130
5 126
12 8
4 36
3 Kendaraan 3 6 64 78 80
7 74
8 78
Berdasarkan Tabel 4.15 diperoleh 3 rute hasil alokasi wilayah distribusi, dimana
kendaraan 1 melakukan perjalanan ke wilayah distribusi 14,17,16,15,10,11,3, dan 13.
Kendaraan kendaraan 2 melakukan perjalanan ke wilayah distribusi 2 dan 5. Serta
kendaraan kendaraan 3 melakukan perjalanan ke wilayah distribusi 12,4,6,7, dan 8.
4.3.4.2 Model Matematis Mix Integer Linear Programming

Formulasi model matematis harus diketahui terlebih dahulu sebelum data diolah dengan
linear programming, diawali dengan menentukan variabel keputusan kemudian dilanjutkan
dengan menentukan fungsi tujuan dan fungsi kendala untuk menentukan aliran distribusi
yang optimal. Formulasi matematis yang digunakan dalam penelitian ini merujuk pada
referensi model yang dikemukakan oleh Kallauge et al (2006). Tujuan formulasi model
referensi adalah meminimumkan total jarak tempuh kendaraan semetara dalam penelitian ini
adalah untuk meminimasi biaya distribusi. Selain itu dalam formulasi ini kapasitas
kendaraan tidak diperhitungkan karena batasan kapasitas telah terpenuhi atau telah
disesuaikan pada tahap clustering. Berikut ini merupakan indeks dan parameter yang
digunakan dalam pembuatan variabel keputusan, fungsi tujuan, dan fungsi kendala.
1. Indeks
Berikut ini merupakan indeks yang akan digunakan dalam peelitian ini.
i,j = indeks yang menyatakan lokasi wilayah distribusi
Indeks i,j diatas dinyatakan dalam bentuk node dan dalam penelitian ini terdapat 17
node. Node 1 menyatakan PT Cool Clean Malang untuk pusat distribusi dan node lain
sebagai wilayah distribusi. Nomor node yang digunakan adalah urut dari 1-17. Tabel 4.16
merupakan tabel penomoran node untuk pusat distribusi dan wilayah distribusi.
49
Tabel 4.16
Nomor Node Pusat Distribusi dan Wilayah Distribusi
Nomor Node Nama Nomor Node Nama
1 Pusat Cool Clean (PCC) 10 Cleo Jakarta (Cj)
2 DC Surabaya (DCs) 11 Club Jakarta (CLj)
3 DC Jakrta (DCj) 12 Cleo Sidoarjo (Csd)
4 Aqua Surabaya (AQs) 13 Aqua Semarang (AQsm)
5 Club Surabaya (CLs) 14 Aqua Yogyakarta (AQyg)
6 Aqua Pasuruan (AQps) 15 Aqua Solo (AQso)
7 Cleo Pasuruan (Cps) 16 Aqua Bogor (AQbg)
8 Club Pasuruan (CLps) 17 Aqua Bandung (AQbd)
9 Aqua jakarta (AQj)
Berdasarkan Tabel 4.16 Node 1 adalah titik awal kendaraan akan berangkat yaitu pada
PT Cool Clean Malang. Sedangkan node 2-17 merupakan titik distribusi yang akan dituju.
Setelah semua node dikunjungi maka kendaraan akan kembali ke node 1.
2. Parameter
Parameter yang digunakan dalam penelitian ini adalah sebagai berikut:
N = jumlah node wilayah distribusi (1,.....17)
yi = waktu awal pelayanan diwilayah distribusi i (menit)
si = lama waktu loading/unloading diwilayah distribusi i (menit)
ai = waktu buka wilayah distribusi i (menit)
bi = waktu tutup wilayah distribusi i (menit)
tij = waktu perjalanan dari node i ke j (menit)
M = konstanta positif yang nilainya sangat besar (big M)
dij = jarak dari node i ke node j
Z = nilai fungsi objektif
4.3.4.3 Variabel Keputusan

Variabel keputusan adalah variabel-variabel yang mempengaruhi persoalan dalam
pengambilan keputusan dan dapat dikendalikan oleh pengambil keputusan. Nilai dari
variabel keputusan ini akan mempengaruhi hasil yang ingin dicapai. Dalam penelitian ini
variabel keputusan yang digunakan adalah urutan kunjungan yang dimulai dari PT Cool
Clean Malang menuju wilayah distribusi. Variabel keputusan ini bernilai biner (0/1) yang
dinyatakan dengan simbol xij dimana i merupakan titik asal, j merupakan titik tujuan tepat
setelah i.
𝑥𝑖𝑗 =0 Jika titik j tidak dikunjungi setelah titik i
1 Jika titik j dikunjungi setelah titik i
50
4.3.4.4 Fungsi Tujuan

Fungsi tujuan dari penelitian ini adalah untuk minimasi biaya distribusi. Biaya yang
digunakan dalam distribusi meliputi biaya tetap dan biaya variabel. Biaya tetap pada
penelitian ini adalah biaya untuk driver dan co-driver kendaraan yang bertugas mengirimkan
produk. Sedangkan biaya variabel yang digunakan adalah biaya perjalanan yang merupakan
hasil kali dari jarak tempuh dan biaya bahan bakar. Dari penjelasan tersebut yang menjadi
fungsi tujuan adalah biaya variabel, karena setiap rute akan menghasilkan total biaya
variabel yang berbeda, sedangkan untuk biaya tetap sudah pasti dikeluarkan untuk dua orang
pekerja per masing-masing kendaraan. Akan tetapi karena kendaraan yang digunakan sudah
ditentukan dalam tahap clustering sehingga minimasi biaya distribusi tercapai ketika jarak
yang ditempuh minimal. Secara matematis fungsi tujuannya adalah sebagai berikut.
Min Z = ∑N N
i=1 ∑j=1 dij .xij , i≠j (4-11)
4.3.4.5 Fungsi Kendala

