SKRIPSI
TEKNIK INDUSTRI
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 4.19 Hasil Output Lingo 17.0 Untuk Culster 2 .................................................... 54
Tabel 4.20 Urutan Rute Hasil Software Lingo 17.0 Untuk Cluster 2 ............................ 54
Tabel 4.21 Hasil Output Lingo 17.0 Untuk Culster 3 .................................................... 54
Tabel 4.22 Urutan Rute Hasil Software Lingo 17.0 Untuk Cluster 3 ............................ 55
Tabel 4.23 Jadwal Pendistribusian Tissue untuk Rute Cluster 1 ................................... 56
Tabel 4.24 Jadwal Pendistribusian Tissue untuk Rute Cluster 2 ................................... 58
Tabel 4.25 Jadwal Pendistribusian Tissue untuk Rute Cluster 3 ................................... 58
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
ix
Halaman ini sengaja dikosongkan
x
DAFTAR LAMPIRAN
xi
Halaman ini sengaja dikosongkan
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.
Kata Kunci: VRPTW, Algoritma Sweep, Biaya Optimal, Mix Integer Linear Programming.
xiii
Halaman ini sengaja dikosongkan
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
Halaman ini sengaja dikosongkan
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
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
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
Sumber: PT Cool Clean Malang
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. 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.
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.
7
8
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
Gambar 2.3 Manufacturer storage with direct shipping and un-transit merge
Sumber: Chopra, S. & Meindl, P. (2010)
13
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
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.
2.11 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
23
24
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
Mulai
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
Analisis dan
Pembahasan
Selesai
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.
29
30
Wakil Pempinan
Perusahaan
Kepala Pembelian Kepala Pemasaran Kepala Produksi Kepala Mintenance Kepala Umum
digunakan untuk menghitung biaya distribusi saat ini serta sebagai input dalam software
Lingo 17.0.
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
Sumber: PT Cool Clean Malang
36
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
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
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
Kendaraan 1 Csd
Kendaraan 2 AQps
Kendaraan 3
Cps CLps
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
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.
= 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.
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
112,72
𝜃 = 𝑎𝑟𝑐 tan ( ) = 203,87o (4-9)
-7,22
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
∑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
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
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
Output software Lingo 17.0 untuk cluster 2 ditampilkan pada Tabel 4.19 berikut.
Tabel 4.19
Hasil Output Lingo 17.0 untuk Cluster 2
Variabel Keputusan Value Reduce Cost
X(1,2) 1.000000 101.0000
X(2,3) 1.000000 0.000000
X(3,1) 1.000000 107.0000
Dari ringkasan hasil komputasi software Lingo 17.0 yang disajikan pada Tabel 4.19
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 213 km dengan
urutan rute yang dikunjungi seperti pada Tabel 4.20 berikut.
Tabel 4.20
Urutan Rute Hasil Software Lingo 17.0 untuk Cluster 2
Titik Titik Wilayah
Nama Wilayah Distribusi a (menit) y (menit) b (Menit)
Lingo Distribusi
1 1 PT Cool Clean Malang 30 30 510
2 2 DC Surabaya 0 221,5 540
3 5 Club Surabaya 60 545 660
Berdasarkan Tabel 4.20 dapat diketahui urutan rute yang harus dikunjungi untuk cluster
2, 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-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
Output software Lingo 17.0 untuk cluster 3 ditampilkan pada Tabel 4.21 berikut.
Tabel 4.21
Hasil Output Lingo 17.0 untuk Cluster 3
Variabel Keputusan Value Reduce Cost
X(1,5) 1.000000 57.10000
55
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
Wilayah Mulai Selesai
Windows Pelayanan Tiba ke Tujuan
Disteribusi Pelayanan Pelayanan
(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.
2. Penjadwalan Cluster 2
Tabel 4.24 merupakan jadwal pengiriman untuk cluster 2 dengan kemungkinan tercepat
yang sesuai dengan batasan time windows.
58
Tabel 4.24
Jadwal Pendistribusian Tissue untuk Rute Cluster 2
Lama
Waktu Waktu
Time Lama Perjalanan ke
Wilayah Mulai Selesai
Windows Pelayanan Tujuan
Disteribusi Pelayanan Pelayanan
(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.
3. Penjadwalan Cluster 3
Tabel 4.25 merupakan jadwal pengiriman untuk cluster 3 dengan kemungkinan tercepat
yang sesuai dengan batasan time windows.
Tabel 4.25
Jadwal Pendistribusian Tissue untuk Rute Cluster 3
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.
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
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.
Cps Aqs
Aqps Csd
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
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
algoritma sweep dan mix integer linear programming adalah total jarak tempuh sebesar
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
67
68