Setelah menentukan fungsi tujuan, tahap berikutnya adalah menentukan fungsi kendala.
Fungsi kendala digunakan sebagai batasan atas sumber daya yang ada. Fungsi kendala dalam
penelitian ini adalah sebagai berikut:
1. Setiap wilayah distribusi dikunjungi 1 kali untuk pendistribusian
∑N
i=1 xij =1 , Ɐ j=2,3..,N ;i≠j (4-12)
Kendala ini menjelaskan bahwa salah satu kendaraan dari beberapa titik i akan
mengujungi salah satu titik j.
∑N
j=1 xij =1 , Ɐ i=2,3..,N ;i≠j (4-13)
Kendala ini menjelaskan bahwa ketika titik i telah dikunjungi, kendaraan akan
meninggalkan titik i untuk mengunjungi salah satu titik j.
2. Setiap kendaraan berangkat dari PT Cool Clean Malang dan kembali ke PT Cool Clean
Malang, tetapi kendaraan diperbolehkan tidak beroperasi ketika tidak digunakan.
∑N
j=2 x1j ≤1 ,i≠j (4-14)
Kendala ini menunjukkan bahwa semua kendaraan berangkat dari PT Cool Clean
Malang, dan diperbolehkan tinggal ketika tidak digunakan.
∑N
i=2 xiN ≤1 , i≠j ; j = 2, 3, . . . , N (4-15)
Kendala ini menunjukkan bahwa semua kendaraan yang digunakan akan kembali ke PT
Cool Clean Malang ketika sudah selesai melakukan pengiriman.
3. Kendaraan tidak boleh berakhir disuatu wilayah distribusi
51
∑N N
i=1 xir = ∑j=1 xrj , Ɐr=2,3…,N;i≠r≠j (4-16)
Kendala ini menunjukkan bahwa rute harus kontinyu, yang berarti bahwa ketika rute
mengunjungi wilayah distribusi i menuju wilayah distribusi r, maka rute terus berlanjut
dari wilayah distribusi r menuju wilayah distribusi j.
4. Proses pengiriman produk harus sesuai dengan batasan time windows yang telah
ditetapkan
ai ≤ yi , Ɐi=2,3,..,N (4-17)
yi + si ≤ bi , Ɐi=2,3,..,N (4-18)
Kendala ini menjelaskan bahwa wilayah distribusi i dapat dikunjungi, jika waktu mulai
pelayanan y lebih besar atau sama dengan waktu buka a wilayah distribusi i tersebut,
namun waktu mulai pelayanan y pada wilayah distribusi i ditambah dengan lama waktu
loading/unloading s pada wilayah distribusi i harus kurang dari sama dengan waktu
tutup b pada wilayah distribusi i tersebut.
5. Waktu mulai pelayanan harus feasible pada travel time antara wilayah distribusi
yi + si + tij - yj ≤ M (1-xij ) , Ɐi=1,2,…,N ; Ɐj=2,3,…,N ; i≠j (4-19)
Kendala ini menjelaskan bahwa jika 𝑥𝑖𝑗 bernilai 1 yang berarti titik j dikunjungi setepalh
titik i dikunjungi, akan mengakibatkan ruas kanan menjadi bernilai 0. Jika ruas kanan
bernilai 0 maka ruas kiri harus kurang dari sama dengan 0. Agar syarat ruas kiri
terpenuhi maka nilai waktu mulai pelayanan di wilayah distribusi tujuan 𝑦𝑗 harus lebih
besar atau sama dengan nilai mulai pelayanan di wilayah distribusi asal, ditambah lama
waktu loading/uloading wilayah distribusi asal, ditambah waktu perjalanan dari wilayah
distribusi asal ke wilayah distribusi tujuan (yi +si +tij ).
6. Waktu awal mulai loading/unloading harus bernilai positif
yi € M+ , Ɐi=1,2,…,N (4-20)
Persamaan diatas menjelaskan bahwa yi merupakan bilangan real positif.
7. Penentuan variabel keputusan
xij € {0,1}, Ɐi,j=1,2,3,…,17 ;i≠j (4-21)
Persamaan diatas menjelaskan bahwa xij merupakan bilangan biner yang bernilai 0 atau
1.
52
4.3.5 Penyelesaian Model Matematis dengan Mix Integer Linear Programming

Pada tahap penyelesaian model dengan mix integer linear programming terdapat 3
cluster yang telah terbentuk dari hasil algoritma sweep. Untuk menentukan urutan rute
berdasarkan batasan yang ada digunakan software Lingo 17.0. Penyelesaian mix integer
linear programming dengan Lingo 17.0 dilakukan dengan cara membuat formulasi
matematis yang terdiri dari variabel keputusan, fungsi tujuan, dan fungsi kendala kedalam
sintaks program sesuai dengan bahasa yang dipahami oleh software Lingo 17.0. Langkah
selanjutnya adalah melakukan eksekusi terhadap model matematis yang telah dibuat, maka
akan diketahui xij (variabel keputusan). Input formulasi pada setiap cluster tetap
menggunakan formulasi yang sama, hanya berbeda pada data waktu buka (a) di wilayah
distribusi i, waktu tutup wilayah distribusi i (b), jarak tempuh dari i ke j, dan waktu tempuh
dari i ke j. Penulisan formulasi matematis dalam bahasa software Lingo 17.0 untuk cluster 1
dapat dilihat pada Lampiran 3, cluster 2 dapat dilihat pada Lampiran 4, dan cluster 3 dapat
dilihat pada Lampiran 5.
Gambar 4.6 Solver status penyelesaian rute distribusi tissue cluster 1 dengan mix integer linear
programming
Berdasarkan Gambar 4.6 dapat diketahui bahwa hasil penyelesaian cluster 1
menggunakan model Mix IntegerLinear Programming (MILP) yang berarti pernyataan yang
digunakan dalam model bersifat integer dan linear. Solusi yang diperoleh adalah global
optimum dengan nilai objektif sebesar 1840,7 yang berarti bahwa total jarak tempuh dari
rute yang diterapkan adalah sebesar 1840,7 km.
53
4.3.5.1 Rute Pengiriman Tissue Menggunakan Mix Integer Linear Programming

Penentuan rute terpilih adalah dengan melihat nilai xij pada lampiran 4 yang bernilai 1.
Nilai tersebut menunjukkan bahwa benar wilayah distribusi j dikunjungi setelah wilayah
distribusi i.
1. Cluster 1
Output software Lingo 17.0 untuk cluster 1 ditampilkan pada Tabel 4.17 berikut.
Tabel 4.17
Hasil Output Lingo 17.0 untuk Cluster 1
Variabel Keputusan Value Reduce Cost
X(1,8) 1.000000 262.0000
X(2,3) 1.000000 20.10000
X(3,6) 1.000000 443.0000
X(4,9) 1.000000 26.70000
X(5,2) 1.000000 4.700000
X(6,1) 1.000000 421.0000
X(7,10) 1.000000 396.0000
X(8,7) 1.000000 73.10000
X(9,5) 1.000000 65.20000
X(10,4) 1.000000 177.0000
Dari ringkasan hasil komputasi software Lingo 17.0 yang disajikan pada Tabel 4.17
urutan rute yang diperoleh dapat diketahui dengan melihat nilai i dan j. Rute dimulai
dari PT Cool Clean Malang menuju masing-masing wilayah distribusi sehingga
diperoleh rute yang kontinyu. Total jarak tempuh yang diperoleh adalah 1840,7 km
dengan urutan rute yang dikunjungi seperti pada Tabel 4.18 berikut.
Tabel 4.18
Urutan Rute Hasil Software Lingo 17.0 untuk Cluster 1
Titik Titik Wilayah Nama Wilayah a y b
Lingo Distribusi Distribusi (menit) (menit) (menit)
1 1 PT Cool Clean Malang 30 150 510
7 15 Aqua Solo 60 583 540
10 14 Aqua Yogyakarta 60 722,65 540
3 17 Aqua Bandung 60 1346,65 540
2 10 Cleo Jakarta 60 1642,15 540
5 16 Aqua Bogor 60 1712,2 540
9 11 Club Jakarta 30 1840 600
4 3 DC Jakarta 30 1877,05 510
6 9 Aqua Jakarta 60 1975,5 600
8 13 Aqua Semarang 60 2670 540
Berdasarkan Tabel 4.18 dapat diketahui urutan rute yang harus dikunjungi untuk cluster
1, selain itu juga waktu mulai pelayanan untuk masing-masing rute masih berada dalam
batasan time windows atau sesuai dengan waktu buka dan tutup masing-masing wilayah
distribusi. Waktu mulai pelayanan pada PT Cool Clean Malang pada menit ke-150,
Aqua Solo dimulai pada menit ke-583 dan begitu juga untuk wilayah distribusi
54
selanjutnya sampai pada wilayah distribusi yang terakhir dikunjungi yaitu Aqua
Semarang waktu pelayanannya dimulai pada menit ke-2670 pada hari ke-5. Sehingga
keseluruhan waktu pelayanan masih berada dalam rentang waktu buka dan tutup
wilayah distribusi. Hasil software Lingo 17.0 untuk cluster 1 dapat dilihat pada
Lampiran 6.
2. Cluster 2
Tabel 4.19
X(1,2) 1.000000 101.0000
X(2,3) 1.000000 0.000000
X(3,1) 1.000000 107.0000
diperoleh rute yang kontinyu. Total jarak tempuh yang diperoleh adalah 213 km dengan
urutan rute yang dikunjungi seperti pada Tabel 4.20 berikut.
Tabel 4.20
Titik Titik Wilayah
Nama Wilayah Distribusi a (menit) y (menit) b (Menit)
Lingo Distribusi
2 2 DC Surabaya 0 221,5 540
3 5 Club Surabaya 60 545 660
distribusi. Waktu mulai pelayanan pada PT Cool Clean Malang pada menit ke-30, DC
Surabaya dimulai pada menit ke-221,5 dan terakhir Club Surabaya dimulai pada menit
ke-545. Sehingga keseluruhan waktu pelayanan masih berada dalam rentang waktu buka
dan tutup wilayah distribusi. Hasil software Lingo 17.0 untuk cluster 2 dapat dilihat
pada Lampiran 7.
3. Cluster 3
Tabel 4.21
X(1,5) 1.000000 57.10000
55

X(5,2) 1.000000 54.70000
X(2,6) 1.000000 9.600000
X(6,3) 1.000000 34.60000
X(3,4) 1.000000 6.600000
X(4,1) 1.000000 39.70000
diperoleh rute yang kontinyu. Total jarak tempuh yang diperoleh adalah 202,3 km
dengan urutan rute yang dikunjungi seperti pada Tabel 4.22 berikut.
Tabel 4.22
Titik Titik Wilayah a y b
Nama Wilayah Distribusi
Lingo Distribusi (menit) (menit) (menit)
5 8 Club Pasuruan 0 175,5 600
2 4 Aqua Surabaya 0 287,5 600
6 12 Cleo Sidoarjo 60 331,9 540
3 6 Aqua Pasuruan 0 513,5 600
4 7 Cleo Pasuruan 0 553,4 600
distribusi. Waktu mulai pelayanan pada PT Cool Clean Malang pada menit ke-30, Club
Pasuruan dimulai pada menit ke-175,5 dan begitu juga untuk wilayah distribusi
selanjutnya sampai pada wilayah distribusi yang terakhir dikunjungi yaitu Cleo
Pasuruan waktu pelayanannya dimulai pada menit ke-553,5. Sehingga keseluruhan
waktu pelayanan masih berada dalam rentang waktu buka dan tutup wilayah distribusi.
Hasil software Lingo 17.0 untuk cluster 3 dapat dilihat pada Lampiran 8.
Dari rute yang telah dijabarkan untuk masing-masing cluster akan dibuat gambar proses
pendistribusian tissue. Penggambaran tersebut untuk memudahkan dalam melihat urutan
rute yang dilalui masing-masing cluster. Gambar 4.7 merupakan gambaran seluruh rute dari
hasil mix integer linear programming.
56
Keterangan: AQbg Cj DCj Aqj
PT Cool Clean Malang
Wilayah Distribusi CLj

AQsm
Rute Distribusi
Kendaraan 1 AQbd
Kendaraan 2
DCs
Kendaraan 3 PCC
AQyg
CLs
AQso
CLps
Cps Aqs
Aqps Csd
Gambar 4.7 Model struktur proses pendistribusian hasil mix integer linear programming
Berdasarkan Gambar 4.7 rute distribusi yang ditempuh berdasarkan hasil clustering
algoritma sweep dan MILP adalah tiga rute yang berbeda. Masing-masing kendaraan
melakukan distribusi dengan satu rute, berbeda dengan rute distribusi existing kendaraan 1
dan kendaraan 3 melakukan pengiriman ke dua rute yang berbeda. Sehingga dengan rute
usulan kendaraan 1 dan kendaraan 3 dapat menghemat satu rute perjalanan.
4.3.5.2 Analisa Time Windows Berdasarkan Output Mix Integer Linear Programming
Pendistribusian ke semua wilayah distribusi dilakukan menggunakan semua kendaraan
yang tersedia. Masing-masing kendaraan harus melakukan pengiriman pada suatu wilayah
distribusi harus sesuai dengan time windows dari wilayah distribusi tersebut dan waktu
tempuh berada pada suatu interval waktu. Untuk mengetahui waktu mulai pelayanan dan
total waktu tempuh rute usulan, dibuat jadwal pengiriman untuk masing-masing rute. Jadwal
distribusi ditampilkan pada Tabel 4.23, Tabel 4.24, dan Tabel 4.25.
1. Penjadwalan Cluster 1
Tabel 4.23 merupakan jadwal pengiriman untuk cluster 1 dengan kemungkinan tercepat
yang sesuai dengan batasan time windows.
Tabel 4.23
Jadwal Pendistribusian Tissue untuk Rute Cluster 1
Lama
Waktu Waktu
Time Lama Waktu Perjalanan
Wilayah Mulai Selesai
Windows Pelayanan Tiba ke Tujuan
Disteribusi Pelayanan Pelayanan
(WIB) (Menit) (WIB) Selanjutnya
(WIB) (WIB)
(Menit)
PT Cool * 07.30.00 08.10.00
Clean 07.30 – 15.30 40 - 393
Malang (30) (70)
57
Lama
Waktu Waktu
Time Lama Waktu Perjalanan
Windows Pelayanan Tiba ke Tujuan
(WIB) (Menit) (WIB) Selanjutnya
(WIB) (WIB)
(Menit)
Aqua Solo 08.00 – 16.00 30 14.43.00 14.43.00 15.13.00 109,65
(463) (463) (493)
Aqua 17.02.39 * 08.00.00 08.30.00
08.00 – 16.00 30 594
Yogyakarta (602,65) (900) (930)
Aqua 18.24.00 * 08.00.00 08.30.00
08.00 – 16.00 30 265,5
Bandung (1524) (2040) (2070)
Cleo Jakarta 08.00 – 16.00 30 12.55.30 12.55.30 13.25.30 40,05
(2335,5) (2335,5) (2365,5)
Aqua Bogor 08.00 – 16.00 30 14.05.33 14.05.35 14.35.35 97,8
(2405,55) (2405,55) (2435,55)
Club Jakarta 07.30 – 17.00 30 16.12.48 16.12.48 16.42.48 7,05
(2533,35) (2533,35) (2563,35)
DC Jakarta 07.30 – 15.30 30 17.49.51 * 07.30.00 08.00.00 30,15
(2570,4) (3062,2) (3092,2)
Aqua Jakarta 08.00 – 17.00 30 08.30.09 08.30.09 09.00.09 664,5
(3122,35) (3122,35) (3152,35)
Aqua 20.04.39 * 08.00.00 08.30.00
08.00 – 16.00 30 631,5
Semarang (3786,85) (4511,5) (4541,5)
Pada jadwal yang di sajikan pada Tabel 4.23 tanda * menunjukkan proses distribusi
yang dilakukan pada hari yang berbeda karena pada rute ini berlaku multiple time
windows. Waktu mulai pelayanan pada PT Cool Clean Malang diperoleh berdasarkan
waktu buka dari perusahaan, kemudian untuk waktu selesai pelayanan diperoleh dari
waktu mulai pelayanan ditambah dengan lama waktu pelayanan. Sedangkan untuk
waktu tiba di wilayah distribusi selanjutnya diperoleh dari waktu selesai pelayanan di
wilayah distribusi sebelumnya ditambah dengan waktu perjalanan menuju wilayah
distribusi tersebut. Waktu mulai pelayanan sama dengan waktu tiba, kemudian waktu
selesai pelayanan diperoleh dari waktu mulai pelayanan ditambah dengan lama waktu
pelayanan. Kemudian untuk total waktu perjalanan diperoleh dari waktu selesai di
wilayah distribusi yang terakhir dikunjungi ditambah dengan lama perjalanan menuju
ke PT Cool Clean. Pada akhir kunjungan aqua Semarang masih terdapat sisa waktu dari
time windows yang tersedia sebesar 450 menit sebelum kembali ke PT Cool Clean
Malang. Sisa waktu ini bisa dimanfaatkan apabila terjadi kendala di dalam pengiriman.
Kendala tersebut bisa berupa kendala dijalan yang menyebabkan waktu perjalanan
semakin lama, atau mungkin kendala pelayan di wilayah distribusi yang juga bisa
bertambah lama. Namun diharapkan, proses pendistribusian dapat dikerjakan sesuai
dengan jadwal agar tidak terjadi keterlambatan dalam proses pengiriman.
58
Tabel 4.24
Lama
Waktu Waktu
Time Lama Perjalanan ke
Windows Pelayanan Tujuan
(WIB) (Menit) Selanjutnya
(WIB) (WIB)
(Menit)
PT Cool
Clean 07.30 – 15.30 40 07.30.00 08.10.00 151,5
Malang
DC
07.00 – 16.00 30 10.41.05 11.11.05 7,5
Surabaya
Club
08.00 – 18.00 30 11.17.10 11.47.10 160,5
Surabaya
Pada jadwal yang di sajikan pada Tabel 4.24 masih terdapat sisa waktu dari time
windows yang tersedia. Pada proses pendistribusian masih ada sekitar 373,1 menit
waktu tersisa.
Tabel 4.25
Waktu Waktu Lama Perjalanan
Time Lama
Wilayah Mulai Selesai ke Tujuan
Windows Pelayanan
Disteribusi Pelayanan Pelayanan Selanjutnya
(WIB) (Menit)
(WIB) (WIB) (Menit)
PT Cool
Clean 07.30 – 15.30 40 07.30.00 08.10.00 85,65
Malang
Club
07.00 – 17.00 30 09.36.05 10.06.05 82,05
Pasuruan
Aqua
07.00 – 17.00 30 11.28.10 11.58.10 14,4
Surabaya
Cleo
08.00 – 16.00 30 12.12.15 12.42.15 51,9
Sidoarjo
Aqua
07.00 – 17.00 30 13.33.24 14.03.24 9,9
Pasuruan
Cleo
07.00 – 17.00 30 13.42.33 14.12.33 59,55
Pasuruan
Pada jadwal yang di sajikan pada Tabel 4.25 masih terdapat sisa waktu dari time
windows yang tersedia. Pada proses pendistribusian masih ada sekitar 167,67 menit
waktu tersisa.
4.3.5.3 Perhitungan Biaya Distribusi dengan Mix Integer Linear Programming

Perhitungan biaya distribusi untuk 3 cluster yang terbentuk ditampilkan pada Tabel 4.26
berikut.
59
Tabel 4.26
Rute dan Biaya Distribusi Tissue Berdasarkan Hasil Analisa Time Windows
Jarak Biaya Bahan
Biaya Variabel Biaya Tetap Total Biaya
Cluster Tempuh Bakar per km
(rupiah) (rupiah) (rupiah)
(km) (rupiah)
1 1888,8 854 1.613.035,2 525.000 2.138.035,2
2 213 573 122.049 525.000 647.049
3 202,3 573 115.917,9 525.000 640.917,9
Total 2304,1 1.809.924,7 1.575.000 3.426.002,1
Tabel 4.27 merupakan jarak tempuh, waktu tempuh dan total biaya untuk rute hasil mix
integer linear programming.
Tabel 4.27
Rute dan Biaya Distribusi Tissue Berdasarkan Hasil Analisa Time Windows
Total Jarak Waktu Waktu
Total Biaya
Cluster Kendaraan Urutan Rute Permintaan Tempuh Tempuh Tempuh
(rupiah)
(coli) (km) (menit) (jam)
1 K1 1 → 15→ 14
→ 17 → 10
→ 16 → 11 385 1888,8 5173 86,2 2.138.035,2
→3→9→
13 → 1
2 K2 1→2→5
126 213 418,8 6,98 647.049
→1
3 K3 1→8→4
→ 12 → 6 78 202,3 642 10,71 640.917,9
→7→1
Total 2304,1 6233,8 103,89 3.426.002,1
4.4 Analisis dan Pembahasan

Pengolahan data yang dilakukan untuk memperoleh rute distribusi yang optimal dalam
pendistribusian tissue dari PT Cool Clean Malang dilakukan dengan metode heuristik dan
dilanjutkan dengan linear programming. Fase pertama yang dilakukan adalah melakukan
pengelompokkan terhadap wilayah distribusi menggunakan algoritma sweep.
Pengelompokkan ini bertujuan untuk mendapatkan cluster berupa wilayah, dimana
sebelumnya perusahaan tidak melakukan pengelompokkan terhadap wilayah distribusinya.
Sehingga dengan adanya pengelompokkan ini dapat memecah permasalahan rute dengan
daerah yang luas di Indonesia menjadi kelompok-kelompok kecil yang tersusun berdasarkan
urutan sudut polar yang terbentuk.
Rute existing yang digunakan oleh PT Cool Clean Malang merupakan rute berdasarkan
yang ditetapkan secara manual oleh kepala gudang dan belum mempertimbangkan aspek
biaya pengiriman. Secara keseluruhan perbedaan antara rute existing dan rute hasil mix
integer linear programming memiliki hasil yang sangat signifikan. Pada rute mix integer
60
linear programming dapat meminimumkan total jarak tempuh sebesar 2309,4 km, minimum
waktu tempuh sebesar 22,76 jam dan total biaya distribusi sebesar Rp 2.373.994,8.
4.4.1 Perbandingan Rute dan Model Struktur Pendistribusian Produk Tissue

Perbedaan urutan rute akan menyebabkan perbedaan jarak tempuh dan total biaya
pengiriman. Perbedaan dan perbandingan rute pengiriman existing dan linear programming
akan disajikan pada gambar 4.8.
Berdasarkan Gambar 4.8 dapat diketahui bahwa perbedaan rute existing dan rute hasil
mix integer linear programming adalah pada jumlah rute yang dilalui serta penggunaan
kendaraan. Pada rute existing terdapat 5 rute yang berbeda dimana kendaraan 1 dan
kendaraan 3 dapat melakukan 2 rute pengiriman yang berbeda. Sedangkan pada rute hasil
mix integer programming jumlah rute yang dikunjungi adalah 3, dimana masing-masing
kendaraan hanya melakukan satu kali pengiriman.
Keterangan: Rute Rute Mix
Existing Integer Linear
PT Cool Clean Malang
Programming
Wilayah Distribusi
Rute Distribusi
CLj DCj Cj AQbg Cj DCj Aqj
Kendaraan 1 AQb
Kendaraan 2 d
AQb
Kendaraan 3 AQj g
AQs CLj
m AQsm
CLs
AQs AQbd
o
PCC DCs DCs
PCC
AQy
g AQyg
AQs
CLs
Csd
AQp AQso
s
CLp
Cps CLps
s
Cps Aqs
Aqps Csd
Gambar 4.8 Perbandingan model struktur existing dan linear programming
4.4.2 Perbandingan Jarak Tempuh dan Biaya Distribusi Produk Tissue

Parameter optimal dari rute yang inginkan adalah yang memiliki total biaya distribusi
terendah, yang dipengaruhi oleh jarak tempuh. Tabel 4.28 merupakan hasil perbandingan
rute distribusi existing dan rute distribusi dengan mix integer linear programming.
Tabel 4.28
Perbandingan Rute Distribusi Existing dan Rute Hasil Mix Integer Linear Programming
No Kendaraan Rute Existing Rute Optimal %
Penghematan
1 → 3 → 9 → 10 → 1 → 15→ 14 → 17 → 10 → 16
11 → 1 → 11 → 3 → 9 → 13 → 1
1 K1 50%
1→2→4→5→
12 → 1
2 K2 1 → 16 → 17 → 1 1→2→5→1 0
61
No Kendaraan Rute Existing Rute Optimal %

Penghematan
1 → 6 → 7 → 8 → 1 → 8 → 4 → 12 → 6 → 7 → 1
1
3 K3 50%
1 → 13 → 15 → 14
→1
Total Jarak
4613,5 2304,1 50,05%
Tempuh
Total Waktu
126,65 103,89 17,97%
Tempuh
Total Biaya
Rp 5.799.996,90 Rp 3.426.002,1 40,9%
Distribusi
Persentase penghematan total jarak tempuh yang diperoleh ketika menerapkan rute hasil
50,05%, total waktu tempuh sebesar 17,97% dan total biaya distribusi sebesar 40,9%. Total
jarak tempuh yang lebih pendek menyebabkan perusahaan mampu menekan biaya variabel
yaitu penggunaan bahan bakar dan juga maintenance kendaraan ketika menempuh jarak
yang jauh dengan waktu tempuh yang lama pula. Pada sistem existing Kendaraan 1
melakukan perjalanan dengan dua rute yaitu rute 1 → 3 → 9 → 10 → 11 → 1 dan rute 1 →
2 → 4 → 5 → 12 → 1 dengan total jarak tempuh 1889,4 km dan waktu tempuh selama
47,235 jam. Kendaraan 2 melakukan perjalanan dengan urutan rute 1 → 16 → 17 → 1
dengan total jarak tempuh 1823 km dan waktu tempuh selama 45,575 jam. Kendaraan 3
melakukan perjalanan dengan dua rute yaitu rute 1 → 6 → 7 → 8 → 1 dan rute 1 → 13 →
15 → 14 → 1 dengan total jarak tempuh 901,1 km dan waktu tempuh selama 22,5275 jam.
Total jarak keseluruhan rute tersebut adalah 4613,5 km, dengan waktu tempuh selama
115,3375 dan total biaya keseluruhan adalah Rp 5.799.996,90.
Berdasarkan pengolahan data dengan MILP, rute yang diperoleh adalah kendaraan 1
melakukan perjalanan dengan urutan rute 1 → 15→ 14 → 17 → 10 → 16 → 11 → 3 → 9
→ 13 → 1. Total jarak tempuh yang diperoleh adalah 1888,8 km, dan waktu tempuh selama
86,2 jam. Kendaraan 2 melakukan perjalanan dengan rute 1 → 2 → 5 → 1 dan diperoleh
total jarak tempuh sebesar 213 km dengan waktu tempuh selama 6,98 jam. Kendaraan 3
melakukan perjalanan dengan rute 1 → 8 → 4 → 12 → 6 → 7 → 1 dan diperoleh total jarak
tempuh sebesar 202,3 km dengan waktu tempuh selama 10,71 jam. Total jarak keseluruhan
rute dengan rute hasil MILP adalah 2304,1 km, dengan waktu tempuh selama 103,89 jam
dan total biaya keseluruhan rute adalah Rp 3.426.002,1.
Rute hasil MILP dapat dikatakan optimal dalam meminimumkan jarak tempuh
kendaraan. Dalam melakukan perjalanan setiap kendaraan membutuhkan biaya variabel
62
yang berbeda sesuai dengan total jarak yang ditempuh. Jika dibandingkan dengan sistem
existing rute dari ketiga kendaraan sangat berpengaruh terhadap jarak tempuh dan waktu
tempuh. Perbedaan jarak tempuh yang sangat signifikan terjadi pada kendaraan 2 dan
kendaraan 3, hal tersebut karena pada rute existing kendaraan melakukan multiple tour,
sedangkan pada rute hasil MILP masing-masing kendaraan hanya melakukan satu kali
pengiriman. Selain itu Rute hasil MILP mampu menghemat jarak tempuh dan waktu tempuh
karena pada sistem perusahaan, penentuan rute hanya dilakukan berdasarkan perbedaan
permintaan dan batasan kapasitas kendaraan saja. Namun pada rute usulan penentuan rute
pengiriman tissue dilakukan dengan mempertimbangkan jarak tempuh pelayanan dari tiap
kendaraan, batasan kapasitas kendaraan, dan time windows dari masing-masing fasilitas
yang terlibat dalam rute. Berdasarkan pertimbangan tersebut terbukti bahwa rute hasil MILP
mampu menghasilkan rute pengiriman dengan pengelompokkan wilayah distribusi,
pengurutan pelayanan wilayah distribusi dalam satu rute, dan pengurutan pelayanan rute
oleh satu kendaraan yang menghasilkan total waktu pengiriman antar kendaraan lebih
minimal.
Adapun faktor-faktor yang dipertimbangkan untuk dapat menerapkan rute berdasarkan
pengolahan data menggunakan Algoritma Sweep dan Mixed Integer Linear Programming,
karena terdapat perbedaan yang cukup signifikan pada penggunaan kendaraan. Pada rute
awal masing-masing kendaraan melakukan pengiriman lebih dari satu rute kecuali
kendaraan 2. Sedangkan pada rute usulan dengan mempertimbangkan keadaan geografis
wilayah distribusi, jarak tempuh, dan waktu tempuh, maka semua kendaraan cukup
melakukan satu kali pengiriman untuk dapat memenuhi semua permintaan secara tepat
waktu. Faktor yang tidak diamati dalam laporan ini adalah keadaan lalu lintas yang
terkadang macet dan menyebabkan waktu tempuh kurang tepat jika disamakan dengan
keadaan real di lapangan, dan kecepatan kendaraan pada saat melakukan pengiriman yang
tidak dapat dipastikan konstan 40 km/jam. Namun pada asumsi model yang dibuat telah
dituliskan bahwa tidak mempertimbangkan keadaan lalu lintas, dan kecepatan dianggap
konstan 40 km/jam.
Angka utilitas dipengaruhi oleh kecepatan kendaraan dan jumlah operasi per hari.
Utilitas dapat juga dipengaruhi oleh kondisi lalu lintas yang padat dan cenderung macet.
Selain dua penyebab utama diatas, perbedaan waktu pengiriman juga dimungkinkan terjadi
karena perbedaan kecepatan kendaraan saat mengirimkan tissue antara rute perusahaan
dengan rute usulan. Pada rute usulan digunakan kecepatan konstan 40 km/jam baik saat
bermuatan atau tidak, sedangkan pada kenyataannya kecepatan kendaraan pada kondisi
63
bermuatan adalah ± 30 km/jam dan kecepatan kendaraan pada kondisi jalan tertentu pada
jam padat pukul 08.00-09.00 adalah sebesar ±30km dan ketika kondisi jalan tidak padat
sekitar pukul 14.00-15.00 serta kendaraan tidak bermuatan kecepatan yang dapat ditempuh
sekitar adalah ± 60 km/jam. Namun dengan menggunakan rute hasil MILP jumlah rute
pengiriman mampu dikurangi, dimana pada rute awal terdapat 5 rute pengiriman sedangkan
pada rute hasil MILP terdapat 3 rute. Sehingga dengan adanya pengurangan rute tersebut
mampu mengurangi biaya tetap yang dikeluarkan untuk pekerja yang awalnya sejumlah Rp
2.625.000,00 menjadi Rp 1.575.000,00.
64

BAB V
PENUTUP
Pada bab ini akan dijelaskan kesimpulan dari permasalahan yang telah dirumuskan,
setelah dilakukan pengolahan data dan analisis terhadap hasil yang telah diperoleh. Selain
itu juga akan diberikan saran berdasarkan pada hasil penelitian yang telah dihasilkan.
5.1 Kesimpulan
Berikut merupakan kesimpulan berdasarkan hasil penelitian yang telah dilakukan.
1. Rute optimal dari proses pengiriman produk tissue galon di PT Cool Clean Malang
adalah rute hasil mix integer linear programming. Rute yang diperoleh berdasarkan
perhitungan algoritma sweep yang menghasilkan 3 cluster. Selanjutnya dari masing-
masing cluster tersebut diolah menggunakan mix integer linear programming dengan
bantuan software Lingo 17.0 untuk mengurutkan rute yang diperoleh dari hasil
algoritma sweep. Sehingga rute yang diperoleh adalah 1 → 15→ 14 → 17 → 10 → 16
→ 11 → 3 → 9 → 13 → 1 untuk cluster 1 dimana rute dimulai dari PT Cool Clean
Malang dan berakhir di PT Cool Clean Malang. Rute cluster 2 adalah 1 → 2 → 5 → 1,
dan rute cluster 3 adalah 1 → 8 → 4 → 12 → 6 → 7 → 1.
2. Secara keseluruhan perbedaan antara rute existing dan rute hasil mix integer linear
programming memiliki hasil yang sangat signifikan. Pada rute mix integer linear
programming dapat meminimumkan total jarak tempuh sebesar 2309,4 km, minimum
waktu tempuh sebesar 22,76 jam dan total biaya distribusi sebesar Rp 2.373.994,8.
Persentase penghematan total jarak tempuh yang diperoleh ketika menerapkan rute hasil
50,05%, total waktu tempuh sebesar 17,79% dan total biaya distribusi sebesar 40,9%.
Total jarak tempuh yang lebih pendek menyebabkan perusahaan mampu menekan biaya
variabel yaitu penggunaan bahan bakar dan juga maintenance kendaraan ketika
menempuh jarak yang jauh dengan waktu tempuh yang lama pula. Pada rute hasil MILP
dapat dikatakan bahwa rute yang dihasilkan optimal dalam meminimumkan jarak
tempuh kendaraan. Dalam melakukan perjalanan setiap kendaraan membutuhkan biaya
variabel yang berbeda sesuai dengan total jarak yang ditempuh. Pada rute awal masing-
masing kendaraan melakukan pengiriman lebih dari satu rute kecuali kendaraan 2.
Sedangkan pada rute usulan dengan mempertimbangkan keadaan geografis wilayah
65
66
distribusi, jarak tempuh, dan waktu tempuh, maka semua kendaraan cukup melakukan
satu kali pengiriman untuk dapat memenuhi semua permintaan secara tepat waktu.
Sehingga dengan adanya pengurangan rute tersebut mampu mengurangi biaya tetap
yang dikeluarkan untuk pekerja yang awalnya sejumlah Rp 2.625.000,00 menjadi Rp
1.575.000,00.
5.2 Saran
Berdasarkan proses penelitian yang sudah dilakukan, maka saran yang diberikan adalah
sebagai berikut:
1. Perusahaan dapat menerapkan rute hasil pengolahan dengan algoritma sweep dan mix
integer linear programming untuk meminimumkan biaya distribusi produk.
2. Penelitian selanjutnya pada proses distribusi sebaiknya mempertimbangkan kecepatan
kendaraan dilapangan secara real, sehingga dapat benar-benar mewakili sistem nyata.
3. Penelitian selanjutnya dapat mempertimbangkan strategi distribusi dengan metode lain
untuk distribusi produk seperti penggunaan jasa pengiriman atau 3PL dalam melakukan
proses distribusi.
DAFTAR PUSTAKA
Bowersox, 1996. Manajemen Logistik, Integrasi Sistem-Sistem Manajemen Distribusi Fisik

dan Manajemen Material. s.l.:Bumi Aksara.
Cahyaningsih, S. E. R. W. K. & Hernawati, K., 2015. penyelesaian capacitated vehicle
routing problem (CVRP) menggunakan algoritma sweep untuk optimasi rute distribusi
surat kabar kedaulatan rakyat. yogyakarta: universitas negeri yogyakarta.
Chopra, S. & Meindl, P., 2010. Supply Chain Management: Strategy, Planning, and
Operations. New Jersey: Prentice Hall.
Chopra, S. & Meindl, P., 2013. Supply Chain Management: Strategy, Planning, and
Operation. 5th penyunt. Harlow: Pearson Education.
Cordeau, J. F., Laporter, G., Savelsbergh, M. W. P. & Vigo, D., 2007. Vehicle Routing In:
Handbook in Operation Research and Management System. Canada: Elsevier.
Daskin, 1995. Network and Discrete Location. New York: John Willey & Sons.Inc.
Eiben, A. E., 2015. Introduction to Evolutionary Computing. 2nd ed. Berlin: Springer-
Verlag Berlin Heidelberg.
Hasanuddin, 2002. Survey Dengan GPS. kedua penyunt. Jakarta: Pradnya Paramita.
Hillier, F. S. & Lieberman, G. J., 2001. Introduction to Operations Research. 7th penyunt.
New York: McGraw-Hill.
Kallehauge, 2001. Lagrangian Duality Applied To The Vehicle Routing Problem with Time
Windows. Computers and Operations Research, Volume 33, pp. 1464-1487.
Nurcahyo, G. W., Alias, R. A., Shamsuddin, S. M. & Sap, M. N. M., 2002. Sweep Algorithm
in Vehicle Routing Problem for Public Transport. Antarabangsa (Teknologi Maklumat),
Volume 2, pp. 51-64.
Pujawan, 2005. Supply Chain Management. Surabaya: Guna Widya.
Sandhya & Kumar, V., 2013. Issues in Solving Vehicle Routing Problem with Time Window
and its Variants using Meta heuristics - A Survey. International Journal of Engineering
and Technology, 3(6), pp. 668-672.
Savitri, 2017. Pemodelan Vehicle Routing Problem with Time Windows untuk Mengoptimasi
Rute Distribusi Produk Sari Roti dengan Metode Algoritma Sweep dan Mixed Integer
Linear Programming (Studi Kasus Pada CV. Jogja Transport). Yogyakarta: Universitas
Islam Negeri Sunan Kalijaga Yogyakarta.
Solomon, 1987. Algorithms for The Vehicle Routing and Scheduling Problems with Time
Window Constraints. Operations Research, 35(2), pp. 254-265.
Sukmadinata, 2006. Metode Penelitian Kualitatif. Bandung: Graha Aksara.
Suwansuksamran & Ongkunaruk, 2013. A Mixed Integer Programming for A Vehicle
Routing Problem With Time Windows: A Case Study of A Thai Seasoning Company.
67
68
Bangkok, Proceeding of 4th International Conference on Engineering, Project, and

Production Management, pp. 861-870.
Toth, P. & Vigo, D., 2002. The Vehicle Routing Problem, SIAM Monographs on Discrete
Mathematics and Applications. Philadelphia: Society for Industrial and Applied
Mathematics.
Toth, P. & Vigo, D., 2014. Vehicle Routing Problems, Methods, and Applications. 2nd ed.
Philadelphia: Society for Industrial and Applied Mathematics.
Yulia & Singgih, M. L., 2012. Optimasi Produksi dan Distribusi di Perusahaan Gas Cair
dengan Menggunakan Linear Programming dan Algoritma Cross Entropy. Jurnal
Teknik ITS, Volume I, pp. 557-560.

Penyelesaian VRPTW Distribusi Tissue Galon Air Mineral PT Cool Clean Malang Menggunakan Algoritma Sweep dan MILP

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Penyelesaian VRPTW Distribusi Tissue Galon Air Mineral PT Cool Clean Malang Menggunakan Algoritma Sweep dan MILP

Diunggah oleh

Hak Cipta:

Format Tersedia

PENYELESAIAN VRPTW DISTRIBUSI TISSUE GALON AIR

MINERAL PT COOL CLEAN MALANG MENGGUNAKAN

Diajukan untuk memenuhi persyaratan

No. Judul Halaman

No. Judul Halaman

PT Cool Clean Malang merupakan perusahaan manufaktur yang bergerak dalam

1.1 Latar Belakang

tidak disesuaikan dengan kapasitas kendaraan, hanya berdasarkan kebutuhan pengiriman

1.2 Identifikasi Masalah

1.3 Rumusan Masalah

1.4 Batasan Masalah

1.5 Asumsi Penelitian

1.6 Tujuan Penelitian

1.7 Manfaat Penelitian

2.1 Penelitian Terdahulu

yang dilakukan dengan menggunakan simulasi dan matematikal optimasi untuk

2.2 Supply Chain Management

2.3 Masalah Distribusi

Gambar 2.1 Saluran distribusi umum

pelanggan. Aliran informasi bermula dari pesanan pelanggan ke pengecer. Lalu

Gambar 2.2 Manufactured storage with direct shipping

3. Distributor Storage with Package Carrier Delivery

Gambar 2.4 Distributor storage with carrier delivery

Gambar 2.5 Distributor storage with last-mile delivery

5. Manufacturer/ Distributor Storage with Customer Pickup

Gambar 2.6 Manufacturer/distributor warehouse storage with customer pickup

3. Permasalahan kelas NP-complete. Dikatakan NP-complete ketika termasuk kelas NP

2.6 Vehicle Routing Problem

2.6.1 Macam-Macam Vehicle Routing Problem

Gambar 2.7 Variasi VRP

2.6.2 Vehicle Routing Problem with Time Windows (VRPTW)

ti + tij - M(1-xij )≤ tj ; i,j=0, 1, …, N+1 ; k=1, 2, …, K (2-8)

2.6.3 Metode Penyelesaian Vehicle Routing Problem

Gambar 2.8 Bagan Algoritma Penyelesaian VRP

2.7 Cluster First Route Second

2.8 Algoritma Sweep

2.9 Linear Programming

1. Decision variable yang ditentukan dan dicari jumlahnya.

2.10 Global Positioning System

2.10.1 Google Maps

Pada bagian ini akan menjelaskan mengenai langkah-langkah terstruktur penelitian

3.1 Jenis Penelitian

3.2 Tempat dan Waktu Penelitian

3.3 Data yang Digunakan

3.4 Langkah-Langkah Penelitian

3) Menentukan fungsi kendala yaitu kendala yang terkait dengan kunjungan

3.5 Diagram Alir Penelitian

Observasi Awal pada PT

Menghitung total biaya

Pembuatan formulasi matematis berdasarkan

Menyelesaikan dengan model

Melakukan analisa time

Menghitung total biaya rute

Kesimpulan dan Tahap Analisis dan Pembahasan

Gambar 3.1 Diagram alir penelitian

Halaman ini sengaja dikosongkan

4.1 Gambaran Umum Perusahaan

4.1.1 Sejarah Perusahaan

Gambar 4.1 Produk tissue galon air mineral

4.1.2 Visi dan Misi Perusahaan

4.1.3 Struktur Organisasi Perusahaan

Gambar 4.2 Struktur organisasi PT Cool Clean Malang

c. Melakukan koordinasi dan memberikan tugas kepada bawahan dalam melakukan